戴閩魯++崔豐驛+雷國平+何紅亮+劉志遠(yuǎn)+楊志軍

摘 要： 基于射頻識別技術(shù)（RFID）設(shè)計(jì)了一種在商場中能夠識別與追蹤消費(fèi)者購物時(shí)對商品傾向度的系統(tǒng)，該系統(tǒng)通過RFID定位商品在商店中被消費(fèi)者的移動(dòng)情況，利用WiFi實(shí)現(xiàn)消費(fèi)者在店內(nèi)的定位，同時(shí)利用攝像機(jī)視頻圖像對消費(fèi)者進(jìn)行會員識別和人體動(dòng)作行為識別，實(shí)現(xiàn)對消費(fèi)者信息的采集與追蹤，從而為商店管理層提供科學(xué)的市場分析。通過服務(wù)器與消費(fèi)者手機(jī)應(yīng)用程序（APP）通信，可為消費(fèi)者提供當(dāng)前所處位置的商品相關(guān)信息，提供無人導(dǎo)購、自助購物的服務(wù)體驗(yàn)。

關(guān)鍵詞： 射頻識別； WiFi； 模式識別； 系統(tǒng)設(shè)計(jì)

中圖分類號： TN92?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）09?0159?04

Abstract： A system based on radio frequency identification （RFID） which can identify and track the tendency degree of consumer′s interest in commodities in the stores was designed. This system locates the commodities moved by the consumer in the store through RFID. The wireless fidelity （WiFi） is used to locate the consumer in the store. The video image collected by camera is adopted to identify the VIP and human movement behavior of the consumer to collect and track the consumer information， which provides a scientific market analysis for the store manager. The communication between the consumer′s mobilephone application （APP） and server can provide the commodity related information of the current location for the consumer， so the consumer can enjoy the shopping without guidance and self?shopping.

Keywords： RFID； WiFi； pattern recognition； system design

0 引 言

隨著電子商務(wù)的高速發(fā)展，以百貨商場為代表的傳統(tǒng)實(shí)體購物商店的生存空間日益被壓縮，百貨商場不斷向智能化和網(wǎng)絡(luò)化發(fā)展。目前國內(nèi)沒有將射頻識別技術(shù)（Radio Frequency Identification，RFID）應(yīng)用于百貨商場的成功案例。因而本文提出一種基于RFID的新型應(yīng)用場景，可以在現(xiàn)實(shí)中為消費(fèi)者搭建一個(gè)有效需求和有效供給的匹配平臺[1]。

本文以消費(fèi)者在大型商場服裝品牌店的購物模式為主要研究對象，設(shè)計(jì)了一套消費(fèi)者和商店管理層的雙向交互系統(tǒng)。

對商店管理層可提供如下信息：

（1） 在某一時(shí)間段消費(fèi)者光顧某商品的人次數(shù)。

（2） 消費(fèi)者在某一商品前的滯留時(shí)間。

（3） 消費(fèi)者對某一商品的瀏覽、試用、購買率等。

對消費(fèi)者可提供如下信息：

（1） 向消費(fèi)者手機(jī)APP中發(fā)送該消費(fèi)者面前商品的產(chǎn)地、材料、工藝、設(shè)計(jì)理念等商品相關(guān)信息。

（2） 消費(fèi)者可用手機(jī)直接下單，避免了去收銀臺排隊(duì)等候。

（3） 通過APP瀏覽促銷信息并了解自己所需商品的具體擺放位置。

（4） 對商店管理者提供的信息也可根據(jù)商店管理層決策對消費(fèi)者開放。

1 系統(tǒng)總體設(shè)計(jì)

本系統(tǒng)由客戶端和服務(wù)器兩個(gè)部分組成，客戶端包括用戶手機(jī)APP和商店管理層數(shù)據(jù)分析客戶端，APP用來給用戶提供購物時(shí)的數(shù)據(jù)服務(wù)，管理層客戶端用來給商店管理者提供數(shù)據(jù)分析。系統(tǒng)架構(gòu)圖如圖1所示。系統(tǒng)硬件包括含WiFi收發(fā)方式的RFID讀寫器、被動(dòng)式電子標(biāo)簽、攝像機(jī)群等部分。服務(wù)器主要有兩大功能：一方面是提供定位服務(wù)；另一方面是采集消費(fèi)者消費(fèi)模式的相關(guān)信息?？傮w來說，創(chuàng)建數(shù)據(jù)庫客戶端和服務(wù)器對定位用戶來說都是透明的，定位用戶即直接定位的就是用戶APP[2?4]。

