CN111505572A - Rfid移动轨迹检测方法 - Google Patents

Abstract

本发明公开了一种RFID移动轨迹检测方法，属于轨迹检测技术领域。本发明基于所构建的监测区域的相位理论值指纹地图，结合实时采集的相位测量值序列，对预处理后的相位测量值序列与相位理论值指纹地图进行匹配处理，确定移动目标的局部移动轨迹；最后，按时间先后顺序对同一移动目标的局部移动轨迹进行拼接处理，得到移动目标的最终移动轨迹。本发明可用于大型商场或者超市，对装有附有超高频RFID标签的商品的购物车的移动轨迹进行监测，利用基于相位理论值和测量值匹配模型的轨迹追踪算法对监测区域内目标的移动轨迹进行追踪，获取目标在监测范围内的移动轨迹。

Description

RFID移动轨迹检测方法

技术领域

本发明属于轨迹检测技术领域，具体涉及一种RFID移动轨迹检测方法。

背景技术

RFID轨迹追踪本质来说就是多点定位。在RFID轨迹追踪处理技术中，通常通过跟踪标签的运动，将被标记的物体作为质点进行运动跟踪，利用单个标签重构笔迹。此外，还可以通过标记数组跟踪移动对象的轨迹或方向，主要有三种方式：(1)使用一个多标签单天线系统，能够准确的跟踪附有标签阵列的对象。(2)利用RFID标签阵列，将标签间的实时相位偏移转换为定位角度，实现三维方向跟踪。(3)研究附有标签阵列的球的运动行为，包括移动和旋转。首先通过相位值估计多个标签的绝对位置，然后根据标签的估计位置计算出被标记对象的平移和旋转。

或者是基于跟踪刚性变换实现RFID轨迹追踪，即通过直接参考至少两个标签的相位变化，实现对被标记物体的平移和旋转同步，从而在平移/旋转跟踪中获得更高的精度。另外，还有很多以RFID技术为基础，采用其他技术进行辅助定位或者追踪的方法，例如在混合RFID和计算机视觉的追踪处理方案中，将系统给出的位置信息有机结合，再通过RFID子系统输出相位数据，用于对标记对象进行细粒度定位和跟踪；或者使用粒子滤波器结合RFID相位以及基于激光的聚类。

但是，目前单纯利用RFID技术的轨迹追踪通常局限于目标活动区域很小或者轨迹比较简单的前提下，而要想实现大范围复杂的追踪，通常需要借助更多的天线和其他技术来辅助，实现成本较高。

发明内容

本发明的发明目的在于：针对上述存在的技术问题，提供一种RFID移动轨迹检测方法。

本发明的RFID移动轨迹检测方法包括下列步骤：

步骤1：构建监测区域的相位理论值指纹地图：

将检测区域划分为多个局部监测区域，每个局部监测区域布置一个监测点，所述监测点出设置RFID阅读器天线；根据局部监测区域的每个区域待测平面到阅读器天线的距离计算相位理论值得到当前局部监测局域的相位理论值指纹地图；即将检测区域划均分为多个位置点，根据每个位置点与对应的阅读器天线之间的相位理论值，得到对应当前监测点的相位理论值指纹地图。

优选的，在每个监测点设置两个等高的阅读器天线；

步骤2：采集各局部监测区域内的相位测量值序列，并进行预处理；

所述预处理包括纠正相位缠绕和校准处理；

步骤3：确定各局部监测区域的移动轨迹：

对预处理后的相位测量值与相位理论值指纹地图进行匹配处理，确定移动目标的局部移动轨迹；

步骤4：按时间先后顺序对同一移动目标(同一RFID标签)的局部移动轨迹进行拼接处理，得到移动目标的最终移动轨迹。

进一步的，步骤2中，校准处理采用的方式为：

在局部监测区域设置一定数量的参考标签获取天线的系统误差的估计值

对每个参考标签，计算参考标签到当前监测点的阅读器天线的相位理论值，以及获取参考标签的相位测量值；若相位理论值大于相位测量值，则当前参考标签对应的误差为相位测量值与相位理论值的差再加上2π；否则当前参考标签对应的误差为相位测量值与相位理论值的差；再将所有参考标签对应的误差的均值作为当前天线的系统误差的估计值

