射频-图像联合物体检测算法

作     者：苏祥 

作者单位：电子科技大学 

学位级别：硕士

导师姓名：陈彦

授予年度：2020年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：到达角估计 射频识别 多重信号分类算法 目标检测算法 多模态融合 

摘      要：近年来,人们对位置服务(Location Based Services,LBS)的需求日益增长。为了适应不同的位置服务场景,科研人员提出了多种解决方案。其中,RFID技术是一种低成本的位置服务解决方案,已经广泛应用于零售商店,物流仓库等场景。由于RFID使用的射频信号携带的信息量较少,因此只适合粗粒度的位置服务;同时,随着深度学习的发展,基于图像目标检测的位置服务也得到了广泛研究。由于图像数据易受光照,遮挡,视角等因素的干扰,图像目标检测的鲁棒性往往不如RFID检测。为了提高位置服务质量,需要一种兼顾定位精度和检测鲁棒性的解决方案。因此,本文以射频-图像联合物体检测算法为研究课题,提出一种多模态融合物体检测解决方案。具体的,本文首先实现了RFID定位算法和图像目标检测算法;然后设计多模态融合机制,实现RFID信息与图像信息的融合。该多模态物体检测算法不仅可以提高检测性能,还为图像自动标注提供了一种新思路。具体的,对于任意需要标注的对象,我们都可以使用电子标签来唯一标识它。配合RFID阅读器和相机,我们可以在任意场景对指定对象进行检测和标注。本文的主要研究内容分为三部分:1)射频检测部分。本文详细分析了各种射频定位技术的优劣势,最终选择RFID技术来实现AOA估计算法和物体定位算法。首先,本文实现了支持底层阅读器协议的RFID阅读器客户端,成功获得信号强度指示,射频相位等关键数据。然后,本文使用虚拟天线阵列收集上述数据,并对数据进行建模,使用MUSIC算法解决AOA估计问题。最后,本文通过实测实验验证了上述方案的可行性和有效性;2)图像检测部分。本文详细分析了各种目标检测算法的优劣势,最终选择Onestage Grounding算法作为指定类别目标检测算法的框架。为了融合类别信息,本文使用自然语言模型提取类别特征。为了提高检测精度,本文使用注意力机制增强图像特征图。为了融合目标数量信息,本文限制了非极大抑制算法的输出数量。同时,针对RFID标签的存储特性,本文实现了目标属性融合算法,可以使用形状,材质和颜色等视觉属性来标识不同目标。最后,本文通过实验验证了以上算法的可行性和有效性;3)多模态联合检测部分。由于没有现成的数据集,本文采用迁移学习的思路。具体的,本文在aPascal数据集的基础上仿真图像实例的空间谱,来模拟实测AOA数据。最后,本文实现了多模态物体检测算法。该算法可以融合类别信息,位置信息,数量信息和图像信息,进而提高检测性能。通过上述工作,本文实现了射频-图像联合物体检测算法。实验证明,本文提出的算法能够有效提升目标检测性能。同时,该算法也为多模态目标检测任务提供了新的思路。