[论文解读] Characterization of a Multi-User Indoor Positioning System Based on Low Cost Depth Vision (Kinect) for Monitoring Human Activity in a Smart Home

Loïc Sevrin, Norbert Noury+4 more|arXiv (Cornell University)|Feb 8, 2016

Indoor and Outdoor Localization Technologies参考文献 12被引用 28

一句话总结

本文提出了一种低成本、非侵入式的多用户室内定位系统，利用多个Kinect深度摄像头监测智能家居中的人员活动。通过优化相机标定、融合多摄像头数据，并将轨迹投影到全局坐标系，该系统实现了亚米级精度（平均误差 <0.2 m），即使在人员紧密跟随时（1秒时间偏移）也能成功区分个体，从而实现对老年人自主能力下降的早期检测。

ABSTRACT

An increasing number of systems use indoor positioning for many scenarios such as asset tracking, health care, games, manufacturing, logistics, shopping, and security. Many technologies are available and the use of depth cameras is becoming more and more attractive as this kind of device becomes affordable and easy to handle. This paper contributes to the effort of creating an indoor positioning system based on low cost depth cameras (Kinect). A method is proposed to optimize the calibration of the depth cameras, to describe the multi-camera data fusion and to specify a global positioning projection to maintain the compatibility with outdoor positioning systems. The monitoring of the people trajectories at home is intended for the early detection of a shift in daily activities which highlights disabilities and loss of autonomy. This system is meant to improve homecare health management at home for a better end of life at a sustainable cost for the community.

研究动机与目标

• 开发一种低成本、非侵入式的室内定位系统，用于在家中监测老年人的日常活动。
• 实现在住宅环境中对多达五名用户的同时、高精度、实时追踪。
• 通过全局投影方法保持与室外定位系统的兼容性。
• 通过监测空间行为和活动模式，检测自主能力下降的早期迹象。
• 确保系统的可扩展性、隐私保护性，并可在不进行大规模改造的现有公寓中部署。

提出的方法

• 利用低成本深度摄像头（Kinect）进行三维人体姿态与位置估计，无需可穿戴设备。
• 采用基于三角形校准点阵列的经验标定方法，以最小化深度测量误差。
• 应用全局坐标投影系统，对齐多摄像头数据，确保环境内的一致性。
• 基于时间偏移相关性的轨迹合并算法，用于区分多名个体。
• 所有图像数据均在每台Kinect的本地计算机上处理，避免网络传输，提升隐私保护。
• 计划集成基于RFID的识别模块，将追踪轨迹与特定个体关联。

实验结果

研究问题

• RQ1 多摄像头深度视觉系统是否能在智能家居环境中实现亚米级空间分辨率（≤0.5 m）的室内人员追踪？
• RQ2 该系统在多人近距离行走或沿相同路径移动时，区分个体的有效性如何？
• RQ3 校准方法在多大程度上减少了深度测量误差？校准三角形的面积如何影响精度？
• RQ4 通过全局投影方法，系统是否能保持与室外定位系统的兼容性？
• RQ5 系统如何在确保长期、非侵入式监测的同时，保障隐私并实现低侵入性？

主要发现

• 当使用面积为1.5 m²和2.5 m²的校准三角形时，系统实现了小于0.2米的平均深度测量误差。
• 轨迹合并方法成功分离了沿相同路径、时间偏移1秒的两名个体，相关性从21.4降低至13.5。
• 校准方法表明，更大的校准三角形面积可降低深度误差，验证了面积作为最优校准点选择关键指标的有效性。
• 全局投影方法在多台Kinect摄像头间保持了空间一致性，实现了与室外定位系统的兼容性。
• 系统证明了无需可穿戴设备即可追踪多名用户，支持对日常活动的非侵入式长期监测。
• 所有摄像头数据均在本地处理，确保无图像被存储或通过网络传输，显著增强了用户隐私保护。