本文均以大型商場的服裝品牌店為例，當(dāng)消費(fèi)者進(jìn)入店中時(shí)，消費(fèi)者手機(jī)連接到服務(wù)器所在的網(wǎng)絡(luò)，使得服務(wù)器、店內(nèi)各個(gè)節(jié)點(diǎn)的RFID讀寫器和消費(fèi)者手機(jī)APP處于同一局域網(wǎng)內(nèi)，這樣便可實(shí)現(xiàn)消費(fèi)者的定位，從而服務(wù)器給消費(fèi)者手機(jī)APP提供消費(fèi)者面前衣服的相關(guān)信息。通過RFID讀寫器采集衣服被顧客移動(dòng)情況的數(shù)據(jù)，發(fā)送到服務(wù)器進(jìn)行數(shù)據(jù)分析。系統(tǒng)工作流程圖如圖2所示。

2 具體實(shí)現(xiàn)

系統(tǒng)設(shè)計(jì)的具體實(shí)現(xiàn)分別介紹了商品及消費(fèi)者的定位、信息采集與模式識別的詳細(xì)流程，其中涉及了兩項(xiàng)關(guān)鍵技術(shù)，即模式識別與室內(nèi)定位技術(shù)。

2.1 商品定位的實(shí)現(xiàn)

本系統(tǒng)采用RFID讀寫器和被動(dòng)式RFID電子標(biāo)簽實(shí)現(xiàn)商品在店內(nèi)的定位。RFID讀寫器通過射頻識別信號自動(dòng)識別目標(biāo)對象并獲取相關(guān)數(shù)據(jù)，無須人工干預(yù)，可識別高速運(yùn)動(dòng)物體并可同時(shí)識別多個(gè)RFID標(biāo)簽，其基本原理是利用射頻信號和空間耦合（電感或電磁耦合）傳輸特性實(shí)現(xiàn)對被識別物體的自動(dòng)識別。在店內(nèi)的各個(gè)節(jié)點(diǎn)如衣柜、收銀臺、試衣間、休息區(qū)等安放RFID讀寫器，在待售服裝上貼上電子標(biāo)簽，通過天線與RFID電子標(biāo)簽進(jìn)行無線通信，可實(shí)現(xiàn)對標(biāo)簽識別碼和內(nèi)存數(shù)據(jù)的讀出或?qū)懭氩僮鳌．?dāng)顧客發(fā)現(xiàn)感興趣的衣服時(shí)，當(dāng)顧客對衣服進(jìn)行翻轉(zhuǎn)觀看、把衣服從衣架上取下、帶到試衣間試穿等活動(dòng)時(shí)，RFID讀寫器可通過識別衣服上的電子標(biāo)簽讀取其信號強(qiáng)度，把獲取的相關(guān)信息發(fā)送到數(shù)據(jù)庫進(jìn)行分析處理，從而讀取衣服的相關(guān)位置信息，并統(tǒng)計(jì)衣服的款式、型號和被試用時(shí)間等。

2.2 人員定位的實(shí)現(xiàn)

本系統(tǒng)采用帶WiFi模塊的RFID讀寫器實(shí)現(xiàn)消費(fèi)者在室內(nèi)的定位。電磁波在空氣中的傳播速度是已知的，信號發(fā)送端與接收終端之間的距離可以由信號傳輸時(shí)間和速度相乘得到。接收方利用信號的到達(dá)時(shí)間計(jì)算信號在介質(zhì)中的傳送時(shí)間，從而計(jì)算傳播距離。這樣，接收端的位置就限制在以發(fā)送端為圓心的圓周上。若電磁波從RFID讀寫器到被測目標(biāo)的傳播時(shí)間為電磁波傳輸速度為則被測目標(biāo)位于以RFID讀寫器位置為圓心，以為半徑的圓上。如果同時(shí)有三個(gè)以上的RFID讀寫器收到被測目標(biāo)的無線信號，則被測目標(biāo)的二維位置的坐標(biāo)可由以RFID讀寫器為圓心的三個(gè)圓的交點(diǎn)確定，此為三角定位法，如圖3所示。在檢測到消費(fèi)者具體位置的同時(shí)，服務(wù)器根據(jù)當(dāng)前具體位置信息向手機(jī)APP發(fā)送顧客所在位置的相關(guān)衣服的信息，這樣消費(fèi)者便可以全面詳細(xì)地了解此時(shí)面前的衣服，并可選擇試用、在線支付等。

