CN116686021A - 射频识别(rfid)标签杂散警报减少 - Google Patents
射频识别(rfid)标签杂散警报减少 Download PDFInfo
- Publication number
- CN116686021A CN116686021A CN202280008499.3A CN202280008499A CN116686021A CN 116686021 A CN116686021 A CN 116686021A CN 202280008499 A CN202280008499 A CN 202280008499A CN 116686021 A CN116686021 A CN 116686021A
- Authority
- CN
- China
- Prior art keywords
- rfid
- score
- rfid tag
- tag
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000009467 reduction Effects 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 95
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 238000010801 machine learning Methods 0.000 claims description 62
- 206010044565 Tremor Diseases 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 25
- 238000003066 decision tree Methods 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 6
- 210000001956 EPC Anatomy 0.000 description 144
- 230000006399 behavior Effects 0.000 description 27
- 230000004044 response Effects 0.000 description 15
- 238000001914 filtration Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 230000004622 sleep time Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000001747 exhibiting effect Effects 0.000 description 3
- 230000000116 mitigating effect Effects 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Near-Field Transmission Systems (AREA)
Abstract
实例方面包括用于减少由杂散标签引起的假警报的技术。这些技术可以包括由EAS系统的处理器确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数,以及由该EAS系统的该处理器至少部分地基于该颤动分数低于颤动分数阈值来选择该RFID标识。此外,技术可以包括由该EAS系统的该处理器确定该RFID标识对应于运动中的RFID标签,以及由该EAS系统的该处理器基于由该RFID标识识别的该RFID标签未被授权离开与该一个或多个RFID读取器相关联的受控区域的确定来触发警报。
Description
相关申请的交叉引用
本申请要求2021年1月29日提交的名称为“RADIO-FREQUENCY IDENTIFICATION(RFID)TAG STRAY ALARM MITIGATION”的美国专利申请号63/143,388、2021年2月2日提交的名称为“MACHINE LEARNING MODEL FOR RADIO FREQUENCY IDENTIFICATION(RFID)TAGSTRAY ALARM MITIGATION”的美国专利申请号63/144,777、2021年2月2日提交的名称为“AUTOMATIC CALIBRATION OF RADIO FREQUENCY IDENTIFICATION(RFID)TAG STRAY ALARMMITIGATION FRAMEWORK”的美国专利申请号63/144,822的优先权,这些专利申请的公开内容以引用方式以其全文并入本文。
背景
技术领域
本公开总体涉及电子物品监控(“EAS”),并且更具体地涉及与使用射频识别(“RFID”)标签来减少EAS系统中的杂散标签相关的实例。
简介
EAS系统用于控制库存且防止或阻止从受控区域盗窃或未经授权而取走物品。此类系统建立电磁场或“询问区”,其限定涵盖控制区域的受控区域(例如零售商店中的入口和/或出口)。待保护的物品被加上EAS安全标签。标签被设计成与例如由EAS门户建立的询问区中的场交互。EAS门户包括一个或多个EAS读取器(例如,发射器/接收器、天线),以及EAS检测模块/控制器。询问区中标签的存在由系统检测到,且采取适当的行动。在大多数情况下,适当的行动包括激活警报。
在零售行业中,通常在包装/制造时或在供应链中的某一其它点处用RFID标签赋予物品“源标签”。同时,已证实EAS技术和装置对减少偷窃和所谓的“库存损失”而言至关重要。由于许多物品到达零售商处时带有RFID标签,因此期望RFID标签除了提供例如库存控制、货架读数、非视线读数等能力的其预期功能之外还用于提供EAS功能性。
在一些实施方案中,当读取器询问RFID标签时,RFID标签可用于通过发送特殊代码来模拟EAS功能性。此布置有利地消除对标签内的单独EAS组件(例如声磁(“AM”)组件)或单独EAS标签的需求。各种方案可用于使得能够使用RFID标签来模拟EAS功能性。在一些此类系统中,RFID标签在一定程度上指示已在销售点(“POS”)处购买标签附接到的物品。如果RFID标签是可拆卸的标签,则RFID标签可简单地在销售点处拆卸。在此类系统中,出口处的RFID读取器将在检测到任何标签的情况下触发警报。在其它系统中,RFID标签可以保留在物品上,且如果RFID标签未指示该物品已被购买,则会触发警报。例如,在此类系统中,数据在POS处写入到RFID芯片以确认商品被购买。一个常见方法是在POS处编码位翻转,其中改变的位指示商品经授权被取走。其它系统可从标签读取唯一ID,且当加了标签的商品被购买时将唯一ID存储在企业系统中,使得当标签离开营业场所时,所述购买可由RFID读取器校验。因此,如果当标签离开商店时无法基于标签数据校验商品的购买,则可触发警报。
发明内容
以下呈现了一个或多个方面的简化概述,以便提供对此类方面的基本理解。本发明内容不是对所有预期方面的广泛综述,并且既不旨在标识所有方面的关键或重要元素,也不旨在描绘任何或所有方面的范围。其唯一目的是以简化形式呈现一个或多个方面的一些概念,作为稍后呈现的更详细描述的序言。
本文所公开的技术的实例包括EAS的方法、系统和设备。实例方面包括一种EAS的方法,该方法包括由EAS系统的处理器从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数。该批次RFID读数与批次计数值相关联。该批次RFID读数中的每个RFID读数包括生成该RFID读数的对应RFID标签的RFID标识。该方法进一步包括由处理器用该批次RFID读数更新RFID读数历史。该方法进一步包括由处理器自动校准颤动分数阈值。该方法进一步包括由处理器从该批次RFID读数选择第一组RFID标识。第一组RFID标识的每个RFID标识具有低于颤动分数阈值的对应颤动分数。根据RFID读数历史来计算每个对应颤动分数。该方法进一步包括由处理器过滤第一组RFID标识,从而产生第二组RFID标识。第二组RFID标识中的每个RFID标识对应于运动中的RFID标签。该方法进一步包括由处理器向EAS系统提供第二组RFID标识,使得EAS系统基于由第二组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。
另一个实例方面包括一种EAS的方法,该方法包括由EAS系统的处理器从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数。可能已在特定时间段期间接收到该批次RFID读数。该批次RFID读数中的每个RFID读数可以包括生成该RFID读数的对应RFID标签的RFID标识。该批次RFID读数可能针对每个对应RFID标签包括最小数量的RFID读数。该方法进一步包括根据至少一个机器学习算法从该批次RFID读数确定一组RFID标识。该组RFID标识中的每个RFID标识可以对应于运动中的RFID标签。该方法进一步包括由处理器向EAS系统提供该组RFID标识,使得EAS系统基于由该组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。
另一个实例方面包括一种方法,该方法包括由EAS系统的处理器从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数。可能已在特定时间段期间接收到该批次RFID读数。该批次RFID读数中的每个RFID读数可以包括生成该RFID读数的对应RFID标签的RFID标识。该批次RFID读数可能针对每个对应RFID标签包括最小数量的RFID读数。该方法进一步包括根据至少一个机器学习算法从该批次RFID读数确定一组RFID标识。该组RFID标识中的每个RFID标识可以对应于运动中的RFID标签。该方法进一步包括由处理器向EAS系统提供该组RFID标识,使得EAS系统基于由该组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。
