CN105844756B - 一种基于射频反向散射信号的人数计数方法 - Google Patents

Abstract

本发明公开了一种基于射频反向散射信号的人数计数方法，通过被动式标签和阅读器相配合，通过标签反向散射射频信号强度RSS的强度，能够计算出被测区域的人数，本发明在人或物体运动时不附加任何设备，没有专业设备和专业操作人员的刚性需求，同时，完全不必规定人或物体的运动轨迹，被监测的人或物体只要在范围内活动，无论速度、姿势、路线，均可被监测到，而且本发明使用的设备是已经被广泛应用的被动式RFID商业标签和阅读器，这就意味着设备成本很低，因此能够在实际部署系统中承担起长期提供高效率低成本的任务，同时，我们在数据处理的过程中，利用熵值变换、形态学图像数理方法、以及均方根误差法，提高人数计算准确性及结果的可靠性。

Description

一种基于射频反向散射信号的人数计数方法

技术领域

本发明属于无线射频识别领域，具体涉及一种基于射频反向散射信号的人数计数方法。

背景技术

在特定的场合中对人员数量估计以便管理与分析的需求是相当迫切的，例如博物馆内关注度高的展品前的参观人数控制，还有超市中顾客对商品的兴趣度。目前对人或物体进行估数的技术有：机械屏障，二元传感器，图像识别，压强与震动技术。

基于机械屏障的技术，是使用一个旋转栅门或挡板门来构造一个每次仅容一人通过的单向门。从而使得人数较多时，利用依次通过栅门机械地数出人数。基于二元传感器的技术，是在一个单向门上安装“波敏”传感器(如红外、激光和超声波),每一次人或物体对象通过此门时，可以检测到光束被阻塞，从而进行计数。大多数情况下，机械屏障和二元传感器技术会被同时使用在建筑物的门禁系统中。而此类技术最明显的缺点是，移动的物体或人必须经过一个实际存在的“门”，而且还是一个仅允许依次通过的单向门。对于人的无规律运动就束手无策了。基于图像识别的技术，需要使用摄像机或热成像仪。首先捕获图像或视频信息,然后使用模式识别技术来识别人或物体的数量。显而易见，摄像设备对光线要求较高，而且拍摄区域内不能有遮挡视线的障碍物，另外摄像头的视线范围也是有限的。虽然热成像仪对光线与遮挡没有要求，但是自身成本过高而且人或物体只能在视野范围内活动，也都是该方法的制约条件。基于压力与振动的技术，利用嵌入的压力或振动传感器来检测人类在走动时引起的地板震动和轻微形变。此方法的缺点在于，需要高成本的传感器部署，以及不易消除的多人之间行走的干扰。

综上，目前通常使用的人数检监测，如机械屏障，二元传感器，图像识别，压强与震动技术。无论是在成本上还是设备及环境的要求上都是相当高的。因此，一种无需专业设备、准确性高、成本较低、使用方便的人数监测系统，是被迫切需求的。

发明内容

本发明的目的在于克服上述不足，提供一种基于射频反向散射信号的人数计数方法，能够对任意轨迹移动的人或物体进行快速准确的检测与统计。

为了达到上述目的，本发明包括以下步骤：

步骤一、在被测区域的一侧设置阅读器，另一侧固定若干被动式标签，天线设置在正对被动式标签的方向上；

步骤二、阅读器持续接收被动式标签所产生的标签反向散射射频信号强度RSS值，其中圆心处的值为零，向外是以标签反向散射射频信号强度RSS的绝对值为半径的无数个同心圆；

步骤三、在没有人或物体移动时，RSS值均匀的分布在半径为50米的同心圆上，当有人走动时，RSS值组成的同心圆会比之前有所扩散，且人越多RSS值越分散，从而计算出被测区域中的人数。

