CN110794365A - 一种融合计算机视觉的提高WiFi室内定位精度的方法 - Google Patents

Abstract

本发明公开了一种融合计算机视觉的提高WiFi室内定位精度的方法，该方法使用WiFi信号发生器来获取游客的MacID以及接收信号的信号强度和时间,该元组记录为{MacID,RSS1,RSS2,RSS3,…,t}，值得注意的是，在此方法中顾客通过手机授权WiFi信号发生器获得上述数据，我们默认顾客是连接WiFi的，在手机连接WiFi的情况下，据统计，使用iOS系统手机接收信号的概率在距离为10米时为80％，在距离为30米时为50％；使用安卓系统手机接收信号的概率在距离为10米时为90％，在距离为30米时为50％，因此在布设信号发生器时最好密度不低于0.01个/每平米；融合计算机视觉室内定位和WiFi室内定位，克服了WiFi室内定位精度低的问题，也大量减少了计算机视觉室内定位对跨镜识别算法的精度要求。

Description

一种融合计算机视觉的提高WiFi室内定位精度的方法

技术领域

本发明涉及室内定位方法领域，特别涉及一种融合计算机视觉的提高WiFi室内定位精度的方法。

背景技术

随着线下商场和大型超市的运营正逐步往精细化方向转换，线下商场(大型超市)中的门店(商品)的更迭频率正在逐渐增加。但是迅速更迭的门店(商品)会导致消费者无法根据原有游逛经验来快速找到目标门店(商品)，反而降低顾客逛街体验。室内导航技术可以很好地解决线下找店(货)难的问题，从而提高消费者在线下商场(大型超市)中的购物体验。

现有应用于线下商场(大型超市)的室内定位技术包括基于WiFi的室内定位，基于无线射频识别(RFID)的室内定位，基于低功耗蓝牙(iBeacon)的室内定位，以及基于计算机视觉的室内定位技术等。

基于WiFi室内定位大规模使用比较容易，但是其精度不高，有跨楼层WiFi干扰的问题；可以使用位置指纹法来提高精度，但是人工标定位置指纹法的成本比较大，难以在大型商场或者超市中实现；

RFID室内定位技术被广泛的应用到货物的追踪中，暂时还未应用到顾客的室内定位中；

低功耗蓝牙(iBeacon)室内定位需要手机打开蓝牙，会大幅度提高手机能耗；

基于计算机视觉的实时室内定位对跨镜识别(人脸识别+人形识别)算法的精度要求较高，并且其计算量大，需要大量算力投入。

发明内容

针对现有技术中的上述不足，本发明提供了一种融合计算机视觉的提高WiFi室内定位精度的方法，融合计算机视觉室内定位和WiFi室内定位，克服了WiFi室内定位精度低的问题，也大量减少了计算机视觉室内定位对跨镜识别算法的精度要求。

为了达到上述发明目的，本发明采用的技术方案为：

一种融合计算机视觉的提高WiFi室内定位精度的方法，该方法使用WiFi信号发生器来获取游客的MacID以及接收信号的信号强度和时间,该元组记录为{MacID,RSS1,RSS2,RSS3,…,t}，值得注意的是，在此方法中顾客通过手机授权WiFi信号发生器获得上述数据，我们默认顾客是连接WiFi的，在手机连接WiFi的情况下，据统计，使用iOS系统手机接收信号的概率在距离为10米时为80％，在距离为30米时为50％；使用安卓系统手机接收信号的概率在距离为10米时为90％，在距离为30米时为50％，因此在布设信号发生器时最好密度不低于0.01个/每平米；

基于发生器接收到的信号强度RSS，可以计算收集到该信号发生器的距离d，其换算公式为其中d为计算所得距离，单位是米，RSS接收信号强度，A是发射端和接收端相隔1米时的信号强度，n是环境衰减因子，同时使用多个信号发生器抓取的距离信息，使用三点定位或者位置指纹法来确认该人在场内的位置。

进一步，该方法中，WiFi抓取时空数据记录在为Witrace(macID,x,y,z,t)中,其中x,y是基于信号强度和指纹算法获得的场内经度和场内纬度，z是楼层，t是时间；视觉抓取的时空数据记录在Ptrace(PID,x’,y’,z’,t’),其中PID是基于计算机视觉获得唯一ID，x’,y’是基于计算机视觉获得的场内经度和场内纬度，z’是楼层，t’是时间。