2.3 人體行為識別和人臉識別

2.3.1 運(yùn)動(dòng)目標(biāo)檢測

人體動(dòng)作識別首先需要在初始數(shù)據(jù)中獲得包含動(dòng)作信息的感興趣區(qū)域，這一預(yù)處理過程在人體動(dòng)作識別中稱為運(yùn)動(dòng)目標(biāo)檢測。本文采用動(dòng)作視頻的動(dòng)作分割進(jìn)行運(yùn)動(dòng)目標(biāo)檢測。動(dòng)作分割的目的是將這些基本動(dòng)作分離出來從而得到容量更小但包含足夠運(yùn)動(dòng)信息的數(shù)據(jù)，并以數(shù)學(xué)符號的形式表達(dá)出人體動(dòng)作[5?8]。

2.3.2 動(dòng)作特征提取和理解

為簡化人體動(dòng)作行為識別的預(yù)處理過程，便于直接對人體動(dòng)作進(jìn)行特征提取和理解，本文采用人體動(dòng)作數(shù)據(jù)庫——INRIAXMAS數(shù)據(jù)庫，其作為初始數(shù)據(jù)的采集樣本，從而避免了運(yùn)動(dòng)目標(biāo)檢測過程帶來的精度和效率問題，然后從動(dòng)作底層數(shù)據(jù)中抽取部分特征信息對人體動(dòng)作進(jìn)行表征。INRIAXMAS數(shù)據(jù)庫在文獻(xiàn)[7]中提出，進(jìn)而被廣泛應(yīng)用于多視角情形下的動(dòng)作數(shù)據(jù)庫。它包含14種行為（ 看手表、揮手、抓頭、坐下、起立等）在5個(gè)視角獲得，室內(nèi)方向和頭頂一共安裝5 個(gè)攝像頭，光照和背景基本不變?？梢暂^好地采集消費(fèi)者對衣服進(jìn)行動(dòng)手瀏覽試用等一些基本動(dòng)作。

本文采用模板匹配法對動(dòng)作特征進(jìn)行理解，該方法事先對每一動(dòng)作建立起特征數(shù)據(jù)樣本模板，識別時(shí)只需按時(shí)間順序?qū)@取的待測動(dòng)作特征數(shù)據(jù)與樣本模板進(jìn)行匹配，通過計(jì)算兩者之間的相似度來判斷是否屬于樣本動(dòng)作。人體動(dòng)作識別中采用時(shí)序模板——MHI和MEI實(shí)現(xiàn)對特征的匹配。MEI 反映了人體動(dòng)作發(fā)生的區(qū)域及強(qiáng)度，MHI 則在一定程度上反映人體動(dòng)作發(fā)生的時(shí)間及隨時(shí)間的變化情況。

在人體動(dòng)作特征提取的基礎(chǔ)上進(jìn)行動(dòng)作特征理解。動(dòng)作特征理解可以看作是一個(gè)在空間或時(shí)空領(lǐng)域?qū)⑻崛〉降娜梭w運(yùn)動(dòng)特征與先驗(yàn)知識進(jìn)行對比，通過對數(shù)據(jù)的分析實(shí)現(xiàn)動(dòng)作分類的過程。

人體行為識別的整個(gè)流程圖如圖4所示。

2.3.3 人臉識別

本系統(tǒng)在商店入口處設(shè)置攝像頭，對進(jìn)店顧客進(jìn)行視頻拍照識別，分析是否為本店會員，可為商店對于會員顧客感興趣商品提供數(shù)據(jù)分析[9?11]。人臉識別流程圖如圖5所示。