所述步骤一中，阅读器为商用Impinj阅读器，被动式标签为商用被动式标签Impinj H47，天线为Laird A9028R30NF 8dbi增益的天线。

所述步骤一中，若干被动式标签依次固定在相同高度的一排上，形成标签阵列。

所述步骤二中，RSS值的计算如下：

其中，s表示阅读器接收到的标签返回的信号；R是欧姆定律中的系数，P代表功率大小；RSS是指接收信号的强度。

所述步骤三中，由于一个多路径传播环境，阅读器天线接收所有多路径信号影响的叠加信号，其模型如下：

其中，i代表范围内在时间点t时移动的人数；mp代表不同的信道多径条数；H_n是多径倍乘失真系数；x代表传输的信号；τ_n代表相关路径间的时延。

所述步骤三中，当没有人在被测区域内运动时，定义一个随机变量：

当有一个人在被测区域内运动时，引起的信号变化如下表示：

基于系统的可加性，射频信号可表示为：

由于和相互独立，则方差为：

当为常数时，可取等号，但是这意味着，人的走动将不会对信号产生影响，这明显与观察的现象不符，因此方差一定会发生变化，而且随着人数的增加而单调增加，即非常数，同理，推断出任意两个随机变量间信号的方差关系：

若j＞i，则

在无线信道中，每条多径的增益可能分布在[-π，π]上的任意一点，也就是说其期望为0，E根据上述公式，可以得到阅读器天线接收到的信号功率为设置σ_i表示有i个人在区域内运动时信号的变化，通过上述分析可知，符合正态分布，即将标准化，其平方值符合卡方分布χ²(1)，如下：

代入上述方差公式中，可得：

由于当i固定时，σ_i ²为常数，上式可转换为：

由假设若j＞i，可得信道间功率方差的关系为：

简而言之，根据以上分析，在不同数量的人运动下，RSS的分散程度不同，且随着人数的增加，其分散程度越高。

与现有技术相比，本发明通过被动式标签和阅读器相配合，通过标签反向散射射频信号强度RSS的强度，能够计算出被测区域的人数，本发明在人或物体运动时不附加任何设备，没有专业设备和专业操作人员的刚性需求，同时，完全不必规定人或物体的运动轨迹，被监测的人或物体只要在范围内活动，无论速度、姿势、路线，均可被监测到，而且本发明使用的设备是已经被广泛应用的被动式RFID商业标签和阅读器，这就意味着设备成本很低，因此能够在实际部署系统中承担起长期提供高效率低成本的任务，同时，我们在数据处理的过程中，利用熵值变换、形态学图像数理方法、以及均方根误差法，提高人数计算准确性及结果的可靠性。

附图说明

图1为本发明中移动人数对RSS值分散度的影响示意图，其中1a为0人，1b为2人，1c为4人；

图2为本发明中移动人数与二分可视化图的对比图，其中2a为0人，2b为2人，2c为4人。

具体实施方式

下面结合附图对本发明做进一步说明。

本发明包括以下步骤：

步骤一、在被测区域的一侧设置阅读器，另一侧固定若干被动式标签，天线设置在正对被动式标签的方向上，若干被动式标签依次固定在相同高度的一排上，形成标签阵列；

步骤二、阅读器持续接收被动式标签所产生的标签反向散射射频信号强度RSS值，其中圆心处的值为零，向外是以标签反向散射射频信号强度RSS的绝对值为半径的无数个同心圆；

步骤三、在没有人或物体移动时，RSS值均匀的分布在半径为50米的同心圆上，当有人走动时，RSS值组成的同心圆会比之前有所扩散，且人越多RSS值越分散，从而计算出被测区域中的人数。

其中，阅读器为商用Impinj阅读器，被动式标签为商用被动式标签Impinj H47，天线为Laird A9028R30NF 8dbi增益的天线。

当有人走动时，RSS值组成的同心圆会比之前有所扩散，且人越多RSS值越分散。这就说明，在一定范围内，移动人数与RSS值的分散度呈现单调递增关系，RSS值的计算如下：

