具体实施方式
下面,参照图对本发明涉及的一实施例进行说明。此外,以下说明的部件,配置等并非限制本发明,而可以根据本发明的宗旨进行各种改变。还有,本说明书及专利权利要求中,RFID读取器包括RFID读取写入器。
本发明的实质是RFID标签移动识别方法及RFID标签移动识别程序,基于通过一般使用的不依存于机种的RFID标签10及一般使用的不依存于机种的天线20读取的RFID标签电波接收强度,相位及多普勒频率的时间序列数据,识别在天线20前移动的RFID标签与保持静止的RFID标签的RFID标签移动识别方法及RFID标签移动识别程序。RFID读取器10是通过与在其周围存在的RFID标签之间接收发送无线电波,探索RFID标签,读取RFID标签信息(数据)。
本发明涉及的RFID标签移动识别方法及RFID标签移动识别程序,通过控制RFID读取器10的电脑装置C、或者控制RFID读取器10的动作进行。用图1及图2对此进行概念性的说明的话,通过将RFID读取器10读取的全部RFID标签信息中可以判断为静止RFID标签的标签,用作为静止RFID标签滤波器的单个静止RFID标签滤波器去除,识别RFID标签。表1为RFID标签滤波器一览表。
[表1]
作为公知的电脑装置C,是具备未图示的CPU及存储器(ROM,RAM,HDD等)、Wi-Fi(注册商标)、与Wi-Fi(注册商标)连接的输入输出天线、以及电源接头、I/O(输入输出)装置、与I/O(输入输出)装置连接的传感器(光传感器)、开关等,基于存储于存储器的RFID标签移动识别程序,通过CPU,控制发送输出、或者天线20的装置。本实施例的RFID读取器10与电脑装置C连接。
本实施例的RFID读取器10或电脑装置C,相对天线20,人或物品(商品)上所附的RFID标签移动时,检测到电波接收强度、相位、多普勒频率在时间序列时时变化,识别人或物品(商品)上所附的RFID标签的移动、静止而控制。
人或物品(商品)上,安装有用于可识别其各自的商品代码或独立ID等被存储的RFID标签。根据本发明涉及的RFID标签移动识别方法及RFID标签移动识别程序,可以将被识别为移动RFID标签的标签利用于上述人或物品(商品)的移动、购买、管理等。此外,在商品的货架等情况,在货架的各层,为了确认所述货架的位置及所述位置范围,RFID标签被安装于货架的规定位置(角部等)。在此,在构成一个货架(三维长方体领域)的规定部分(例如角部),分别设置RFID标签,通过所述RFID标签确认该货架的位置范围。
一般,RFID读取器10具备的天线20,关于静止的RFID标签32,如图1所示,可经常读取,但持有RFID标签30的人或RFID标签30所附着的物通过天线20前,据此,位于图1所示的静止的RFID标签31的位置时,存在隐藏于通过物的阴影,某期间(时间)之间,未读取的情况。还有,静止的RFID标签31所示的场所时,存在由于人或物反射的电波而导致仅短时间读取的情况(参照图3)。将这些通过后述的判断静止RFID标签的静止RFID标签滤波器F识别,除去静止的RFID标签,确认移动的RFID标签。
此时,作为静止RFID标签滤波器,存在将阈值设置于一定期间中的读取次数的技术。可以持续读取RFID标签时的RFID标签每枚秒间可读取次数,通过RFID读取器10的无线通信参数,例如可以用作为独立变数的多项式函数和累乘曲线函数计算读取中RFID标签枚数(参照图4)。秒间可读取次数比所述计算值乘以一定比例的阈值少时,可以判定为静止RFID标签。例如可以将某时的RFID标签读取枚数为20枚时的阈值设定为图4所示的A。
还有,作为静止RFID标签滤波器F,从来自RFID标签的电波接收强度反比例于距离的四次方的性质,天线20的电波放射特性等移动的RFID标签的电波接收强度时间序列图表成为普通峰形,因此存在利用此特点的技术。例如,图5所示的在天线20前移动的RFID标签及保持静止的RFID标签中,表示于图表的话,如图6所示,仅移动标签变为峰形。通过峰形整体及其上升部分与线性、非线性曲线的适合度判定,强度最大值与最小值的差、时间序列中从前面的点有所上升的点的比率等各种算数的、统计的手法进行判定,可以确认静止的RFID标签。
进一步地,作为静止RFID标签滤波器F,由于人或物,特别是包含金属的物流台车及手推车等在天线20前移动导致电波的乱反射及多径衰落,如所述图1所示的静止的RFID标签31的场所的情况,在隐藏于隐蔽处的电波被遮蔽的接收强度一时下降时,即使在静止的RFID标签,如图7所示,存在成为例如时间轴点6以后的峰形的图表。此时,通过判定追溯至前面的时间轴数据的电波接收强度是否存在峰值等,检测图7所示的谷形,据此,可以识别为静止的RFID标签。
进一步地,通过比较在RFID读取器10内合成的RFID读取器10的发送载波与从RFID标签反射回退的载波的强度与RFID标签的电波接收强度等的技术,可以确认静止的RFID标签。也就是说,可以在0~180度或是在0~360度的范围检测两个载波的相位差。所述功能作为RFID读取器10的机能而被具备的情况,可以利用此情况。一般,天线20与RFID标签间的距离每变化1/4波长或1/2波长,相位变化一周。例如,频率953MHz时1/4波长为7.86cm,1/2波长为15.72cm。
在保持静止的RFID标签相位不变化,移动的RFID标签持续变化。如所述频率带,波长比人或物的移动距离小时,由于人挥手等较小的移动而导致相位较大变动,移动时的相位变为如图8A的概念图表所示,连续地变化,均匀地分布。
对图8A所示的两个时间序列数据的差异,通过对标准偏差的值设置阈值、二项检验、卡方检验以及G检验等手法可以识别静止的RFID标签。
此时,标准偏差的数据数少时,存在变动变大,不能正确识别的情况。二项检验、卡方检验以及G检验可以将在数据数较少时发生的识别精度的模糊度作为概率表现,因此,在移动时的读取次数根据环境会产生数次~数百次程度的较大变动的RFID标签读取的情况,是更有效的方法。还有,通过使用二项检验、卡方检验以及G检验的技术,可以识别RFID标签。
图9A是更详细地说明RFID标签移动识别方法及RFID标签移动识别程序中使用的构成的说明图,由电脑装置(PC)C与RFID读取器10构成,这些以LLRP(低等级的读取器协议)利用互联网和内部网上使用的协议(TCP/IP)连结。这些电脑装置(PC)C与RFID读取器10是通用的装置,并非是为了本发明而特别形成的装置。还有,RFID读取器10可以通过通用输入输出(GPIO)与传感器、开关以及信号灯(注册商标)等连结。
在电脑装置C中,识别参数设定工具、识别参数保存文件、位于主机的主机应用程序(主机应用:进行RFID标签数据表示与保存)、中间件(nice middle)、RFID识别引擎等在OS上运行而构成。图9A的例中,表示了使用作为OS的WindowsXP(注册商标)、Windows7(注册商标)的例子。
图9B是标签信息获取线程(程序)与移动标签识别线程(程序)的流程图。
