基于 RFID 的材料识别用于智能购物

无收银员的商店依赖计算机视觉和 RFID 标签将购物者与物品关联，但放置在背包、口袋或包中的隐蔽物品会造成盗窃防控的挑战。我们引入一种系统，通过利用不同容器对 RF 信号的衰减和散射特性，将现有的 RFID 标记物品转化为材料传感器。使用 RSSI 和相位角，我们训练了一个神经网络来对七种常见容器进行分类。在模拟的零售环境中，该模型以一秒样本实现 89% 的准确率，单次读取实现 74% 的准确率。 incorporating 距离测量后，我们的系统在 0.3-2 米的标签至读者距离范围内实现 82% 的准确率。当在走廊或门口 choke point 部署时，该系统可实时标记可疑事件，促使摄像头筛查或人员介入。通过将材料识别与计算机视觉跟踪相结合，我们的系统为无收银零售提供了一种主动防盗方案，同时利用现有基础设施。