另一个实例方面包括一种EAS的方法,该方法包括由EAS系统的处理器确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数;由EAS系统的处理器至少部分地基于颤动分数低于颤动分数阈值来选择RFID标识;由EAS系统的处理器确定RFID标识对应于运动中的RFID标签;以及由EAS系统的处理器基于由RFID标识识别的RFID标签未被授权离开与一个或多个RFID读取器相关联的受控区域的确定来触发警报。
为了实现前述和相关目的,该一个或多个方面包括下文充分描述并在权利要求中特别指出的特征。以下描述和附图详细阐述了该一个或多个方面的某些说明性特征。然而,这些特征仅指示可采用各个方面的原理的各种方式中的少数几种,且此描述旨在包括所有此类方面及其等效物。
附图说明
图1A是根据本公开的各个方面的说明性EAS门户的平面图。
图1B是根据本公开的各个方面的说明性EAS门户的顶视图。
图2是根据本公开的各个方面的展示针对EAS系统的实例架构的图。
图3是根据本公开的各个方面的展示一批次RFID读数的实例的图。
图4是根据本公开的各个方面的展示针对第一电子产品代码(“EPC”)的实例颤动分数值的图。
图5是根据本公开的各个方面的展示针对第二EPC的实例颤动分数的图。
图6是根据本公开的各个方面的展示针对第二EPC的实例重置计数值的图。
图7是根据本公开的各个方面的展示实例重置分数值作为重置计数值的函数的图。
图8是根据本公开的各个方面的展示针对第二EPC的实例颤动分数重置值的图。
图9是根据本公开的各个方面的展示针对多个惩罚常数实例重置分数值作为重置计数的函数的图。
图10是根据本公开的各个方面的展示实例设备的图。
图11是根据本公开的各个方面的要由计算装置执行的EAS的第一方法的流程图。
图12是根据本公开的各个方面的要由计算装置执行的EAS的第二方法的流程图。
图13是根据本公开的各个方面的要由计算装置执行的EAS的第三方法的流程图。
具体实施方式
将容易理解,如本文中大体描述且在附图中示出的方面的组件可以以各种各样不同的配置来布置和设计。因此,如图中所表示的各个方面的以下更详细描述并非意图限制本公开的范围,而仅仅是表示各个方面。虽然在图式中呈现了这些方面中的各个方面,但是除非特别地指示,否则图式未必按比例绘制。
本发明解决方案可在不脱离其精神或本质特性的情况下以其它特定形式体现。所描述的方面应在所有方面均被认为是仅是说明性的而非限制性的。本发明解决方案的范围由所附权利要求书而不是由此详细描述指示。落入权利要求书的等效含义和范围内的所有变化都应涵盖在其范围内。
贯穿本说明书对特征、优点或类似语言的参考并不暗示可利用本发明解决方案实现的所有特征和优点应该在或在本发明解决方案的任何单一方面中。实际上,提及特征和优点的语言应理解为意味着结合一个方面描述的特定特征、优点或特性包括在本发明解决方案的至少一个方面中。因此,贯穿本说明书对特征和优点及类似语言的论述可以是(但不一定必须是)参考同一方面。
此外,本发明解决方案的所描述特征、优点和特性可以任何合适的方式在一个或多个方面中组合。根据本文的描述,相关领域的技术人员将认识到,可以在没有特定方面的一个或多个特定特征或优点的情况下实践本发明解决方案。在其它例子中,可以在某些方面认识到附加的特征和优点,这些特征和优点可能不存在于本发明解决方案的所有方面中。
贯穿本说明书对“一个方面”、“方面”或类似语言的参考意味着结合所指示的方面所描述的特定特征、结构或特性包括在本解决方案的至少一个方面中。因此,贯穿本说明书的短语“在一个方面”、“在一方面”和类似语言可以但不一定必须全部参考同一方面。
如本文所使用,除非上下文清楚地另外指明,否则单数形式“一个/种(a/an)”以及“所述”包括复数指示物。除非另外定义,否则本文所使用的所有技术术语和科学术语具有与本领域普通技术人员通常所理解的含义相同的含义。如本文中所使用,术语“包括”意味着“包括,但不限于”。
传统EAS系统可以包括RFID读取器和RFID标签。RFID读取器既可以充当发射器又可以充当接收器。RFID标签可以响应于由RFID读取器发射的RFID信号,并且RFID读取器可以接收来自RFID标签的响应。由RFID读取器从RFID标签接收的返回信号的强度可以称为接收信号强度指示(“RSSI”)。由RFID读取器发射的RFID信号的功率水平可以直接影响RSSI值。RFID信号以其发射的角度与对应的RFID响应以其接收的角度之间的差可以称为相位角。传统EAS系统可以基于与特定RFID标签对应的RSSI和相位值来确定特定RFID标签正在移动还是静止的(例如,静止)。例如,传统EAS系统可以包括基于规则的技术,这些技术基于至少RSSI和/或相位值来确定特定RFID标签是否正在移动。替代地或附加地,传统EAS系统可以基于特定RFID标签正在离开场所(例如,零售商店)的确定来激活警报。然而,此类传统EAS系统可能具有相对高的误报率。误报通常可以被称为传统EAS系统基于特定RFID标签正在离开场所的错误确定来激活警报的事件。
在传统EAS系统中,使用RFID标签作为EAS出口解决方案可能会受到可能导致假警报的杂散或反射射频(“RF”)信号的限制。也就是说,由于无线电干扰和/或其它因素(诸如金属反射和人体移动),静止(例如,非移动)RFID标签可以产生与移动的RFID标签相似的RFID读数组。例如,假警报可能由位于距EAS门户(例如,零售商店设施中的入口和/或出口)一定距离的静止RFID标签引起。在另一个实例中,由于移动固定装置(例如,旋转门、自动扶梯、镜子)和/或人体运动(例如,顾客推购物车、员工移动金属架)而改变RF反射可能会导致静止RFID标签看似正在移动。这些标签通常可以被称为杂散标签。照此,由杂散标签引起的大量假警报可能会损害传统EAS系统的准确性和有效性。
然而,杂散标签减少可能是在零售商店场景中一项挑战。零售商店设施可能是动态射频环境,动态射频环境具有由移动门、镜子、移动金属架、客流等引起的各种金属反射。也就是说,传统EAS系统可能面临区分正在通过安装在商店出口附近的基座移动的标签与非移动/杂散标签的挑战。
本文所公开的技术的实例提供了多种方式来减少由杂散标签引起的假警报。在某些方面,EAS系统可以包括被配置为过滤掉与杂散标签相关联的RFID读数的杂散标签组件。此外,本文所呈现的方面可以提高传统EAS系统的准确性和有效性。
下文关于图1至图11详细地论述本公开的这些和其它特征。
现在参考图1A至图1B,提供了可用于理解本发明解决方案的说明性EAS门户100的示意性图示(图1A中的平面图和图1B中的顶视图)。本文中关于零售商店环境来描述本发明解决方案。本发明解决方案在此方面不受限制,且可在其它环境中使用。例如,本发明解决方案可用于分配中心、工厂和其它商业环境中。值得注意的是,本发明解决方案可用于需要定位和/或跟踪物件和/或商品/物品的任何环境中。
EAS门户100可以包括被配置为读取RFID标签的RFID读取器106A、106B、106C(下文统称为“106”)。每个RFID读取器106可以分别附接到安装在EAS门户100的侧面上的天线102A、102B、102C(下文统称为“102”)。如本文所引用的RFID读取器506可能能够生成RFID标签激励器信号以控制并引发来自EAS门户区中的多个RFID标签中的一个或多个标签(诸如标签120A至120B,下文统称为“120”)的响应。RFID激励器信号还可以充当用于为RFID标签120供能的电力源。由RFID读取器106生成的激励器信号和由每个RFID读取器106接收的响应可根据现已知或将来已知的RFID系统标准。替代地或附加地,RFID读取器106可以检测、识别和/或处理来自EAS门户区中的多个RFID标签120的一个或多个响应。RFID读取器106可包括合适的接口电路系统以便于与如下文所描述的系统控制器108(例如,服务器)通信。例如,接口电路系统可便于关于从RFID标签120接收的检测到的响应的信息的通信。此接口电路系统还可促进从系统控制器108接收询问命令和/或天线射束控制命令。
RFID标签120可以各自包括标识信息,诸如序列号、电子产品代码(“EPC”)和库存单元(“SKU”)编号,其唯一地标识每个RFID标签120。照此,RFID标签120可以通过提供相应标识信息来响应于RFID读取器106。
在所示EAS门户100中,天线102可以安装在基座103A、103B(下文统称为“103”)上和天花板中(例如,102C),但本文所公开的技术在此方面不受限制。例如,天线102可以安装在地面上,并且本文所述的方法仍将适用。用于产生所需场图案的天线102的类型不存在限制。例如,天线102可为射束可转向的,使得可从单个天线102获得多个不同天线射束方向。替代地或附加地,RFID读取器106可以包括多个天线102。可由如上所述的RFID读取器106来促进对所需天线场图案的控制。此外,三个天线102A、102B和102C在图1A至图1B中示出,但应理解,本文所公开的技术在此方面不受限制。例如,本文所述的创造性布置可使用单射束可转向天线来实施。在另一个实例中,本文所述的创造性布置可使用附加的天线来实施。
EAS门户100可以放置在场所(例如,零售商店设施)中的入口和/或出口点附近,物品必须通过该入口和/或出口点以便从场所内的一个空间转移到场所外的第二空间。在图1A至图1B所示的实例中,EAS门户位于门道104附近,但本文所公开的技术在此方面不受限制。入口/出口/阻塞点也可以是宽阔的出口,诸如在购物商场中看到的那些,出口通向不是场所的一部分的另一个内部空间。
RFID读取器106可例如在系统控制器108(诸如服务器)的命令下操作,这促进如下文所描述在每个天线102的视场内对一个或多个RFID标签120的检测。系统控制器108可以位于场所本地,如图1A至图1B所示,或者可以位于偏远位置。系统控制器108可以被配置为向RFID读取器106和/或RFID标签120写入数据和/或从其读取数据。
在某些方面,系统控制器108可以包括杂散标签组件110,该杂散标签组件被配置为从队列访问已从RFID读取器106接收的一批次RFID读数,更新RFID读数历史,从该批次RFID读数选择第一组RFID标识,过滤第一组RFID标识,从而产生第二组RFID标识,并且向EAS系统提供第二组RFID标识。杂散标签组件110可以被配置为执行两阶段级联过滤算法以减少可能潜在地由杂散标签引起的假警报。过滤算法的第一阶段可以从RFID读数消除呈颤动形式的噪声,从而减少第二决策过程中的RFID标识的数量。过滤算法的第二阶段分析从第一阶段出现的RFID标识,并且确定RFID标识是否指示杂散标签或移动标签。照此,第二阶段进一步减少潜在地由杂散标签引起的假警报。因此,提高了传统EAS系统的准确性和有效性。
