[发明专利]基于RSS地图的联合滤波室内单目标跟踪方法、装置及介质

说明书

本发明涉及一种基于RSS地图的联合滤波室内单目标跟踪方法、装置及介质的技术方案，包括：按照一定的方式设定和测量少量参考点位置处的RSSI信息，将参考点对应每个AP的RSSI信息由一个高斯过程的均值和方差代替，通过基于标准高斯过程的RSSI概率模型，以模型计算的方式获得全局所有参考点的RSSI指纹，生成RSS地图。在空间狭窄区域，使用无迹卡尔曼滤波算法进行目标跟踪，在空间开阔区域，使用粒子滤波算法进行跟踪。本发明的有益效果为：解决了大型室内场所RSSI指纹数据库生成困难、工作量大，避免了全局使用粒子滤波计算量过大导致跟踪率低下；同时解决了无迹卡尔曼滤波在目标做非线性运动时跟踪精度不高的问题。

技术领域

本发明涉及计算机领域，具体涉及了一种基于RSS地图的联合滤波室内单目标跟踪方法、装置及介质。

背景技术

伴随着室内定位技术和不同领域中目标跟踪技术的快速发展，室内目标跟踪技术也得到了发展。目标定位的结果对于实现目标跟踪是至关重要的，基于Wi-Fi的室内定位技术对周围环境的适应性强，传播距离可达百米量级，并且具有成本低、便于扩展、可自动更新数据等优势，被应用于更多的实际情形中和实现规模化。

基于Wi-Fi的室内定位方法主要有两种：

第一种方法采用“近邻法”来判断目标的位置，即距离那个热点最近，就认为目标是在什么位置。但Wi-Fi信号受周围环境影响较大，这种方法定位精度较低。

第二种方法通过采集并生成目标节点Wi-Fi信号的RSSI指纹，与指纹数据库中的指纹匹配来实现对目标位置的确定。但在一些大型室内场所，构建指纹数据库工作量巨大，成本较高。

常用的单目标跟踪算法有：卡尔曼滤波算法、无迹卡尔曼滤波算法和粒子滤波算法。标准卡尔曼滤波算法的局限性很明显，实际中的系统在大多数情况均为非线性，一个高斯分布经过非线性变换后的分布也通常难以描述，标准卡尔曼滤波在实际应用中通常并不能对目标节点的状态实现准确的估计。无迹卡尔曼滤波算法通过无迹变换的方法，来计算运动状态的均值和方差，无需将系统线性化，提高了算法在非线性系统中跟踪性能，但存在与标准卡尔曼滤波算法同样的局限性。粒子滤波算法是基于蒙特卡洛仿真的思想实现的，使用粒子集合来逼近和表示概率，这种方法不受非线性运动情况的影响。相比于以卡尔曼滤波为基础的跟踪算法，粒子滤波算法在非线性非高斯系统中的跟踪精度优势明显。但粒子滤波算法需要粒子的数量足够大，才能更准确的表示概率密度，导致算法的计算量过大，跟踪效率不高。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了基于RSS地图的联合滤波室内单目标跟踪方法、装置及介质，解决了大型室内场所RSSI指纹数据库生成困难、工作量大，避免了全局使用粒子滤波计算量过大导致跟踪率低下；同时解决了无迹卡尔曼滤波在目标做非线性运动时跟踪精度不高的问题。

本发明的技术方案包括基于RSS地图的联合滤波室内单目标跟踪方法，其特征在于，该方法包括：S100，采集单目标对应室内的Wi-Fi信号的RSS值，确定单目标的待定位区域参考点的RSSI指纹；S200，基于标准高斯过程计算所述RSSI指纹后验概率密度函数，构建RSS指纹数据库，生成RSS地图；S300，根据室内地形对所述RSS地图进行区域划分，得到一个或多个不同类型的划分区域，根据不同类型的所述划分区域执行对应的跟踪算法，对单目标行定位跟踪。

根据所述的基于RSS地图的联合滤波室内单目标跟踪方法，其中S100包括：在所述室内待定位区域设置多个参考点，所述室内待定位区域还具一个或多个AP热点，对所述待定位区域进行均匀随机采样，得到其中的一个或多个采样点，并在所述采样点位置处测得对应的AP热点的RSSI指纹信息，其中热点的信号为所述Wi-Fi信号，将所述采样点及RSSI指纹信息构建对应数据集。

根据所述的基于RSS地图的联合滤波室内单目标跟踪方法，其中参考点的设立采取将待定位区域划分网格的形式。