文章来源：IEEE INFOCOM 2020 - IEEE CONFERENCE ON COMPUTER COMMUNICATIONS , pp.1271-1280

下载地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9155357

作者：Shasha Li, Mustafa Arslan, Amir Khojastepour, Srikanth V. Krishnamurthy, Sampath Rangarajan

用于销售点（POS）系统库存和处理交易RFID但是，应用程序可以提高操作效率设计目的不是为客户与产品的互动提供意见。我们通过解决邻近的分组问题来弥合差距，以识别随着时间的推移非常接近对方RFID我们设计了标签组DeepTrack，这是一个使用它的框架深度学习在购物过程中自动跟踪客户携带的一组物品。这挖掘了隐藏的购买行为，帮助零售商做出更好的商业决策，为无缝结账等创新的购物体验奠定了基础(a la Amazon Go亚马逊无人超市)。DeepTrack采用带有注意机制的循环神经网络（RNN）解决噪声环境中没有显式定位标签的邻近分组问题。**我们制作DeepTrack该设计不仅可以跟踪移动组携带的产品)，还可以灵活识别固定标签组(货架上的产品)。**DeepTrack其关键特征是只使用现成的商业用途RFID设备标签数据。我们的实验表明，静止)组时，我们的实验表明，只有两个小时的训练数据，DeepTrack98.18%（99.79%）。

零售店(如优衣库、梅西百货等)已经开始使用RFID为加快库存和付款处理，增加或取代传统条形码。虽然这种实施提高了运营效率，但并不是为了让零售商了解客户与产品的互动。在这个方向上，我们提出了一个问题，在这个问题上，我们试图确定我们称之为接近组的东西，指的是一组RFID随着时间的推移，这些标签在零售店非常接近。

RFID系统：典型的UHF RFID该系统包括读卡器、附着在物体上的标签和收集/处理标签阅读的软件。每个读卡器发出一个反向散射的信号(包括其唯一的标签)ID）。读取器还从响应中提取标签数据RSSI(即信号强度)。其他可以捕捉到精确信号强度的特性，如相位差和多普勒频移。每个阅读器可能配备多个天线，通过发射和等待标签响应来浏览它们，直到所有天线都有机会读取标签。因为我们试图跟踪大型零售商店的标签，我们假设多个阅读器被仔细放置，允许它们之间重叠，以消除任何覆盖范围的差距。

循环神经网络（RNN）：RNNs[13][14][15] 广泛应用于时空相邻数据建模(如[16][17])。简言之，RNN包括一系列重复的单元，每个单元同时考虑当前输入和前一单元的记忆状态，以输出新的记忆状态。使用重复单元，RNN在每个时间点对每个输入的空间信息进行建模，并在输入序列中添加时间信息。LSTM[18]和GRU[19]很流行RNN，他们克服了所谓的梯度消失/爆炸因此，[20]可以捕捉长期依赖性，[18]， [19]. 我们使用基础GRU的RNN作为DeepTrack中间的基本构造块，因为它比较LSTM在大多数情况下，它很简单，性能也很好。

我们试图识别多个标签组，其中一个被定义为RFID随着时间的推移，这些标签非常接近对方。我们也定义了它（a）移动组表示标签在商店里一起移动；它们可能在某些时候保持静止，但总是接近；（b）静态组，表示一组相互靠近(不移动)的标签。这些群体可能因不同的购物行为而演变。例如，当客户从货架上取下一件物品并带走时，货架上的其他物品不再属于同一组，必须与客户可能携带的其他物品一起包含在一组中。

