近年来，大型商场和仓库每年因盗窃而损失的金额达到千亿美元，而商品的盗窃检测系统都有着不完善的地方。传统的视频监控的方式很大程度上受到光线条件的影响，而现有基于射频识别(RadioFrequencyIdentification，简称为RFID)技术的盗窃检测系统不能有效处理一些非人为因素的误报警情况，如RFID系统的检测范围不明确导致可能识别到商场或仓库中未移动的物品，现有的基于RFID的盗窃检测系统均未考虑这一点。此外，对于实际的商品盗窃检测，商家对不同价值的商品有着不一样的关心程度。然而，没有一个有效的RFID系统能够针对不同的价值的商品提供不同的阅读采样概率。
　　本文使用RFID和Kinect计算机视觉技术，提出一个多源感知数据融合的监控系统。具体来讲，我们用RFID系统采集商品标签的相位时间序列，同时用Kinect系统采集人的关节点位置轨迹时间序列，经过转换公式转换为人的关节点的相位时间序列，然后分别在无误报警和有误报警的情况下，分别使用动态时间规整(DTW)算法和假设检验模型来完成标签轨迹的匹配跟踪。同时对于不同价值的标签，本文采用多阵列标签采样(MTS)的方法来让阅读器进行筛选阅读，实现了对于不同价值商品的差异化概率标签采样。采样概率取决于标签中存储的二进制向量的值。
　　综上，本文在RFID系统的基础上，结合Kinect系统实现了标签的轨迹跟踪，并且对于不同价值商品，应用多阵列标签采样的方法，实现了对不同价值商品的不同采样概率。本文也在最后给出了理论正确性和可行性以及实验正确性和可行性的证明。