其中，s表示阅读器接收到的标签返回的信号；R是欧姆定律中的系数，P代表功率大小；RSS是指接收信号的强度。

由于“多径现象”的存在，标签的反向散射信号在室内环境中传播，变得较为复杂，由于一个多路径传播环境，阅读器天线接收所有多路径信号影响的叠加信号，其模型如下：

其中，i代表范围内在时间点t时移动的人数；mp代表不同的信道多径条数；H_n是多径倍乘失真系数；x代表传输的信号；τ_n代表相关路径间的时延。

当没有人在被测区域内运动时，定义一个随机变量：

当有一个人在被测区域内运动时，引起的信号变化如下表示：

基于系统的可加性，射频信号可表示为：

由于和相互独立，则方差为：

当为常数时，可取等号，但是这意味着，人的走动将不会对信号产生影响，这明显与观察的现象不符，因此方差一定会发生变化，而且随着人数的增加而单调增加，即非常数，同理，推断出任意两个随机变量间信号的方差关系：

若j＞i，则

在无线信道中，每条多径的增益可能分布在[-π，π]上的任意一点，也就是说其期望为0，E根据上述公式，可以得到阅读器天线接收到的信号功率为设置σ_i表示有i个人在区域内运动时信号的变化，通过上述分析可知，符合正态分布，即将标准化，其平方值符合卡方分布χ²(1)，如下：

代入上述方差公式中，可得：

由于当i固定时，σ_i ²为常数，上式可转换为：

由假设若j＞i，可得信道间功率方差的关系为：

简而言之，根据以上分析，在不同数量的人运动下，RSS的分散程度不同，且随着人数的增加，其分散程度越高。

对本发明而言，提取收集到的RSS值并对其提取特征值也是重点。提取RSS值分散度的特征利用到了以下三种特征值：

一、熵

熵(entropy)指的是体系的混乱的程度，根据信息加工理论,熵是一个测量不确定性的随机变量。通过监测不同观测的熵,我们可以测量出RSS值得分散程度或集中程度。计算一个观察现象的熵,应首先建立的这个现象的经验分布。将RSS值的范围划分为N使相等长度的槽(bin)：

其中i表示槽的编号,i<N。

表示x_i的RSS值落在第i个槽中的概率。

根据上述理论，基于观察得到现象的“离散熵值”可如下计算:

二、扩张区域规模(SDA)

通过使用一个基于形态学图像处理方案(MIPS)，从收集RSS中提取第二个特性值。直观地说，RSS值的方差越大，则图像中点的覆盖面积越大。图2a、2b和2c是二分可视化图。上半部分是分别在0、2、4个人走动时，信号点分布，下图是将对应的点进行膨胀与开运算后的结果。由图1a、1b和1c可知，区域内运动的人数越多，则信号强度值的方差值越大。表现在图2中是经过膨胀与开运算后的点所覆盖的面积，相应人数的增加而增加。其中，利用到的形态学中的膨胀、腐蚀与开运算等。开运算先腐蚀后膨胀，目的是用来消除小物体在稀疏点处的分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。

综上所述，使用膨胀的目的是扩张图像中点的覆盖面积，从而能利用SDA理论。而使用开运算的目的则是平滑图形边缘，填补缺口，消除毛刺并除去异常值干扰。

三、均方根误差(MSE)

先离散余弦变换(DCT)得到压缩图像f(x，y)，之后再解压获得一个恢复图像发现f(x，y)和之间的相似度可以用于描述观察现象。均方跟误差(MSE)代表了一种相似度特性，是通常用来测量信息的损失程度。当有更多的人在测量区域内移动，收集到的RSS值在经过SDA化处理后的图像将会更加复杂。相应地，在经过DCT压缩与还原后，将会损失更多的信息。将图像f(x，y)视为一个M×N的矩阵，经过DCT压缩后可以表示为：

其中：

恢复图像时，在拦截系数矩阵上运行反向DCT。虽然被丢弃系数几乎没有对视觉产生影响，但是恢复后的图像仍然会有MSE产生，表示为：

根据以上数据处理与特征提取的三种方法，可以将收集到的RSS值进行分析，并与人数进行对应。评估三大特征提取功能的有效性。在实施系统之前，应先考察三个特征提取功能的有效性，基于估算的机器学习过程采用数据挖掘中的贝叶斯方法作为机器学习的分类器。