进一步，该方法包括：匹配、切换和持续校准三个步骤；

匹配：计算MacId和PID的相似度C，当C大于给定阀值L时，判定MacId和PID来自同一标的；其中C是MacId的轨迹Witrace和PID的轨迹Ptrace的定位点的时间误差小于2秒，位置误差小于3米的次数，输出匹配的ID对(MacId,PID)；

切换：在没有Ptrace输入是，大部分趋势直接返回Witrace中的x,y,z，此时的定位误差在3米左右；如果已经被视为一一对应的Witrace和Ptrace，那么在到达视觉可见的范围内，直接返回Ptrace中的x’,y’,z’，此时的定位误差小于0.5米；

持续校准：在返回Ptrace中的x’,y’,z’的时候，同时已知Witrace中的x,y,z，也就意味着一直在这个时刻的位置指纹{RSS1,RSS2,RSS3,…,RSSn}。因此可以使用位置指纹数组和Ptrace中的x’,y’,z’来持续校准位置指纹算法的定位精度，从而达到提高WiFi室内定位精度效果。

本发明的有益效果为：

关键是融合计算机视觉室内定位和WiFi室内定位，克服了WiFi室内定位精度低的问题，也大量减少了计算机视觉室内定位对跨镜识别算法的精度要求，从而实现可以大规模应用的实时、低成本、高精度的室内导航，克服了WiFi室内定位精度低的问题，提供了一个可以常态化校对位置指纹的方案，大量减少了计算机视觉室内定位对跨镜识别算法的精度要求，可以在手机上实现商场和大型超市内部的实时、低成本、高精度的室内导航。

附图说明

图1为本发明匹配Witrace和Ptrace的流程图；

图2为本发明Witrace和Ptrace间切换的流程图；

图3为本发明持续校准位置指纹算法的流程图。

具体实施方式

为了使本发明的内容更容易被清楚地理解，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

如图1至图3所示，一种融合计算机视觉的提高WiFi室内定位精度的方法，该方法使用WiFi信号发生器来获取游客的MacID以及接收信号的信号强度和时间,该元组记录为{MacID,RSS1,RSS2,RSS3,…,t}，值得注意的是，在此方法中顾客通过手机授权WiFi信号发生器获得上述数据，我们默认顾客是连接WiFi的，在手机连接WiFi的情况下，据统计，使用iOS系统手机接收信号的概率在距离为10米时为80％，在距离为30米时为50％；使用安卓系统手机接收信号的概率在距离为10米时为90％，在距离为30米时为50％，因此在布设信号发生器时最好密度不低于0.01个/每平米；

基于发生器接收到的信号强度RSS，可以计算收集到该信号发生器的距离d，其换算公式为，其中d为计算所得距离，单位是米，RSS接收信号强度，A是发射端和接收端相隔1米时的信号强度，n是环境衰减因子，同时使用多个信号发生器抓取的距离信息，使用三点定位或者位置指纹法来确认该人在场内的位置。

在实际应用中，我们发现单独使用WiFi在商场中进行室内定位会遇到以下问题：

1.各个探针接收信号偏差过大，导致判断位置时可能会误判楼层，比如位于1层，但是定位在了2层或者3层，其原因是商场中楼层间都是镂空的，楼层间没有遮挡物；

2.顾客移动和商场装修变动也会对位置指纹造成影响；

因此为了消除楼层误判和顾客移动和商场装修变动造成的影响，我们引入了基于计算机视觉的室内定位技术来提高定位精度。

下面我们简单介绍基于计算机视觉的室内定位技术。理论上世界上没意义完全相同的两张脸，每个人的脸对应着一个ID，人脸识别技术已经被广泛地应用在移动支付、智能安防等零售领域，但是单独使用人脸识别来进行室内定位还比较困难，其原因主要是难以保证摄像头中人脸图片的质量。

为了实现在多个镜头下的定位，有必要引入人形识别技术。现有人脸识别结合人形识别的跨镜识别的准确率85％以上，在串联同一人在不同摄像头中的图像的同时，使用校准过的摄像头，可以准确地抓取人在室内的3D室内定位信息。

由于摄像头覆盖的区域较少，并且基于计算机视觉的室内定位对算力的要求较高，在现有的算力和网络条件下，直接使用计算机视觉实现实时室内定位还比较困难。因此我们提出了下述方案来融合计算机视觉室内技术来提高WiFi室内定位的精度。

