使用RFID的多对象活动识别：一种基于多路径的深度学习解决方案
摘要
基于RFID的人体活动识别已成为当今物联网应用的关键组成部分。最先进的解决方案主要集中在开放空间中一个人的简单场景。然而，扩展到具有多个人的更现实的现实世界场景并非易事。鉴于它们之间更丰富的相互作用，反向散射信号将不可避免地混合，模糊单个活动的信息。在普通室内环境中使用多路径，这进一步复杂化。然而，在本文中，我们认为，尽管通常被认为是有害的，但丰富的交互与多路径相结合确实提供了更多可观察的数据。在仔细处理原始信号后，可以通过现代学习工具揭示有关活动的关键信息。我们提出了M2AI，它首次同时容纳了多路径和多对象用于活动识别。M2AI集成了自动消除跳频偏移的相位校准机制，以及用于原始信号混合物中周期图和伪双频谱的新型去耦机制。然后将精炼的数据输入先进的深度学习引擎，该引擎集成了卷积神经网络和长期短期记忆网络，实时检查空间和时间信息以进行活动识别。我们的 M 2 AI 可以使用现成的RFID阅读器轻松部署。我们已经实现了带有 ImpinjUHF无源标签和Speedway R420阅读器的M2AI原型。在多路径丰富的室内环境中对多个物体进行的实验报告，活动识别准确率为97%，与最先进的解决方案相比，显著提高了(27%)。
作者
Xiaoyi Fan; Feng Wang; Wei Gong; Lei Zhang; Jiangchuan Liu
期刊\会议
IEEE ICDCS (CCF-B) [Link] [PDF]
关键词
室内环境，机器学习，RFID标签