3 系統(tǒng)應(yīng)用

3.1 硬件及軟件環(huán)境

本設(shè)計(jì)用到的RFID讀寫器是凌達(dá)偉業(yè)UHF RFID一體式讀寫器，采用歐洲頻率標(biāo)準(zhǔn)，可定制WiFi通信接口，電子標(biāo)簽采用UHF無源電子標(biāo)簽。攝像機(jī)采用寬動(dòng)態(tài)攝像機(jī)，內(nèi)嵌東芝Visconti圖像識別芯片，這款Visconti 3芯片內(nèi)包含64 GB屏蔽式堆讀內(nèi)存Mask ROM，2 MB SRAM，支持DDR2 533 MHz內(nèi)存，可對面部、動(dòng)作識別檢測有一定的輔助作用。數(shù)據(jù)應(yīng)用系統(tǒng)采用Windows 7及更高版本，界面開發(fā)語言為C#。

3.2 實(shí)驗(yàn)

針對本文論述的系統(tǒng)特性，在某百貨商場服裝店內(nèi)進(jìn)行測試，設(shè)計(jì)的每種實(shí)驗(yàn)場景中包括讀取RFID電子標(biāo)簽的信號強(qiáng)度、人員的室內(nèi)定位精度等幾個(gè)方面，圖6為50個(gè)無源標(biāo)簽定位結(jié)果仿真圖，圖7為誤差折線圖，平均誤差值為0.201 4。

4 結(jié) 語

針對傳統(tǒng)百貨商場管理層不能較好地獲取消費(fèi)者購物選擇傾向等信息的問題，設(shè)計(jì)了一種基于RFID的商品銷售管理以及識別與追蹤消費(fèi)者購物模式的雙向交互系統(tǒng)，不僅實(shí)現(xiàn)了消費(fèi)者購物傾向信息的采集，同時(shí)實(shí)現(xiàn)了店內(nèi)無人導(dǎo)購、自助購物的消費(fèi)模式。實(shí)驗(yàn)證明，該系統(tǒng)工作穩(wěn)定，操作簡便，能較好地實(shí)現(xiàn)設(shè)計(jì)的功能，在未來有很大的應(yīng)用前景。

參考文獻(xiàn)

[1] NGUYEN H L， CASTELLI E， DAO T K， et al. Multimodal combination of GPS， WiFi， RFID and step count for user loca?lization [C]// Proceedings of 2014 International Conference on Ubiquitous Information Technologies and Applications. [S.l.]： Springer Berlin Heidelberg， 2014： 675?681.

[2] 彭梅，鄭步生.一種手持式超高頻RFID閱讀器的設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2014，37（23）：80?83.

[3] LAI Y L， CHENG J. A Cloud?storage RFID location tracking system [J]. IEEE transactions on magnetics， 2014， 50（7）： 1?4.

[4] ARAI K， TOLLE H. Color radiomap interpolation for efficient fingerprint WiFi?based indoor location estimation [J]. International journal of advanced research in artificial intelligence， 2013， 2（3）： 253?258.

[5] KE S R， THUC H L U， LEE Y J， et al. A review on video?based human activity recognition [J]. Computers， 2013， 2（2）： 88?131.

[6] MAHBUB U， IMTIAZ H， AHAD M A R. Action recognition based on statistical analysis from clustered flow vectors [J]. Signal， image & video processing， 2014， 8（2）： 243?253.

[7] WEINLAND D， RONFARD R， BOYER E. Free viewpoint action recognition using motion history volumes [J]. Computer vision and image understanding， 2006， 104（2/3）： 249?257.

[8] TAO D， JIN L， WANG Y， et al. Rank preserving discriminant analysis for human behavior recognition on wireless sensor networks [J]. IEEE transactions on industrial informatics， 2014， 10（1）： 813?823.

[9] BOBICK A F， DAVIS J W. The recognition of human movement using temporal templates [J]. IEEE transactions on pattern analysis and machine intelligence， 2001， 23（3）： 257?267.

[10] WANG J， LU C， WANG M， et al. Robust face recognition via adaptive sparse representation [J]. IEEE transactions on cybernetics， 2014， 44（12）： 2368?2378.

[11] YANG M， ZHANG L， SHIU S C K， et al. Gabor feature based robust representation and classification for face recognition with Gabor occlusion dictionary [J]. Pattern recognition， 2013， 46（7）： 1865?1878.