一种基于连续视频序列的WiFi指纹信息快速采集与定位方法与流程

本发明涉及室内定位技术领域，尤其涉及一种基于连续视频序列的wifi指纹信息快速采集与定位方法。

背景技术

随着生活习惯的改变、社会的发展等，对于室内位置服务的需求在不断增长，对服务的质量也提出了更高的要求，但是主流的技术仍旧存在这样或那样的问题，对室内定位技术进行更加深入的研究具有重大意义。其中wifi定位技术由于其有着较为完备的基础设施保障、且易推广应用成为研究热点，而wifi定位技术中指纹定位技术由于其有着较高的定位精度被广为关注，当前主流的wifi指纹定位具体包括两个部分的内容，如图1所示：一个是离线指纹库构建，一个是在线定位。离线的主要工作是采集众多已知点处的ap(accesspoint，接入点)的rss(receivedsignalstrength，接收信号强度)，一般要保证采样点已知和位置标签与信号强度一一对应关系。在线定位则是用户在某一未知点，接收到的即时信号强度同指纹库中指纹点一一比较，通过一定计算准则选取信号强度最为相近的一个指纹参考点或几个点确定未知点坐标位置。

但是当前wifi指纹定位技术仍存在着一些突出的问题，包括指纹库建立、信号跳动、设备差异等，这些问题也一定程度上限制了其实际推广应用。

首先，在离线指纹库建立阶段，常用方法是使用单点采集的方式，即在室内布置一定密度的指纹参考点，逐点采集信号强度信息。这种方法虽然能保持较高的定位精度，但是面临巨大人力、时间开销这一突出问题。一旦面对大型室内建构筑物，缺乏适应力，无论是构建还是后期更新都包含巨大的工作量。密度太低直接影响定位效果。指纹库构建直接影响着wifi定位技术的实际推广应用。

其次，使用不同设备时，由于硬件差异，接收同一ap的信号强度往往是不一样的，设备差异问题直接影响指纹点同未知点的匹配结果，引起最终定位误差。最后，时变的室内环境引起的信号多径效应，信号强度呈现高度不稳定性和时变性。即使使用相同硬件环境的设备在同一位置上不同时段接收的同一ap信号强度仍有较大的差异，这也就导致邻近点出现误匹配这一突出问题。

技术实现要素：

鉴于上述的分析，本发明旨在提供一种基于连续视频序列的wifi指纹信息快速采集与定位方法，用以解决现有指纹数据库建立过程中采集效率低的问题。

本发明的目的主要是通过以下技术方案实现的：

提供了一种基于连续视频序列的wifi指纹信息快速采集与定位方法，包括：

构建离线指纹库：采集人员在视频监控区域内采集各ap的信号强度信息，通过采集人员在视频监控中帧图像上的位置解求指纹点在世界坐标下的位置坐标，将指纹点的位置坐标与采集的信号强度信息进行匹配，并存入指纹库；

在线实时定位：待定位设备连接至ap，将扫描输出的各ap的信号强度信息与上述指纹库中信号强度信息进行匹配，得到待定位设备的位置坐标。

本发明有益效果如下：本发明提供的wifi连续快速采集和定位的方法，采集人员携带采集设备按照任意线路连续采集过程中，借助视频监控记录的采集线路，利用基于平面约束的单目视觉解求每一次进行扫描的点位位置，极大提升了指纹采集效率，降低了指纹采集中的人力、时间开销，为众包指纹数据使用提供了可能。

