用于检测近移动射频识别(RFID)标签的系统和方法与流程

用于检测近移动射频识别(rfid)标签的系统和方法
1.相关申请的交叉引用
2.本技术要求2021年2月24日提交的标题为“system and method for detection of near moving radio frequency identification(rfid)tags”的美国专利申请第63/153,199号的优先权，该申请的公开内容通过引用以其整体被并入本文。


背景技术：
技术领域
3.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。
4.简介
5.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”，其限定涵盖监控区域的受控区域(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。
6.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。
7.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。


技术实现要素：

8.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。
9.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。
10.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。
11.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读取器处生成高于预定义阈值的rfid读数数量的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。
12.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
13.图1a是根据本公开的各个方面的说明性eas门户的平面图。
14.图1b是根据本公开的各个方面的说明性eas门户的顶视图。
15.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。
16.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。
17.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。
18.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。
19.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。
20.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。
21.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。
22.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。
23.图10是根据本公开的各个方面的实例环境的示意图。
24.图11是根据本公开的各个方面的展示针对第三epc的后续批次阈值的实例的图。
25.图12a至图12b是根据本公开的各个方面的展示针对第四epc的读取器熵值和天线熵值的实例的图。
26.图13是根据本公开的各个方面的展示实例设备的图。
27.图14是根据本公开的各个方面的要由计算装置执行的eas的第一实例方法的流程图。
28.图15是根据本公开的各个方面的要由计算装置执行的eas的第二实例方法的流程图。
具体实施方式
29.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。
30.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。
31.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。
32.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。
33.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。
34.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”。
35.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。
36.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。
37.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rf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。
38.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。
39.下文关于图1至图14详细地论述本公开的这些和其它特征。
40.现在参考图1a至图1b，提供了对理解本解决方案有用的说明性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。
41.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106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接收的响应可以根据现在已知或将来已知的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。
42.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。
43.在所示的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/或天花板(例如，102c)中，但本文公开的技术不限于此。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。
44.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。
45.rfid读取器106可以例如在系统控制器108(诸如服务器)的命令下操作，这可以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。
46.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，以及向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可以分析从第一阶段出现的rfid标识，并且可以确定rfid标识是否指示杂散标签或移动标签。照此，第二阶段可以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。
47.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。
48.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。
