[發(fā)明專利]一種目標(biāo)物體的行為檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810996117.8
• 申請(qǐng)日: 2018-08-29
• 公開（公告）號(hào): CN109308782B
• 公開（公告）日: 2020-08-14
• 發(fā)明（設(shè)計(jì)）人: 張艷芳;張珠君;王思葉;黃偉慶;諸邵憶;趙博白;馮越
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院信息工程研究所
• 主分類號(hào): G08B13/24
• 分類號(hào): G08B13/24;G08B29/18;G06K17/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發(fā)明實(shí)施例提供一種目標(biāo)物體的行為檢測(cè)方法及系統(tǒng)。方法包括：根據(jù)獲取到的目標(biāo)物體的RFID數(shù)據(jù)，提取RFID數(shù)據(jù)中的RSS特征；基于RSS特征、第一原型點(diǎn)集和第二原型點(diǎn)集，獲取目標(biāo)物體的行為檢測(cè)結(jié)果；其中，第一原型點(diǎn)集為表征物體的行為為第一行為的原型點(diǎn)集，第二原型點(diǎn)集為表征物體的行為為第二行為的原型點(diǎn)集，第一行為為在第一區(qū)域內(nèi)活動(dòng)的行為，第二行為為從第一區(qū)域移動(dòng)至第二區(qū)域的行為。通過(guò)目標(biāo)物體的RFID數(shù)據(jù)中的RSS特征、第一原型點(diǎn)集和第二原型點(diǎn)集，獲取目標(biāo)物體的行為檢測(cè)結(jié)果，更適合處理與復(fù)雜且不可測(cè)的人體行為相關(guān)的漏報(bào)誤報(bào)問(wèn)題，能夠精準(zhǔn)檢測(cè)RFID載體的非授權(quán)攜帶，在提高用戶滿意度的同時(shí)保證了重要載體的安全性。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及射頻識(shí)別技術(shù)領(lǐng)域，尤其涉及一種目標(biāo)物體的行為檢測(cè)方法及系統(tǒng)。

背景技術(shù)

射頻識(shí)別(Radio Frequency Identification，RFID)技術(shù)因?yàn)槠洳恍枰锢斫佑|和快速識(shí)別的優(yōu)點(diǎn)，已廣泛應(yīng)用于各個(gè)領(lǐng)域，特別是在供應(yīng)鏈中。一旦一件產(chǎn)品被附上唯一的RFID標(biāo)簽，它就可以在通過(guò)裝有RFID讀寫器的門戶時(shí)被自動(dòng)識(shí)別。但是由于讀寫器與標(biāo)簽之間通過(guò)無(wú)線信號(hào)交互，這種不可靠的方式可能會(huì)受到周圍環(huán)境的極大影響，因此經(jīng)常會(huì)出現(xiàn)一些錯(cuò)誤讀取的問(wèn)題。一方面，在讀寫器的讀取范圍內(nèi)偶然檢測(cè)到非目的RFID標(biāo)簽的情況被稱為“誤報(bào)”。另一方面，RFID標(biāo)簽應(yīng)該被檢測(cè)但卻未被檢測(cè)到的情況被稱為“漏報(bào)”。上述情況都會(huì)產(chǎn)生不良結(jié)果，例如導(dǎo)致錯(cuò)誤的庫(kù)存，錯(cuò)誤的警報(bào)等。

因?yàn)閭}(cāng)庫(kù)中的貨物通常是固定的，或者在傳送帶上移動(dòng)，可以很容易地檢測(cè)到，一般不存在很大的漏報(bào)問(wèn)題，所以之前的大部分研究都集中在解決供應(yīng)鏈中的誤報(bào)問(wèn)題。例如使用預(yù)定義閾值和基于模板的比較，或簡(jiǎn)單的機(jī)器學(xué)習(xí)方法，來(lái)識(shí)別真正通過(guò)RFID門戶的貨物及偶然被讀取到的貨物。

現(xiàn)有的誤報(bào)檢測(cè)方法大致可分為以下幾類：基于比較的方法，基于設(shè)備改造的方法以及基于機(jī)器學(xué)習(xí)的方法。在基于比較的方法中，其中很大一部分使用閾值進(jìn)行分類。如果標(biāo)簽讀取頻率在某段時(shí)間內(nèi)小于閾值，則將其視為誤報(bào)。為了更合理地選擇閾值，使用信息增益來(lái)確定指標(biāo)的最佳閾值。除了基于閾值的方法，使用基于時(shí)間序列比較的方法來(lái)識(shí)別和過(guò)濾誤報(bào)讀數(shù)。

基于設(shè)備改造的方法涉及改進(jìn)天線/讀寫器的設(shè)置或添加額外設(shè)備以進(jìn)行準(zhǔn)確檢測(cè)。在中，通過(guò)三個(gè)不同RFID門戶的設(shè)置，系統(tǒng)檢測(cè)能力得到顯著改善。在中使用了兩個(gè)讀寫器共同協(xié)作的模式，只有兩個(gè)讀寫器都檢測(cè)到的標(biāo)簽才被歸類為真正通過(guò)的貨物。否則，此標(biāo)簽的讀數(shù)將被認(rèn)為是誤報(bào)。RFID和計(jì)算機(jī)視覺(jué)技術(shù)相結(jié)合，以跟蹤場(chǎng)景中的個(gè)體目標(biāo)，進(jìn)一步為誤報(bào)檢測(cè)提供穩(wěn)健性。

基于各種機(jī)器學(xué)習(xí)算法是近幾年大范圍使用的技術(shù)。提取了空間和時(shí)間不同維度的特征來(lái)訓(xùn)練分類模型表征各種人類活動(dòng)。例如，使用無(wú)源RFID標(biāo)簽進(jìn)行細(xì)粒度手勢(shì)識(shí)別的研究。例如，提取了簡(jiǎn)單的統(tǒng)計(jì)特征，用于對(duì)通過(guò)RFID門戶的產(chǎn)品與偶然讀取到的產(chǎn)品進(jìn)行分類。為了提高模型的準(zhǔn)確性，使用除RSS之外的相位來(lái)獲得11個(gè)特征，然后將樣本分別送到支持向量機(jī)(SVM)，邏輯回歸(LR)，決策樹(DT)中進(jìn)行訓(xùn)練。結(jié)果表明，SVM算法在實(shí)際工廠貨物數(shù)據(jù)中獲得了95.3％的最佳精度結(jié)果。

雖然，現(xiàn)有的誤報(bào)檢測(cè)方法種類繁多，但均具有一定的缺陷，具體為：

基于比較的方法通常需要事先確定最佳閾值或幾個(gè)模板序列用于比較。這是一個(gè)相對(duì)主觀的問(wèn)題，閾值選擇的好壞將直接影響模型的判別效果。

基于設(shè)備改造的方法在某些情況下非常有效，但是卻引入了額外的設(shè)備，這意味著額外的成本和安全風(fēng)險(xiǎn)。特別在敏感涉密區(qū)域，攝像頭這類的設(shè)備是嚴(yán)格控制安裝的。

基于機(jī)器學(xué)習(xí)的方法在分類及回歸問(wèn)題上展現(xiàn)出了獨(dú)特的性能，其使用頻率大大增加。但是特征的選擇及分類算法的選擇仍然是影響判別性能的重要因素。

發(fā)明內(nèi)容