基于RFID的人体姿态识别系统

人工智能
信息技术与信息化
基于RFID 的人体姿态识别系统
张 迁* 霍欣宇 段学铭 贾 昊 张兆昕
ZHANG Qian HUO Xin-yu DUAN Xue-ming JIA Hao ZHANG Zhao-xin
摘　要 如今老人跌倒而未被及时发现的情况屡见不鲜，为了解决这一问题，本文基于RFID 射频技术及机器学
习构建了人体姿态识别系统。

使用RFID 设备采集人体姿态信息，采用机器学习算法模型处理这些信息，进而完成人体姿态的识别，实时检测人员姿态情况，并通过客户端界面显示，有人员跌倒时，系统向主用户手机发送警报短信。

关键词 RFID ；机器学习；无源射频识别标签；姿态识别
doi：10.3969/j.issn.1672-9528.2020.03.055
* 山东农业大学信息科学与工程学院 山东泰安 271018
0 引言
人体动作姿态识别是当前的研究热点[1]，目前市场上现有的人体姿态识别系统主要是利用机器视觉或绑定式感知完成识别，然而利用视觉进行人体姿态识别，会以图像形式呈现，不适用于卧室等隐私场合，绑定式感知系统则需要感知目标时时佩戴，不方便且效率低下。

根据此问题，本文提出了一种基于RFID(Radio Frequency Identification,RFID )的人体姿态识别系统。

射频识别技术作为物联网中的支撑技术，由于标签的廉价、轻量等特征，被广泛部署，成为智能感知的重要媒介[2]，在国内也是被广泛的应用，被认为是21世纪最具发展潜力的信息技术之一[3]。

本文提出的姿态识别系统是利用射频识别技术，采用非绑定式感知[2]方式，仅需将标签阵列布设在感知目标活动范围内，例如，卧室墙壁。

感知目标在标签阵列范围内活动时会引起标签返回信号的变化，通过标签返回信号的变化情况识别出感知目标的状态。

1 体姿态识别系统
由于视觉识别侵犯用户隐私，绑定式感知又对用户与设备有种种限制与约束[2]，本文提出采用非绑定式感知方式来进行人体姿态识别的系统，通过射频识别技术与机器学习算法模型完成人体姿态识别，该系统的整体架构如图1。

RFID 射频信号具有对通信环境敏感的特性[2],不同的外界因素影响下，无源射频识别标签返回的RSSI (Received Signal Strength Indicator)有所不同，使用SVM 算法 [4]
、
Adaboost
算法
[5]
和随机森林
[6]
共同处理接收到的RSSI(Re-
ceived Signal Strength Indicator)，然后通过三种算法投
票决定最终检测结果,通过客户端界面显示结果，若出现跌倒情况，将通过GSM（Global System For Mobile Communi-cations,全球移动通信系统）[8]向主用户发送警报短信。

图1 系统的整体架构
2 系统总体设计2.1 硬件系统组成
硬件系统由RFID 读写器、RFID 天线、无源射频识别标签、Lora 模块、GSM 模块、STM32系列单片机STM32F103ZET6组成。

RFID 读写器采用R2000进口RFID 模块，使用英杰顿R2000芯片，可以同时连接四个天线；STM32F103ZET6用于数据的接收、处理和指令的发送；RFID 天线采用恺乐12DB 高增益线极化超高频天线，具有定向性，可探测远距离的RFID 标签；RFID 标签采用D68远距离RFID 电子标签，是一种无源标签，对人体健康无危害，经济实用；Lora 模块用于将下位机数据传送到上位机；GSM 模块用于向主用户发送警报短信。

用户安装该系统时需使用超高频RFID 设备，低频和中高频RFID 设备的识别距离较短，不适用于人体姿态识别。

2.2 无源射频识别标签的布设
在房间内的一面墙壁上布设标签即可。

该系统用于识别人体姿态，识别目标一般不超过两米，考虑合理性和经济性，设定标签在墙壁上布设的最高高度为2.2m，最低高度为0.2m，布设长度与墙壁长度相同，标签间距与RFID 设备工作波长的
人工智能
信息技术与信息化
一半相等。

