基于ZIGBEE环境下人员定位与视频识别技术研究

孙雨豪　阳小兰　钱程

摘要：随着中国的经济和科技的大力发展，中国软件科技实力也有了质的飞跃。尤其在无线传输领域取得的进步更是显目：各种超级计算机在世界大赛中的获奖令国人备受鼓舞。然而，大多数领域先进的技术却与其落后的管理模式格格不入。在许多环境里，人员流动量大，各类技术工种混杂，如何实现精细化的管理成了一个亟待解决的问题。特别是在关键区域，保密区域等限制人员进入的场所，人员的定位监控就愈发重要。该文利用Zigbee技术，结合Adaboost协同优化算法，以达到识别，再基于运用相位法POA进行测距而得到的距离信息，提出了一种两步式标签定位算法：首先使用凸优化中的内点法将非视距误差消除，再使用加权残差方法进行精确定位。

关键词：Zigbee；视频识别；人员定位

中圖分类号：TN91 文献标识码：A 文章编号：1009-3044（2017）13-0154-02

1概述

随着核心技术的发展，各企业管理的进一步细化，出于保障企业核心利益需要，特别是在各保密区域、生产关键区域、管理限制区域等限制人员进出的场所，人员的定位监控就愈发显得重要。比如如何快速了解到人员的实时位置？如何确认某人员是否按时到岗？如何在第一时间赶到受伤人员地点？如何查看人员历史轨迹信息，为责任的判断提供依据？

Zigbee技术具有低速率、低功耗、自组网等特点，其为双向无线通讯，可工作在868MHz、915MHz和2.4GHz的3个频段上。由于无线信号在空间的传输过程中，信号强度会随着传输距离的增大而慢慢衰减。本文定位的原理正是根据节点之间的信号强度（RSSI）的衰减来评估信号传输的距离从而估算出人员的具体坐标。然而RSSI比较容易受到环境影响，比如空气的温度、湿度等。因此，本文采用加权定位算法，对参与计算的RSSI信号强度加上一个随环境变化的加权因子，从而大大提高了定位的精度。

2无线定位机制

无线定位作为当前研究的热点，其技术被广泛应用于城市交通导引，人员调度管理，移动终端等领域。而这些应用基本都是采用了两大定位机制之一，即：基于RSSI定位和基于时间的定位。而无论采用何种方式，最终均可采用三角定位方法确定被测点具体位置。

如图1，某被测点a处于基站A、B、C的半径分别为dl、d2、d3的信号覆盖范围内。若采用基于时间的定位方式，在某时刻T，A、B、C发出定位信号，并分别在T1a、T1b、T1c时刻收到返回信号。电磁波速用v表示，那么可以得出：

计算出被测点A距离各个基站的距离再根据基站的坐标，利用三角定位，即可知道A的具体位置。由上述过程可以知道，基站之间时间的同步精度直接决定了最终定位精度。而如何解决大规模应用中数量众多的基站之间的时钟同步问题也是一大难点。

在本文中采用基于RSSI的定位方式。该方法通过测出接收到的某一基站信号的功率，并根据已知的信道衰落模型计算出与该基站的距离。和基于时间的定位原理一样，当计算出与三个基站的距离即可根据三角定位原理计算出自身方位。该方法降低了对时钟同步的要求，但也增强了对基站信号强度精度的要求。而在实际应用中，该要求相对较为容易实现。

3RSSI定位算法

在人员定位应用中，我们将带无线射频模块的集成在员工所带的工牌或胸卡中作为移动节点。该移动节点会周期的向基站发送无线射频信号，而参考节点接收到该信号时便可读出信号强度（RSSI）。然后通过后台，利用路径损耗模型，可以计算出传播损耗从而转化为距离。其具体方法如下：

式子中，RSSI表示距离发射机为d时接收端接收到的信号强度；P（d0）表示距离发射机为d0时接收端接收到的信号功率，该值一般作为一个参考值；n是路径损耗指数，通常是由实际测量得到，障碍物越多，n值越大，从而接收到的平均能量下降的速度会随着距离的增加而变得越来越快；A为无线收发节点相距lm时接收节点接收到的无线信号强度RSSI值；l_e是一个以dBm为单位，平均值为0的高斯随机变量，反映了当距离一定时，接收到的能量的变化。

由上面的公式可以看出，A，n的值需要通过实际测量后才能建立测距模型，而一般定位现场环境复杂，存在多径效应等影响RSSI的因素。现在大部分系统的A，n值均靠经验来确定，从而导致定位精度的不稳定。

4加权RSSI定位算法

在上面的算法中，定位的精度很大程度上取决于A，n参数的准确度。而A，n的值不是固定不变，它会随着周围环境比如，温度、湿度等的变化而变化。因此本文在算法中建立一个随环境变化而变化的动态的A，n值，才能提高人员定位的精度。本算法在不增加硬件节点的前提下，利用众多位置固定的基站测算出A，n的值。同时，为了进一步提高定位的进度，利用加权的方法将各个基站测算出值整合，距离被定位人员近的基站测出的值的权值高，基于越远，权值越低。

这里以计算n值为例，首先找到距离被定为人员最近的两个基站甲、乙，这两个基站的位置已知，且其周围环境与被定位人员周围环境相符。此时刻，甲基站侧得乙基站的RSSI，由于甲乙基站的距离固定且已知，故可以根据式（1）、（2）计算得出n的值。因为该基站距离被定位人员最近，故其权值也最高。类似的，可以选择多个基站计算出更多n的值，距离越远权值越小。则：

在式（6）中，a₁为基站所对应的权值，n为最终定位该人员所使用的路径损耗指数。同样的，用类似的方法也可计算出A的值。

5Adaboost协同优化算法

Adaboost算法是针对同一个训练集训练不同的分类器，即弱分类器，然后把这些弱分类器集合起来，构造一个更强的最终分类器。

AdaBoost算法的具体步骤：

给定训练样本集S，其中X和Y分别对应于正例样本和负例样本；T为训练的最大循环次数；初始化样本权重为1/n，即为训练样本的初始概率分布；第一次迭代：训练样本的概率分布相当下，训练弱分类器；计算弱分类器的错误率；选取合适阈值，使得误差最小；更新样本权重；经T次循环后，得到T个弱分类器，按更新的权重叠加，最终得到的强分类器。

6系统设计方案

本设计中，移动定位节点采用TI公司的CC2530作为无线处理芯片。基于2.4G的ZigBee无线组网技术，本设计的移动节点可以快速的加人网络，精确定位。CC2530还结合了领先的RF收发器的优良性能，业界标准的增强型8051 CPU，系统内可编程闪存，和许多其他强大的功能，这些都使得硬件设计得到大大简化，节约了成本。

在系统设计上，本系统的主要功能包括：点名功能、区域人员监控、主动报警、轨迹回放等。首先，预先布置的基站会发射定位信号，而所有的基站信号必须能覆盖整个定位范围。员工佩戴的员工卡或名牌可以与每个基站通信，基站将通信的信息传输到后台服务器处理，由后台软件来处理位置信息。

7结论

本文介绍了一种基于ZigBee的人员定位与视频识别技术，由人员定位与视频识别双精度确定人员准确身份，通过针对性的算法，和基站的优化布局来提高最终的定位与人脸识别精度。同时，充分利用ZigBee的双向通信功能，加人人员报警功能，大大提高了系统的实用性。