在上述方案的基础上，本发明还做了如下改进：

进一步，所述与上述指纹库进行匹配，得到待定位设备的位置信息包括：

将待定位设备扫描输出的各ap的信号强度信息按指纹库中指纹点ap存储的顺序分类排列；

利用信号形态相似距离计算公式求取待定位设备与指纹点之间的信号距离，并选择邻近点；

通过上述待定位设备与邻近点之间的信号距离求取待定位设备的位置坐标。

采用上述进一步方案的有益效果是：利用信号强度形态相似距离代替欧氏距离进行信号相似性度量，以消除不同设备之间接收信号强度的差异。

进一步，所述构建离线指纹库，还包括：将视频监控时间与采集设备时间进行统一：

将视频解析成帧图像并进行帧间做差，当差值超过变化阈值时，结合视频监控输出的时间戳，得到采集设备位置改变时间t1；

当采集设备内置加速度传感器输出值发生剧烈变化时，记录设备位置发生突变的时间t2；

将上述同一位置的时间t1、t2做差，得到视频监控设备同信号采集设备之间的时间差异△t；

将视频监控输出的时间t1+△t，完成视频监控时间与采集设备的时间统一。

采用上述进一步方案的有益效果是：保证了某一时刻采集的信号强度信息同视频中记录的采集人员位置一一对应。

进一步，通过采集人员在视频监控中帧图像上的位置解求指纹点在世界坐标下的位置坐标，包括：

进行监控相机的标定，解求相机的内外参矩阵、畸变系数，同时借助和地面在同一平面的棋盘格照片解求相机旋转和平移矩阵；

对监控视频进行处理，得到检测的采集人员图像并进行去噪处理；

进行开运算，消除检测出的采集人员周围噪声；

提取、输出采集人员位于地面处的像素坐标，并进行畸变校正；

借助内外参矩阵将校正后的像素坐标转换至世界坐标，将世界坐标求均值作为指纹点的位置坐标。

进一步，所述得到检测的采集人员图像包括：将监控视频解析成帧图像并进行去噪处理；选取监控视频中多张图片取平均作为背景图片，对背景图片进行数字化处理、去噪，依据采集设备扫描时间序列，找出对应帧的图像；将提取出的帧图像减去背景图片后，进行前景分离和二值化处理后得到检测的采集人员图像。

进一步，所述形态相似距离计算公式:

其中，dmsd(pi，pj)表示第i个待定位设备与第j个指纹点之间的形态相似距离，pi、pj分别表示第i个待定位设备与第j个指纹点的ap信号强度序列，rssim表示第i个待定位设备扫描的第m个ap的信号强度，rssjm表示第j个指纹点位置上第m个ap的信号强度；n为指纹点的总数。

进一步，所述邻近点选择还包括进行邻近点二次选择，包括：

计算每一邻近点的第k距离；

计算每一邻近点的第k距离邻域；

计算每一邻近点同其他邻近点的可达距离；

计算每一邻近点的局部可达密度，以及每一邻近点的局部离群因子；

将离群因子超出阈值的邻近点剔除。

采用上述进一步方案的有益效果是：由于离线指纹点连续采集可能造成指纹点信息稳定性不高，在邻近点匹配结束后，进行二次选择，对匹配结果进行离群点检测，以消除可能出现匹配错误的邻近点。

进一步，所述确定待定位设备的位置，还包括对信号相似距离和几何距离无量纲处理，并进行组合定权。

采用上述进一步方案的有益效果是：为了降低信号不稳定的影响，借助几何距离和信号相似距离组合定权求取最终位置结果。

进一步，所述对信号相似距离和几何距离无量纲处理：

其中，l′ic，d′i分别表示无量纲处理后的第i个邻近点的信号相似距离和几何距离；lic表示第i个邻近点同待定位设备信号强度形态相似距离；di表示第i个邻近点的同邻近点群几何中心的几何距离；mean和std分别表示平均值和方差计算函数，k表示邻近点的个数。

进一步，所述进行组合定权，

式中，pi表示第i个邻近点的权值，l′ic，d′i分别表示无量纲处理后第i个邻近点的的信号相似距离和几何距离，k表示邻近点的个数。

本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为主流wifi指纹定位技术实现流程图；

图2为本发明实施例中离线采集与在线定位实现流程图；

图3为本发明实施例中采集设备同监控相机之间的时间关联示意图；

图4为本发明实施例中利用视频监控解求采集人员位置流程图；

图5为本发明实施例中运动目标检测示意图；

图6为同一点不同设备接受信号强度差异对比图；

图7为本发明实施例中离群点检测进行邻近点二次选择流程图；

图8为wknn定位误差同本发明实施例中组合定权后定位误差对比图。

具体实施方式

下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。

本发明的一个具体实施例，公开了一种基于连续视频序列的wifi指纹信息快速采集与定位方法；如图2所示，包括以下步骤：

步骤s1、构建离线指纹库：采集人员在视频监控区域内采集各ap的信号强度信息，通过采集人员在视频监控中帧图像上的位置解求指纹点在世界坐标下的位置坐标，将指纹点的位置坐标与采集的信号强度信息进行匹配，并存入指纹库；

步骤s2、在线实时定位：待定位设备连接至ap，将扫描输出的各ap的信号强度信息与上述指纹库中信号强度信息进行匹配，得到待定位设备的位置坐标。

与现有技术相比，本实施例提供的wifi连续快速采集与定位方法，采集人员连续采集过程中，借助视频监控记录的采集线路，无需知道指纹点的位置，无需逐点采集，人力、时间花费小，利用基于平面约束的单目视觉解求每一次进行扫描的点位位置，求取的位置精度高，极大提升了指纹采集效率，降低了指纹采集中的人力、时间开销，为众包指纹数据使用提供了可能。