设墙壁长度为，高度为，标签个数为，RFID 设备的工作波长为，则标签个数与墙壁长度、高度和工作波长的关系满足下述函数表达式：
2.3 训练集与测试集的构建
利用硬件系统采集标签范围内分别处于无人、有人站立和有人平躺时的数据，采用二叉树的思想将数据类别进行划分，第一层划分为有人与无人，第二层是在有人的基础下再划分为站立和平躺，划分过程如图2。

将划分好的数据进行人工标记，无人时标记为0，有人时标记为1，存储在excel 表格中；然后将有人时的数据按照姿态标记，平躺时标记为0，站立时标记为1，存储在另一个excel 表格中，从而构成学习算法模型的训练集。

采用该训练集训练学习算法模型，检测结果由三种算法模型投票决定，结果是0为无人，结果是2为站立，结果是3
为平躺。

图2 数据划分
测试集构建方式与训练集构建方式相同，按照图4方法进行数据划分，再进行数据标记，将测试集导入算法模型进
行检测，检测结果与实际标记值进行比较，对模型进行评分，如果模型准确率达到98%以上就认为模型可靠，如果准确率较低则调整算法模型参数再次进行检测，直到模型准确率达到预期目标。

训练集或测试集如图3所示。

2.4 客户端界面显示
客户端界面由java 语言编写，运行客户端后整个系统
将会启动，同时调用学习算法模型处理数据，每接收两次返回的RSSI 值时将调用一次学习算法模型进行检测，天线接收两次数据时存在时差，且时差很短为毫秒级，若检测第一次接收到的数据结果为站立，检测第二次接收到的数据结果为平躺，则说明房间内有人员跌倒，此时系统会向主用户发送警报短信。

不同检测结果下客户端界面显示如图
4。

a. 无人
b. 站立
c. 平躺
d. 跌倒
图4 客户端界面显示
3 学习算法模型选择与测试
3.1 算法模型的选择
采用SVM 算法 [4]、Adaboost 算法[5]和随机森林[6]处理数据。

SVM 的结构简单，模型训练需要的样本数据少[4]
，且
图3 训练集或测试集
人工智能
信息技术与信息化
检测准确率较高，有效解决了人体姿态检测系统无法大量采集训练集数据的弊端；Adaboost 算法严格收敛，不易过拟合，计算实时性好[5]，适用于人体姿态检测系统的实时检测；随机森林是一种集成学习方法[6]，它将多个决策树集成，可以有效消除特征数据间的关联性，适用于多分类问题，检测准确率高。

模型的最终检测结果由三种算法检测结果投票决定，从而使模型准确率得到进一步提高。

3.2 算法模型的测试
实验过程中不停对学习算法模型进行调整，直到算法模型的泛化误差最小，检测准确率最高，达到算法的最优化。

实验过程分别采用个人独立、个人依赖和整体检测的方法。

个人独立是指采集个人数据训练的算法模型在采集多人数据构成的测试集上的表现情况；个人依赖是指采集人员数据训练的算法模型在采集非人物体数据构成的测试集上的表现情况；整体检测是指采集多人数据训练的算法模型在采集个人数据构成的测试集上的表现情况。

实验结果得出，个人独立、个人依赖和整体检测均达到预期效果，由人体遮蔽标签采集的数据训练出的算法模型对非人物体不敏感，由个人遮蔽标签所采集的数据训练出的算
法模型同样适用于检测多人，由多人遮蔽标签所采集的数据训练出的算法模型同样适用于检测个人，学习算法模型运行效果如图5。

4 结论
本文提出的基于RFID 的人体姿态识别系统具有成本低、检测准确率高、不侵犯隐私等优点。

系统在进行人体姿态检测的过程中均以数字形式呈现，不会有人员图像和人体轮廓呈现，若没有训练好的学习算法模型处理数据，数据将是一堆无用的数字，所以在系统的整个检测过程中不会侵犯到他人隐私，即使数据泄露也不会造成他人隐私的泄露，系统安全性可以得到保障。

RFID 技术与标签的唯一EPC 码结合[10]，使得系统检测人体姿态时不会受到其它RFID 标签的影响，算法模型的检测准确率又可以达到98%以上，系统可靠性高。

