[논문 리뷰] Online People Tracking and Identification with RFID and Kinect

Xinyu Li, Yanyi Zhang외 2명|arXiv (Cornell University)|2017. 02. 10.

Indoor and Outdoor Localization Technologies참고 문헌 1인용 수 8

한 줄 요약

이 논문은 Kinect V2 센서와 수동형 RFID 태그를 사용하여 실시간으로 사람을 추적하고 식별하는 온라인 시스템을 제시한다. Kinect의 체형 데이터와 RFID 태그 읽기 결과를 안테나 기준점에 의해 동기화하여 융합함으로써, 실내에서 최대 6명의 사람에 대해 센티미터 수준의 추적 정확도와 80%의 식별 정확도를 달성한다. 이는 조명 조건이 변하더라도 개인정보 보호를 유지하면서 작동한다.

ABSTRACT

We introduce a novel, accurate and practical system for real-time people tracking and identification. We used a Kinect V2 sensor for tracking that generates a body skeleton for up to six people in the view. We perform identification using both Kinect and passive RFID, by first measuring the velocity vector of person's skeleton and of their RFID tag using the position of the RFID reader antennas as reference points and then finding the best match between skeletons and tags. We introduce a method for synchronizing Kinect data, which is captured regularly, with irregular or missing RFID data readouts. Our experiments show centimeter-level people tracking resolution with 80% average identification accuracy for up to six people in indoor environments, which meets the needs of many applications. Our system can preserve user privacy and work with different lighting.

연구 동기 및 목표

• 동적인 환경에서 정확하고 실시간으로 실내 사람 추적 및 식별 문제를 해결한다.
• 단독으로 사용할 경우의 시각 또는 RFID 시스템의 한계를 극복하기 위해 두 모odal리티의 데이터를 융합한다.
• 불규칙하거나 누락된 RFID 데이터 읽기 결과가 있을 경우에도 강건한 식별을 가능하게 한다.
• 지속적인 영상 기록을 방지하고 익명화된 데이터를 사용함으로써 개인정보 보호 추적을 확보한다.
• 정기적으로 샘플링되는 Kinect 데이터와 간헐적인 RFID 읽기 결과 간의 동기화 메커니즘을 개발한다.

제안 방법

• 최대 6명의 개인을 대상으로 Kinect V2를 사용해 실시간으로 신체 뼈대를 캡처하여 3차원 관절 위치를 제공한다.
• 개인에 부착된 수동형 RFID 태그를 사용하며, 읽기 장치는 알려진 안테나 위치에 위치하여 태그의 위치를 추정한다.
• RFID 리더 안테나에서 얻은 기준점들을 활용해 뼈대와 RFID 태그의 속도 벡터를 계산한다.
• 추적된 사람과 태그의 운동 간 최적의 속도 벡터 상관관계를 찾아 뼈대를 RFID 태그와 매칭한다.
• 불규칙하거나 누락된 RFID 읽기 결과를 연속적인 Kinect 데이터 스트림과 동기화하는 방법을 구현한다.
• 뼈대와 태그의 속도 벡터 간의 차이를 최소화하는 매칭 알고리즘을 적용하여 신원을 할당한다.

실험 결과

연구 질문

• RQ1 Kinect 기반 뼈대 추적과 RFID 기반 태그 탐지의 융합은 실시간 실내 추적에서 식별 정확도를 향상시킬 수 있는가?
• RQ2 불규칙하거나 누락된 RFID 데이터는 어떻게 연속적인 Kinect 데이터 스트림과 효과적으로 동기화할 수 있는가?
• RQ3 조도 조건이 변화하는 상황에서 시스템은 추적 정확도와 식별 성능을 어느 정도 유지하는가?
• RQ4 사용자 개인정보 보호를 유지하면서도 사람 추적에 대해 센티미터 수준의 공간 해상도를 달성할 수 있는가?
• RQ5 운동 기반 상관관계를 활용해 움직이는 개인을 그에 해당하는 RFID 태그와 최적으로 매칭하는 방법은 무엇인가?

주요 결과

• Kinect V2 센서 데이터를 활용해 사람 추적 시 센티미터 수준의 공간 해상도를 확보한다.
• 실내 환경에서 최대 6명의 개인에 대해 평균 80%의 식별 정확도를 달성한다.
• Kinect와 RFID 데이터의 융합은 단독으로 하나의 모달리티를 사용할 경우보다 식별의 강건성을 크게 향상시킨다.
• 동기화 방법은 불규칙하거나 누락된 RFID 데이터 읽기 결과를 효과적으로 처리하면서 추적 성능 저하 없이 작동한다.
• 조도 조건이 변화하더라도 시스템은 시각적 변화에 강건함을 입증하며 안정적으로 작동한다.
• 시스템은 지속적인 영상 기록을 하지 않으며 익명화된 태그-뼈대 연관 정보를 사용함으로써 사용자 개인정보를 보호한다.