[論文レビュー] Online People Tracking and Identification with RFID and Kinect

Xinyu Li, Yanyi Zhang+2 more|arXiv (Cornell University)|Feb 10, 2017

Indoor and Outdoor Localization Technologies参考文献 1被引用数 8

ひとこと要約

本稿では、Kinect V2センサーとパassive RFIDタグを用いた、リアルタイムでの人物追跡および識別を実現するオンラインシステムを提示する。KinectからのスケルトンデータとRFIDタグの読み取り値を、アンテナの基準点を用いて同期させることで、センチメートルレベルの追跡精度と、6人までの室内環境における80%の識別精度を達成した。本システムはプライバシーを保護するとともに、照明条件の変化に耐えうる。

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.

研究の動機と目的

• 動的環境下における正確でリアルタイムな屋内での人物追跡および識別を解決すること。
• 単独のビジョンまたはRFIDシステムの限界を克服するため、両モダリティからのデータを統合すること。
• 不規則なまたは欠落したRFIDデータ読み取りに対しても、堅牢な識別を可能にすること。
• 連続的な動画記録を避けて匿名化されたデータを用いることで、プライバシー保護型の追跡を実現すること。
• 定期的にサンプリングされたKinectデータと、偶発的なRFID読み取りデータの間の同期メカニズムを開発すること。

提案手法

• Kinect V2を用いて、最大6名の人物のリアルタイムなボディスケルトンを取得し、3次元の関節位置を提供する。
• 個々の人物に装着したパssive RFIDタグを用い、既知のアンテナ位置に配置されたリーダーを用いてタグの位置を推定する。
• RFIDリーダーのアンテナからの基準点を用いて、スケルトンおよびRFIDタグの両方の速度ベクトルを計算する。
• 追跡された人物とタグの動きの間で、最も良い速度ベクトル相関を特定することにより、スケルトンとRFIDタグをマッチングする。
• 不規則的または欠落したRFID読み取りデータを、連続的なKinectデータストリームに同期させるためのデータ同期手法を実装する。
• スケルトンとタグの速度ベクトルの差を最小化するようにマッチングアルゴリズムを適用し、IDを割り当てる。

実験結果

リサーチクエスチョン

• RQ1 Kinectベースのスケルトン追跡とRFIDベースのタグ検出の統合は、リアルタイムの屋内追跡において識別精度を向上させることができるか？
• RQ2 不規則的または欠落したRFIDデータを、連続的なKinectデータストリームと効果的に同期できるか？
• RQ3 照明条件の変化にさらされても、システムはどの程度追跡精度と識別性能を維持できるか？
• RQ4 ユーザーのプライバシーを保護しながら、センチメートルレベルの空間分解能を達成できるか？
• RQ5 運動ベースの相関を用いて、移動中の人物をその対応するRFIDタグに最適にマッチングする方法は何か？

主な発見

• 本システムは、Kinect V2センサーのデータを用いて、人物追跡においてセンチメートルレベルの空間分解能を達成した。
• 屋内環境において、最大6名の人物を対象に、平均して80%の識別精度を達成した。
• KinectとRFIDデータの統合により、単独で使用する場合と比較して、識別に対する耐障害性が著しく向上した。
• 同期手法は、不規則的または欠落したRFIDデータ読み取りに対しても効果的に対処でき、追跡性能の低下を引き起こさなかった。
• 本システムは、照明条件の変化にかかわらず安定して動作し、視覚的変化に対しても耐性を示した。
• 本システムは、連続的な動画を記録しないことと、匿名化されたタグ-スケルトン関連付けを用いることで、ユーザーのプライバシーを保護した。