基于RFID的人體姿態識別方法研究*

夏資厚，劉吉曉，2，劉均益，郭士杰，2

（1.河北工業大學 機械工程學院 河北省機器人感知與人機融合重點實驗室，天津 300401；2.智能康復裝置與檢測技術教育部工程研究中心，天津 300401）

0 引 言

目前已有多種技術可以實現人體姿態監測，如基于視覺信息的方法［1，2］，可穿戴醫療傳感設備［3］或使用大面積陣列觸覺傳感器［4］。然而，基于視覺信息的技術往往受到多種環境條件影響，如背景復雜性、環境光照條件、遮擋問題等。可穿戴傳感設備將會面臨需要更換電池或者影響舒適性等問題。

近年來，射頻識別（radio frequency identification，RFID）在定位跟蹤方面的研究表明其在運動追蹤領域具有極大潛力［5］。例如，Tagoram 系統［6］使用4 根天線構建射頻全息圖，實現標簽在二維平面內的厘米（cm）級定位。Tagyro 系統［7］采用空間布局的標簽陣列監測正多面體的三維旋轉運動。基于RFID 技術的人體姿態估計的研究較少，部分系統識別精度高度依賴于機器學習方法［8～10］，而RF-Kinect系統［11］創新性地提出免學習的人體姿態估計方法，但并未充分考慮在實際中的室內空間配置問題。本文介紹了一種基于RFID的人體姿態估計方法，避免了視覺系統在人體被遮擋情況下無法正常工作的問題。首先，通過分析RFID標簽陣列與天線的相對位置關系，提出一種基于相位差信息的細粒度肢體運動模型；其次，建立雙天線RFID系統來估計肢體的三維轉動，并結合正運動學重構人體姿態。

1 理論與建模

在超高頻RFID通信設備中，閱讀器讀取到標簽的相位值取決于標簽的后向散射信號在空間中傳播的距離，相位信號可以表示為

式中 d為標簽與天線的間距；λ 為波長；φT和φR分別為RFID閱讀器的發射和接收電路引起的相位偏移量。

由式（1）可知，閱讀器接收到標簽的相位值與距離d的關系是一個以2π為周期的周期函數［12］。由于閱讀器相鄰2次采樣的時間遠小于標簽移動1 個周期的時間，所以，相鄰2次采樣相位作差的絕對值小于π，通過采用相位解纏算法即可消除周期信號的相位模糊問題［13］。

得到標簽與天線間距的線性關系后，引入標簽陣列來構建基于RFID系統的測向模型。如圖1所示，通過觀測標簽陣列與射頻天線的相對位置關系，能夠得出相鄰標簽之間的相位差可以反映標簽陣列的旋轉角度，即

圖1 RFID系統測向模型

式中 Δφ為相鄰標簽的相位差；λ 為射頻信號的波長，此處應為c／f（c 為光速，f 為閱讀器工作頻率，此處為920～925 MHz）；d為相鄰標簽之間的距離；θ為標簽陣列與X 軸的夾角；l為相鄰2個標簽與天線的距離差。

2 RFID系統人體姿態估計方法

RFID人體姿態捕獲系統主要由柔性RFID 無源標簽、RFID閱讀器、射頻天線和服務器組成。閱讀器通過射頻天線發送或接收信號，與附著在衣服上的RFID 標簽傳輸數據，如標簽ID、相位、時間戳等。

2.1 細粒度肢體運動跟蹤

為了準確地估計肢體的姿態，提出了一種基于相位差的細粒度肢體運動模型，這里以手臂運動為例，通過觀察手臂的抬起運動來描述此方法。

2.1.1 單肢體運動模型

首先討論單個肢體在空間中的運動。如圖2 所示，α為天線與肢體的夾角，θ為肢體與豎直方向的夾角。規定肢體的初始姿態為左圖中OBC所處的位置，即初始時大臂的抬起角度θ為0°。當手臂抬起，肢體將做繞點O的旋轉運動，肢體關節的旋轉角度與兩標簽的相位差的關系為