若当前相位测量值小于天线的系统误差的估计值

则校准后的相位测量值为：当前相位测量值与估计值

的差；否则为：当前相位测量值与估计值

的差再加上2π。

进一步的，步骤2中，预处理还包括相位测量值序列的“跳π”处理：

将每个阅读器天线对应的相位测量值序列作为原序列，并定义原序列的两个候选序列，所述候选序列的初始值分别记为θ₁和(θ₁+π)％2π，其中θ₁表示原序列的初始值；

对每个候选序列，从初始值开始，将候选序列中的第i个值与原序列中的第i+1个值进行比较，若两者的差值Δθ满足：π-βπ≤|Δθ|≤π+βπ，则候选序列的第i+1个值为(θ_i+1+π)％2π，且“跳π”次数加1；否则，候选序列的下一个值为θ_i+1，其中，β表示连续相位的差值系数(预设值)，θ_i+1表示原序列的第i+1个值；其中，两个候选序列的“跳π”次数的初始值相同；

比较两个候选序列的“跳π”次数，并将次数少的候选序列作为“跳π”处理后的相位测量值序列。

进一步的，步骤3中，确定移动目标的局部移动轨迹具体为：

确定满足预设匹配条件的起始点；

遍历局部监测区域的相位理论值指纹地图，搜索对应每个起始点的轨迹：在预设的搜索半径所确定发搜索范围内，查找与当前搜索点最相似的匹配点作为轨迹点，并将当前匹配点作为当前搜索点继续进行搜索，直到遍历结束；其中搜索点的初始值为起始点；

基于相位值的差异信息设置两点之间的相似度，差异信息约小，则相似度越大；

并将各起始点的轨迹包括的轨迹点之间的相似度的累计值作为各轨迹的筛选度量值，取筛选度量值最小的轨迹作为移动目标的局部移动轨迹。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

(1)由于相位的周期性会导致不同的位置可能有相同的相位测量值，导致位置的模糊性；本发明通过在监测点设置双天线提高相位的区分度，并为每一条可能的结果轨迹计算一个标识与实际轨迹近似程度的值，通过比较值大小确定结果轨迹，从而解决位置的模糊性。

(2)通过比较测量值和理论值，相位解缠绕以一个有效的标准消除2π跳跃的影响，从而保证相位值不超过它的正常范围[0，2π)。

(3)通过估计系统误差对测量值进行校准，应用在理论值和相位值匹配模型中，从而解决由于设备多样性所导致的不同的位置初始相位旋转；

(4)由于动态相位序列会存在π的跳跃，且初值有可能跳跃；两天线序列在时间上的对应关系不确定的问题，本发明根据初值假设两个可能的结果序列，与原序列进行比较确定真正的初值。从而确定两序列在时间上的对应关系。

附图说明

图1是基于RFID信号的移动轨迹检测的应用场景示意图；

图2是单监测点轨迹检测场景示意图；

图3是基于RFID信号的移动轨迹检测处理系统框架图；

图4是轨迹追踪算法模拟示意图；

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

由于无源RFID具有非视距、非接触、无盲区和低成本等优点，已被许多大型商场和知名制造商用于商品追溯和防盗，本发明的一种基于RFID的移动轨迹检测方法，可以用于一定区域内物体的追踪，从而可扩展到整个场景实现目标的移动轨迹检测。本发明通过在监测区域内预先计算相位理论值的指纹地图，之后在相位的理论值和测量值匹配模型的基础上实现轨迹追踪，进而实现轨迹点的匹配从而得到目标轨迹序列，实现多目标移动轨迹检测，即多目标的移动轨迹分析处理。

本发明的基于RFID的移动轨迹检测方法的实现主要包括下列步骤：

1、设置监测区域，根据每个区域待测平面到天线的距离计算相位的理论值得到理论值指纹地图。

2、采集数据，并对动态的相位测量值序列纠正相位缠绕。

3、通过估计系统误差对测量值进行校准，解决设备多样性造成的初始相位不一致的问题。

4、通过动态的测量值序列元素与理论值指纹地图进行匹配，利用基于相位理论值和测量值的匹配模型的轨迹追踪算法对移动目标(如购物车标签)进行轨迹追踪。

参见图1，将本发明的基于RFID信号的移动轨迹检测应用在大型的超市、商场等场景，商品和购物车上附有超高频RFID标签，在一些关键位置(货架交叉口等)进行监测。由于单个监测点监控范围有限，通常需要综合多个监测点数据，才能进行更大时空范围的分析。如图1所示，可以通过构建多个监测点监测标签的局部轨迹，然后综合多个监测点分析全局流向，其实质也就是针对多个单点采用相同的方法对采集的数据进行分析，之后进行多点的信息结合。