三个关键参数调整：分类器阈值，膨胀程度以及槽(bin)的数量。

(1)分类器阈值；

根据阈值的量级，利用相等错误率(EER)检测R#的分类精度。在计算训练集和测试集数据的相似程度时，可得到错误拒绝率(FRR)和错误接受率(FAR)，而EER就是当FRR与FAR相等时的错误率的值，而该值也就是分类器的阈值。

(2)膨胀系数；

在本发明中，结构元素的类型是固定的,是一个扁平的盘状结构元素D。因此只评估半径大小不同对图像生成的影响。针对不同的运动人数，分别进行多组测试并计算的平均结果。

(3)槽数量；

熵值与槽(N)的数量是高度相关的。当N变化时,相应的观测值分布也发生变化,从而导致最终熵值的变化。由分析可得，当N为1时,熵没有估计能力。当N依次增大时,熵斜率的增加变得平缓。

实验表明，本发明有很高的实用性，例如超市、画廊或博物馆等场合。当置信区间为0，本发明的准确性可达到80％以上；当置信区间为1时，即就是允许有一个人的误差，其准确性可达到90％以上。结果表明，本发明达到高度精确估计人类对象。当置信区间为0和1时，本发明的可靠性可以达到是93％和98％。

Claims (4)

1.一种基于射频反向散射信号的人数计数方法，其特征在于，包括以下步骤：

步骤一、在被测区域的一侧设置阅读器，另一侧固定若干被动式标签，天线设置在正对被动式标签的方向上；

步骤二、阅读器持续接收被动式标签所产生的标签反向散射射频信号强度RSS值，其中圆心处的值为零，向外是以标签反向散射射频信号强度RSS的绝对值为半径的无数个同心圆，RSS值的计算如下：

其中，s表示阅读器接收到的标签返回的信号；R是欧姆定律中的系数，P代表功率大小；RSS是指接收信号的强度；

步骤三、在没有人或物体移动时，RSS值均匀的分布在半径为50米的同心圆上，当有人走动时，RSS值组成的同心圆会比之前有所扩散，且人越多RSS值越分散，从而计算出被测区域中的人数；

由于一个多路径传播环境，阅读器天线接收所有多路径信号影响的叠加信号，其模型如下：

其中，i代表范围内在时间点t时移动的人数；mp代表不同的信道多径条数；H_n是多径倍乘失真系数；x代表传输的信号；τ_n代表相关路径间的时延。

2.根据权利要求1所述的一种基于射频反向散射信号的人数计数方法，其特征在于，所述步骤一中，阅读器为商用Impinj阅读器，被动式标签为商用被动式标签Impinj H47，天线为Laird A9028R30NF 8dbi增益的天线。

3.根据权利要求1所述的一种基于射频反向散射信号的人数计数方法，其特征在于，所述步骤一中，若干被动式标签依次固定在相同高度的一排上，形成标签阵列。

4.根据权利要求1所述的一种基于射频反向散射信号的人数计数方法，其特征在于，所述步骤三中，当没有人在被测区域内运动时，定义一个随机变量：

当有一个人在被测区域内运动时，引起的信号变化如下表示：

基于系统的可加性，射频信号可表示为：

由于和相互独立，则方差为：

当为常数时，可取等号，但是这意味着，人的走动将不会对信号产生影响，这明显与观察的现象不符，因此方差一定会发生变化，而且随着人数的增加而单调增加，即非常数，同理，推断出任意两个随机变量间信号的方差关系：

若j＞i，则

在无线信道中，每条多径的增益可能分布在[-π，π]上的任意一点，也就是说其期望为0，根据公式

若j＞i，则

可以得到阅读器天线接收到的信号功率为设置σ_i表示有i个人在区域内运动时信号的变化，通过上述分析可知，符合正态分布，即将标准化，其平方值符合卡方分布χ²(1)，如下：

代入上述方差公式中，可得：

由于当i固定时，σ_i ²为常数，上式可转换为：

由假设若j＞i，可得信道间功率方差的关系为：

简而言之，根据以上分析，在不同数量的人运动下，RSS的分散程度不同，且随着人数的增加，其分散程度越高。