本实施例中,标签信息获取在步骤S10~S15进行,进行电脑装置C与RFID读取器10的连接处理(S10),然后,从天线20发送电波,从RFID标签开始信息的读取(步骤S11)。步骤S12~步骤S15为循环操作,步骤S12中,获取读取的RFID标签信息,将读取的RFID标签信息保存于作为存储器(存储媒体)的硬盘等。还有,步骤S14中,保持于作为存储器(存储媒体)的RAM等。通过所述循环操作,RFID标签的枚数乘以各自的读取次数的数的读取信息被获取。在此,RFID标签信息是获取读取时刻历史、读取天线历史、电波接收强度历史、相位历史、多普勒频率历史等的信息。
这些RFID标签信息在下面的移动标签识别中的步骤S25的判定源数据计算中被利用。
本实施例中,移动标签识别在步骤S21~S32进行,步骤S22~S32、步骤S23~S31、步骤S24~S29,各自为循环操作,在步骤S21读取识别参数设定文件,进行将各自参数存储于RAM等的存储器的处理。
在步骤S23进行单个RFID标签的移动判定处理。然后,在步骤S24进行利用数据期间中的移动判定处理。接下来,步骤S25进行判定源数据的计算处理。此时,秒间读取次数、最大电波接收强度、最大-最小电波接收强度、电波接收强度上升比率、期间中最大-期间前最大电波接收强度、相位变动卡方单侧概率、多普勒频率平均值等被计算。此时的步骤S25的处理将在后面讲述。
如此在步骤S25的处理之后,在步骤S26进行移动判定处理。此时的步骤S26的处理将在后面讲述。然后,判断移动RFID标签是否移动(步骤S27)。是移动RFID标签的情况下(步骤S27:Yes),作为移动标签处理(步骤S28)。据此进行画面表示、向主机应用程序、服务器的发送处理。步骤S28之后,仍存在判定对象标签的话则继续进行步骤S23~S31的循环操作处理。不是移动RFID标签的情况下(步骤S27:No),将利用数据期间增加0.1秒进行移动判定处理(步骤S24~S29)。不能判定为移动时,继续进行步骤S24~S29的循环操作直到到达利用数据期间上限为止。可以判定为静止时,在步骤S30作为静止RFID标签处理。仍存在判定对象标签时继续进行步骤S23~S31的循环操作处理。如上所述,重复进行步骤S22到步骤S32。
图10A是步骤S25的判定源数据计算的详细流程图。计算时用的各种参数(峰顶期间比率、多普勒频率获取期间比率、期间前数据获取期间)是在步骤S21(图9B)中从设定文件读入存储器内的数据。
步骤S70中初始化计算的过程中使用的各种变数。存储数值的计数和合计的变数的初始值为0。RSSI的获取值的范围为-100~30左右,因此通过将-999作为初始值存储于存储最大值的变数,将999作为初始值存储于存储最小值的变数,后面的比较演算的第一回一定是Yes,可以简单化处理。
步骤S71中在步骤S14保持于存储器内的历史数据中,将对象标签/对象期间的数据N个作为计算对象。扫描对象期间的全部数据,因此,在步骤S72将N-1作为初始值存储于变数i,在步骤S73~S84的循环操作处理将i从N-1到0递减计算的同时进行计算,i成为负数时停止循环操作。
步骤S74中,以峰顶期间比率参数为基础,进行Read_time[i]是否为峰顶期间内的数据的判定。是峰顶期间内的数据的话(步骤S74:Yes),进行使用RSSI[i]期间中最大电波接收强度更新处理(步骤S75、S76),不是峰顶期间内的数据的话(步骤S74:No),在步骤S77、S78进行期间中最小电波接收强度更新处理。
在步骤S79比较RSSI[i]与RSSI[i-1],过去的电波接收强度一方较低或相等时(步骤S79:Yes),在步骤S80将电波接收强度上升计数加1。此外,所述比较在i=0时不进行。在步骤S81中,以多普勒频率获取期间比率参数为基础,判定
Read_time[i]是否为多普勒频率获取期间内的数据。判定为Yes时,为了在后面计算平均值,将值进行加法的同时,计数加1(步骤S82)。在步骤S83中,为了循环操作结束判定,将i减1的同时数据计数加1。在步骤S85中,追溯期间前数据获取期间参数量的数据,获取其间的电波接收强度最大值。在步骤S86中各种移动判定源数据被计算。这之中,相位变动卡方单侧概率的计算方法在后面讲述。
图10B是步骤S26(图9B)的移动判定的详细流程图。判定源数据D1~D7是步骤S25中计算的值,识别参数P1~P9是在步骤S21中从设定文件读入存储器内的数据。
步骤S60是速读滤波器的处理,将用读取中RFID标签枚数作为独立变数的函数计算的秒间可读取次数与P1的积与D1比较处理。比较判定为No时,判定为静止标签,不进行后面的操作。Yes时进行下面的判定。所述分歧在以后的处理共通。
步骤S61是RSSI绝对值滤波器的处理。步骤S62与步骤S63是RSSI非连续上升滤波器的处理。步骤S64是RSSI谷形滤波器的处理。步骤S65是相位振动少滤波器的处理。在步骤S66判定垂直方向移动滤波器使用的有无,判定Yes时进行垂直方向移动滤波器的处理的步骤S67。到步骤S67为止全部为YES的情况判定为移动标签。还有,步骤S66的判定为No时,不进行步骤S67直接判定为移动标签。
此外,垂直方向移动是指,如图13A所图示,向垂直于天线的电波放射面的方向移动,水平方向移动是指向水平于电波放射面的方向移动。
上述二项检验可以相当正确地求得为均匀分布的概率,但存在数据数较多时计算量庞大的缺点。卡方检验和G检验是计算量较少,可以高精度地近似二项检验,因而有用的手法。但是不管哪个手法都存在如图8B所示,相位的值以人等的移动为契机分为前半、后半两个群组时,判定为均匀分布而误识别为移动标签的情况。
即使在上述状况的情况下,也可以通过将期间中数据分为前半、后半,分别计算观测频度,识别为静止标签而构成。如此,图9C是说明将期间中数据分为前半、后半进行观测频度的计算的卡方检验的流程图,基于图9C的流程图进行说明。所述流程图的处理是相对于各RFID标签的各个利用数据期间进行。
图9C的流程图相当于图9B中移动标签识别线程内为了求得相位变动卡方单侧概率的“判定源数据计算”(步骤S25)的处理。
所述“判定源数据计算”的处理如下进行。
在步骤S40中进行将对象标签的对象期间中M个的相位历史数据从存储器中获取的处理。所述数据是通过图9B中标签信息获取线程(程序)处理的步骤S14所示的“读取标签信息存储器保持”处理已获得的数据。以下,基于例如相位为0~180°的范围的数据从RFID读取器10回退的情况进行说明。相位历史数据成为收纳于排列Phase_angle[0]~Phase_angle[M-1],对应的读取时刻历史数据成为收纳于排列Read_time[0]~Read_time[M-1]的数据。此外,以下角度不以弧度表示,而是统一用[°]进行表示。Cos,Sin的参数以及Arctan的返回值也用[°]为计算。