对于每一个监测点，如图2所示，在每个监测点设置两个等高的阅读器天线，对监测范围内的多个购物车以及多个商品上附着的标签信息进行采集，主要利用RFID相位信息和时间信息对商品进行分类以及追踪购物车在此区域的具体轨迹。

如图3所示，整个实现的系统框架分为四个部分，从下往上分别是：设备层，准备层，轨迹分析和应用层。设备层包含采集信息的阅读器，部署在每个监测点的天线以及标签。其中标签分为两类，一类是商品标签，一类是购物车标签，分类的信息存储在预置的数据库中。设备层主要进行标签信息的采集，作为输入将数据传到上层进行处理，其中包括天线的位置信息。准备层包括三个部分，一是根据当前场景的设置计算相位的理论值得到理论值指纹地图，二是依据标签类型别对采集到的原数据进行处理，排除一些设备原因导致的相位偏转，三是在当前情景下设置许多参考标签，根据提出的理论模型计算相位理论值和测量值的匹配参数。第三层则是分析(轨迹检测)，即利用第二层处理好的数据，首先对购物车标签进行追踪，此时就要进行轨迹分析计算，基于相位理论值和测量值理论匹配模型，根据提出的路径匹配算法，计算出可能的轨迹。

其中，准备层和轨迹分析和应用层的具体处理过程如下：

首先，基于当前监测点场景的设置，利用公式(1)分别计算两天线相位的理论值得到理论值指纹地图，将其表示为数组

其中N表示当前监测点的位置数量，即指纹数。

其中，λ为波长，K是一个整数，d表示天线与标签之间的距离，天线相位的理论值Θ是一个周期为2π的函数，即天线和标签之间的距离每变化

理论值就变化一个周期。

相位测量值θ包含一个系统误差μ，定义为：

其中，μ＝(θ_TAG+θ_ANT)mod 2π，θ_TAG和θ_ANT分别是由标签反射特点、阅读器天线的传输端和接收端产生的额外的相位偏移。

接下来要进行动态相位序列的预处理，包括两个部分，一个是根据相位初始值的来处理“跳π”，另一个是确定两序列时间上的对应关系。对于静态序列的处理，因为相位值只有两种情况，只需要判断θ和θ+π出现的次数即可确定。对于动态序列，相位值不是确定的，而是随着轨迹的变化而变化。那么对于动态序列相位值的处理，需要采用不同的方法。基本的原理就是利用动态序列值的连续性，即动态序列中相邻的相位值的差值根据物体的移动速度和采样频率是有一定范围的(排除周期性的干扰)。那么只需要判断序列前后的值的差距(Δθ)是否处于“跳π”的范围，即满足

π-βπ≤|Δθ|≤π+βπ (3)

其中，β表示连续相位的差值系数。这种方法的前提是要确定真正的初值才能保证整个动态序列的准确性，对于初值的确定，则采用以下步骤对序列进行处理：

(1)定义两个可能的结果序列，两个序列的初值分别为θ和(θ+π)％2π。

(2)从初值开始，对结果序列中的每个值与原序列对应的下一个值进行比较，若“跳π”，即满足公式(3)，则结果序列下一个值为(θ+π)％2π，记录下“跳π”次数，否则下一个值为θ。

(3)比较两结果序列的“跳π”次数，少的则为真正的结果序列。

另外，在匹配算法中，需要同时利用两天线采集的相位序列与理论值进行匹配来确定位置点，因此要保证序列中相位的同时性。因为RFID标准中的标签识别协议(例如，帧时隙ALOHA协议)存在一定随机性，不能保证采样具有固定的间隔和相同的次数(序列长度不相等)，即相位的采集时间具有随机性，因此要确定一个序列元素在另一个序列时间相同的对应值，需要比较去查找采集时间与它最近似的元素。