49.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。
50.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％)。
51.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。
52.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epc值epc，如图3所示，其识别生成响应的rfid标签120。在其他方面，rfid读取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。在其他方面，rfid读取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)。
53.返回参考图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、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。替代地或附加地，杂散标签组件110可以包括近移动组件260，该近移动组件被配置为实现用于对在eas门户附近移动的标签进行分类以进一步减小假报警的概率的附加技术。
54.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。
55.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。
56.在该阶段，针对每个epc建立历史。
57.如果或当epc还不在历史中时，针对该epc创建新条目。
58.a.一旦创建新条目，就在该条目下存储以下值：
59.i.first_observed_batch；
60.ii.last_observed_batch；以及
61.iii.consequent_batches_observed。
62.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。
63.c.该last_observed_batch指示最后观察到该epc的batch_count。将该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。
64.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，可以将consequent_batches_observed设定到零，指示当前batch_count是该epc已被观察到的第一batch_count。
65.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。
66.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。
67.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。
68.在更新历史组件232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，并且可以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。
69.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：
70.duration＝(batch_count-first_observed_batch)+1
71.阶段1组件234可以如下计算颤动分数：
72.chatter_score＝log2(duration+e-7
)
73.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。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)。
74.参考图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。
75.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。
76.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：
[0077][0078]
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。
[0079]
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：
[0080][0081]
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。
[0082]
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。
[0083]
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，
[0084]
如果(read_rate》3且read_rate《30)
[0085]
如果(antenna_entropy》0.70且reader_entropy》0)
[0086]
如果(antenna_entropy/reader_entropy》1.0)
[0087]
如果(read_burst《2秒)，则
[0088]
将epc声明为移动标签
[0089]
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。
[0090]
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。
[0091]
epc的颤动分数可能表现出与上文参考图4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。
[0092]
例如，图5示出了针对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。
[0093]
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。
[0094]
例如，图6展示了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epc在第1500个批次左右再次出现，并且reset_count增加到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。
[0095]
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：
[0096][0097]
其中penalty_constant是0与1之间的值。例如，可以将penalty_constant设定到0.75。
[0098]
例如，图7展示了作为reset_count值的函数的reset_score值。在图7所示的实例中，reset_score值随着reset_count增大而逐渐递减。
[0099]
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：
[0100]
chatter_score_rest＝chatter_score+(1-reset_score)
[0101]
其中penalty_constant是0与1之间的值。例如，可以将penalty_constant设定到0.75。