步骤S41~S45是作为后面为了求得相位平均值的前处理,用于计算相位向量和的循环操作。由于相位存在180°的周期数据,因此存在用算数平均求其平均值并不适合的情况。例如,静止RFID标签由于风等产生微小振动的情况和由于RFID读取器10内部的噪声等导致如图8C,成为夹住0°(=180°)的时间序列数据的情况,存在用算数平均得到的其平均值为90°的话,被认为是变动较大的数据,误认为是移动RFID标签的情况。期待此时的平均为0°。首先,为了在期间中的前半或后半成为不同的平均值,在步骤S42判断是否为期间中的前半。是前半时进行步骤S43的处理,是后半时进行步骤S44的处理。是将这些0~180°的源数据乘以2倍变换为0~360°,将其角度在xy平面上计算单位向量和的处理。在前半与后半设置不同的变数,分别用下面的公式进行计算。步骤S43为
Sum_unit_vector_x_anterior=Sum_unit_vector_x_anterior+Cos(Phase_angle[x]*2)
Sum_unit_vector_y_anterior=Sum_unit_vector_y_anterior+Sin(Phase_angle[x]*2)
步骤S44为
Sum_unit_vector_x_posterior=Sum_unit_vector_x_posterior+Cos(Phase_angle[x]*2)
Sum_unit_vector_y_posterior=Sum_unit_vector_y_posterior+Sin(Phase_angle[x]*2)。
步骤S46中,通过从先计算的单位向量和的x,y坐标用下面的公式计算其角度,求期间前半、后半各自的相位平均值。
Average_phase_angle_anterior=Atan2(Sum_unit_vector_y_anterior,Sum_unit_vector_x_anterior)
Average_phase_angle_posterior=Atan2(Sum_unit_vector_y_posterior,
Sum_unit_vector_x_posterior)
在此,Atan2(y,x)是下面所示的函数。
x>=0时Arctan(y/x)
x<=0时Sign(y)180+Arctan(y/x)(Sign(y)是y的符号)
步骤S47~S55是用于为了在后面计算卡方值而将各相位分为从平均值的差未达90°的数据和除此以外(90~180°),并分别计数观测频度的循环操作。在步骤S48,为了根据是在期间中的前半还是后半而使用不同的平均值,判断是否为期间中的前半。是前半时,在步骤S49将前半相位平均值存储于变数Average_pa,后半时,在步骤S50将后半相位平均值存储于变数Average_pa。而且,例如10°与170°的角度差不是160°而是作为最短距离的20°计算,因此,在步骤S51使用下面的公式。
Diff_angle=|Average_pa-Atan2(Sin(Average_pa)+Sin(Phase_angle[x]*2),
Cos(Average_pa)+Cos(Phase_angle[x]*2))|
步骤S51中,判断角度差是否小于90°。小于90°时(步骤S52:Yes),进行步骤S53的处理,大于90°时(步骤S52:No),进行步骤S54的处理。据此,将M个点分为两个群组,计算各自的观测频度(步骤S53、S54)。
在步骤S47~S55的循环操作中,如果数据是均匀分布的话,各自的群组的出现频度期待值成为M/2,在步骤S56进行计算其值的处理。
下面,在步骤S57,用下面的公式求用期待值除以期待值与各观测频度的差的平方和的卡方值(χ2)。
χ2=((Observed[0]-Expected)^2+(Observed[1]-Expected)^2)/Expected
进一步地,从在步骤S58求程序起动时从存储器内排列Chi_probability[]读取的“自由度卡方值分布表”,求对应于χ2的值。排列Chi_probability[]的下标为0以上的整数,因此χ2的值也需变换为整数。此值为判定源数据的“相位变动卡方单侧概率”,表示相位时间序列在期间前半还是后半都是没有偏差的均匀分布的概率,移动RFID标签的情况时,所述值变高。
也就是说,进行求对象期间中的M个的数据的相位平均值的处理,通过来自平均的差,全部数据分为N个群组进行处理。上述的例中,根据角度差分为两个,但也可以分为除此之外的N个群组。是均匀分布的数据的话,全部群组的频度的期待值为M/N。进一步地,从各群组的出现频度进行计算卡方统计量(χ2)的处理。而且,在自由度N-1进行求卡方统计量(χ2)的值出现的单侧概率(P)的处理。此时,为了减轻程序运行时的处理,可以将事先计算的代表性的值存储于存储器。而且,此值可以视为相位数据为均匀分布的概率。
下面,比较事先设定的阈值与求得的单侧概率(P),判定单侧概率是否大于阈值。单侧概率(P)比阈值小时,判断为静止RFID标签,大时,判断为移动RFID标签。
如此,可以进行移动还是静止的识别。还有,有必要消除实际上未移动而判定为移动的误检测的防盗门的应用中,可以通过设定较高的阈值的值来减少误检测。
可是,仅前述的利用相位的技术中,仍存在本来不想检测的距离天线20较远的场所,以及在天线20的旁边和背面的移动也被检测的可能性。还有,仅利用电波接收强度的技术中,仍存在由于人或物长时间遮蔽电波后移动而导致发生移动误检测的可能性。因此,为了减少误检测的可能性,通过包含利用秒间可读取次数的技术的若干的技术,构成单个静止RFID标签,将这些组合,或者通过使用从所有技术构成的单个静止RFID标签滤波器,RFID标签的高精度的移动识别成为可能。
图12B是设想图1所示的静止的场所中存在的如RFID标签31的情况,实际上设置RFID标签31,没有RFID标签的人在天线20前长时间站立,进行电波遮蔽后离开时,表示计量标签31的电波接收强度(上图)及相位(下图:0~180度。)的时间序列数据的图表。上图的直线包围的期间T1中,检测一定以上的秒间读取次数中的电波接收强度峰形(山的上升),但其期间T1中与期间前后的相位的值并未均匀分布,因此,如此相位的值不均匀分布的情况下,可以识别为静止的RFID标签。
上述相位的变化的倾斜度是在接近天线20时与离开时为逆向。通过比较所述转折点出现时与电波接收强度的峰顶出现时,可以识别RFID标签与天线20是向水平方向移动,还是向垂直方向移动。为此,安全门等应用中,可以仅检测重要的通过门前的RFID标签。
图11A是人在手里拿着贴有标签的衬衫在天线附近水平方向步行时实际的时间序列数据,从上开始是RSSI、相位、多普勒频率的图表。x轴的单位是秒,往左表示过去的数据。通过RSSI图表上的两条垂直线包围的期间(-2.2~-1.3秒)的数据识别为移动。在图的-1.5秒附近,RSSI峰顶点出现,但在这附近相位的转折点和多普勒频率0点出现。
相位如式(5)所示,是标签与读取器天线动径方向距离的函数,接近天线时与远离天线时,其变化方向相反,速度0[m/s]时,图表上出现转折点。为了获得相位变化的信息,需要2点的读取数据,但其读取点之间出现7.86cm以上的移动(频率953MHz时相位0~180°的情况)时,其变化方向有两种,不能识别。同时读取标签枚数和标签应答数据量较多时,读取点间隔变大的话,存在不能检测正确的变化方向的情况。