圖2 細粒度肢體運動模型

式中 Δφ 為閱讀器接收到的2 個RFID 標簽的相位差，｜DC｜為兩標簽到天線的距離差。

從圖2中可以發現肢體在初始位置時，天線到2 個標簽的距離并不相同，且具有初始距離差｜DC ｜。令δ ＝α -（π／2 -θ），可由余弦定理得

又由幾何關系得

可以發現Δφ的值與肢體旋轉角度θ和l有關，通過定義方向角度的似然函數P，使其搜索一個使理論角度與測量角度最為接近的值，即

式中 Δφ為理論相位差，Δψ為實際相位差。當Δφ與Δψ的值越接近時，P的值越趨向于1。當Δφ 與Δψ的值相差越大則P的值越趨于0。其中，α 的取值范圍為［0，π］，即（π／2 -θ ＋δ）∈［0，π］，因此，肢體關節角度θ 的范圍為［δ-π／2，δ ＋π／2］。最后將具有最高概率的值作為輸出角度，即

2.1.2 多肢體運動模型

在單肢體運動的基礎上，進行多肢體聯合運動模型的構建。由前述分析可知，進行角度搜索算法前需要知道肢體旋轉中心的位置與標簽在肢體上的布局。在實際中，可以事先確定標簽的布局，因此只需要計算出肢體的旋轉中心位置即可。為了得到每個關節的起始位置，將人體運動看成是多個剛體的聯合運動，并用正運動學來重構人體姿態。

如圖3所示，在正向運動學中，關節在空間中的位置由3點決定：1）連接2個關節的肢體的旋轉角度；2）肢體的長度；3）其父關節的位置。根據D-H 變換，可以計算特定關節的空間位置。本文將胯部中心作為身體各個關節運動的起始點，并將人體分為脊椎、大臂、小臂、大腿共7 個部分。這里以左臂為例，計算左臂肘部關節的位置

圖3 正運動學模型

式中 ps為肩關節位置；pe為肘關節位置；pw為腕關節位置；｜pspe｜為大臂長度；θ為俯仰角；σ為方位角。

基于構建的人體正運動學模型可以獲得大臂末端的位置O2，進而通過概率函數求解小臂的抬起角度θ2。通過將人體運動看成多剛體聯合運動，可以基于單肢體角度估算方法與正運動學模型相結合來估計多肢體關節的復雜運動。

2.2 三維肢體角度估計

單天線系統只能解算出標簽陣列的俯仰角，這里通過放置天線2來采集水平方向的信號進而解算肢體方位角，實現三維人體姿態估計。

在圖4的正交式雙天線系統中，天線2 與天線1 夾角為90°，且可以接收來自標簽的水平方向信息。但在實際應用中發現，當水平方向放置的天線2 與被測人之間有行人等障礙物移動時，標簽的相位值會受到多徑反射等干擾而偏離真實值。因此，針對正交式系統的缺點，本文提出如圖4所示的側交式改進系統。將天線2 以一定角度（圖中為45°）放置在測試人員的左前方或右前方，這時天線2 讀取到的信號為來自水平方向與正前方方向摻雜在一起的電磁波信號。如果天線2 與天線1 的夾角太大，則依然會使信號受到很大干擾，傾角過小，則會導致水平方向信號的分辨率過低，因此選取夾角為45°。

圖4 雙天線系統模型

如圖4 右圖所示，這里以大臂運動為例，天線1 在大臂的正上方，天線2與Y軸的夾角為β。s為肩關節，e為肘關節，大臂的初始位置為se，經過旋轉運動后變為se′，方位角為σ。大臂在水平方向上的投影｜ae｜的值為

表1中提供了在夾角β ＝45°條件下，當肢體從Y軸負半軸沿順時針旋轉360°時｜ae ｜的計算方法，即通過天線1與天線2 接收到的相位差和正負性確定｜ae ｜的值和正負性。