当前，室内监控分布广泛，wifi指纹采集人员在室内进行数据采集时，视频监控完整记录了采集人员采集线路、采集时间。因此，本实施例借助连续视频监控解求采集人员每一次进行信号扫描时的位置，为每一组扫描信号强度赋位置标签，存储，完成指纹库建立。具体来说，在步骤s1中，构建离线指纹库包括以下步骤：

步骤s101，采集人员携带采集设备在视频监控区域内按照任意线路(采集线路可根据实际需要进行选择，使得指纹点分布尽量均匀，同时采集人员在行走采集过程中尽量保持低速)连续采集，获取区域内采集各ap的信号强度信息。

步骤s102，提取采集人员的监控画面信息；

步骤s103，将视频监控与采集设备进行时间统一；

步骤s104，通过采集人员在视频监控中帧图像上的位置解求其在世界坐标下的位置坐标；

步骤s105，将指纹点的位置坐标与采集的各ap的信号强度信息进行匹配，并存入指纹库。

考虑到视频监控与信号强度采集分属不同的设备，要保证某一时刻采集的信号强度信息同视频中记录的采集人员位置一一对应，必须保证两类设备在同一时间基准下。因此本实施例对视频监控设备与采集设备之间进行时间统一处理(即步骤s103)。

具体来说，如图3所示，利用视频监控监视采集设备位置的突然变化，将视频解析成帧图像，帧间做差，设置变化阈值(可自行设置)，差值超过阈值即可得到采集设备位置发生变化，结合视频监控输出的时间戳，得到采集设备位置改变时间t1。采集设备位置发生突变时，其内置加速度传感器输出值往往也伴随剧烈变化，探测加速度发生突变时刻，即设备位置发生突变的时刻t2。将同一位置两种方式获得的时刻做差，得到视频监控设备同信号采集设备之间的时间差异△t。将视频监控输出的时间戳与求取的时间差异相加(t1+△t)，完成视频监控时间与采集设备的时间统一。

上述步骤s104中，通过采集人员在视频监控中帧图像上的位置解求指纹点在世界坐标下的位置坐标，如图4所示，具体包括以下步骤：

步骤s10401，进行监控相机的标定，解求相机的内参矩阵、畸变系数，同时借助和地面在同一平面的棋盘格照片解求相机旋转和平移矩阵；

步骤s10402，对监控视频进行处理，解析成帧图像并进行去噪处理；

步骤s10403，同时选取多张图片取平均作为背景图片，接着对图像进行数字化处理、去噪，依据采集设备扫描时间序列，找出对应帧的图像；

步骤s10404，将提取出的帧图像减去背景图片后，进行前景分离和二值化处理，如图5所示，得到检测的运动目标(即采集人员图像)；

步骤s10405，进行开运算(对二值图像进行腐蚀后膨胀的运算)，消除探测出的采集人员周围噪声；

步骤s10406，提取、输出采集人员位于地面处的像素坐标，加入畸变改正后得到校正后的像素坐标。

步骤s10407，借助内外参将像素坐标转换至世界坐标，将坐标求均值作为采集人员位置。

在步骤s2中定位阶段，可以采用wknn(weightedk-nearestneighbor，k加权近邻法)得到k个邻近点后，依据邻近点同待定点的信号距离为每一邻近点赋权，最后加权求平均得到待定点坐标。

为了进一步提高定位精度，减少误差，本实施例对现有的wknn进行了改进；首先，利用信号强度形态相似距离代替欧氏距离进行信号相似性度量，以消除不同设备之间接收信号强度的差异；其次，由于离线指纹点连续采集可能造成指纹点信息稳定性不高，提出了在邻近点匹配结束后，对匹配结果进行离群点检测，以消除可能出现匹配错误的邻近点；最后，同样是为了降低信号不稳定的影响，借助几何距离和信号相似距离组合定权求取最终位置结果。

在常规wknn中是借助欧氏距离计算指纹点同待定点之间的信号距离，但是由于设备差异，离线采集和定位设备分别使用不同设备，直接使用欧氏距离进行信号距离度量，往往会出现较大的偏差。

