基于无线Wi-Fi的智能货架交互行为识别方法技术

本发明专利技术公开了一种基于无线Wi

【技术实现步骤摘要】
基于无线Wi
‑
Fi的智能货架交互行为识别方法


[0001]本专利技术涉及无线感知以及行为识别领域，尤其涉及一种利用商用无线Wi
‑
Fi进行智能货架交互行为识别的方法。

技术介绍

[0002]近年来,随着移动通讯相关技术的发展与进步,移动互联网由只提供单一的话音、短信、数据服务，逐步迈向万物互联的质的跨越。下一代的移动通信网络(6G)被认为是不同于传统的通信功能，具备着通信感知一体化(ISAC,Integrated Sensing and Communication)的全新能力。与此同时，在各种通信感知一体化的方案之中，最具备快速商用能力且发展前景巨大的方案是在现有Wi
‑
Fi、4G/5G网络的基础之上赋予网络感知能力，从而感知人以及周围环境，将感知网络和通信网络相结合，形成6G新型智能化网络。
[0003]而伴随着零售业的发展，数据驱动之下，以体验为核心的新零售在提出以来得到了快速的发展，而无人商店作为其中的典型类型代表，也逐渐成为未来线下零售的发展方向之一。无人商店实现了与消费者互动的闭环，收集现实世界的交互数据，可以为品牌和零售商提供帮助，使其能在正确的客户接触点提供个性化的营销信息，并提供更好的消费者体验，品牌能够根据销售活动和消费者需求做出快速决策，利用无线传感和机器学习等方法来识别客户的行为，推断他们的意图，并了解他们的偏好，商店可以借此优化商品的摆放，获得更高的收益。
[0004][参考文献][0005][1]Multiple emitter location and signal parameter estimation,IEEE trasactions on antennas and propagation,Ap
‑
34(3):276
‑
280,Mar.1986.
[0006][2]Convolutional LSTM Network:A Machine Learning Approach for Precipitation Nowcasting,NIPS
’
15,P802
‑
810.
[0007][3]Unsupervised Domain Adaptation by Backpropagation,ICML
’
15,P1180
‑
1189.