图2是针对EAS系统的实例架构200的示意性图示。例如,读取器过程210A、210B和210C(下文统称为“210”)可以从RFID读取器106和/或RFID标签120提取RFID响应。读取器过程210可以用所提取的RFID响应来填充队列220。读取器过程210可以被配置为根据读取速率来周期性地填充队列220。例如,读取器过程210可以被配置为每3秒填充队列220一次。在一些方面,读取速率可以根据RFID读取器106的功率设置来配置。替代地或附加地,读取器过程210可以配置有单一读取速率,或者每个读取器过程210可以配置有不同的读取速率。
杂散标签组件110可以被配置为以设定的间隔从队列220扫描一批次RFID读数。也就是说,休眠时间参数可以确定在从队列220扫描下一批次RFID读数之前杂散标签组件110可以等待的持续时间。休眠时间参数或MIN-STEP-TIME可以是可配置的。在一些方面,MIN-STEP-TIME间隔可以根据读取器过程210的读取速率来配置。例如,可以调整MIN-STEP-TIME间隔以匹配读取速率。
在一些方面,杂散标签组件110可以被配置为在每次扫描期间从队列220提取所有RFID读数。也就是说,在休眠时间间隔期满之后,杂散标签组件110可以从队列220扫描所有数据内容以供进一步处理。
在其它方面,杂散标签组件110可以被配置为用当前批次RFID读数来处理先前队列内容的一部分。也就是说,杂散标签组件110可以将来自先前批次的RFID读数的一部分与来自当前批次的RFID读数组合以供在当前扫描循环期间的处理。如果或当读取速率在休眠时间间隔之间分割时,此类配置可能是有利的。替代地或附加地,来自先前批次的RFID读数的该部分可以帮助来自当前批次的RFID读数的处理。来自先前批次的RFID读数的该部分的大小可以是可配置的。例如,该部分大小可以被配置为先前批次中的RFID读数的数量的百分比(例如,20%)。
在仍然其它方面,杂散标签组件110可以被配置为如果或当队列220中的RFID读数的数量达到或超过阈值时从队列220提取并处理RFID读数。例如,杂散标签组件110可以被配置为从队列220提取并处理N个或更多个RFID读数,其中N是大于零的正整数。
图3是展示一批次RFID读数的实例的图。如图3所示,可以给批次分配值,batch_count。batch_count值可以按顺序递增。例如,可以给第一批次分配batch_count值1,并且可以给第二(和后续)批次分配batch_count值2。在一些方面,批次中的RFID读数可以包括第一时间戳dt,其指示从队列220提取RFID读数的第一时间例子。在其它方面,RFID读数可以包括对应于生成响应的RFID标签120的标识信息。例如,RFID读数可以包括电子产品代码(“EPC”)值epc,如图3所示,其识别生成响应的RFID标签120。在其它方面,RFID读数可以包括第二时间戳reader_dt,其指示由RFID读取器106接收响应的第二时间例子。在其它方面,RFID读数可以包括读取器标识reader,其识别接收RFID读数的读取器(例如,106A、106B、106C)。在其它方面,RFID读数可以包括天线标识antenna,其识别接收RFID读数的天线(例如,102A、102B、102C)。在其它方面,RFID读数可以包括RFID响应的信号测量。例如,如图3所示,RFID读数可以包括RFID读数的接收信号强度指示(例如,rssi)、频率(例如,freq)和功率水平指示(例如,power)。
重新参考图2,杂散标签组件110可以包括更新历史组件232、阶段1组件234和阶段2组件236。在一些方面,杂散标签组件110可以包括自动校准组件240,该自动校准组件被配置为自动调整由杂散标签组件110(例如,阶段1组件234、阶段2组件236)利用的某些参数。替代地或附加地,杂散标签组件110可以包括机器学习组件250,该机器学习组件被配置为使用机器学习技术来提高杂散标签组件110的准确性。例如,除了分别由阶段1组件234和阶段2组件236执行的第一阶段和第二阶段之外,机器学习组件250还可以用作第三阶段。具体而言,由阶段2组件236和机器学习组件250声明为移动标签的RFID标签可用于基于未经授权的移动来触发警报。
更新历史组件232可以被配置为通过执行以下操作来处理由杂散标签组件110提取的RFID读数。
对于每批次RFID读数,如果或当来自特定EPC的RFID读数的数量小于EPC-COUNT-FILTER参数时,来自特定EPC的RFID读数将不会被进一步处理。也就是说,通过该标准的EPC将被进一步处理。
在该阶段,针对每个EPC建立历史。
如果或当EPC还不在历史中时,针对该EPC创建新条目。
a.一旦创建新条目,就在该条目下存储以下值:
i.first_observed_batch;
ii.last_observed_batch;以及
iii.consequent_batches_observed。
b.该first_observed_batch指示将该EPC添加到历史的batch_count。也就是说,该first_observed_batch指示首次观察到该EPC的batch_count。对于新条目,可以将first_observed_batch设定到当前batch_count。
c.该last_observed_batch指示最后观察到该EPC的batch_count。该last_observed_batch设定到当前batch_count。对于新条目,该last_observed_batch可以匹配first_observed_batch。
d.该consequent_batches_observed指示在其中该EPC已被观察到的批次的计数。对于新条目,consequent_batches_observed可以被设定到零,指示当前batch_count是该EPC已被观察到的第一batch_count。
如果或当EPC已经存在于历史中时,该EPC的历史值可以更新如下。
a.如果或当(当前batch_count-last_observed_batch)小于CONSQ_BATCHES_THRESHOLD时,该last_observed_batch被设定到当前batch_count,并且该consequent_batches_observed递增一。
b.否则,该first_observed_batch被设定到零,该last_observed_batch被设定到当前batch_count,并且该consequent_batches_observed被设定到零。也就是说,当RFID标签120在如由CONSQ_BATCHES_THRESHOLD所确定的相当长的时间量内未被RFID读取器106观察到时,可以达到该条件。照此,将针对该EPC的历史重置回其初始值。
在更新历史组件232处理已经处理该批次RFID读数之后,RFID读数被传递到阶段1组件234。阶段1组件234可以被配置为计算该批次RFID读数中的每个EPC的颤动分数。具有超过颤动分数阈值的相应颤动分数的第一EPC可以被认为是杂散标签,并且从进一步处理被省略。也就是说,第一EPC可以与由于无线电干扰等而看似正在移动的静止RFID标签相关联。具有不超过颤动分数阈值的相应颤动分数的第二EPC可以被进一步处理。也就是说,可以选择第二EPC作为针对移动(例如,外出)标签的候选。
对于该批次RFID读数中的每个EPC,阶段1组件234可以计算在其期间对应EPC已被观察到的持续时间,如下:
持续时间=(batch_count-first_observed_batch)++1
阶段1组件234可以如下计算颤动分数:
chatter_score=log2(持续时间+e-7)
跨后续批次重复观察到的EPC可能表现出类似于图4所示的chatter_score值的行为。4所述的连续颤动不同的行为。也就是说,针对此类EPC的chatter_score值(例如,y轴)在被绘制为batch_count(例如,x轴)的函数时,可以单调增加。此类颤动分数行为通常可以被称为连续颤动。照此,表现出连续颤动的EPC可以被认为是指示杂散标签(例如,静止)。
参考图2,阶段1组件234可以被配置为包括一个或多个颤动分数阈值。可以至少基于读取器过程210的读取速率来确定该一个或多个颤动分数阈值。该一个或多个颤动分数阈值中的每个颤动分数阈值可以定义指示移动标签的一组颤动分数值。阶段1组件234可以被配置为在来自配置频带中的一个配置频带的所选择的频带中操作。例如,阶段1组件234可以被配置为包括对应于0.75的颤动分数阈值的频带1、对应于1.1的颤动分数阈值的频带2,以及对应于1.5的颤动分数阈值的频带3。也就是说,如果或当阶段1组件234被配置为在频带1中运行时,具有小于0.75的颤动分数的EPC可以被评估为移动标签并且允许被进一步处理。替代地或附加地,具有满足或超过0.75的颤动分数的EPC可以被评估为杂散标签并且防止被进一步处理。
已通过阶段1组件234选择的EPC(例如,移动标签候选)可以被转发到阶段2组件236。阶段2组件236可以被配置为针对每个EPC计算以下特征,这些特征被配置为进一步将应该被评估以触发警报的移动标签与可以被忽略的杂散标签区分,从而减少假警报。
阶段2组件236可以计算读取速率read_rate,该读取速率对应于当前批次中对应于每个EPC的RFID读数的数量。阶段2组件236可以计算天线熵,该天线熵测量EPC是否已被单个天线102读取或EPC是否正在多个天线102之间振荡,如下:
其中n是具有来自EPC的读数的天线的数量,并且pi是EPC被特定天线读取的概率。例如,如果或当EPC具有来自天线8的3个读数[8,8,8]时,则EPC被天线8读取的概率p1为1.0,并且antenna_entropy为0.0。又如,如果或当EPC具有来自天线8的两个读数和来自天线9的一个读数时,则EPC被天线8读取的概率p1为0.66,EPC被天线9读取的概率p2为0.33,并且antenna_entropy为0.39。