另一方面,公式(6)所示的多普勒频率可以在1点的读取数据获得信息,因此,即使是高速移动的情况也可以根据其符号检测变化方向。根据公式(6)变形的公式(7)可以得到标签的动径方向移动速度。
[数1]
公式(6)
[数2]
公式(7)
图11A及图11B的多普勒频率图表纵轴的单位为“Hz”,但将值乘以1.1可以大致换算成时速“km/h”。
图11B是与图11A同环境下,从天线背面→表面方向进行步行的数据。相位的图表的-1.0秒附近,从接近180°向接近0°的点过渡且向下的线被引出,但由于相位是周期数据,这期间的变化的倾斜度实际是正。之后聚集于-0.9秒附近的2点的倾斜度为负,因此相位转折点在-0.95秒附近出现,其附近的多普勒频率接近于0。在-0.3秒附近出现RSSI峰顶点,但这附近的相位的倾斜度为负,多普勒频率成为负值。从多普勒频率0点到RSSI峰顶点出现,出现0.65秒左右的时间差。
综上所述,可以得知RSSI峰顶点出现、相位转折点或多普勒频率0点出现的时间差发生时,可以识别为垂直方向移动。此外,图11A、图11B的多普勒频率发生浮动,但可以考虑这是由于人的手的振动或上下方向摇动等的影响。考虑这种影响,图9B所示的判定源数据计算中不是仅1点的值,而是计算某程度的期间中的多普勒频率平均值。
图12A是表示移动标签的电波接收强度(上图表)与相位(下图表)的图表,移动中的RFID标签的相位一般如此图所示般持续变动。还有,如图12B,静止的RFID标签如此图的下图表的○部分,持续获取一定的值。由于人在天线前长时间停留后移动,因此存在隐藏于人后的静止标签出现电波接收强度变化(直线所包围的部分),且被误认为是移动标签的例子,可以得知此期间的相位振动比上面的真的移动RFID标签低。
此外,图12C是表示相位振动的数值化例的图,如所述图12C,在0~100之间被数值化。将较低的值设定于相位振动少滤波器的阈值的话,更多的RFID标签被识别为移动RFID标签。通过设定为0,全部的RFID标签成为移动候补RFID标签(无滤波器),通过设定为100,全部被识别为静止RFID标签。缺省值为5,但可以用识别参数设定工具适当调整。
如上所述,各种静止RFID标签滤波器F,其使用的有无、阈值等根据RFID读取器10的电波输出及性能、使用天线20、RFID标签的性能、周围的静止RFID标签的设想位置、RFID标签的枚数等环境而使得最合适的参数变得不同。如此,由于最合适的参数不同,实际的读取环境中,事先为了确认,移动RFID标签,进行其举动及数据的收集等,优选以此为基础寻求吸收了环境的差的最合适的参数。
根据本发明的应用用途,存在需要根据RFID标签标签的距天线的距离及移动方向进一步过滤移动标签的情况。例如,在存在若干个进出货门的仓库的进出货检查商品使用本发明时,有仅想检测设置了天线的门处的标签移动,不想检测到相邻的门处的移动的情况。还有,在防盗门使用本发明时,仅想检测在天线前水平方向移动的可能被盗物品,不想检测到相当于在店内买东西的顾客的移动的垂直方向移动的情况较多。图16A是将移动种类分为4种的概念图,图16B是用于过滤各自的移动的判断源信息和滤波器名。
天线较远的水平方向移动的情况下,如图16C上部的虚线箭头,天线放射模式上成为仅在RSSI较高地方的移动,还有,从天线动径方向的距离减小变小可以通过“RSSI非连续上升滤波器”排除的情况较多。还有,根据弗里斯公式,距离较远的地方的RSSI变低,如瑞利分布及Nakagami-Rice分布所示,从RSSI上浮几乎不出现,“RSSI绝对值滤波器”也有效。进一步地,从充足的电力较难供给较远的标签,较难读取,存在“速读滤波器”也有用的情况。相反地,也想检测天线较远的移动时,宽松的设定这些滤波器的阈值。
如从16D的C地点到D地点的天线表面→背面方向的垂直方向移动时,通过距离成为1/2,RSSI成为+12dB,但从天线放射模式成为-20dB,合计为-8dB,可以用“RSSI非连续上升滤波器”过滤。
一方面,如从16D的E地点到F地点的天线背面→表面方向的垂直方向移动时,因天线放射模式,RSSI上升成为+30dB以上,因此,难以用“RSSI非连续上升滤波器”等过滤。因此,垂直方向移动时,利用RSSI峰顶点出现时动径成分速度不为0进行过滤。以下对此方法进行说明。
如图17A所示,标签在距天线A[m]地点以速度v[m/s]水平方向移动时,朝向天线中心的动径方向(图的虚线)成分的速度为v?cosθ,在成为θ=90°的x=0[m]地点为0[m/s]。图17B是速度1.11[m/s](时速4km),将图17A的x在-1.5[m]~1.5[m]范围移动时的动径成分速度的变化。向天线方向的速度为正,远离的方向的速度为负。在图17A中的X点(x=0),从天线放射模式及直线距离上RSSI为最大,但此点的动径成分速度为0。
一方面,图17C所示的垂直方向移动时,与水平方向移动时相同,在x轴上的点动径成分速度为0[m/s],但通过向天线背面和侧面的电波放射较小的一般的RFID天线的放射模式,RSSI峰顶点不在x轴上,而是成为通常如X点的位置。此时的动径成分速度为表面→背面移动时为正,背面→表面移动时为负。
下面,更具体地进行说明。
电脑装置C是公知的构成,具备CPU、存储装置(包含外部存储装置,还包含HDD、RAM、ROM、CD、DVD、BL、闪存等其他存储器等)、显示器、输入部(键盘、鼠标、触摸屏)、输出部(包含与电波、音波、光等其他通信装置间的输出关系)等。
本实施例中,如图1所示,RFID读取器10与电脑装置C连接。而且,用天线20接收信号,电脑装置C接受来自RFID读取器10的信息,控制RFID读取器10而构成。此外,所述实施例中,表示了通过电脑装置C控制RFID读取器10而构成的例子,但通过在RFID读取器10上搭载与电脑装置C相同的构成,仅用RFID读取器10进行控制的构成也可以。
本实施例中,RFID标签移动识别程序由以下三个组件(软件:程序)构成。
1.识别参数设定工具
2.移动标签识别引擎
3.LLRP中间件“nice middle”(商标:以下相同)
这些组件(软件:程序)在OS上运行,本实施例中,在WindowsXP(注册商标)或Windows7(注册商标)上运行。
然后,通过识别参数设定工具设定环境,之后通过移动标签识别引擎识别,通过LLRP中间件“nice middle”提供与作为移动标签识别引擎的前端的主机应用程序的接口(I/F)功能。据此,开发仅搭载各自目的的功能的应用程序。作为应用程序,例如,可以构成使用RFID标签的进出货检测商品、库存管理、进退管理、失窃品检测、观众管理、商品管理、商品及服务的出售管理、其他较多的根据RFID标签的移动产生的各种管理等的应用程序。
首先,由于读取环境(天线20的构成、使用的RFID标签、移动速度、电波输出等)导致最合适的识别方法与参数不同,因此,在实际环境中合适地设定参数,起动上述“识别参数设定工具”。
