[发明专利]多标签空间融合的身份识别方法、系统、介质及终端

说明书

本发明提供一种多标签空间融合的身份识别方法、系统、介质及终端，通过部署于通行区域的RFID标签阵列和读写器获取原始相位数据；对所述原始相位数据进行预处理并提取出待识别对象的行走相关数据；获取样本对象的样本数据，并结合所述待识别对象的行走相关数据对所述标签阵列中的各个标签进行区分能力和抗干扰能力的评估，以获取每个标签的区分能力值和抗干扰能力值；基于所述区分能力值和抗干扰能力值，采用多维加权动态时间规整算法评估所述待识别对象的行走相关数据与所述样本数据的相似度，以获取所述待识别对象身份信息。本发明实现了对步态因子不一致时人的身份的准确识别，最大化地发挥标签阵列的空间多样性的优势，具有良好的识别精度和鲁棒性。

技术领域

本发明涉及智能身份识别领域，特别是涉及一种多标签空间融合的身份识别方法、系统、介质及终端。

背景技术

近年来基于无线信号的人体行为感知技术以其非侵入、易部署以及保护隐私等特性引起了学术界的广泛关注，大量创新性的应用如雨后春笋般涌现，如摔倒检测、手势识别甚至是细粒度的唇语识别、生命体征监测等。但是，如果无法获得行为动作执行人的身份信息，这些应用就会在很大程度上降低对象的体验，甚至在一些场景下无法工作。例如，如果动作识别系统无法识别进入房间的人的身份，就无法为其进一步提供诸如电视节目推荐或房间光照温度调整等个性化的服务，而且也无法对其行为进行个性化的分析。因此，身份识别是智能空间中无线行为感知技术的重要前提。

相比于其他生物识别技术(人脸识别、指纹识别等)，步态识别具有可远距离观察、无需配合等优点，所以现有的无线身份识别系统一般都是基于人行走时的步态特征对其进行识别，其基本原理是：当人在无线设备附近行走时，由于步态、体型等的不同，不同的人对无线信号的影响会存在很大差异性，因此这些无线信号的波动特征中就包含了可以表征人身份的信息。然而在实际场景中，人的步态因子有着丰富的多样性，如背包、打电话、携带手提电脑或外表着装的变化等。步态因子的不一致会导致人行走时的无线信号波动发生变化，从而严重影响识别性能。现有研究都假设训练阶段和测试阶段的步态因子完全一致，但这种假设明显在实际场景中不成立。而如果在训练阶段对所有可能的步态因子都进行训练，又需要耗费大量的人力成本，且缺乏可扩展性，在实际中并不可取。目前基于无线信号的步态识别研究都利用WiFi信号的信道状态信息(CSI，Channel State Information)来表征人的步态特征。虽然WiFi的多载波特性可以提供丰富的频率多样性，但是融合多频率的CSI信息仍然无法有效地消除步态因子的干扰。这主要是因为WiFi信号的多个子载波是通过同样的传播路径进行传输的，当步态因子变化带来传播路径的变化时，所有频率的CSI信息都会受到影响。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种多标签空间融合的身份识别方法、系统、介质及终端，用于解决现有技术中多种步态因子对身份识别的干扰问题。

为实现上述目的及其它相关目的，本发明的第一方面提供一种多标签空间融合的身份识别方法，包括：通过部署于通行区域的RFID标签阵列和读写器获取原始相位数据；对所述原始相位数据进行预处理并提取出待识别对象的行走相关数据；获取样本对象的样本数据，并结合所述待识别对象的行走相关数据对所述标签阵列中的各个标签进行区分能力和抗干扰能力的评估，以获取每个标签的区分能力值和抗干扰能力值；基于所述区分能力值和抗干扰能力值，采用多维加权动态时间规整算法评估所述待识别对象的行走相关数据与所述样本数据的相似度，以获取所述待识别对象身份信息。

于本发明的第一方面的一些实施例中，所述多维加权动态时间规整算法包括：基于所述样本数据和所述行走相关数据，获取满足预设窗口限制条件的序列对齐距离矩阵；所述窗口限制条件为：所述矩阵中的各个元素的行序号与列序号差值不超过预设值；基于所述序列对齐矩阵，结合所述每个标签的区分能力值和抗干扰能力值，获取所述待识别对象与样本之间的多维加权动态时间规整距离；从所述多维加权动态时间规整距离中选出最小的多个距离并加权计算获取所述相似度。