[论文解读] 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 8

一句话总结

本文提出了一种基于Kinect V2传感器和无源RFID标签的在线系统，用于实时人员跟踪与识别。通过将Kinect的骨骼数据与RFID标签读数融合，并利用天线参考点进行同步，该系统在室内环境中实现了厘米级的跟踪精度和高达六名人员的80%识别准确率，同时保护隐私，并在不同光照条件下稳定运行。

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.

研究动机与目标

• 解决在动态环境中实现高精度、实时室内人员跟踪与识别的挑战。
• 通过融合视觉与RFID两种模态的数据，克服单一视觉或RFID系统存在的局限性。
• 在RFID数据读取不规则或缺失的情况下，仍能实现可靠的识别。
• 通过避免持续存储视频并使用匿名化数据，实现隐私保护的跟踪。
• 开发一种将周期性采样的Kinect数据与间歇性RFID读数对齐的同步机制。

提出的方法

• 利用Kinect V2捕获最多六名个体的实时人体骨骼数据，提供三维关节位置信息。
• 为个体佩戴无源RFID标签，并在已知天线位置布置读取器，以估算标签位置。
• 利用RFID读取器天线的参考点，为骨骼和RFID标签计算速度矢量。
• 通过寻找跟踪人员与标签运动之间的最佳速度矢量相关性，实现骨骼与RFID标签的匹配。
• 实施一种数据同步方法，将不规则或缺失的RFID读数与连续的Kinect数据流对齐。
• 应用一种匹配算法，通过最小化骨骼与标签速度矢量之间的差异，实现身份分配。

实验结果

研究问题

• RQ1 基于Kinect的骨骼追踪与基于RFID的标签检测融合，是否能显著提升实时室内跟踪中的识别准确率？
• RQ2 如何有效将不规则或缺失的RFID数据与连续的Kinect数据流进行同步？
• RQ3 在不同光照条件下，该系统在跟踪精度和识别性能方面能保持多大程度的稳定性？
• RQ4 该系统是否能在保护用户隐私的前提下，实现厘米级的空间分辨率用于人员跟踪？
• RQ5 基于运动相关性的方法，如何实现对移动个体与其对应RFID标签的最优匹配？

主要发现

• 该系统利用Kinect V2传感器数据，在人员跟踪中实现了厘米级的空间分辨率。
• 在室内环境中，对最多六名个体的识别准确率平均达到80%。
• 与单独使用任一模态相比，Kinect与RFID数据的融合显著提升了识别的鲁棒性。
• 同步方法成功处理了不规则和缺失的RFID数据读取，且未降低跟踪性能。
• 系统在不同光照条件下运行稳定，表现出对视觉变化的强鲁棒性。
• 用户隐私得到保护，因为系统不存储连续视频，并使用匿名化的标签-骨骼关联数据。