一种智能商品防盗报警检测方法与流程

1.本发明涉及防盗报警检测技术领域，具体涉及一种智能商品防盗报警检测方法。


背景技术：

2.随着技术的不断发展，电子产品种类越来越丰富，各类商家为了推广或者销售，往往需要将电子产品摆放在门店的带有防盗报警功能的展示支架上向顾客展示并介绍产品，让客户直接体验产品，与此同时，对商品防盗的要求也会不断提高；
3.如何一方面尽可能满足体验者的各种需求，并尽可能向体验者展示商品的所有功能以及最良好便捷的一面，另一方面又要提防可能存在的偷盗行为，尽可能地减少甚至杜绝商品在展示和体验过程中存在的被盗的隐患，是需要从技术上解决的一项难题；
4.因此，需要提供一种新的方案，解决上述问题。


技术实现要素：

5.针对现有技术存在的问题，本发明提供一种智能商品防盗报警检测方法。
6.为实现上述目的，本发明的具体方案如下：
7.本发明提供一种智能商品防盗报警检测方法，包括如下步骤：
8.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；
9.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；
10.s3，计算合成加速度及欧拉角；
11.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；
12.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；
13.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；
14.s7，对用户活动和商品姿态进行潜在盗窃行为因子设置；
15.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；
16.s9，对潜在盗窃行为概率p进行估计，其中p取值[0,1]；
[0017]
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。
[0018]
进一步的，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；
[0019]
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。
[0020]
进一步的，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，窗口大小为wn，wn的取值范围为5～10，在第k时刻的数值为相应的滤波之后的数值为g
x|k
，具体滑窗滤波处理公式如下：
[0021][0022]
进一步的，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：
[0023][0024]
进一步的，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：
[0025][0026]
进一步的，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a
x
、ay、az、α
x
、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。
[0027]
进一步的，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；
[0028]
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；
[0029]
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。
[0030]
进一步的，对步骤1中的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rssi0进行取上包络线操作，包络线上的点记为rssiu。
[0031]
进一步的，在步骤s9中，按照以下公式对潜在盗窃行为概率p进行估计：
[0032][0033]
其中，p0、a、b、c、τ为开发人员设置的参数，开发人员通过数据训练确定参数，且不同用户活动和不同商品姿态下参数值不相同，t为当前用户活动和商品姿态持续的时间。
[0034]
进一步的，在步骤s10中，当潜在盗窃行为概率p不大于0.5时，商品不报警；当潜在盗窃行为概率p大于0.5且不大于0.8时，商品进行预警；当潜在盗窃行为概率p大于0.8时，商品进行报警。
[0035]
采用本发明的技术方案，具有以下有益效果：
[0036]
1)无线防盗体验好，不需要使用线缆连接，方便用户更灵活更方便体现商品；
[0037]
2)安装应用易实现，不装设传统的防盗器或定位器，通过商品上安装app即可实现，易于在体验店进行快速布置；
[0038]
3)防盗检测精度高，相较于仅使用蓝牙或wifi的信号强度进行定位存在近距离或有遮挡情况下偏差大的问题，本方案仅用蓝牙信号强度进行修正，防盗检测误报率和漏报率低，不影响用户正常体验商品。
附图说明
[0039]
图1是本发明具体实施方式的流程图。
具体实施方式
[0040]
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0041]
如图1所示，本发明提供一种智能商品防盗报警检测方法，该方法包括如下步骤：
[0042]
步骤s1：实时采集商品(如手机、手表、平板等)重力加速度、线性加速度、角加速度、磁场强度这4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。
[0043]
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12类数据，依次定义为考系的三维数据，共12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。
[0044]
步骤s2：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，窗口大小为wn，wn的取值范围为5～10。以g
x0
为例，第k时刻的数值为g
x|k0
，相应的滤波之后的数值为g
x|k
，滑窗滤波处理公式如下：
[0045][0046]
步骤s3：计算合成加速度g及欧拉角θ、γ、计算公式如下：
[0047][0048]
步骤s4：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：
[0049][0050]
步骤s5：以长度为n、重复长度为nr(nr《n)对步骤s2中滤波数据a
x
、ay、az、α
x
、αy、αz和步骤s4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40个特征值。每采集(n-nr)次数据时，产生一组新的特征值。
[0051]
步骤s6：利用随机森林算法，以步骤s5中的40个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。
[0052]
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。
[0053]
步骤s7：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。
[0054]
步骤s8：对步骤s1中的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rssi0进行取上包络线操作，包络线上的点记为rssiu。
[0055]
步骤s9：按照以下公式对潜在盗窃行为概率p进行估计，其中p取值[0,1]：
[0056][0057]
其中，p0、a、b、c、τ为开发人员设置的参数，开发人员通过数据训练确定参数，且不同用户活动和不同商品姿态下参数值不相同，t为当前用户活动和商品姿态持续的时间。
[0058]
步骤s10：当潜在盗窃行为概率p不大于0.5时，商品不报警；当潜在盗窃行为概率p
大于0.5且不大于0.8时，商品进行预警；当潜在盗窃行为概率p大于0.8时，商品进行报警。
[0059]
本发明的原理如下：
[0060]
该方案主要采用蓝牙信号强度rssi检测距离，通过判断距离实现报警，从而对商品施行安全管理；当用户拿起装有蓝牙app的体验机体验，超出对应报警范围，体验机和防盗主机同时报警，当回到安全距离，都关闭报警，进入安全布防状态。
[0061]
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的保护范围内。