通过大量的试验发现，虽然不同设备接收信号强度大小有差异，但是按某一顺序排列时，整个信号强度的形态始终保持一致，如图6所示，因此，本实施例通过使用信号强度形态相似距离代替欧氏距离；借助点位上信号强度一定顺序后形态相似性来进行不同点位之间的信号强度相似性度量，由于主要来考虑形态上的一致性，极大降低了设备差异带来的信号强度大小不一的问题；

本实施例使用信号形态相似距离比较指纹点同待定点之间的信号距离，具体包括：

步骤s20101，将待定点扫描输出的信号强度分别按每一指纹点ap存储的顺序排列；

步骤s20102，利用信号形态相似距离计算待定点指纹点之间的信号距离(其中，出现不一致的ap时，既可以-95补全，也可只保留相同ap)。

步骤s20102，选择邻近点(可根据计算速率、精度等设定选择标准)；并通过上述待定位设备与邻近点之间的信号距离求取待定位设备的位置坐标。

形态相似距离计算公式：

其中，dmsd(pi，pj)表示第i个待定位设备与第j个指纹点之间的形态相似距离，pi、pj分别表示第i个待定位设备与第j个指纹点的ap信号强度序列，rssim表示第i个待定位设备扫描的第m个ap的信号强度，rssjm表示第j个指纹点位置上第m个ap的信号强度；n为指纹点的总数。

需要说明的是，在进行待定位设备与指纹点的形态相似距离时，可以对待定位设备同指纹库中所有的指纹点之间计算形态相似距离，也可以根据实际情况对指纹点划分为不同区域，对待定位设备所在区域内的指纹点计算形态相似距离。

由于信号强度不稳定，在邻近点匹配过程中极易出现误匹配，针对这一问题，本发明借助离群点检测对邻近匹配结果进行二次选择，以剔除可能的误匹配点，尽量减小信号不稳定带来的影响。

具体来说：如图7所示，进行邻近点二次选择包括以下步骤：

步骤s20201，计算每一邻近点的第k距离；

某一邻近点第k距离：距离该邻近点第k远的邻近点的距离，用dk(p)表示；其中k的具体数值可以根据实际需要或者经验进行选择)

步骤s20202，计算每一点的第k距离邻域；

第k距离邻域：该邻近点的第k距离以内的所有点，包括第k距离，用nk(p)表示；

步骤s20203，计算每一邻近点同其他邻近点的可达距离；

可达距离：某一邻近点到另一邻近点的第k可达距离，至少是该邻近点的第k距离，或者为两邻近点间的真实距离，用rech-distk(p，o)表示，其中

tech-distk(p，o)＝max{dk(o).d(p,o)}

式中，k表示第k可达距离，p表示邻近点。

步骤s20204，计算每一邻近点的局部可达密度，以及每一点的局部离群因子；

局部可达密度：表示某一邻近点的第k邻域内点到该邻近点的平均可达距离的倒数，依据下式得到：

式中，p为邻近点，nk(p)为第k距离邻域，rech-distk(p，o)为该邻近点到其他邻近点的第k可达距离。

局部离群因子：表示某一邻近点的邻域点nk(p)的局部可达密度与该点的局部可达密度之比的平均数，依据下式解求：

式中，nk(p)为第k距离邻域，lrdk(p)为邻近点p的局部可达密度。

如果这个比值越大于1，说明该邻近点的密度小于其邻域点密度，该点越可能是异常点。

步骤s20205，剔除离群因子较大的点(可根据实际需要设置阈值，都在范围内可不剔除)，完成邻近点的二次选择。

需要说明的是，同样是由于信号强度不稳定，单单利用信号强度来定权，可能会放大一些存在信号强度波动点位对最终坐标结果的影响。又有，匹配的邻近点理论上应是以待定点为中心分布的，匹配的邻近点几何中心位置应近似于待定点。因此，本实施例中可以借助上述匹配的邻近点同待定点信号形态相似距离、邻近点同邻近点群几何中心的几何距离进行组合定权。具体包括：

两类距离的无量纲处理:

其中，l′ic，d′i分别表示无量纲处理后的第i个邻近点的信号相似距离和几何距离；lic表示第i个邻近点同待定位设备信号强度形态相似距离；di表示第i个邻近点的同邻近点群几何中心的几何距离；mean和std分别表示平均值和方差计算函数，k表示邻近点的个数。

组合定权公式如下：

其中，pi表示第i个邻近点的权值，l′ic，d′i分别表示无量纲处理后第i个邻近点的的信号相似距离和几何距离，k表示邻近点的个数。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。