[0102]
例如，图8展示了针对如图5所描绘的稍纵即逝的行为的epc的chatter_score_reset值。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批次左右重新出现，并且chatter_score_reset被重新计算为1.06左右。稍纵即逝的行为epc在第1500个批次左右再次出现，chatter_score_reset在1.12左右重新计算。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。
[0103]
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。
[0104]
图9是展示针对多个惩罚常数作为reset_count值的函数的实例reset_score值的图。也就是说，x轴用reset_count绘制，并且y轴用reset_score绘制。图中的每条线对应于不同的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。
[0105]
返回参考图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。
[0106]
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。
[0107]
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。
[0108]
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。
[0109]
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。
[0110]
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。
[0111]
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。
[0112]
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)。
[0113]
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。
[0114]
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。
[0115]
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。
[0116]
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。
[0117][0118]
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。
[0119]
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。
[0120]
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。
[0121]
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。
[0122]
图10是实例环境1000的示意性图示，其中可以部署eas门户(诸如图1a至图1b的eas门户100)。环境1000可以是零售店场所、办公楼、配送中心、工厂或包括eas门户的商业环境。值得注意的是，本解决方案可以在需要定位和/或跟踪对象和/或商品/物品的任何环境中使用。
[0123]
环境1000可以被划分为两个或更多个区(诸如区1005a-1005b，下文统称为“1005”)。环境1000的第一区1005a可以包括eas门户100。也就是说，eas门户100可以位于第一区1005a内。在一些方面，第一区1005a可以被称为eas门户100的近区。位于近区1005a内的rfid标签(诸如标签120a-120b)可以具有被eas门户100的rfid读取器106重复读取的高概率。照此，位于近区1005(例如，120a-120b)内的rfid标签可以表现出与颤动epc相称的行为。在一些方面，近区1005a的大小和形状可能受若干因素的影响，包括但不限于rfid读取器106的传输功率水平、rfid读取器106的接收灵敏度和/或环境1000的障碍物(例如，显示装备、楼柱、墙壁)。在其他任选或附加方面，近区1005a的大小和形状可以根据距eas门户100的预定距离和/或半径(例如，1.5米半径)来定义。
[0124]
替代地或附加地，环境1000的剩余部分(例如，区域1005b)可以被称为eas门户100的远区。位于远区1005b内的rfid标签(诸如标签120c)可以具有被rfid读取器106重复读取的低概率。在一些方面，环境1000的剩余部分可以被划分为两个或更多个区(未示出)。
[0125]
环境1000可以包括显示装备1010a-1010g(下文统称为“1010”)。显示装备可以被提供用于向零售店的顾客显示对象(或商品/物品)。显示装备可以包括但不限于货架、物品展示柜、促销显示器、灯具和/或桌子。环境1000还可以包括应急装备(未示出)、结账柜台，以及该设施类型典型的其他装备和装置。在一些方面，一个或多个显示装备1010可以位于近区1005a(例如，1010a-1010b)内。在其他方面，其他显示装备1010(例如，1010c-1010g)可以位于近区1005a之外，也就是说，位于远区1005b内。替代地或附加地，可以将一个或多个
对象置于显示装备1010上。物体可以附着和/或联接到rfid标签120，诸如rfid标签120b和120c，如图10所示。
[0126]
返回参考图2，杂散标签组件110可以包括近移动组件260，该近移动组件被配置为实现用于检测近移动的标签的附加技术，以用于改进杂散标签组件110的准确性。例如，近移动组件260可以采用附加技术来对位于eas门户100的近区1005a内的颤动epc进行分类。也就是说，近移动组件260可以区分近区1005a中的移动标签(例如，rfid标签120a)和静止标签(例如，rfid标签120b)。近移动组件260可以向杂散标签组件110的其他组件(例如，阶段2组件236)提供被分类为移动标签的epc以供进一步处理。
[0127]
近移动组件260可以被配置为根据位于近区1005a中的颤动epc的对应颤动分数来对它们进行分类。在一些方面，如果或当一个或多个epc的对应颤动分数超过为杂散标签组件110配置的颤动分数阈值时，近移动组件260可以将与一个或多个epc相关联的consq_batches_threshold递减和/或减小。例如，如果或当杂散标签组件110被配置为在频带1中运行(例如，颤动分数阈值设定到0.75)时，具有超过0.75的颤动分数的epc可以使它们的对应consq_batches_threshold递减和/或减小。近移动组件260可以将consq_batches_threshold递减预定量(例如，从值中减去2)和/或将consq_batches_threshold减小预定因子(例如，将值除以2)。近移动组件260可以继续将consq_batches_threshold递减和/或减小，直到达到最小值(例如，零)。也就是说，如果或当具有递减的和/或减小的consq_batches_threshold的epc的颤动分数继续超过颤动分数阈值时，近移动组件260可以将consq_batches_threshold进一步递减和/或减小，直到达到最小值。在一些方面，近移动组件260可以将具有不超过颤动分数阈值(例如，小于0.75)的对应颤动分数和最小consq_batches_threshold(例如，零)的epc分类为潜在候选epc(例如，移动标签)，并且允许epc被进一步处理(例如，被提供给阶段2组件236)。在其他方面，近移动组件260可以将具有超过颤动分数阈值(例如，等于或大于0.75)的对应颤动分数的epc分类为静止epc，并且防止epc被进一步处理(例如，不被提供给阶段2组件236)。