我们将决策窗口定义为一个时间间隔。在此时间隔内，我们单独估计给定的一对标签是否非常接近。更正式地说，我们将每次阅读都表示为一个向量：$r_i ∈ R^{d_1} $ ； r i r_i ri包括时间戳，RSSI等特性。决策窗口中标签的所有读数都可以表示为 x = [ r 1 , r 2 , . . . r N ] ， x ∈ R d 1 x=[r_1,r_2,... r_N]，x ∈ R^{d_1} x=[r1​,r2​,...rN​]，x∈Rd1​ 其中N是决策窗口中的读数数量，可以随标签和决策窗口的不同而变化。给定一对标签的读数，比如x1和x2，我们使用RNN学习嵌入函数KaTeX parse error: Unexpected character: '' at position 3: f(̲·)，该函数将RFID读数映射到特征向量。我们假设，如果在特定决策窗口期间，两个标签（即f（x1）和f（x2））在预先指定的空间接近度内，则两个标记的嵌入特征向量将。是接近的，否则将彼此远离。拥有一个小的决策窗口有助于快速捕获邻近性的变化。但是，它不能太小，以获取足够的读数，从而进行可靠的估计。

​ 不幸的是，深度学习不是RFID数据处理的即插即用，因为我们需要仔细设计模型以解决以下挑战。

​ 大多数**深度学习模型要么是为固定大小的输入（如图像）设计的，要么是假设类似大小的输入（如单词数相似的句子）。**使用 RFID，在每个决策窗口中，跨标签的读取次数可能从数十到数千不等。影响这一点的一个关键因素是阅读器覆盖区域中标签的总数及其各自的无线信道。提供 RNN 来处理最高数量的读数会导致模型的高复杂性（由于输入向量很大），而为具有少量读数的标签设计它，可能会产生一个“能力”不足的模型来识别组。

​ 多径导致来自标签的多个信号（具有不同的RSSI和相位），即使它位于固定位置。先前的解决方案[11][12]通过随时间收集读数以在给定位置精确定位标签来解决此问题。此类解决方案不适用于零售环境；使用标签移动性，不仅每个位置的读数较少，而且很难确定哪些读数可靠地表示给定的位置。因此，该模型需要使用来自每个位置的少量不可靠读数来准确发现移动组。

​ 零售店既有固定标签（如货架上的标签）也有移动标签（如由人携带的标签）。理论上，多普勒频移可以帮助区分不同的移动组，因为它可以指示移动的速度和方向。然而，对于静态标签组来说，这并不重要，因为缺乏运动不会引起足够的多普勒频移。相位差可用于识别固定组，因为它可以估计标签与读取器的距离[11]。另一方面，很难获得移动标签的可靠相位估计。此外，并非所有COTS RFID阅读器都具有此类低电平信号特征。

​ 在本节中，我们将描述DeepTrack的总体架构，并描述我们为应对上述挑战而做出的具体设计选择。

​ 为了识别一个群体，我们使用成对接近（即两个标签之间的接近度）作为初基。我们假设存在“参考”标签，它们最初是各自组中的唯一成员。这些特殊标签可能安装在购物车或购物袋以及货架上。通过将其他标签（非参考标签）的“相似性”与该组的参考标签进行比较，测试其在该组中的成员资格。更高的相似性意味着两个标签更可能接近。因此，每个标签都会添加到具有最高相似性的组中。

​ 在DeepTrack中，我们使用暹罗神经网络（NN）架构来学习一对标签之间的相似性,（见图1）。暹罗NN最初被提议用于手签名验证[22]，其任务是确定两个签名是否相似（属于同一个人）。暹罗神经网络有两个具有相同配置的相同子网络，其中每个子网络接受一个输入并将其映射到嵌入空间。然后，将来自两个子网络的嵌入特征输出馈送至模块，在模块中使用两个嵌入输出之间的L2范数距离等度量来查找相似性。