阶段2组件236可以计算读取器熵,该读取器熵测量EPC是否已被单个读取器106读取或EPC是否已被多个读取器读取,如下:
其中n是具有来自EPC的读数的读取器的数量,并且pi是EPC被特定读取器读取的概率。例如,如果或当EPC具有来自读取器1的3个读数[1,1,1]时,则EPC被读取器1读取的概率p1为1.0,并且reader_entropy为0.0。又如,如果或当EPC具有来自读取器1的两个读数和来自读取器2的一个读数时,则EPC被读取器1读取的概率p1为0.66,EPC被读取器2读取的概率p2为0.33,并且reader_entropy为0.39。
阶段2组件236可以计算读取突发read_burst,该读取突发测量该批次中跨针对特定EPC的所有读数在第一读数与最后一个读数之间经过的时间的总和。
阶段2组件236可以至少根据这些所计算的特征来确定该批次中的每个EPC是杂散(例如,静止)标签还是移动(例如,外出)标签。在一些方面,由阶段2组件236进行的确定可以包括决策树。例如,
如果(read_rate>3且read_rate<30)
如果(antenna_entropy>0.70且reader_entropy>0)
如果(antenna_entropy/reader_entropy>1.0)
如果(read_burst<2秒),则
将EPC声明为移动标签
替代地或附加地,可以针对EAS系统的每次安装学习决策树。在其它方面,可以跨多次安装使用标准决策树。
杂散标签组件110可以向系统控制器108提供已被阶段2组件236声明为移动标签的EPC。作为响应,系统控制器108可以至少基于EPC中的一个或多个EPC未被授权离开EAS门户区域的确定(例如,基于标签被检测到,或基于标签上的数据未指示该物品被购买)来触发警报。
EPC的颤动分数可能表现出与上文参考图4所述的连续颤动不同的行为。例如,EPC可能会被观察一段时间,并且然后EPC可能会消失。然后,EPC可能会在稍后的时间以循环或随机方式重新出现。此类行为通常可以被称为稍纵即逝的行为。如果或当EPC重新出现时,更新历史组件232可以将表现出稍纵即逝的行为的EPC处理为新EPC。也就是说,后续批次阈值检查(例如,CONSQ_BATCHES_THRESHOLD)可能会造成更新历史组件232从历史移除EPC并且每当EPC重新出现时重新添加EPC。
例如,图5示出了表现出稍纵即逝的行为的EPC的chatter_score值。在图5所示的实例中,稍纵即逝的行为的EPC在第一批次左右首次出现并消失,在第500批次左右重新出现并消失,在第1500、1800、2000批次左右重新出现。
然而,以类似于连续颤动EPC的方式处理表现出稍纵即逝的行为的EPC(即将稍纵即逝的行为的EPC声明为杂散标签)将是有利的。参考图2,更新历史组件232可以包括重置分数组件238,该重置分数组件被配置为跟踪EPC历史已被更新历史组件232重置的次数。也就是说,如果或当更新历史组件232将针对EPC的历史重置回其初始值时,重置分数组件238可以将reset_count值递增一。
例如,图6示出了reset_count值如何可以随着如图5所描绘的稍纵即逝的行为的EPC的每次出现而递增一。在图6所示的实例中,稍纵即逝的行为的EPC在reset_count为零的第一批次左右首次出现。稍纵即逝的行为的EPC在第500批次左右重新出现,并且reset_count递增到1。稍纵即逝的行为的EPC在第1500批次左右重新出现,并且reset_count递增到2。并且,稍纵即逝的行为的EPC在批次1800和2000左右重新出现,并且reset_count分别递增到3和4。
参考图2,重置分数组件238可以被配置为如下计算重置分数:
其中penalty_constant为介于0和1之间的值。例如,penalty_constant可以设定到0.75。
例如,图7示出了reset_score值作为reset_count值的函数。在图7所示的实例中,reset_score值随着reset_count增大而逐渐减小。
参考图2,阶段1组件234可以被配置为如下计算修改后的颤动分数:
chatter_score_reset=chatter_score+(1-reset_score)
其中penalty_constant为介于0和1之间的值。例如,penalty_constant可以设定到0.75。
例如,图8示出了如图5所描绘的稍纵即逝的行为的EPC的chatter_score_reset值5所描绘的稍纵即逝的行为的EPC的每次出现而递增一。在图8所示的实例中,稍纵即逝的行为的EPC在chatter_score_reset为1的第一批次左右首次出现。稍纵即逝的行为的EPC在第500批左右重新出现,并且chatter_score_reset被重新计算为1.06左右。稍纵即逝的行为的EPC在第1500批左右重新出现,并且chatter_score_reset被重新计算为1.12左右。并且,稍纵即逝的行为的EPC在批次1800和2000左右重新出现,并且chatter_score_reset分别被重新计算为1.16和1.22左右。
也就是说,修改后的颤动分数基于惩罚常数的值而增大,从而允许阶段1组件234和阶段2组件236将稍纵即逝的行为的EPC声明为杂散标签。
图9是展示针对多个惩罚常数实例reset_score值作为reset_count值的函数的图。也就是说,x轴用reset_count绘制,并且y轴用reset_score绘制。图中的每行对应于不同的penalty_constant值。如图9所示,改变penalty_constant的值将改变针对稍纵即逝的行为的EPC的修改后的颤动分数的惩罚的影响。
重新参考图2,杂散标签组件110可以针对特定零售商店场景自动校准。也就是说,杂散标签组件110可以包括自动校准组件240,该自动校准组件可以被配置为自动调整由杂散标签组件110(例如,阶段1组件234、阶段2组件236)利用的某些参数。例如,自动校准组件240可以调整参数,诸如读取器过程210的读取速率、MIN-STEP-TIME参数、EPC-COUNT-FILTER参数、CONSQ_BATCHES_THRESHOLD参数、频带阈值等。自动校准组件240可以以自学习方式调整参数。
在一些方面,可以指示EAS门户100进入设置(或学习)模式。可以允许EAS门户100以设置模式运行预定的最小时间段。当EAS门户100正在以设置模式运行时,零售商店雇员(例如,合伙人)可以用包括已知EPC标识值的一个或多个RFID标签执行测试行走。测试行走可以包括行走通过EAS门户100的受控区域。替代地或附加地,除了测试RFID标签之外,没有RFID标签可以移动通过受控区域。例如,已知的EPC标识值可以识别实际移动(例如,外出)标签,而不是杂散(例如,静止)标签。
可以在测试之前或在设置运行时间期间向自动校准组件240提供已知EPC标识值。自动校准组件240可以利用这些已知EPC标识值来自动调整和/或微调杂散标签组件110的参数。例如,自动校准组件240可以降低或提高杂散标签组件110的灵敏度以将出现在连续批次上的EPC识别为候选外出标签。也就是说,自动校准组件240可以根据期望灵敏度来改变颤动分数值(例如,降低分数、提高分数)。替代地或附加地,可以运行多个设置测试,直到杂散标签组件110的参数被调整到针对特定零售商店场景提供杂散标签组件110的期望性能。
针对每批次RFID读数,如果或当来自特定EPC的RFID读数数量小于阈值(例如,EPC-COUNT-FILTER参数)时,自动校准组件240可以丢弃来自特定EPC的RFID读数。
在一些方面,自动校准组件240可以将MIN-STEP-TIME参数设定到默认值(例如,2秒)。在其它方面,自动校准组件240可以根据跨批次的读取计数的分布来减小或增大MIN-STEP-TIME参数的值。例如,可以调整MIN-STEP-TIME参数以匹配读取器过程210的读取速率。在另一个实例中,如果或当针对多个批次的相应读取计数不超过阈值时,可以增大MIN-STEP-TIME参数。在又另外一个实例中,如果或当针对该多个批次的相应读取计数超过阈值时,可以减小MIN-STEP-TIME参数。
自动校准组件240可以调整颤动分数计算以防止表现出与连续颤动相称的行为的EPC被认为是候选外出标签。也就是说,跨连续批次重复观察到的EPC可能是颤动EPC,并且不指示外出标签。例如,如果或当特定EPC首次将其自身呈现给系统并且特定EPC出现在两个连续批次中时,特定EPC可以被认为是针对外出标签的良好候选,并且自动校准组件240可以调整针对特定EPC的颤动分数到最大颤动分数值(例如,0.69)。在另一个实例中,如果或当特定EPC首次将其自身呈现给系统并且特定EPC出现在多于两个连续批次中时,特定EPC可以被认为是潜在的颤动EPC,并且自动校准组件240可以增大针对特定EPC的颤动分数到高于最大颤动分数值(例如,0.69)并且允许颤动分数值继续增大。
自动校准组件240可以调整颤动分数计算以防止稍纵即逝的EPC被认为是候选外出标签。也就是说,以循环或随机方式跨批次出现和消失的EPC可能是稍纵即逝的EPC,并且不指示外出标签。例如,如果或当特定EPC呈现在第一批次和第二批次中时,其中第一批次和第二批次相隔足够久(例如,超过CONSQ_BATCHES_THRESHOLD),则特定EPC可以被认为是潜在的稍纵即逝的EPC,并且自动校准组件240可以针对第一批次将特定EPC的颤动分数的计算调整到第一值(例如,0.69)并且可以针对第二批次将颤动分数的计算调整到第二值(例如,0.74)。第二颤动分数值可以高于第一颤动分数值。
在一些方面,自动校准组件240可以调整最小阈值以用于指示特定颤动分数值是指示候选外出标签还是杂散标签。在其它方面,自动校准组件240可以根据与颤动EPC和/或稍纵即逝的EPC相关联的颤动分数中的一个或多个颤动分数来设定最小阈值。例如,自动校准组件240可以根据与颤动EPC相关联的最大颤动分数值(例如,0.69)来设定最小阈值。在另一个实例中,自动校准组件240可以根据与稍纵即逝的EPC相关联的第一颤动分数值(例如,0.69)或第二颤动分数值(例如,0.74)来设定最小阈值。在又另外一个实例中,自动校准组件240可以将最小阈值设定到与颤动EPC和/或稍纵即逝的EPC相关联的颤动分数的最大值(例如,0.74)。