技术实现思路

[0008]针对上述现有技术，本专利技术提出一种基于无线Wi
‑
Fi的智能货架交互行为识别方法，利用商用无线Wi
‑
Fi进行智能货架交互行为识别。
[0009]为了解决上述技术问题，本专利技术提出的一种基于无线Wi
‑
Fi的智能货架交互行为识别方法，其特征在于，包括以下步骤：
[0010]步骤一：根据通过多个Wi
‑
Fi接收端接收到的Wi
‑
Fi CSI，采用PCA方法对货架之间购物者动作幅度进行初步估计，将Wi
‑
Fi CSI分割成大幅度动作信号段和小幅度动作信号段；
[0011]步骤二：利用大幅度动作信号段对购物者行走动作进行粗粒度感知，识别购物者所在位置；
[0012]步骤三：利用小幅度动作信号段和得到的购物者所在位置信息对购物者与货架交互动作进行细粒度感知，从而提取购物者与货架交互动作的三维相对方向特征；
[0013]步骤四；针对购物者与货架交互动作的三维相对方向特征，利用卷积长短时记忆网络ConvLSTM和深度对抗神经网络DANN，并结合购物者所在位置信息，识别出购物者与货架进行交互的区域。
[0014]进一步讲，本专利技术所述的基于无线Wi
‑
Fi的智能货架交互行为识别方法，其中：
[0015]步骤一的具体步骤如下：
[0016]1‑
1)对Wi
‑
Fi CSI数据的处理，包括：针对Wi
‑
Fi CSI数据，先使用Hampel过滤器剔除每个子载波的静态成分；然后使用Savitzky
‑
Golay滤波器去除噪音；
[0017]1‑
2)对处理后的Wi
‑
Fi CSI数据，进行主成分分析，并计算各个主成分的方差，将第i个主成分方差记为Var
i
；
[0018]1‑
3)在连续信号上取时间窗格，在每个时间窗格中，分别计算方差var
i
，并对每个时将窗格，标记满足var
i
＞Var
i
的最大主成分序号i，将i记为PCA穿透层数；
[0019]1‑
4)将3＜PCA穿透层数＜5的时间窗格记为小幅度时间窗，将PCA穿透层数＞5的时间窗格记为大幅度时间窗；
[0020]1‑
5)将连续的小幅度时间窗组成的信号段分割为小幅度动作信号段，将连续的大幅度时间窗组成的信号段分割为大幅度动作信号段。
[0021]步骤二的具体步骤如下：
[0022]2‑
1)针对Wi
‑
Fi接收端天线阵列上采取的若干个包的采样作为输入，运行MUSIC算法得到粗粒度动作信号段的到达角度和相对到达时间；
[0023]2‑
2)根据多个Wi
‑
Fi接收端上利用MUSIC算法分别感知到购物者人体相对各个接收端的角度，同时利用Wi
‑
Fi接收端位置计算购物者人体在不同位置时与Wi
‑
Fi接收端之间连线与Wi
‑
Fi接收端天线阵列之间的夹角，将该角度定义为真实到达角度，采用式(1)将真实角度与估计角度误差平方和最小的位置为目标位置
[0024][0025]式(1)中，P为估计出的购物者人体目标位置，R为Wi
‑
Fi接收端数量，为购物者人体在位置p时的真实到达角度，θ
i
为MUSIC算法估计出的购物者人体到达角度；
[0026]步骤三的具体步骤如下：
[0027]3‑
1)建立以P点垂直于底面升高h/2处为原点的三维空间坐标系，购物者人体所在位置为P，货架高度为h，定义：与货架和地面平行的方向为x轴，垂直货架平行于地面的方向为y轴，垂直于地面的方向为z轴，将该三维空间坐标系原点设在P点沿z轴升高h/2处；
[0028]3‑
2)在上述三维空间坐标系中，人体行走速度与方向之间的关系人是：人体行走方向为：
[0029][0030]式(2)中为方向的向量表达形式，d
x
，d
y
，d
z
分别为方向在x轴、y轴、z轴上的分量；则方向上的速度表示为：
[0031][0032]式(3)中，v为人体沿行走方向的行走速度；为速度的向量表达形式，v
x
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无线Wi
‑
Fi的智能货架交互行为识别方法，其特征在于，包括以下步骤：步骤一：根据通过多个Wi
‑
Fi接收端接收到的Wi
‑
Fi CSI，采用PCA方法对货架之间购物者动作幅度进行初步估计，将Wi
‑
Fi CSI分割成大幅度动作信号段和小幅度动作信号段；步骤二：利用大幅度动作信号段对购物者行走动作进行粗粒度感知，识别购物者所在位置；步骤三：利用小幅度动作信号段和得到的购物者所在位置信息对购物者与货架交互动作进行细粒度感知，从而提取购物者与货架交互动作的三维相对方向特征；步骤四；针对购物者与货架交互动作的三维相对方向特征，利用卷积长短时记忆网络ConvLSTM和深度对抗神经网络DANN，并结合购物者所在位置信息，识别出购物者与货架进行交互的区域。2.根据权利要求1所述的基于无线Wi
‑
Fi的智能货架交互行为识别方法，其中，步骤一的具体步骤如下：1
‑
1)对Wi
‑
Fi CSI数据的处理，包括：针对Wi
‑
Fi CSI数据，先使用Hampel过滤器剔除每个子载波的静态成分；然后使用Savitzky
‑
Golay滤波器去除噪音；1
‑
2)对处理后的Wi
‑
FiCSI数据，进行主成分分析，并计算各个主成分的方差，将第i个主成分方差记为Var
i
；1
‑
3)在连续信号上取时间窗格，在每个时间窗格中，分别计算方差var
i
，并对每个时将窗格，标记满足var
i
＞Var
i
的最大主成分序号i，将i记为PCA穿透层数；1
‑
4)将3＜PCA穿透层数＜5的时间窗格记为小幅度时间窗，将PCA穿透层数＞5的时间窗格记为大幅度时间窗；1
‑
5)将连续的小幅度时间窗组成的信号段分割为小幅度动作信号段，将连续的大幅度时间窗组成的信号段分割为大幅度动作信号段。3.根据权利要求2所述的基于无线Wi
‑
Fi的智能货架交互行为识别方法，其中，步骤二的具体步骤如下：2
‑
1)针对Wi
‑
Fi接收端天线阵列上采取的若干个包的采样作为输入，运行MUSIC算法得到粗粒度动作信号段的到达角度和相对到达时间；2
‑
2)根据多个Wi
‑
Fi接收端上利用MUSIC算法分别感知到购物者人体相对各个接收端的角度，同时利用Wi
‑
Fi接收端位置计算购物者人体在不同位置时与Wi
‑
Fi接收端之间连线与Wi
‑
Fi接收端天线阵列之间的夹角，将该角度定义为真实到达角度，采用式(1)将真实角度与估计角度误差平方和最小的位置为目标位置式(1)中，P为估计出的购物者人体目标位置，R为Wi
‑
Fi接收端数量，为购物者人体在位置p时的真实到达角度，θ
i
为MUSIC算法估计出的购物者人体到达角度。4.根据权利要求3所述的基于无线Wi
‑
Fi的智能货架交互行为识别方法，其中，步骤三的具体步骤如下：3
‑
1)建立以P点垂直于底面升高h/2处为原点的三维空间坐标系，购物者人体所在位置为P，货架高度为h，定义：与货架和地面平行的方向为x轴，垂直货架平行于地面的方向为y轴，垂直于地面的方向为z轴，将该三...

【专利技术属性】
技术研发人员：颜啸，张蕾，
申请(专利权)人：天津大学，
类型：发明
国别省市：