即要满足两天线匹配时数据的同时性，具体的算法如下所示：

(1)设置两序列在时间上对应关系数组r[n]；

对于天线采集的两标签相位序列

时间序列

定义i和i分别为两个序列的编号，其中i＝1,2,…,n，j＝1,2,…,m，其中，n、m表示采集次数；

(2)i＝1，j＝1，从i到n遍历序列θ¹，计算时间差

如果

那么r[i]＝j，编号i自增1，否则直接编号j自增1。

(3)如果j≥m那么r[j]＝m，编号i自增1。

下一步，要进行相位匹配模型的推导，相位匹配模型就是相位解缠绕的过程即使一个缠绕的相位变为“正确的”形式，摆脱“2π”跳跃的影响，用θ表示从天线采集到的标签的相位测量值，μ表示由标签和天线产生的系统误差。将公式(1)与公式(2)相减：

Θ-θ＝2π(k-K)-μ (4)

因为Θ∈[0,2π)，θ∈[0,2π)，有Θ-θ∈(-2π,2π)，考虑到该差值的符号，会存在以下两种情况：

1、假设Θ-θ∈(-2π,0]，即满足Θ-θ＞-2π，Θ-θ＜＝0。

2、假设Θ-θ∈(0,2π)，即满足Θ-θ＞0，Θ-θ＜2π。

用等式(5)和等式(6)代替k，得到：

则θ解缠绕后的值θ'为：

根据等式(8)，可以得到校准后的相位值θ'与测量值θ的关系，即当测量值大于理论值的时候，测量值保持不变，而当测量值小于理论值时，需要将测量值加上2π。以此来保持相位测量值和理论值趋势的一致性。

通过所提出的理论模型对相位测量值进行处理，使得校准后的相位值与理论值在趋势上具有极强的相关性，但是仅仅在趋势上相似还不足以使得相位测量值和理论值的精确匹配。通过实验可以发现，测量值和理论值曲线对应值的差值维持在一个稳定的范围，但是不同的天线所对应的差值范围有所差别。这是由于相同的天线都有着不同的相位初始偏转，接下来通过消除初始偏转的影响实现测量值和理论值的精准匹配，即通过等式(7)，可得系统误差μ：

通过设置实验部署n个参考标签来确定系统误差μ的估计值

即：

这里j∈[1,n]，将

替换系统误差μ来对相位校准值θ'进一步的校准，则再校准后的相位值θ”定义为：

结果表明相位测量值经过再校准后与理论值处于同一水平，两序列中绝大部分值对应值的大小非常相近，也就是说可以通过相位测量值找到与其相近的理论值完成两者的近似匹配。

通过上述处理完成了指纹地图的构建，动态序列的预处理以及相位匹配模型的推导后。将准备阶段得到的两个天线采集的处理完毕的相位测量值序列设为

两序列时间上对应关系数组r[n]以及与位置相关的相位的理论值数组

如图4所示，在监测点范围内显示理论值的指纹地图。首先要找到起始点，即要遍历所有的理论值点找到与第一对相位测量值相匹配的点，因为相位值不可能绝对的相等，需要设置合适的阈值η作为匹配的判断条件，根据相位匹配模型，匹配条件如下式：

这里j∈[1,N]，表示在相位理论值数组内的编号。

只要满足式(12)任意一种情况就说明测量值和理论值是匹配的，据此确定初始点。一般来说，如果参考点的密集度很高，那么起始点的个数将不止一个，对于每一个起始点都会进行同样的操作产生一条可能的路径，那么如何在这些可能的路径中找到最相似的那条，如图4所示，以当前点操作为例，因为轨迹必定是连续的，即相邻的两个坐标点也是相近的，以当前点为中心设定一定的搜寻范围，设置合适大小的搜寻半径，通过序列的下一组相位值与范围内的每个点进行匹配，通过差值大小找到最相似的那个点，差值式(13)所示：

其中，k表示所有的范围内的点的理论值在数组的编号。可以看出，通过计算两天线相位匹配的差值之和来寻找下一个匹配点。因为采样频率很快，会出现匹配点已经存在的情况，这种情况下只需要将重复的匹配点作为当前点进行下一次计算即可。记录下每一次比较的差值之和，最后将这些和再相加就得到整条轨迹的差值之和，以这个和为标准去衡量可能出现的多条轨迹的相似程度，从而找到与真实结果最相似的那条轨迹。具体的算法流程如下所示：