替代地或附加地,杂散标签组件110可以包括机器学习组件250,该机器学习组件被配置为使用机器学习技术来提高杂散标签组件110的准确性。例如,机器学习组件250可以包括一个或多个机器学习算法(例如,极端随机树分类器、高斯朴素贝叶斯分类器),该一个或多个机器学习算法被配置为减少杂散标签组件110的假警报的数量。也就是说,机器学习组件250可以减少将杂散标签错误分类为移动标签和/或将移动标签错误分类为杂散标签的数量。
在一些方面,杂散标签组件110可以以特定速率获得批次RFID读数。RFID读数中的每个读数可以包括时间戳、接收读数的RFID读取器的标识、RFID标签(例如,EPC)的标识、接收读数的天线的标识,以及所返回信号的RSSI值、相位角和功率水平。RFID读数的相应RSSI值可以是归一化的RSSI值。也就是说,RSSI值可能已通过将每个RSSI值除以对应RFID信号的传输功率水平归一化。可以通过对每个相位角执行模运算来调整RFID读数的相应相位角。例如,相位角可能已由2048的模数进行调整。
机器学习组件250可以将在特定时间段(例如,6秒)期间针对每个RFID标签捕获的RFID读数分组到收集会话中。例如,收集会话中的每个会话可以包括在6秒时间段内捕获的针对特定RFID标签(或EPC)的RFID读数。机器学习组件250可以丢弃包括少于RFID读数的预定阈值(例如,4)的会话。例如,如果或当会话包括少于四个读数时,机器学习组件250可以丢弃该会话。
机器学习组件250可以针对收集会话中的每个会话计算一个或多个特征。可以至少基于每个对应会话中的RFID读数的每一个所包括的值来计算特征。在一些方面,特征可以被分类成多个类别。例如,特征可以被分成两个类别,即时间特征和会话特征。时间特征可以与会话的基于时间的特性相关。例如,时间特征可以跟踪天线、RSSI以及会话中当前(或上一个)读数和一个或两个先前读数的相位角。会话特征可以与会话的描述性特性相关。例如,会话特征可以跟踪会话的平均RSSI和相位角。表1提供了可以由机器学习组件250计算的示例性特征的列表。每个特征具有名称和对应的描述。特性可以在后文以其名称引用。
机器学习组件250可以根据至少一个或多个机器学习算法来确定收集会话中的每个会话是对应于杂散(例如,静止)标签还是移动(例如,外出)标签。也就是说,机器学习组件250可以使用一个或多个机器学习算法来过滤收集会话以识别对应于正在移动的RFID标签的会话。在一些方面,杂散标签组件110可以向系统控制器108提供已被机器学习组件250声明为移动标签的EPC。作为响应,系统控制器108可以至少基于EPC中的一个或多个EPC未被授权离开EAS门户区域的确定(例如,基于标签被检测到,或基于标签上的数据未指示该物品被购买)来触发警报。
机器学习组件250可以实施具有上述特征的至少一部分的一个或多个机器学习算法。也就是说,机器学习算法可以基于对应于特定会话的特征的一部分的分析来确定特定会话是对应于杂散标签还是对应于移动标签。
在一些方面,机器学习组件250可以被配置为实施具有特定配置的机器学习算法,并且使用来自机器学习算法的输出来确定会话是对应于杂散标签还是对应于移动标签。例如,机器学习组件250可以实施高斯朴素贝叶斯分类器算法。高斯朴素贝叶斯分类器算法可以被配置为分析特征的一部分(例如,19个特征)以确定特定会话是对应于杂散标签还是对应于移动标签。在另一个实例中,机器学习组件250可以实施极端随机树分类器算法。极端随机树分类器算法可以被配置具有一定数量的估计器(例如,500个估计器)以分析特征的一部分(例如,25个特征)以确定特定会话是对应于杂散标签还是对应于移动标签。
在其它方面,机器学习组件250可以被配置为实施具有对应配置的两个或更多个机器学习算法,并且独立地或组合地使用来自该两个或更多个机器学习算法的输出来确定特定会话是对应于杂散标签还是对应于移动标签。例如,机器学习组件250可以实施高斯朴素贝叶斯分类器算法和极端随机树分类器算法。在此类实例中,机器学习组件250可以组合来自高斯朴素贝叶斯分类器算法和极端随机树分类器算法的结果以确定特定会话是对应于杂散标签还是对应于移动标签。在一些方面,机器学习组件250可以在组合来自该两个或更多个机器学习算法的结果之前或作为组合来自该两个或更多个机器学习算法的结果的一部分,将对应权重应用于来自机器学习算法中的每一个的结果。
本公开的方面可以使用硬件、软件或它们的组合来实施,并且可一在一个或多个计算机系统或其它处理系统中实施。在本公开的一个方面,特征涉及能够执行本文所述的功能的一个或多个计算机系统。图10中示出了此类计算机系统的实例。
图10是示例性设备1000的框图。设备1000可以是EAS门户100、系统控制器108,或者EAS门户100可以包括设备1000。在一些方面,设备1000可以包括一个或多个处理器,诸如处理器1005,其被配置为结合存储器1010执行本文所述的功能的各种软件具体实施。在其它方面,设备1000可以包括用于将RFID标签声明为杂散标签的杂散标签组件1015(例如,杂散标签组件110)。
在一些方面,设备1000可以被配置为执行本文结合图1至图9描述的一个或多个操作。替代地或另外地,设备1000可以被配置为执行本文所述的一个或多个过程,诸如分别在图11至图13的方法1100至方法1300。在一些方面,设备1000可以包括杂散标签组件的一个或多个组件或上面结合图1至图2描述的EAS系统100。
杂散标签组件1015可以包括访问组件1020,该访问组件用于从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数。该批次RFID读数可以与批次计数值相关联。该批次RFID读数中的每个RFID读数可以包括生成该RFID读数的对应RFID标签的RFID标识。
杂散标签组件1015可以包括更新组件1025,该更新组件用于用该批次RFID读数更新RFID读数历史。
杂散标签组件1015可以包括选择组件1030,该选择组件用于从该批次RFID读数选择第一组RFID标识。第一组RFID标识的每个RFID标识可以具有低于颤动分数阈值的对应颤动分数。可以根据RFID读数历史来计算每个对应颤动分数。
杂散标签组件1015可以包括过滤组件1035,该过滤组件用于过滤第一组RFID标识,从而产生第二组RFID标识。第二组RFID标识中的每个RFID标识可以对应于运动中的RFID标签。
杂散标签组件1015可以包括提供组件1040,该提供组件用于向EAS系统提供第二组RFID标识,使得EAS系统基于由第二组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。
杂散标签组件1015可以包括自动校准组件1045,该自动校准组件用于自动确定如上文关于图2所述的颤动分数阈值。
杂散标签组件1015可以包括机器学习组件1050,该机器学习组件用于根据至少一个或多个机器学习算法从一批次RFID读数确定一组RFID标识,如上文关于图2所述。该组RFID标识的每个RFID标识对应于运动中的RFID标签。
计算装置1000可以包括检测组件1060,该检测组件用于从提供组件1040接收第二组RFID标识,并且基于由第二组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来引起警报通知1070。在一些方面,警报通知1070可以是视觉通知、声音通知或电子通信(例如,文本消息、电子邮件等)。
参考图11,在操作中,处理器可以执行EAS的方法1100。方法1100可以由EAS门户100(其可以是整个EAS门户100或EAS门户的组件,诸如系统控制器108、杂散标签组件110或处理器1005)执行。方法1100可以由与队列220和系统控制器108通信的杂散标签组件110执行。
在图11的框1102中,方法1100可以包括由EAS系统的处理器从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数,该批次RFID读数与批次计数值相关联,并且该批次RFID读数中的每个RFID读数包括生成该RFID读数的对应RFID标签的RFID标识。例如,在一个方面,杂散标签组件110、系统控制器108和/或处理器1005可以被配置为或者可以包括用于以下的构件:由EAS系统100的处理器110从队列220访问由EAS系统100的多个RFID读取器106接收的一批次RFID读数,该批次RFID读数与批次计数值相关联,并且该批次RFID读数中的每个RFID读数包括生成该RFID读数的对应RFID标签的RFID标识。
例如,框1102中的访问可以包括以设定的间隔从队列220扫描一批次RFID读数。在一些方面,杂散标签组件110可以被配置为在每次扫描期间从队列220提取所有RFID读数。在其它方面,杂散标签组件110可以被配置为用当前批次RFID读数来处理先前队列内容的一部分。在仍然其它方面,杂散标签组件110可以被配置为如果或当队列220中的RFID读数的数量达到或超过阈值时从队列220提取并处理RFID读数。
此外,例如,可以执行框1102中的访问以促进RFID读数的处理。并且照此,可以减少由杂散标签引起的假警报。
在图11的框1104中,方法1100可以包括由处理器用该批次RFID读数更新RFID读数历史。例如,在一个方面,杂散标签组件110、更新历史组件232、系统控制器108和/或处理器1005可以被配置为或者可以包括用于以下的构件:由处理器110用该批次RFID读数更新RFID读数历史。
例如,框1104中的更新可以包括针对在该批次RFID读数中识别的EPC创建新条目或更新EPC历史中的现有条目。
此外,例如,可以执行框1104中的更新以计算和存储该批次RFID读数中可以用于识别杂散标签的值。