通过所述“识别参数设定工具”,使规定的RFID标签移动后,可以计算设定其环境的判定参数。设定内容保存于“识别参数保存文件”,且在“移动标签识别引擎”中被使用。此外,也存在参数仅在“识别参数设定工具”中被使用,不在“移动标签识别引擎”被使用的情况(读取器IP地址及发送输出等、设定画面中蓝字的项目)。这些从主机应用程序设定到LLRP中间件“nice middle”而被构成。
下面,关于识别参数设定工具的使用方法,基于画面过渡进行说明。
首先,双击PickMovedTagsParamsAutoConfigTool.exe起动识别参数设定工具。图18所示的设定画面中,进行用“移动识别参数”标签连接的RFID读取器10的设定。
所述设定画面中,上述RFID读取器10设定之外,设定识别选项、日志输出、移动识别参数、识别对象EPC、EPC区分的移动识别参数等。在此,EPC(ElectricProduct Code)是指利用IC标签进行制品识别时利用的代码,商品识别代码、运送用集装箱等的识别代码、事业所代码、可回退的资产的识别代码、企业内的资产管理代码等被纳入。
RFID读取器设定中,可以确认读取器IP地址、发送输出(电波输出)、无线频道、天线顺序号等。
识别选项(移动识别)中,可以设定若干垂直方向移动滤波器使用的有无、移动方向表示的有无、天线群,可以指定各群的天线(本实施例中群A、B共有天线1~4)。
日志输出可以选择移动识别摘要日志、回放用日志、使用参数备份。
“移动识别参数”中,可以根据设定过滤成为移动识别对象的EPC。对象外的EPC不会出现OnMovedTagReport事件。
移动识别参数中,利用数据期间、秒间可读取次数必要比率(%)、必要RSSI(dBm)、必要RSSI差(dB)、RSSI增加出现必要比率(%)、自期间前最大RSSI的必要增量(dB)、必要相位振动等的设定成为可能。
对识别对象EPC及EPC区分参数设定进行说明的话,识别对象EPC设置于填写栏,所述填写栏为空栏时,全部EPC成为对象。填写时,EPC排头用16进制数记录,指定若干时换行填写。还有,各EPC区分的移动识别参数通过设定最多可设定为4个。EPC区分的移动识别参数设置有EPC排头、必要RSSI(dBm)、必要RSSI差(dB)、自期间前最大RSSI的必要增量(dB)的填写栏。
识别对象EPC及被使用的参数如图27所示的流程图般被决定。即,步骤S100中,进行标签读取(EPC=X)。其次,步骤S101中,判断识别对象EPC是否为空栏。为空栏时(步骤S101:Yes),在步骤S102,用EPC区分的识别参数判断EPC排头中的哪个。是排头中的哪个时(步骤S102:Yes),在步骤S103,使用EPC区分的移动识别参数的该参数,进行移动识别实施处理。然后,回到步骤S100,同样地进行下面读取标签的处理。不是空栏时(步骤S101:No),在步骤S104判断是否为识别对象EPC中的哪个。不是识别对象EPC中哪个时(步骤S104:No),回到步骤S100,同样地进行下面读取标签的处理。
是识别对象EPC中的哪个时(步骤S104:Yes),进行步骤S102的判断。在步骤S102,用EPC区分的识别参数判断EPC排头中的哪个。但不是排头中的哪个时(步骤S102:No),在步骤S105,使用移动识别参数进行移动识别实施处理。然后,回到步骤S100,同样地进行下面读取标签的处理。
上述图18所示的设定画面中,设定参数时,按下保存按钮,保存于识别参数保存文件。
下面,图19所示进行移动标签识别的画面中,上下以及分割成两段的画面中,上段为移动标签的栏和静止标签的栏,下段中,表示来自RFID标签的数据接收记录的时间序列表。还有,所述画面中,设置有“打开/关闭”按钮、“开始/结束”按钮、“消除”按钮、“回放”按钮。“回放”按钮进行回放功能,可以进行参数变更后的运行确认(设定内容确认)。
然后,按下“打开”按钮后,通过按下“开始”按钮开始读取,现在的参数下识别为移动的RFID标签表示于“移动标签”栏,识别为静止的表示于“静止标签”栏。移动标签在利用数据期间的开始、结束点在图表上表示为垂直的直线。所述实施例中,表示于画面的RFID标签的总数到2048个为止,但并不仅限于此。
尽管RFID标签移动,但被识别为静止的RFID标签时,如图20所示,从一览表选择所述RFID标签(图20中为红衬衫1),鼠标的情况下,通过右击选择“使所述标签识别为‘移动’”。如此的话,如图21A所示,仅该RFID标签的图表被表示于下部。然后,选择应当识别为移动期间的开始点和结束点。选择为鼠标时,用左击进行。此时,如图21A、21B所示,可以选择叫做“请选择开始(结束)点”的声明的下部表示有数值的点。如此,从稳定地进行读取的范围的电波接收强度增加开始点选择结束点。
此外,选择的取消通过双击没有图表的点的区域进行。
如上所述,选择的范围的数据识别为“移动”时,如图22所示,参数变更画面被表示。所述参数变更画面与“为了将所述标签识别为‘移动’请变更以下蓝色栏的参数”的声明一起,关于所述RFID标签的值、为了成为“移动”的值、变更蓝色栏的栏被表示,相对秒间读取次数必要比率(%)、最大RSSI(dBm)、RSSI差(dB)、RSSI增加出现必要比率(%)、自期间前最大RSSI的必要增量(dB)、利用数据期间、相位振动的变更,必要的参数用蓝字表示。本实施例中,用于变更的值(本实施例中自期间前最大RSSI的增量为“12.5以下”)被表示于“为了成为‘移动’的值”的部分。然后,变更蓝色栏的数值,按下“保存”按钮。
还有,为了进行参数变更后的运行确认,如图23所示,按下“回放”按钮,通过选择该回放用日志,可以进行参数变更后的运行确认。本实施例中,日志文件名表示于“回放”按钮的下部。还有,本实施例中,在保存长期间(1分以上)的日志的数据的回放,未相应设定,但并不仅限于此。读取时的天线顺序号与回放时的设定不同时,在一览表选择的RFID标签的图表不能选择,因此成为配合设定使用。
一方面,如图24所示,识别为移动的RFID标签成为“静止”需要右击该RFID标签,选择“将所述标签识别为‘静止’”。据此,如图25所示,与“将所述标签识别为‘静止’请变更下面任意参数”的声明一起,所述RFID标签的值、为了成为“静止”的值、变更任意一项的栏中,相对秒间读取次数必要比率(%)、最大RSSI(dBm)、RSSI差(dB)、RSSI增加出现必要比率(%)、自期间前最大RSSI的必要增量(dB)、利用数据期间、相位振动可变更的参数被表示为蓝字。本实施例中,这些项目中,变更的项目“变更任意”的栏用蓝色被表示的同时,关于为了成为“静止”的值的导向被表示。
因此,任意一个以上的数值变更为“为了成为‘静止’的值”,按下“保存”按钮。
天线20被设置为若干根时,在分别的天线20进行移动识别。如图26所示的例,是相同的RFID标签在天线20(有两个时的两方)前通过的情况。此外,在移动识别参数画面变更天线20的设定后,“关闭”,然后按下“打开”按钮,进行向标签读取器10的再连接。
下面对日志文件进行说明。