​ 为了训练暹罗RNN学习嵌入函数 f ( ⋅ ) f(·) f(⋅)，我们对[23]中提出的对比损失函数进行了修改，该修改适合我们的问题，包括下界（m1）和上界（m2），如下所示： L o s s ( x 1 , x 2 , y ) = 1 2 y ⋅ m a x ( 0 , ∣ ∣ f ( x 1 ) − f ( x 2 ) ∣ ∣ 2 − m 1 ) 2 + 1 2 ( 1 − y ) ⋅ m a x ( 0 , m 2 − ∣ ∣ f ( x 1 ) − f ( x 2 ) ∣ ∣ 2 ) 2 Loss(x_1,x_2,y) = \frac{1}{2}y·max(0,||f(x_1)-f(x_2)||_2-m_1)^2+\frac{1}{2}(1-y)·max(0,m_2-||f(x_1)-f(x_2)||_2)^2 Loss(x1​,x2​,y)=21​y⋅max(0,∣∣f(x1​)−f(x2​)∣∣2​−m1​)2+21​(1−y)⋅max(0,m2​−∣∣f(x1​)−f(x2​)∣∣2​)2 ​ 其中 x 1 x_1 x1​和 x 2 x_2 x2​来自两个标签的一对读数。布尔值标记y=1，表示读数属于同一接近组的两个标签，否则为“0”。具体地说，我们引入下界m1以确保附近的标签（而不是在完全相同的坐标处）被分组在一起。

​ 我们用大量输入对及其真实标记训练 Siamese RNN（以下简称模型）；如果一对读数来自同一组中的两个标签，则为真（y=1），否则为假（y=0）。为了找到最佳 f(·)，模型最小化上述损失函数以对两个标签在同一组中（距离 < m1）或不在（距离 > m2）中进行分类。两个子网络的参数通过梯度下降算法进行更新，以最小化所有训练对的损失。距离根据经验确定。在训练之后，我们使用该模型来测试一对标签（其中一个是参考标签）之间的相似性，以便形成组。

​ 在将标签读数作为输入，输入到我们的模型之前，我们首先将决策窗口划分为多个（比如T）时隙。时隙具有足够短的持续时间，使得在该时间内（例如，1-2秒），标签被假定为准静止的。更重要的是，首先应用一个称为注意的关键预处理步骤来总结每个时隙中的读数（见图2）。这些总结构成了模型的输入，对于时隙t和标签j和k，用 x t ( j ) x^{(j)}_t xt(j)​和 x t ( k ) x^{(k)}_t xt(k)​表示。据我们所知，这是首次将注意应用于RFID读数。

​ 由于最近在自然语言处理（NLP）方面取得的成功，人们对注意变得越来越受欢迎[24]。以英法翻译为例，将法语句子逐字与源英语句子对齐是不合理的。具体来说，不同的英语单词与相关的派生法语单词有不同的相关性。注意机制动态地计算每个源英语单词与每个法语单词的相关度（也称为注意度）。

​ 我们以类似的思想应用注意在我们的问题，我们假设标签上的一些读数可能是“信息量更大”（即不受多路径或剧烈衰减的影响），而其他标签几乎没有关于当前状态的信息。我们使用模型到目前为止积累的记忆，以指导在当前时隙中读数的总结。通过将存储状态（包含标签的当前轨迹信息）与时隙内的每次读数进行比较，注意机制计算出哪些读数在标签状态（位置、运动等）方面更值得信赖。因此，它在总结过程中给予更多信息的读数更多的权重（迫使更多的注意力）。

​ 一个问题是每个读数可能在不同方面提供信息（例如，读数可能具有相似的 RSSI，但可能来自以前未见过的天线）。因此，我们使用多头注意力机制，它允许我们在多个子空间（一个头意味着一个子空间）中进行特征汇总，并比较每个子空间内的信息范围。我们将当前时隙的读数表示为 R t = [ r 1 t , r 2 t , . . . , r N t , ] ∈ R N ∗ d 1 R^t = [r_1^t,r_2^t,...,r_N^t,]∈ R^{N*d_1} Rt=[r1t​,r2t​,...,rNt​,]∈RN∗d1​。N是当前时隙内的阅读数，在 a t − 1 ∈ R d 2 a^t-1∈R^{d_2} at−1∈Rd2​是来自最后一个RNN单元的内存。为了a便于说明，我们考虑与单个标签相关的读数，而不显示指数t或t-1在下文中。