在图11的框1106中,该方法可以包括由处理器从该批次RFID读数选择第一组RFID读数,该第一组RFID标识的每个RFID标识具有低于颤动分数阈值的对应颤动分数,每个对应颤动分数根据RFID读数历史来计算。例如,在一个方面,杂散标签组件110、阶段1组件234、系统控制器108和/或处理器1005可以被配置为或者可以包括用于以下的构件:从该批次RFID读数选择第一组RFID标识,该第一组RFID标识的每个RFID标识具有低于颤动分数阈值的对应颤动分数,每个对应颤动分数根据RFID读数历史来计算。
例如,框1106中的选择可以包括计算针对在该批次RFID读数中识别的EPC的颤动分数。具有超过颤动分数阈值的相应颤动分数的第一EPC可以被认为是杂散标签。也就是说,第一EPC可以与静止RFID标签相关联以由于无线电干扰等而看似正在移动。具有超过颤动分数阈值的相应颤动分数的第二EPC可以被进一步处理。也就是说,可以选择第二EPC作为针对移动(例如,外出)标签的候选。
此外,例如,可以执行框1106中的选择以实施第一阶段,以滤除表现出与杂散标签相称的行为的RFID读数。并且照此,减少潜在地由杂散标签引起的假警报。因此,提高了传统EAS系统的准确性和有效性。
在框1108中,方法1100可以包括由处理器过滤第一组RFID标识,从而产生第二组RFID标识,该第二组RFID标识中的每个RFID标识对应于运动中的RFID标签。例如,在一个方面,杂散标签组件110、阶段2组件236、系统控制器108和/或处理器1005可以被配置为或者可以包括用于以下过程的构件:过滤第一组RFID标识,从而产生第二组RFID标识,该第二组RFID标识中的每个RFID标识对应于运动中的RFID标签120。
例如,框1108处的过滤可以包括计算针对在第一组RFID标识中识别的EPC的读取速率、天线熵、读取器熵和读取突发。框1108处的过滤可以进一步包括确定在第一组RFID标识中识别的EPC是否是杂散标签。该确定可以基于决策树。
此外,例如,可以执行框1108中的过滤以实施第二阶段,以滤除表现出与杂散标签相称的行为的RFID读数。并且照此,进一步减少潜在地由杂散标签引起的假警报。因此,提高了传统EAS系统的准确性和有效性。
在框1110中,方法1100可以包括由杂散标签过滤系统向EAS系统提供第二组RFID标识,使得EAS系统基于由第二组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。例如,在一个方面,杂散标签组件110、提供组件1040、系统控制器108和/或处理器1005可以被配置为或者可以包括用于以下的构件:向EAS系统100的另一个组件(例如,检测组件1060)提供第二组RFID标识,该另一个组件被配置为基于由第二组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来触发警报通知1070。
在具有可以与本文的任何其它方面组合的自动校准特征的附加或任选方面,方法1100可以包括以下步骤:由EAS系统的处理器从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数,该批次RFID读数与批次计数值相关联,并且该批次RFID读数中的每个RFID读数包括生成该RFID读数的对应RFID标签的RFID标识;由处理器用该批次RFID读数更新RFID读数历史;由处理器自动校准颤动分数阈值;由处理器从该批次RFID读数选择第一组RFID标识,该第一组RFID标识的每个RFID标识具有低于颤动分数阈值的对应颤动分数,每个对应颤动分数根据RFID读数历史来计算;由处理器过滤第一组RFID标识,从而产生第二组RFID标识,该第二组RFID标识中的每个RFID标识对应于运动中的RFID标签;以及由处理器向EAS系统提供第二组RFID标识,使得EAS系统基于由第二组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。
在具有可以与本文的任何其它方面组合的机器学习特征的另一个附加或任选方面,方法1100可以包括以下步骤:由EAS系统的处理器从队列访问由EAS系统的多个RFID读取器接收的一批次RFID读数,已在特定时间段期间接收到该批次RFID读数,该批次RFID读数中的每个RFID读数包括生成该RFID读数的对应RFID标签的RFID标识,并且该批次RFID读数针对每个对应RFID标签包括最小数量的RFID读数;根据至少一个机器学习算法从该批次RFID读数确定一组RFID标识,该组RFID标识中的每个RFID标识对应于运动中的RFID标签;以及由处理器向EAS系统提供该组RFID标识,使得EAS系统基于由该组RFID标识识别的一个或多个RFID标签未被授权离开与该多个RFID读取器相关联的受控区域的确定来发出警报。
参考图12,在操作中,处理器可以执行EAS的方法1200。方法1200可以由EAS门户100(其可以是整个EAS门户100或EAS门户的组件,诸如系统控制器108、杂散标签组件110或处理器1005)执行。方法1200可以由与队列220和系统控制器108通信的杂散标签组件110执行。
在图12的框1202中,方法1200可以包括由EAS系统的处理器确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数。例如,杂散标签组件可以以设定的间隔从队列220扫描一批次RFID读数。此外,阶段1组件234可以计算在该批次RFID读数中识别的EPC的颤动分数,如本文中详细描述的。
因此,执行杂散标签组件110和/或阶段1组件234的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数的构件。
在图12的框1204中,方法1200可以包括由EAS系统的处理器至少部分地基于颤动分数低于颤动分数阈值来选择RFID标识。例如,选择组件1030可以选择具有超过颤动分数阈值的相应颤动分数的第一EPC,这些EPC可以被认为是杂散标签。也就是说,第一EPC可以与静止RFID标签相关联以由于无线电干扰等而看似正在移动。具有超过颤动分数阈值的相应颤动分数的第二EPC可以被进一步处理。也就是说,可以选择第二EPC作为针对移动(例如,外出)标签的候选。
此外,例如,可以执行框1106中的选择以实施第一阶段,以滤除表现出与杂散标签相称的行为的RFID读数。并且照此,减少潜在地由杂散标签引起的假警报。因此,提高了传统EAS系统的准确性和有效性。
因此,执行杂散标签组件110、阶段1组件234和/或选择组件1030的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于至少部分地基于颤动分数低于颤动分数阈值来选择RFID标识的构件。
在图12的框1206中,该方法可以包括由EAS系统的处理器确定RFID标识对应于运动中的RFID标签。例如,阶段2组件236可以计算针对在第一组RFID标识中识别的EPC的读取速率、天线熵、读取器熵和读取突发。此外,阶段2组件236可以确定在第一组RFID标识中识别的EPC是否是杂散标签。在一些方面,该确定可以基于决策树。
因此,执行杂散标签组件110、阶段2组件236和/或过滤组件1035的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于确定RFID标识对应于运动中的RFID标签的构件。
在框1208中,方法1200可以包括由EAS系统的处理器基于由RFID标识识别的RFID标签未被授权离开与一个或多个RFID读取器相关联的受控区域的确定来触发警报。例如,提供组件1040可以向检测组件1060提供RFID标识,该检测组件基于由RFID标识识别的RFID标签未经授权地移出受控区域来引起警报通知1070。
因此,执行杂散标签组件110的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于基于由RFID标识识别的RFID标签未被授权离开与一个或多个RFID读取器相关联的受控区域的确定来触发警报的构件。
参考图13,在操作中,处理器可以执行EAS的方法1300。方法1300可以由EAS门户100(其可以是整个EAS门户100或EAS门户的组件,诸如系统控制器108、杂散标签组件110或处理器1005)执行。方法1300可以由与队列220和系统控制器108通信的杂散标签组件110执行。
在图13的框1302中,方法1300可以包括由EAS系统的处理器从队列检索一个或多个RFID读数,该队列包括由EAS系统的多个RFID读取器接收的多个RFID读数,该一个或多个RFID读数由RFID标签生成。例如,杂散标签组件110可以以设定的间隔从队列220扫描一批次RFID读数。
因此,执行杂散标签组件110和/或机器学习组件250的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于从队列检索一个或多个RFID读数的构件,该队列包括由EAS系统的多个RFID读取器接收的多个RFID读数,该一个或多个RFID读数由RFID标签生成。
在图13的框1304中,方法1300可以包括由EAS系统的处理器确定针对RFID标签的多个输入值,该多个输入值中的每个输入值对应于与机器学习模型相关联的时间和/或会话特征。例如,机器学习组件250可以将在特定时间段(例如,6秒)期间针对每个RFID标签捕获的RFID读数分组到收集会话中。RFID读数中的每个读数可以包括时间戳、接收读数的RFID读取器的标识、RFID标签(例如,EPC)的标识、接收读数的天线的标识,以及所返回信号的RSSI值、相位角和功率水平。RFID读数的相应RSSI值可以是归一化的RSSI值。也就是说,RSSI值可能已通过将每个RSSI值除以对应RFID信号的传输功率水平归一化。可以通过对每个相位角执行模运算来调整RFID读数的相应相位角。例如,相位角可能已由2048的模数进行调整。
此外,机器学习组件250可以针对收集会话中的每个会话计算一个或多个特征。时间特征可以与会话的基于时间的特性相关。例如,时间特征可以跟踪天线、RSSI以及会话中当前(或上一个)读数和一个或两个先前读数的相位角。会话特征可以与会话的描述性特性相关。例如,会话特征可以跟踪会话的平均RSSI和相位角。