该方法中，WiFi抓取时空数据记录在为Witrace(macID,x,y,z,t)中,其中x,y是基于信号强度和指纹算法获得的场内经度和场内纬度，z是楼层，t是时间；视觉抓取的时空数据记录在Ptrace(PID,x’,y’,z’,t’),其中PID是基于计算机视觉获得唯一ID，x’,y’是基于计算机视觉获得的场内经度和场内纬度，z’是楼层，t’是时间。

该方法包括：匹配、切换和持续校准三个步骤；

匹配：计算MacId和PID的相似度C，当C大于给定阀值L时，判定MacId和PID来自同一标的；其中C是MacId的轨迹Witrace和PID的轨迹Ptrace的定位点的时间误差小于2秒，位置误差小于3米的次数，输出匹配的ID对(MacId,PID)；

切换：在没有Ptrace输入是，大部分趋势直接返回Witrace中的x,y,z，此时的定位误差在3米左右；如果已经被视为一一对应的Witrace和Ptrace，那么在到达视觉可见的范围内，直接返回Ptrace中的x’,y’,z’，此时的定位误差小于0.5米；

持续校准：在返回Ptrace中的x’,y’,z’的时候，同时已知Witrace中的x,y,z，也就意味着一直在这个时刻的位置指纹{RSS1,RSS2,RSS3,…,RSSn}。因此可以使用位置指纹数组和Ptrace中的x’,y’,z’来持续校准位置指纹算法的定位精度，从而达到提高WiFi室内定位精度效果。以上所述仅为本发明专利的较佳实施例而已，并不用以限制本发明专利，凡在本发明专利的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明专利的保护范围之内。

Claims (3)

1.一种融合计算机视觉的提高WiFi室内定位精度的方法，其特征在于，该方法使用WiFi信号发生器来获取游客的MacID以及接收信号的信号强度和时间,该元组记录为{MacID,RSS1,RSS2,RSS3,…,t}，值得注意的是，在此方法中顾客通过手机授权WiFi信号发生器获得上述数据，我们默认顾客是连接WiFi的，在手机连接WiFi的情况下，据统计，使用iOS系统手机接收信号的概率在距离为10米时为80％，在距离为30米时为50％；使用安卓系统手机接收信号的概率在距离为10米时为90％，在距离为30米时为50％，因此在布设信号发生器时最好密度不低于0.01个/每平米；

基于发生器接收到的信号强度RSS，可以计算收集到该信号发生器的距离d，其换算公式为

其中d为计算所得距离，单位是米，RSS接收信号强度，A是发射端和接收端相隔1米时的信号强度，n是环境衰减因子，同时使用多个信号发生器抓取的距离信息，使用三点定位或者位置指纹法来确认该人在场内的位置。

2.根据权利要求1所述的一种融合计算机视觉的提高WiFi室内定位精度的方法，其特征在于：该方法中，WiFi抓取时空数据记录在为Witrace(macID,x,y,z,t)中,其中x,y是基于信号强度和指纹算法获得的场内经度和场内纬度，z是楼层，t是时间；视觉抓取的时空数据记录在Ptrace(PID,x’,y’,z’,t’),其中PID是基于计算机视觉获得唯一ID，x’,y’是基于计算机视觉获得的场内经度和场内纬度，z’是楼层，t’是时间。

3.根据权利要求1所述的一种融合计算机视觉的提高WiFi室内定位精度的方法，其特征在于：该方法包括：匹配、切换和持续校准三个步骤；

匹配：计算MacId和PID的相似度C，当C大于给定阀值L时，判定MacId和PID来自同一标的；其中C是MacId的轨迹Witrace和PID的轨迹Ptrace的定位点的时间误差小于2秒，位置误差小于3米的次数，输出匹配的ID对(MacId,PID)；

切换：在没有Ptrace输入是，大部分趋势直接返回Witrace中的x,y,z，此时的定位误差在3米左右；如果已经被视为一一对应的Witrace和Ptrace，那么在到达视觉可见的范围内，直接返回Ptrace中的x’,y’,z’，此时的定位误差小于0.5米；

持续校准：在返回Ptrace中的x’,y’,z’的时候，同时已知Witrace中的x,y,z，也就意味着一直在这个时刻的位置指纹{RSS1,RSS2,RSS3,…,RSSn}。因此可以使用位置指纹数组和Ptrace中的x’,y’,z’来持续校准位置指纹算法的定位精度，从而达到提高WiFi室内定位精度效果。

Images