识别参数设定工具中,移动识别摘要日志、回放用日志、使用参数备份、错误日志这四个日志文件被输出。可以在“移动识别参数”的画面设定移动识别摘要日志、回放用日志以及使用参数备份的输出有无。
(1)移动识别摘要日志
“读取状况图表表示”中表示为静止或移动时,标签信息被保存。移动的标签首先被输出为“静止”后,“移动”被输出。
在.¥LOG目录下按下开始按钮,用日期、时间的文件名作成。
文件名例:SUMMARY_2010_1217_1115_45.csv
输出内容为“标签信息表示时PC时间、静止、移动类别、EPC、PCBits、ReaderIp、AntennaId、RSSI、(移动标签的情况下为表2的6以后的信息)”
输出例:
2010/12/24
19:07:40.108,STATIC,00000000000000000000B302,3000,192.168.55.31,1,-592010/12/24
19:07:43.061,MOVED,00000000000000000000B302,3000,192.168.55.31,1,-32,0.8,1293217662.753,1293217663.538,30,1.293,18.0,0.448,16.5,13.80,04
(2)回放用日志
本实施例中,为用于回放功能而保存全部读取数据。长时间读取实施时优选输出作为OFF。
文件名例:2010_1217_1115_45.csv
(3)使用参数备份
使用的识别参数的备份。工具起动后最初及参数变更发生后的开始按钮按下时作成。
文件名例:2011_0616_2118_27.xml
(4)错误日志
与读取器的连接错误以及程序错误等被输出。
文件名:PACT_debug.log
下面,对移动标签识别引擎进行说明。
如前面所述,以用识别参数设定工具设定的方法进行移动标签识别。
本实施例使用的中间件(nice middle)提供与作为移动标签识别引擎的前端的主机应用程序的接口(I/F)功能。主机应用程序开发者参照移动标签识别软件的文件与nice middle的用户手册、帮助文件、示例源,进行开发。
作为本实施例中使用的RFID读取写入器,可以使用,例如,Impinj Speedway:F/W version3.2.4(LBT无版)、Impinj Speedway Revolution:F/W version4.6.1以下(LBT无)等。
本实施例中运行的OS,主机应用程序的开发环境例是,与中间件“nice middle”相同的WindowsXP(注册商标)和Windows7(注册商标)OS中的MicrosoftVisualStudio(注册商标)开发环境。作为更具体的构成文件,是PickMovedTagsAgent.dll(移动标签识别引擎)PickMovedTagsAgent.xml(识别参数保存文件:不可编辑)PickMovedTagsParamsAutoConfigTool.exe(识别参数设定工具)MightyControl.dll(识别参数自动设定工具构成文件)EPCtoNAME.csv(识别参数自动设定工具中所述文件内的EPC被读取时,名称表示于“名称/序列”栏。以名称、EPC的CSV格式记录。变更后需要工具的再起动。所述文件中未包含的EPC的下位3字节(EPC栏的右侧6文字)以十进制表示于“名称/序列”栏。)
log4net.dll(识别参数设定工具中错误日志输出时使用的Apache log4net函数库)LICENSE.txt,NOTICE.txt(Apache log4net的LICENSE及NOTICE)
.¥WAVE¥notify.wav(识别参数设定工具中识别移动标签时鸣声文件。通过将其他的WAVE文件写在所述文件上可以变更声音。)
.¥Ja-JP¥PickMovedTagsParamsAutoConfigTool.resources.dll
MightyControl.resources.dll(识别参数设置设定工具用“日语(日本)”资源文件)
.¥LOG¥(日志文件存储目录)
其他(LLRP.dll,LLRP.Impinj.dll,LLRPNiceMW.dll,SET_READER_CONFIG.xml)是nice middle的构成文件等。
本实施例的移动识别方法,基本上,是从全部读取标签中排除静止标签,剩下的识别为移动标签。也就是说,如图2所示,是从读取全部的RFID标签的全部读取标签数据(移动的RFID标签与静止的RFID标签两方)使用若干单个静止RFID标签滤波器,确认、去除静止的RFID标签的方法。例如,通过第1单个静止标签滤波器F(1),滤出移动候补的RFID标签,且通过第2单个静止标签滤波器F(2),从已滤出的移动候补的RFID标签中,确认进一步滤出的移动候补的RFID标签。然后,通过下一个单个静止RFID标签滤波器,为了滤出、进一步提高精度,第N个单个静止RFID标签滤波器F(N)…般,使用若干单个静止RFID标签滤波器,最终将移动的RFID标签作为移动RFID标签确认。
下面对识别参数设定工具进行说明。
如图14A所示,利用数据期间中的最大值是从利用数据期间后半的峰顶部获取,最小值是从前半的山麓部获取。
还有,可以设定期间前最大值获取期间,通过所述期间的值变大,可以使移动判定变严。也就是说,如图14A所示,最大值通常是由自期间前最大值的规定的增量形成。
本实施例中,作为单个静止标签滤波器的例子,如以下所述。即,
(1)速读滤波器(利用数据期间中秒间读取次数未达阈值)
(2)RSSI绝对值滤波器(最大RSSI(最大电波接收强度)未达阈值)
(3)RSSI非连续上升滤波器(“最大‐最小RSSI(电波接收强度)”未达阈值)、(RSSI(电波接收强度)(t)>电波接收强度(t-1)的点或RSSI(电波接收强度)(t)<电波接收强度(t+1)的点的出现比率未达阈值)
(4)RSSI谷形滤波器(RSSI(谷):自期间前最大电波接收强度的增量未达阈值)
(5)过读滤波器(从移动候补判定后X秒仍存在读取(到移动判定为止需要+X秒))
(6)相位振动少滤波器(从期间中的相位的变动计算的检定量未达阈值)。
上述(1)的速读滤波器是利用数据期间中秒间读取次数未达阈值,在此,对秒间读取次数进行说明。
秒间可读取次数,例如某RFID标签的无线参数(ISO/IEC18000-6C规格的镜像副载波方式下M=4,Tari=20[usec],BDR=320K)中,使RFID标签的枚数变化,进行实际的读取,计量每一枚的秒间读取数。此时的图表是如图4所示的实线。这通过标签枚数在10枚以下时用虚线表示的多项式曲线(y=0.236x2-5.3339x+46.974),10枚以上时的累乘曲线(y=133.34x-0.8605),可以以决定系数0.9987、0.9954高精度地近似。
使用其他的无线参数时也可以同样地求得近似函数f(x),通过使用中的无线参数与读取中标签枚数,可以计算每一枚秒间可读取次数。使用一个以上的N个天线时,可以用f(x/N)/N计算的数值作为秒间可读取次数使用。可以将所述秒间可读取次数乘以设定的比率的值设为秒间读取次数阈值。