因此,执行杂散标签组件110和/或机器学习组件250的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于确定针对RFID标签的多个输入值的构件,该多个输入值中的每个输入值对应于与机器学习模型相关联的时间和/或会话特征。
在图13的框1306中,该方法可以包括由EAS系统的处理器至少部分地基于该多个输入值和机器学习模型来确定RFID标签在运动中。例如,机器学习组件250可以根据至少一个或多个机器学习算法,基于机器学习算法的时间和会话特征来确定收集会话中的每个会话是对应于杂散(例如,静止)标签还是移动(例如,外出)标签。也就是说,机器学习组件250可以使用一个或多个机器学习算法来过滤收集会话以识别对应于正在移动的RFID标签的收集会话。
因此,执行杂散标签组件110和/或机器学习组件1050的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于确定RFID标识对应于运动中的RFID标签的构件。
在框1308中,方法1300可以包括由EAS系统的处理器基于所识别的RFID标签未被授权离开与一个或多个RFID读取器相关联的受控区域的确定来触发警报。例如,杂散标签组件110可以向系统控制器108提供已被机器学习组件250声明为移动标签的EPC。作为响应,系统控制器108可以至少基于EPC中的一个或多个EPC未被授权离开EAS门户区域的确定(例如,基于标签被检测到,或基于标签上的数据未指示该物品已被购买)来触发警报。
因此,执行杂散标签组件110的EAS系统100、系统控制器108、计算装置1000和/或处理器1005可以提供用于基于所识别的RFID标签未被授权离开与一个或多个RFID读取器相关联的受控区域的确定来触发警报的构件。
应理解,所公开过程/流程图中的框的特定次序或层次是实例方法的说明。基于设计偏好,应理解,可以重新布置过程/流程图中的框的特定次序或层次。另外,可组合或省略一些框。所附方法权利要求以样本次序呈现各种框的元件,且其并不意味着限于所呈现的特定次序或层次。
提供先前描述以使所属领域的任何技术人员能够实践本文中所描述的各个方面。对这些方面的各种修改对于所属领域的技术人员来说将是显而易见的,且本文中定义的一般原理可适用于其它方面。赋予与语言权利要求书一致的完整范围,其中以单数形式参考一要素并不希望表示“有且仅有一个”(除非明确地这样叙述),而是表示“一个或多个”。词语“示例性”在本文中用于意指“充当实例、例子或说明”。本文中描述为“示例性”的任何方面未必解释为比其它方面优选或有利。除非另外特别声明,否则术语“一些”是指一个或多个。如“A、B或C中的至少一个”、“A、B或C中的一个或多个”、“A、B和C中的至少一个”、“A、B和C中的一个或多个”以及“A、B、C或其任何组合”等组合包括A、B和/或C的任何组合,并且可以包括多个A、多个B或多个C。具体地,如“A、B或C中的至少一个”、“A、B或C中的一个或多个”、“A、B和C中的至少一个”、“A、B和C中的一个或多个”以及“A、B、C或其任何组合”等组合可以是仅A、仅B、仅C、A和B、A和C、B和C、或A和B和C,其中任何此类组合可以含有A、B或C中的一个或多个成员。本领域的普通技术人员已知或之后知道的贯穿本公开所描述的各个方面的元素的所有结构和功能等效物都通过引用的方式明确地并入本文并且旨在被权利要求书涵盖。
此外,本文所公开的任何内容均不希望奉献给公众,无论权利要求书中是否明确地陈述此公开。“模块”、“机构”、“元件”、“装置”等词语可能不能替代词语“构件”。照此,不应将任何权利要求要素解释为构件加功能,除非所述要素使用短语“用于…的构件”明确地叙述。
Claims (22)
1.一种电子物品监控(“EAS”)的方法,所述方法包括:
由EAS系统的处理器确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数;
由所述EAS系统的所述处理器至少部分地基于所述颤动分数低于颤动分数阈值来选择所述RFID标识;
由所述EAS系统的所述处理器确定所述RFID标识对应于运动中的RFID标签;以及
由所述EAS系统的所述处理器基于由所述RFID标识识别的所述RFID标签未被授权离开与所述一个或多个RFID读取器相关联的受控区域的确定来触发警报。
2.根据权利要求1所述的方法,所述方法进一步包括:
从队列检索所述一个或多个RFID读数,所述队列包括由所述EAS系统的多个RFID读取器接收的多个RFID读数。
3.根据权利要求1所述的方法,所述方法进一步包括:
确定针对所述RFID标识的RFID读数历史,所述RFID读数历史包括:
初始批次计数值;
当前批次计数值;以及
后续批次计数值;并且
其中确定所述颤动分数包括:
基于所述初始批次计数值、所述当前批次计数值或所述后续批次计数值中的至少一者来计算所述颤动分数。
4.根据权利要求1所述的方法,所述方法进一步包括:
确定针对所述RFID标识的RFID读数历史,所述RFID读数历史包括:
初始批次计数值;
当前批次计数值;
后续批次计数值;以及
重置计数;并且
其中确定所述颤动分数包括:
针对所述RFID标识,基于所述重置计数来计算重置分数;以及
基于所述初始批次计数值、所述当前批次计数值和所述重置分数来计算所述颤动分数。
5.根据权利要求1所述的方法,其中确定所述RFID标识对应于运动中的RFID标签,包括:
至少部分地基于读取速率、天线熵、读取器熵或读取突发中的一者来确定所述RFID标识对应于运动中的RFID标签。
6.根据权利要求1所述的方法,其中确定所述RFID标识对应于运动中的RFID标签,包括:
至少部分地基于决策树来确定所述RFID标识对应于运动中的RFID标签。
7.根据权利要求1所述的方法,其中确定所述RFID标识对应于运动中的RFID标签,包括:
至少部分地基于机器学习模型来确定所述RFID标识对应于运动中的RFID标签。
8.根据权利要求1所述的方法,其中所述RFID标识是第一RFID标识,所述RFID标签是第一RFID标签,所述颤动分数是第一颤动分数,所述颤动分数阈值是第一颤动分数阈值,所述警报是第一警报,并且所述方法进一步包括:
通过基于历史颤动信息来执行自动校准过程来确定第二颤动分数阈值;
由EAS系统的处理器确定在所述一个或多个RFID读取器处生成多个RFID读数的第二RFID标签的第二RFID标识的第二颤动分数;
由所述EAS系统的所述处理器至少部分地基于所述第二颤动分数低于所述第二颤动分数阈值来选择所述第二RFID标识;
由所述EAS系统的所述处理器确定所述第二RFID标识对应于运动中的RFID标签;以及
由所述EAS系统的所述处理器基于由所述第二RFID标识识别的所述第二RFID标签未被授权离开与所述一个或多个RFID读取器相关联的所述受控区域的确定来触发第二警报。
9.一种非暂时性计算机可读装置,其上具有指令,所述指令在由至少一个计算装置执行时使所述至少一个计算装置执行包括以下的操作:
由EAS系统的处理器确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数;
由所述EAS系统的所述处理器至少部分地基于所述颤动分数低于颤动分数阈值来选择所述RFID标识;
由所述EAS系统的所述处理器确定所述RFID标识对应于运动中的RFID标签;以及
由所述EAS系统的所述处理器基于由所述RFID标识识别的所述RFID标签未被授权离开与所述一个或多个RFID读取器相关联的受控区域的确定来触发警报。
10.根据权利要求9所述的非暂时性计算机可读装置,所述非暂时性计算机可读装置进一步包括:
从队列检索所述一个或多个RFID读数,所述队列包括由所述EAS系统的多个RFID读取器接收的多个RFID读数。
11.根据权利要求9所述的非暂时性计算机可读装置,所述非暂时性计算机可读装置进一步包括:
确定针对所述RFID标识的RFID读数历史,所述RFID读数历史包括:
初始批次计数值;
当前批次计数值;以及
后续批次计数值;并且
其中确定所述颤动分数包括:
基于所述初始批次计数值、所述当前批次计数值或所述后续批次计数值中的至少一者来计算所述颤动分数。
12.根据权利要求9所述的非暂时性计算机可读装置,所述非暂时性计算机可读装置进一步包括:
确定针对所述RFID标识的RFID读数历史,所述RFID读数历史包括:
初始批次计数值;
当前批次计数值;
后续批次计数值;以及
重置计数;并且
其中确定所述颤动分数包括:
针对所述RFID标识,基于所述重置计数来计算重置分数;以及
基于所述初始批次计数值、所述当前批次计数值和所述重置分数来计算所述颤动分数。
13.根据权利要求9所述的非暂时性计算机可读装置,其中确定所述RFID标识对应于运动中的RFID标签,包括:
至少部分地基于读取速率、天线熵、读取器熵或读取突发中的一者来确定所述RFID标识对应于运动中的RFID标签。
14.根据权利要求9所述的非暂时性计算机可读装置,其中确定所述RFID标识对应于运动中的RFID标签,包括:
至少部分地基于决策树来确定所述RFID标识对应于运动中的RFID标签。
15.根据权利要求9所述的非暂时性计算机可读装置,其中确定所述RFID标识对应于运动中的RFID标签,包括:
至少部分地基于机器学习模型来确定所述RFID标识对应于运动中的RFID标签。
16.根据权利要求9所述的非暂时性计算机可读装置,其中所述RFID标识是第一RFID标识,所述RFID标签是第一RFID标签,所述颤动分数是第一颤动分数,所述颤动分数阈值是第一颤动分数阈值,所述警报是第一警报,并且所述方法进一步包括:
通过基于历史颤动信息来执行自动校准过程来确定第二颤动分数阈值;
由EAS系统的处理器确定在所述一个或多个RFID读取器处生成多个RFID读数的第二RFID标签的第二RFID标识的第二颤动分数;
由所述EAS系统的所述处理器至少部分地基于所述第二颤动分数低于所述第二颤动分数阈值来选择所述第二RFID标识;
由所述EAS系统的所述处理器确定所述第二RFID标识对应于运动中的RFID标签;以及
由所述EAS系统的所述处理器基于由所述第二RFID标识识别的所述第二RFID标签未被授权离开与所述一个或多个RFID读取器相关联的所述受控区域的确定来触发第二警报。
