通过 RFID 成像监测零售店顾客的浏览行为
信号处理
2020-07-08 v1 计算机视觉与模式识别
人机交互
机器学习
摘要
在本文中，我们提议使用商用现货（COTS）单站 RFID 设备（即每次使用单个天线向标签发送和从标签接收 RFID 信号）来监测零售店等场所中顾客在展示商品前的浏览活动。为此，我们提出 TagSee，一种基于单站 RFID 成像的多人成像系统。TagSee 基于如下洞察：当顾客在货架前浏览商品时，他们站在沿货架边界部署的标签与阅读器之间，这改变了 RFID 信号传播的多径，阅读器接收到的 RFID 信号的 RSS 和相位值均发生变化。基于阅读器观测到的这些变化，TagSee 构建顾客的粗粒度图像。随后，TagSee 通过分析所构建的图像来识别顾客正在浏览的商品。本文的关键新颖性在于通过鲁棒的、基于解析模型驱动的深度学习之 RFID 成像构建粗粒度图像，从而实现展示商品前多位顾客浏览行为的监测。为此，我们首先从数学上表述使用单站 RFID 设备对人体成像的问题，并推导出一个近似解析成像模型，该模型将人体遮挡引起的 RFID 信号变化关联起来。基于此模型，我们随后开发了一个深度学习框架，以高准确度鲁棒地对顾客成像。我们使用 Impinj Speedway R420 阅读器和 SMARTRAC DogBone RFID 标签实现了 TagSee 方案。在使用仅 3-4 名用户的训练数据的多人场景中，TagSee 可实现超过约 90% 的 TPR（真正率）和低于约 10% 的 FPR（假正率）。
引用
@article{arxiv.2007.03600,
title = {Monitoring Browsing Behavior of Customers in Retail Stores via RFID Imaging},
author = {Kamran Ali and Alex X. Liu and Eugene Chai and Karthik Sundaresan},
journal= {arXiv preprint arXiv:2007.03600},
year = {2020}
}