[發明專利]一種目標物體的行為檢測方法及系統

有效

• 申請號: 201810996117.8
• 申請日: 2018-08-29
• 公開（公告）號: CN109308782B
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 張艷芳;張珠君;王思葉;黃偉慶;諸邵憶;趙博白;馮越
• 申請（專利權）人: 中國科學院信息工程研究所
• 主分類號: G08B13/24
• 分類號: G08B13/24;G08B29/18;G06K17/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

1.一種目標物體的行為檢測方法，其特征在于，包括：

根據獲取到的目標物體的RFID數據，提取RFID數據中的RSS特征；

基于RSS特征、第一原型點集和第二原型點集，獲取目標物體的行為檢測結果；

其中，第一原型點集為表征物體的行為為第一行為的原型點集，第二原型點集為表征物體的行為為第二行為的原型點集，第一行為為在第一區域內活動的行為，第二行為為從第一區域移動至第二區域的行為。

2.根據權利要求1所述的方法，其特征在于，根據獲取到的目標物體的RFID數據，提取RFID數據中的RSS特征，進一步包括：

根據RFID數據，計算得到RFID數據的若干個RSS值，并確定所述若干個RSS值中的RSS最大值、RSS中位數、RSS波動幅度和讀取頻率；

基于所述若干個RSS值，計算得到第一趨勢參數和第二趨勢參數；

將RFID數據分為若干個子段，對于每一子段，根據所述子段的所有RSS值，計算得到所述子段的RSS均值；

將RSS最大值、RSS中位數、RSS波動幅度、讀取頻率、第一趨勢參數、第二趨勢參數和所有RSS均值，作為RFID數據中的RSS特征。

3.根據權利要求2所述的方法，其特征在于，基于所述若干個RSS值，計算得到第一趨勢參數N⁺和第二趨勢參數N^-的公式為：

其中，S_{i_LMax}是RSS最大值左側RSS值的個數，S_{i_RMax}是RSS最大值右側RSS值的個數，|RSS_j+1＞RSS_j|_LMax是在RSS最大值左側的RSS值中第j+1個RSS值大于第j個RSS值的數量，|RSS_j+1＜RSS_j|_RMax是在RSS最大值右側的RSS值中第j+1個RSS值小于第j個RSS值的數量。

4.根據權利要求1所述的方法，其特征在于，基于RSS特征、第一原型點集和第二原型點集，獲取目標物體的行為檢測結果，之前還包括：

通過獲取到的第一樣本物體的第一RFID數據訓練集，對調整后的自組織增量神經網絡進行訓練，以獲取第一原型點集和第二原型點集。

5.根據權利要求1所述的方法，其特征在于，基于RSS特征、第一原型點集和第二原型點集，獲取目標物體的行為檢測結果，進一步包括：

計算RSS特征與第一原型點集的第一特征距離，并計算RSS特征與第二原型點集的第二特征距離；

根據第一特征距離的第二特征距離的大小關系，獲取目標物體的行為檢測結果。

6.根據權利要求1所述的方法，其特征在于，還包括：

通過獲取到的第二樣本物體的第二RFID數據訓練集，對第二原型點集進行更新，以獲取更新后的第二原型點集；

基于第二目標物體的RFID數據中的RSS特征、第一原型點集和更新后的第二原型點集，獲取第二目標物體的行為檢測結果。

7.根據權利要求6所述的方法，其特征在于，通過獲取到的第二樣本物體的第二RFID數據訓練集，對第二原型點集進行更新，以獲取更新后的第二原型點集，進一步包括：

將獲取到的第二樣本物體的第二RFID數據訓練集輸入至調整后的自組織增量神經網絡中，并對輸出進行k-均值聚類，以得到第三原型點集；

對第二原型點集進行k-均值聚類，得到第二原型點集的第一中心點；

對第三原型點集進行k-均值聚類，得到第三原型點集的第二中心點；

根據第一中心點和第二中心點的差值、第二原型點集和第三原型點集，獲取更新后的第二原型點集。