17.一种电子物品监控(EAS)系统,所述电子物品监控系统包括:
多个读取器装置;
RFID标签,所述RFID标签与RFID标识相关联;
存储器,所述存储器上存储有指令;以及
至少一个处理器,所述至少一个处理器与所述存储器耦合并且由所述指令配置为:
确定在一个或多个RFID读取器处生成一个或多个RFID读数的RFID标签的RFID标识的颤动分数;
至少部分地基于所述颤动分数低于颤动分数阈值来选择所述RFID标识;
确定所述RFID标识对应于运动中的RFID标签;并且
基于由所述RFID标识识别的所述RFID标签未被授权离开与所述一个或多个RFID读取器相关联的受控区域的确定来触发警报。
18.根据权利要求17所述的EAS系统,其中所述至少一个处理器由所述指令进一步配置为:
确定针对所述RFID标识的RFID读数历史,所述RFID读数历史包括:
初始批次计数值;
当前批次计数值;以及
后续批次计数值;并且
其中为了确定所述颤动分数,所述至少一个处理器由所述指令进一步配置为:
基于所述初始批次计数值、所述当前批次计数值或所述后续批次计数值中的至少一者来计算所述颤动分数。
19.根据权利要求17所述的EAS系统,其中所述至少一个处理器由所述指令进一步配置为:
确定针对所述RFID标识的RFID读数历史,所述RFID读数历史包括:
初始批次计数值;
当前批次计数值;
后续批次计数值;以及
重置计数;并且
其中为了确定所述颤动分数,所述至少一个处理器由所述指令进一步配置为:
针对所述RFID标识,基于所述重置计数来计算重置分数;并且
基于所述初始批次计数值、所述当前批次计数值和所述重置分数来计算所述颤动分数。
20.根据权利要求17所述的EAS系统,其中为了确定所述RFID标识对应于运动中的RFID标签,所述至少一个处理器由所述指令进一步配置为:
至少部分地基于读取速率、天线熵、读取器熵或读取突发中的一者来确定所述RFID标识对应于运动中的RFID标签。
21.根据权利要求17所述的EAS系统,其中为了确定所述RFID标识对应于运动中的RFID标签,所述至少一个处理器由所述指令进一步配置为:
由所述EAS的所述处理器确定针对所述RFID标签的多个输入值,所述多个输入值中的每个输入值对应于与机器学习模型相关联的时间和/或会话特征;并且
由所述EAS的所述处理器至少部分地基于所述多个输入值和所述机器学习模型来确定所述RFID标签在运动中。
22.一种电子物品监控(“EAS”)的方法,所述方法包括:
由所述EAS的所述处理器从队列检索一个或多个RFID读数,所述队列包括由EAS系统的多个RFID读取器接收的多个RFID读数,所述一个或多个RFID读数由RFID标签生成
由所述EAS的所述处理器确定针对所述RFID标签的多个输入值,所述多个输入值中的每个输入值对应于与机器学习模型相关联的时间和/或会话特征;
由所述EAS的所述处理器至少部分地基于所述多个输入值和所述机器学习模型来确定所述RFID标签在运动中;以及
由所述EAS的所述处理器基于所识别的RFID标签未被授权离开与所述一个或多个RFID读取器相关联的受控区域的确定来触发警报。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/143,388 | 2021-01-29 | ||
US202163144822P | 2021-02-02 | 2021-02-02 | |
US63/144,777 | 2021-02-02 | ||
US63/144,822 | 2021-02-02 | ||
PCT/US2022/070420 WO2022165523A1 (en) | 2021-01-29 | 2022-01-28 | Radio frequency identification (rfid) tag stray alarm mitigation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116686021A true CN116686021A (zh) | 2023-09-01 |
Family
ID=87779603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280008499.3A Pending CN116686021A (zh) | 2021-01-29 | 2022-01-28 | 射频识别(rfid)标签杂散警报减少 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116686021A (zh) |
-
2022
- 2022-01-28 CN CN202280008499.3A patent/CN116686021A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7800490B2 (en) | Electronic article surveillance system neural network minimizing false alarms and failures to deactivate | |
EP2165317B1 (en) | Comprehensive theft security system | |
US20180247092A1 (en) | Rfid checkout station using virtual shielding | |
US20090198529A1 (en) | System and method for integrating point of sale and electronic article surveillance | |
WO2010068407A2 (en) | Rogue rfid detector | |
US20200250958A1 (en) | Apparatus and method of controlling a security system | |
US20080278320A1 (en) | Method and system for reduction of electronic article surveillance system false alarms | |
US10593169B2 (en) | Virtual manager with pre-defined rules to generate an alert in response to a specified event | |
EP4038593A1 (en) | Validating radio frequency identification (rfid) alarm event tags | |
US11017648B2 (en) | Pedestal with embedded camera(s) for beam steering | |
US11568160B2 (en) | Methods and systems for classifying tag status in a retail environment | |
US7973660B2 (en) | Electronic article surveillance deactivator with multiple label detection and method thereof | |
CN116686021A (zh) | 射频识别(rfid)标签杂散警报减少 | |
CN116917961A (zh) | 用于检测近移动射频识别(rfid)标签的系统和方法 | |
US20240046766A1 (en) | Radio frequency identification (rfid) tag stray alarm mitigation | |
CN115280387A (zh) | 用于rfid标签的增加的出口询问的系统和方法 | |
US11756398B2 (en) | Methods and apparatuses for reducing false positive alarms | |
US11809941B1 (en) | Variable RFID transmit power adjustment based on surrounding environment to enhance tag detection field | |
US20220114881A1 (en) | Method and system for probabilistic network based loss prevention sensors | |
AU2013273749B2 (en) | Electronic article surveillance system neural network minimizing false alarms and failures to deactivate | |
WO2023004313A1 (en) | Methods and systems for reducing jamming between tag readers | |
IES86318Y1 (en) | Intelligent retail manager |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Gobi Subramani Inventor after: Halsa Bajaj Inventor after: Halish Yadav Inventor after: Kori Olog Lute Inventor before: Gobi Subramani Inventor before: Halsa Bajaj Inventor before: Halish Yadav Inventor before: Michael C. Stewart |
|
CB03 | Change of inventor or designer information |