標簽陣列與天線之間方向的判斷依據是：肢體末端位置的標簽相位大于起點位置的標簽相位時，標簽陣列相對于這個天線方向的夾角為正，否則為負。根據表1，即可通過天線1和天線2采集到的標簽陣列的相位差大小和正負來確定當前肢體關節的方位角。

3 系統實驗

如圖5所示，在實驗室搭建了雙天線RFID 系統，該系統由1 臺ImpinjR420 閱讀器、14 枚H47 標簽、2 臺LriadS9028天線和1臺用于數據處理和界面顯示的計算機組成。通過分析多名測試人員執行不同動作的數據結果來評估系統的性能。

圖5 實驗場景

3.1 實驗設置

在實驗過程中，天線1位于測試人員前方3 m處，天線2位于測試人員右前方3 m處。該系統要求測試者穿戴貼有RFID標簽的衣服，在每一段肢體上都附著2 枚標簽，且標簽的間距為15 cm。測試者在系統初始化時首先站直，雙臂貼在腰部，然后執行特定的動作。閱讀器通過RFID天線掃描測試人員衣服上的14枚電子標簽來進行數據傳遞。

在本文實驗中邀請了5人作為測試對象（3 男2 女）并執行以下動作：1）手臂：測試者將手臂向前方舉起然后放下并連續重復15 次（動作1）；測試者將手臂向側方舉起，然后放下并連續重復15次（動作2）。2）腿部：測試者連續原地踏步30 次，每條腿完成抬腿動作15 次（動作3）。3）脊椎：測試者向前彎腰15 次（動作4）；測試者向身體一側彎腰15次（動作5）。

本文實驗使用角度誤差（RFID系統估計的關節角度與Kinect 2.0 測量的關節角度之間偏差）和位置誤差（RFID系統估計的關節位置與Kinect 2.0 測量的關節位置之間的偏差）來評估系統性能。系統追蹤大臂、小臂、大腿和脊椎等肢體關節的角度，追蹤頸部、腕部、肘部和膝部等關節的位置。

在實驗室進行了全身運動的姿態估計，實驗場景如圖6（a）、（c）所示，本文實驗同時估計四肢與脊椎的關節位置。圖6（b）、（d）顯示了本文方法在實驗室對走路與鞠躬兩種運動姿態的估計結果。實驗展示了本文方法可以有效估計人體全身運動時的姿態，對于日常生活中的行為動作可以實時捕捉。

圖6 走路與鞠躬的姿態估計

3.2 不同肢體運動與不同測試者的姿態估計結果

實驗分析了5名測試人員的運動姿態數據，結果如圖7所示。

圖7 實驗結果

從圖7（a）、（b）中可以看出，該系統估計的肢體關節角度時誤差約為6°，估計的關節位置誤差約為4 cm。由于不同肢體的長度與運動復雜度各不相同，其姿態估計結果也存在一定差異。其中手臂的角度誤差最大，因為大臂、小臂比大腿和脊椎的長度更短，且比大腿和脊椎運動更為復雜。但RFID系統仍然表現出良好的性能，實驗結果顯示80%的角度誤差在8°以內，80%的位置誤差在5.5 cm以內。由圖7（c）、（d）的結果表明：該系統的實驗結果對于不同的測試人員沒有顯著的差異，且總體角度標準差為3.7°，總體位置標準差為2.9 cm，表明該系統具有良好的穩定性和魯棒性。

4 結 論

本文提出了一種三維姿態估計系統，用于連續監測人體姿態。該系統不會侵犯人體的隱私，也不會增加人體的身體負擔，并且充分考慮了人體多肢體運動的方式，提出了一種細粒度的肢體運動捕獲算法。結合實際環境，提出了一種抗干擾的雙天線三維姿態捕獲方法。本文使用商業閱讀器和標簽搭建了實驗平臺，驗證了該系統的可靠性，結果顯示該系統能夠高精度地追蹤人體運動時的姿態。