不仅如此，本文提出的姿态识别系统是一种非绑定式感知系统，不需要时时佩戴RFID 设备，只要是在无源射频识别标签覆盖范围内就可以实时检测人体姿态，可以随时监测老人是否跌倒，使得老人的安全多了一重保障。

除此之外，该系统也可应用于酒店房间、学生宿舍等环境下，对于极度隐私的
环境下也可以应用，应用前景非常广泛。

图5 学习算法模型运行效果
大数据
信息技术与信息化
智慧资助管理系统设计与实现
何奇兵* HE Qi- bing
摘　要 本文研究目的在于构建规范、精准的学生资助管理系统能够实现教育的公平，保障科教兴国战略的稳步
推进。

系统采用IntelliJ IDEA 作为开发工具，使用MyBatis 框架操纵数据库来搭建开发环境，基于大数据架构的数据库使用HBase ，数据仓库使用Hive ，后台数据库使用MySQL ，利用SSM 框架技术进行开发，系统实现多维度对比分析、决策支持、资助管理、学生画像和风险预警等功能。

经过测试，该系统运行良好，为高校资助工作提供的决策支撑和资助学生行为干预的技术支持。

关键词 智慧资助管理系统；大数据；SSM 架构
doi：10.3969/j.issn.1672-9528.2020.03.056
* 电子科技大学经济与管理学院 四川成都 611731
1 开发背景
高校学生资助工作是促进教育公平和社会公正的有效手段，是推进基本公共服务均等化的必然要求。

在高校学生资助管理工作中还存在贫困生资格审定难、资助资源有限、资助对象诚信意识有待加强、资助监督评价机制、获得资助后的管理不够完善等问题[1]。

另一方面，高效资助的信息化管理在设计、功能方面都存在诸多不足，比如无法满足系统办公的需求，升级空间不足[2]。

为了改善高校资助工作存在的问题以及信息化管理存在的不足，本文利用大数据分析将精准资助运用于资助工作管理过程中，设计智慧资助管理系统。

2 系统功能需求分析
系统采用了基于角色访问控制体系，系统支持学生、辅导员、院系负责人和学生处负责人不同角色的操作需要，不同角色拥有相应权限，实现多用户、多角色协同工作，保障了系统数据以及应用程序的可靠安全性[3]。

不同角色在智慧资助管理平台中的功能需求如下：学生用户对功能需求：个人信息展示、修改密码、填写
参考文献：
[1] 黄国范,李亚.人体动作姿态识别综述[J].电脑知识与技术,2013,9(01):133-135.
[2] 王楚豫.基于RFID 标签阵列的跨域感知技术研究[D].南京:南京大学,2018.
[3] 吴祯,韩剑辉.基于RFID 的餐盘自动结算系统[J].科技创新与应用,2019(31):37-38.
[4] 张治国,李德平,柳宁.电器标签分类的SVM 方法研究[J/OL].机电工程技术,2019(12):1-4[2020-01-26].
[5] 吴浩. Adaboost 分类算法研究[D].南京:东南大学,2018.[6] 毛为真,李永攀,陆轶祺,解大.基于改进随机森林算法的电动汽车充电预测[J].上海节能,2019(11):920-925.
[7] 侯东洋,杨梓靖,贾宇琛.基于RFID 的无人超市系统优化方案[J].网络安全技术与应用,2019(12):62-63.
[8] 周海洋,高暖.基于ZigBee 和GSM 的监控系统设计[J].信息技术与信息化,2019(11):81-84.
[9] 李航.统计学方法[M].北京:清华大学出版社,2012:1-152.[10] 岳世彬.基于RFID 与机器学习的智能超市管理系统研究、设计与实现[D].广西:广西大学,2017.【作者简介】
张迁(2000-),男，山东单县人，山东农业大学学生，研究方向：通信工程；
霍欣宇（1999-），男，山东单县人，山东农业大学学生，研究方向：通信工程；
段学铭（1998-），男，山东齐河人，山东农业大学学生，研究方向：通信工程；
贾昊（1999-），男，山东章丘人，山东农业大学学生，研究方向：通信工程；
张兆昕（2000-），男，山东嘉祥人，山东农业大学学生，研究方向：通信工程。

（收稿日期：2020-02-01 修回日期：2020-02-21）。