上述(2)的RSSI绝对值滤波器是最大RSSI(最大电波接收强度)未达阈值,在此,对电波接收强度进行说明。
电波接收强度,RFID读取器10接收的来自RFID标签的电波接收强度理论值用下面的公式(1)表示。
[数3]
PRX,reader=PTX,reader.G2 reader?G2 tag.Tb.(λ/4πr)4公式(1)
PRX,reader:电波接收强度
PTX,reader:读取器发送输出
Greader:发送天线收益
Greader:接收天线收益
Gtag:标签天线收益
Tb:标签反射时损耗
λ:波长
r:标签与读取器的距离
上述公式1用dBm书写的话,变成
[数4]
10log(PRX,reader/1mW)=10log(PTX,reader/1mW)+10logTb+20logGreader+20logGtag+40log(λ/4πr)
公式(2)
在此,来自天线20的电波放射模式一般成为如图13B所示,图13B的A地点与天线20前的B地点比较的话,直线距离为1/2,因此电波接收强度为+12dB。如图13B所示,标签从A地点到B地点移动的话,电波接收强度因log Greader的系数为20变高20dB。加根据上述的距离的值的话,32dB的巨大的差连续地有倾向地出现。
一方面,天线20-标签间除了直接波以外还存在由于地板、天花板、家具等的反射波、回折波,这些全部干扰,发生多径衰落。多径衰落通过Nakagami-Rice分布(直接波的强度比反射波和回折波强时)和瑞利分布(直接波的强度弱时)可以模型化被公知,各自的概率密度函数由以下的公式(3)(4)获得。
Nakagami-Rice分布:
[数5]
(I0:0次变形贝塞尔函数)公式(3)
在此,K=a2/2σ2是给予直接波平均电力(a2/2)与散射波平均电力(σ2)的比。r是信号振幅。
瑞利分布:
[数6]
公式(4)
Nakagami-Rice分布的各种K及瑞利分布的累积概率分布如前述图15A。
在天线20前移动的RFID标签,由于直接波成为支配性,成为Nakagami-Rice分布(K=10或K=40),此时的电波接收强度的变动与因前述的距离及天线放射模式发生的变动相比,可以得知成为相当小的变动。还有,将人或物通过天线前而使静止标签发生衰落时的接收强度变化用瑞利分布模拟的图表是图15B,出现接收强度的巨大的差的情况,但所述变化连续地有倾向地出现是非常稀有的。
因此,即使考虑多径衰落,也可以得知前述手法(峰形整体以及其上升部分作为线性、非线性曲线的适合度判定、强度最大值与最小值的差、时间序列中从前面的点有所上升的点的比率等各种算术的、统计的手法)作为移动标签识别手法是有效的。
上述(3)的RSSI非连续上升滤波器是“最大-最小RSSI(电波接收强度)未达阈值”,RSSI(电波接收强度)(t)>电波接收强度(t-1)的点或RSSI(电波接收强度)(t)<电波接收强度(t+1)的点的出现比率未达阈值。
上述(4)的RSSI谷形滤波器是自期间前最大RSSI(电波接收强度)的增量未达阈值。
上述(5)的过读滤波器是从移动候补判定开始X秒后仍存在读取(到移动判定为止需要+X秒)。图14B是对此进行说明的图表。
上述(6)的相位振动少滤波器是从期间中的相位的变动计算的检定量未达阈值,在此,对相位进行说明。
相位可以用下面的公式(5)表示。
[数7]
公式(5)
这之中,下面三个项可以视为某移动判定期间中一定。
θT:在从读取器电波发送时变化的相位
θR:在读取器接收标签应答波时变化的相位
θTAG:标签应答时在内部变化的相位
波长(λ)根据使用频率决定,因此,相位θ成为仅以读取器-标签间距离(r)为变数的函数,通过2π(360度)获取余数,成为周期函数。
关于使用中间件的例,更具体地说明的话,接受移动的RFID标签的信息需要将IsPickMovedTag及SyncLocalTime作为true,设定MovedTagReportHandler。
还有,不进行SessionOn属性的设定。
接受无区别读取的静止、移动的RFID标签的全部,还需要设定中间件(nicemiddle)的TagReportHandler委托。
作为本实施例的委托,是MovedTagReportHandler(MovedTagData),表示处理LLRPAgent的OnMovedTagReport事件的方法。
作为LLRPAgent类,事件为OnMovedTagReport名称时,委托为MovedTagReportHandler,移动的标签信息通过MovedTagData型过渡。
作为公共属性,存在IsPickMovedTag和SyncLocalTime,从中间件(nicemiddle)获取移动标签信息时设定为true。
关于公共属性,兼顾移动的RFID标签信息(MovedTagDate)与中间件(nicemiddle)中的RFID标签信息(TagDate)的不同而进行说明。
[表2]
公共属性(加粗字体是与TagDate的不同点)
|
名称 |
说明 |
1 |
Epc |
EPC |
2 |
CRC |
标签的CRC-16领域 |
3 |
PCBits |
标签的PC领域 |
4 |
ReaderIp |
读取器的IP地址 |
5 |
AntennaId |
天线顺序号 |
6 |
Rssi |
利用数据期间中最大RSSI |
7 |
MovedTime |
利用数据期间[秒] |
8 |
ReadTimeStart |
利用数据期间中最初的标签读取时刻 |
9 |
ReadTimeEnd |
利用数据期间中最终的标签读取时刻 |
10 |
ReadCount |
利用数据期间中读取次数 |
11 |
ReadRateRatio |
利用数据期间中秒间读取数比率 |
12 |
RssiDiff |
利用数据期间中最大‐最小RSSI |
13 |
RssiIncreasedRatio |
RSSI増加出现比率 |
14 |
RssiDiffPrevious |
利用数据期间中最大‐期间前最大RSSI |
15 |
PhaseInfo_4 |
相位振动 |
16 |
PhaseInfo_10 |
利用数据期间中判断的水平(0)垂直(90)移动类别 |
下面,对示例源进行说明,在中间件的源代码追加以下加粗字体行。
using mightycard.rfid.llrpmw;
try{
.
.
llrpAgent.OnErrorReport+=new ErrorReportHandler(llrpAgent_OnErrorReport);
//→用于使用移动标签识别引擎的设定
llrpAgent.IsPickMovedTag=true;
llrpAgent.SyncLocalTime=true;
llrpAgent.OnMovedTagReport+=new MovedTagReportHandler(llrpAgent_OnMovedTagReport);
//←用于使用移动标签识别引擎的设定
.
.