(1)遍历指纹地图，根据式(12)确定起始点集合,设置每个可能结果集的相似程度值为S＝0。

(2)针对每一个起始点，在其搜寻范围内通过计算差值ΔS找到值最小即与其最匹配的点，加入可能结果集，并将差值ΔS累加到S，然后以这个点作为当前点继续同样的操作寻找下一个点。

(3)若寻找的匹配点与上一个点相同，不重复添加点，累加差值计算下一个点。

(4)搜寻结束后，比较各起始点所代表的结果集的差值和S，最小的则为真正的结果序列，即找到对应理论值所在的点，将结果集转化为坐标序列，形成轨迹。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (5)

1.本发明的RFID移动轨迹检测方法包括下列步骤，其特征在于，包括下列步骤

步骤1：构建监测区域的相位理论值指纹地图：

将检测区域划分为多个局部监测区域，每个局部监测区域布置一个监测点，所述监测点出设置RFID阅读器天线；

根据局部监测区域的每个区域待测平面到阅读器天线的距离计算相位理论值得到当前局部监测局域的相位理论值指纹地图；

步骤2：采集各局部监测区域内的相位测量值序列，并进行预处理；所述预处理包括纠正相位缠绕和校准处理；

步骤3：确定各局部监测区域的移动轨迹：

对预处理后的相位测量值与相位理论值指纹地图进行匹配处理，确定移动目标的局部移动轨迹；

步骤4：按时间先后顺序对同一移动目标的局部移动轨迹进行拼接处理，得到移动目标的最终移动轨迹。

2.如权利要求1所述的方法，其特征在于，每个监测点设置两个等高的阅读器天线。

3.如权利要求1或2所述的方法，其特征在于，步骤2中，校准处理采用的方式为：

在局部监测区域设置一定数量的参考标签获取天线的系统误差的估计值

对每个参考标签，计算参考标签到当前监测点的阅读器天线的相位理论值，以及获取参考标签的相位测量值；若相位理论值大于相位测量值，则当前参考标签对应的误差为相位测量值与相位理论值的差再加上2π；否则当前参考标签对应的误差为相位测量值与相位理论值的差；再将所有参考标签对应的误差的均值作为当前天线的系统误差的估计值

若当前相位测量值小于天线的系统误差的估计值

则校准后的相位测量值为：当前相位测量值与估计值

的差；否则为：当前相位测量值与估计值

的差再加上2π。

4.如权利要求1或2所述的方法，其特征在于，步骤2中，预处理还包括相位测量值序列的“跳π”处理：

将每个阅读器天线对应的相位测量值序列作为原序列，并定义原序列的两个候选序列，所述候选序列的初始值分别记为θ₁和(θ₁+π)％2π，其中θ₁表示原序列的初始值；

对每个候选序列，从初始值开始，将候选序列中的第i个值与原序列中的第i+1个值进行比较，若两者的差值Δθ满足：π-βπ≤|Δθ|≤π+βπ，则候选序列的第i+1个值为(θ_i+1+π)％2π，且“跳π”次数加1；否则，候选序列的下一个值为θ_i+1，其中，β表示连续相位的差值系数，θ_i+1表示原序列的第i+1个值；其中，两个候选序列的“跳π”次数的初始值相同；

比较两个候选序列的“跳π”次数，并将次数少的候选序列作为“跳π”处理后的相位测量值序列。

5.如权利要求1或2所述的方法，其特征在于，步骤3中，确定移动目标的局部移动轨迹具体为：

确定满足预设匹配条件的起始点；

遍历局部监测区域的相位理论值指纹地图，搜索对应每个起始点的轨迹：在预设的搜索半径所确定发搜索范围内，查找与当前搜索点最相似的匹配点作为轨迹点，并将当前匹配点作为当前搜索点继续进行搜索，直到遍历结束；其中搜索点的初始值为起始点；

基于相位值的差异信息设置两点之间的相似度，差异信息约小，则相似度越大；

并将各起始点的轨迹包括的轨迹点之间的相似度的累计值作为各轨迹的筛选度量值，取筛选度量值最小的轨迹作为移动目标的局部移动轨迹。

Images