一种智能商品防盗报警检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115223316A(43)申请公布日2022.10.21(21)申请号202210846958.7(22)申请日2022.07.06(71)申请人华为技术有限公司地址518129广东省深圳市龙岗区坂田华为总部办公楼(72)发明人范海峰程金超(51)Int.Cl.G08B13/22(2006.01)G08B13/24(2006.01)G01D21/02(2006.01)权利要求书3页说明书5页附图1页(54)发明名称一种智能商品防盗报警检测方法(57)摘要本发明提供一种智能商品防盗报警检测方法，该方法包括：实时采集商品传感器数据和信号强度值；并进行滑窗滤波处理；计算合成加速度及欧拉角；计算线性加速度和角加速度；对线性加速度和角加速度进行统计分析，获得特征值；对不同的用户活动和商品姿态进行区分；并进行行为因子设置；对信号强度值进行取上包络线操作，对潜在盗窃行为概率进行估计；根据潜在盗窃行为概率设置不同预警提示。本发明在零售商品展陈的防盗展示中，通过蓝牙无线技术实现无线防盗，控制在有效范围内不会报警，促进消费者沉浸式体验，提升消费者购买欲望，达到预警距离提示消费者返回安全区域，超出安全距离报警，提示零售促销员报警位置并找到商品，降低商品被盗的风险。CN115223316ACN115223316A权利要求书1/3页1.一种智能商品防盗报警检测方法，其特征在于，包括如下步骤：S1，实时采集商品重力加速度、线性加速度、角加速度、磁场强度这四类传感器的数据和商品中蓝牙模块与蓝牙终端之间的信号强度值；S2，对重力加速度、线性加速度、角加速度、磁场强度的采集数据进行滑窗滤波处理；S3，计算合成加速度及欧拉角；S4，选取东向或西向获取第一线性加速度和第一角加速度；选取南向或北向获取第二线性加速度和第二角加速度；S5，以长度、重复长度对步骤S2中滤波数据和步骤S4中的线性加速度和角加速度进行统计分析，获得平均值、中值、最大，若干特征值；S6，利用随机森林算法，以步骤S5中的特征值为数据进行分类训练，对不同的用户活动和商品姿态进行区分；S7，对用户活动和商品姿态进行潜在盗窃行为因子设置；S8，对步骤S1中的信号强度值进行取上包络线操作，并对包络线上的点进行标记；S9，对潜在盗窃行为概率P进行估计，其中P取值[0,1]；S10，根据潜在盗窃行为概率P从小到大分别进行不同的预警提示：不报警、预警、报警。2.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，在步骤S1中，实时采集商品重力加速度、线性加速度、角加速度、磁场强度这四类传感器的数据，采样频率50～100Hz，实时采集商品中蓝牙模块与放置在展示桌面的蓝牙终端之间的信号强度值，采样频率10～50Hz；其中，重力加速度、线性加速度、角加速度、磁场强度的采样数据包括以商品为参考系的三维数据，共十二类数据，依次定义为商品中蓝牙模块与放置在展示桌面的蓝牙终端之间的信号强度值定义为RSSI0。3.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，在步骤S2中，对重力加速度、线性加速度、角加速度、磁场强度的采样数据进行滑窗滤波处理，窗口大小00为WN，WN的取值范围为5～10，gx在第k时刻的数值为gx|k，相应的滤波之后的数值为gx|k，具体滑窗滤波处理公式如下：4.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，在步骤S3中，计算合成加速度g及欧拉角θ、γ、φ，计算公式如下：2CN115223316A权利要求书2/3页5.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，在步骤S4中，计算东向的第一线性加速度、北向的第一线性加速度、东向的第二线性加速度、北向的第二线性加速度，分别定义为ae、an、αe、αn，计算公式如下：6.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，在步骤S5中，以长度为N、重复长度为Nr，其中Nr<N，对步骤S2中滤波数据ax、ay、az、αx、αy、αz和步骤4中计算数据ae、an、αe、αn进行统计分析，获得平均值、中值、最大值和方差，共四十个特征值。7.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，在步骤S6中，利用随机森林算法，以步骤5中的特征值为数据进行分类训练，对不同的用户活动和商品姿态进行区分；其中，用户活动包括无、站着玩、走着玩、转身、装兜走、拿着走；商品姿态包括归位、平放、竖朝人脸、横朝人脸、侧立、向下；对用户活动和商品姿态进行潜在盗窃行为因子设置，分别为kh和kc，不同用户活动或商品姿态对应的的取值不同，由开发人员进行设置。8.根据权利要求1所述的一种智能商品防盗报警检测方法，其特征在于，对步骤1中的商品中蓝牙模块与放