}catch(Exception e)
MessageBox.Show(e.Message)
}
//OnMovedTagReport事件处理函数
void llrpAgent_OnMovedTagReport(MovedTagData tagData)
{
MessageBox.Show(“所述标签移动了:”+tagData.Epc)
.................3
}
这之外,如图29所示,在RFID读取器内的Linux OS(商标)上使“移动标签识别引擎”运行,一方面,关于“识别参数设定工具”,也存在用电脑装置C运行的例子。此时,不使用LLRP中间件,移动标签识别引擎直接从RFID读取器的SDK获取RFID标签的信息。
如此,可以在RFID读取器内的Linux OS(商标)上使“移动标签识别引擎”运行。
下面,基于图28的流程图对识别参数设定工具中的参数调整顺序进行说明。
首先,在步骤S109将静止RFID标签设置于RFID标签读取器的周围。此时,将RFID标签设置于实际环境中设想的位置。例如,作为卖场的防盗门,天线被设置的情况下,附有RFID标签的商品放置于天线最近的货架的环境中使用设定工具。
然后,在步骤S110,通过未图示的操作装置,进行起动识别参数设定工具的处理。之后,在步骤S120,读取存储于电脑装置C等存储装置的识别参数保存文件,使用移动标签识别引擎(及中间件“nice middle”),进行开始RFID标签的读取的处理。
在步骤S130,在周围设置静止标签的环境中以想使其识别为移动的方法,使RFID标签移动。
在此,“周围设置静止标签的环境”是指,将RFID标签设置于实际环境中设想的位置。例如,如上所述,作为卖场的防盗门,天线20被设置的情况下,附有RFID标签的商品被放置于天线20较近的货架的环境中使用设定工具。
还有,“想使其识别为移动时”是指,用实际的移动方法(叉车运输或人步行)使RFID标签贴附的读取对象物移动至天线20前。此时,用读取条件比平时困难的方法(在天线20较近的地方高速移动。距天线20较远的地方低速移动,在RFID标签叉车的叉附近隐藏,包中隐藏多个RFID标签等)使其移动,通过配合如此状态而设定参数,使参数成为在一般的移动情形下可以有富余地识别为移动的参数。
此时,在步骤S140,判别静止的RFID标签是否误检测为移动的RFID标签。判断存在误检测时(步骤S140:Yes),在步骤S150,画面上选择误识别RFID标签,进行参数变更。而且,在步骤S160,起动回放功能,确认误检测的标签是否已消除。然后,回到步骤S130的处理。
一方面,在步骤S140判断没有误检测时(步骤S140:No),在步骤S170,判断移动RFID标签是否误检测为静止RFID标签。在步骤S170判断存在误检测时(步骤S170:Yes),在步骤S180,画面上选择误识别的RFID标签,从图表上选择应识别为移动的期间。然后,在步骤S190,在用工具计算的范围的值进行变更参数的处理。所述处理后,在步骤S210,起动回放功能,确认误检测的标签是否已消除。然后,回到步骤S130的处理。
还有,在步骤S170,判断没有误检测时(步骤S170:No),在步骤S200进行决定识别参数,保存于设定文件的处理。
下面,对作为本发明的应用例的仓库和店铺的进出货检查物品、店铺的防盗门、仓库内失窃品检测、仓库内盘点进行说明。根据各自的用途的目的和读取环境,使用的滤波器和其参数设定不同。在作为其他应用用途的机场或工厂等,传送带上移动的附有标签的行李和物品的识别也被提出。通过使用包含电波接收强度变化的相位、多普勒信息,即使是一根天线也可以进行若干传送带的读取区分或移动方向、速度的检测。
首先,对仓库和店铺的进出货检查物品的应用例进行说明。如图1所示,用手推车或叉车使贴附标签的读取对象物(衣服、包等服装制品以及电视、手机等电器制品和配件)通过天线前,可以高速地进行大量的检查物品。作为此用途的特征,可以举出了由于标签重叠等导致读取困难(RSSI保持较低)的状况出现,以及天线较近处不放置对象外标签等的环境控制比较容易。
所述环境中,例如通过不使用RSSI绝对值滤波器,还有,将RSSI非连续上升滤波器的参数设定为不严格的参数,可以将读取困难的标签也检测为移动,同时,通过速读滤波器和相位振动少滤波器可以排除较远的静止标签。
下面,对店铺的防盗门的应用例进行说明。如图13C所示,检测到在收银机未结完帐的附有标签的商品在有RFID天线及读取器的门前移动,警报可能响起。现在的磁场方式的门中,门间距离超过1m的话检测变得困难,但通过使用电磁场方式的UHF带RFID,即使是2m以上的门的宽度也可以检测。还有,活用长距离通信的特性,可以将天线设置在天花板或地板下。
所述应用中,读取到门周围的标签,未进行偷盗的人通过时报警响起的话,存在伤害客人的感情,店铺的评价下降的危险性。为此,即使不能检测到全部的移动标签也可以,可以将各种移动滤波器的阈值较高地设定。如图13(A)所示检测水平方向移动的同时,如(B)所示的垂直方向移动报警不会响起,因此,首先,用识别参数设定工具获取垂直方向移动时的数据,进行[移动识别参数]栏的调整使得其可以识别为静止。
多数情况下,通过将滤波器严格地设定,可以将水平方向识别为移动,同时,垂直方向识别为静止。但是,特别是天线较近的背面向表面移动时,存在垂直方向也被识别的情况时,可以通过利用[识别选项]的“垂直方向移动滤波器”(选择为ON)来解决。
进一步地,对仓库内失窃品检测的应用例进行说明。如图30所示,通过将RFID天线20设置于出入口附近的天花板等,仓库内的附有标签的物品的移动发生时可以进行检测。
图30是在仓库4层,在地下的中央监视室检测“绿花瓶”的失窃发生的例子。与用摄像头和红外线传感器监视的方法不同,在黑暗中也能检测,隐藏于包中等的情况下也能得知是哪个物品被盗为巨大的特征。相位存在哪怕人的移动也会振动,存在将静止标签误检测为移动的可能性,但一般没有人进出的夜间等监视时,通过仅使用相位振动少滤波器可以进行比RSSI非连续上升滤波器等使用时更广范围的进入检测。进入检测后可以用RSSI非连续上升等进行物品的确认。
下面,对仓库内盘点的应用例进行说明。如图31所示,仓库200是既存的仓库,对应物品(商品)的高度等设置货架。所述货架上贴有由RFID标签构成的定位标签201,定位标签201所示的位置信息被获得。一方面,收纳于货架的物品(商品)上也贴有由包含其性质和数量等商品信息被存储的RFID标签构成的商品标签202。通过使具有收纳天线20和RFID读取器10的控制装置(电脑装置C)的自动读取装置在叉车210移动,成为与标签在静止的天线前移动相同的状态。
利用在叉车移动中仅天线前的标签的RSSI成为巨大的峰形,通过适当地设定RSSI非连续上升滤波器的参数,可以仅检测正好位于天线前的定位标签及商品标签。据此,可以安全、高速地进行哪个商品位于哪个位置的盘点。通过无线回路,实时转送读取的商品信息、位置信息、对应商品信息(包含有无)与位置信息。通过使用擅长长距离读取的UHF带RFID,与用同类装置使用条形码技术的情况相比,可以自由地设置标签的贴附位置。还有,也可以贴附于箱子内侧的不可视位置。
符号说明
10 RFID读取器
20 天线
30 RFID标签
F 静止RFID标签滤波器
C 电脑装置