[0128]
例如，图11展示了如何可以针对位于近区1005a内的特定epc将consq_batches_threshold递减和/或减小。在图11所示的实例中，特定epc可以出现在批次1-8中并且可以具有范围从大约0至2.0的单调增加的chatter_score_reset值。在批次8中，近移动组件260可以将针对特定epc的对应consq_batches_threshold从5递减和/或减小到2。也就是说，近移动组件260可以被配置有2.0的颤动分数阈值，并且近移动组件260可以将针对批次8上的特定epc的对应consq_batches_threshold递减和/或减小，因为chatter_score_reset值超过了颤动分数阈值。然后，特定epc可以出现在批次9中，从而使chatter_score_reset值进一步增加到大约2.197。在图11所示的实例中，特定epc可能不会出现在批次10和11中，并且可能会重新出现在批次12中。照此，响应于特定epc没有出现在多于2个后续批次中(例如，超过consq_batches_threshold)，可以在批次12处重置针对特定epc的epc历史(例如，reset_count增加到1)，如上文参考重置分数部分238所述的。结果，针对特定epc的chatter_score_reset值可以递减到低于颤动分数阈值并且使近移动组件260将该特定epc分类为潜在候选epc以供进一步处理。
[0129]
返回参考图2，在其他任选或附加方面，近移动组件260可以被配置为根据读取epc的rfid读取器106和/或天线102的概率分布之间的差异(或散度)来对位于近区1005a中的
颤动epc进行分类。例如，如果或当读取特定epc的当前组天线102和/或rfid读取器106与先前组天线102和/或rfid读取器106之间的差异超过一定散度阈值时，近移动组件260可以将位于近区1005a中的epc分类为移动epc。
[0130]
在这些任选或附加方面，epc历史中的每个epc条目可以包括reader_dist和antenna_dist值。该reader_dist值可以指示已从对应epc接收读数的rfid读取器106的概率分布(或序列)。例如，epc历史中的epc条目可以包括来自当前批次的读取器概率分布(例如，current_reader_dist)和/或来自先前批次的读取器概率分布(例如，previous_reader_dist)。该antenna_dist值可以指示已从对应epc接收到读数的天线102的概率分布(或序列)。例如，epc历史中的epc条目可以包括来自当前批次的天线概率分布(例如，current_antenna_dist)和/或来自先前批次的天线概率分布(例如，previous_antenna_dist)。
[0131]
近移动组件260可以被配置为测量读取器概率分布随时间的差异和/或天线概率分布随时间的差异。例如，近移动组件260可以测量来自当前批次的读取器概率分布(例如，current_reader_dist)与来自先前批次的读取器概率分布(例如，previous_reader_dist)之间的差异。替代地或附加地，近移动组件260可以测量来自当前批次的天线概率分布(例如，current_antenna_dist)与来自先前批次的天线概率分布(例如，previous_antenna_dist)之间的差异。在一些方面，近移动组件260可以通过计算概率分布之间的交叉熵来测量概率分布之间的差异。在其他任选或附加方面，近移动组件260可以计算概率分布之间的kullback-leibler(“kl”)散度和/或相对熵。
[0132]
如果或当当前读取器概率分布(例如，current_reader_dist)与先前读取器概率分布(例如，previous_reader_dist)之间的差异(例如，kl散度)超过读取器散度阈值(例如，reader_kl_threshold)并且当前天线概率分布(例如，current_antenna_dist)与先前天线概率分布(例如，previous_antenna_dist)之间的差异(例如，kl散度)超过天线散度阈值(例如，antenna_kl_threshold)，则近移动组件260可以将近区1005a中的epc分类为移动epc。也就是说，近移动组件260可以使被分类为移动epc的epc被进一步处理(例如，被提供给阶段2组件236)。
[0133]
替代地或附加地，如果或当当前读取器概率分布(例如，current_reader_dist)与先前读取器概率分布(例如，previous_reader_dist)之间的差异(例如，kl散度)不超过读取器散度阈值(例如，reader_kl_threshold)或者当前天线概率分布(例如，current_antenna_dist)与先前天线概率分布(例如，previous_antenna_dist)之间的差异(例如，kl散度)不超过天线散度阈值(例如，antenna_kl_threshold)时，则近移动组件260可以将近区1005a中的epc分类为静止epc。也就是说，近移动组件260可以防止被分类为静止epc的epc被进一步处理。
[0134]
在一些方面，读取器散度阈值(例如，reader_kl_threshold)和/或天线散度阈值(例如，antenna_kl_threshold)可以是预定值。在其他方面，可以针对特定环境定制读取器散度阈值和/或天线散度阈值。例如，自动校准组件240可以被配置为自动调整读取器散度阈值和/或天线散度阈值。
[0135]
例如，图12a至图12b展示了诸如如果或当零售店设施处的顾客在近区1005a中从显示装备(例如，1010b)拿起与rfid标签(例如，120b)联接的对象时，针对从静止状态改变
为移动状态的近区epc的读取器熵值和天线熵值。在图12a至图12b所示的实例中，在批次1-69中，如由读取器熵和天线熵的零值所指示的近区epc可以处于静止状态。在批次70中开始的非零读取器熵和天线熵值可以指示近区epc已从静止状态改变为移动状态。作为结果，近移动组件260可以在批次70、74和75中将近区epc分类为移动epc，并且向阶段2组件236提供该epc以供进一步处理。
[0136]
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13中示出了此类计算机系统的实例。
[0137]
图13是示例性设备1300的框图。设备1300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1300。在一些方面，设备1300可以包括一个或多个处理器，诸如处理器1305，其被配置为结合存储器1310执行本文所述的功能的各种软件具体实施。在其他方面，设备1300可以包括用于将rfid标签声明为杂散标签的杂散标签组件110。
[0138]
在一些方面，设备1300可以被配置为执行本文中结合图1至图9描述的一个或多个操作。替代地或附加地，设备1300可以被配置为执行本文描述的一个或多个过程，诸如图14的方法1400。在一些方面，设备1300可以包括上文结合图1至图2描述的杂散标签组件中的一个或多个组件。
[0139]
杂散标签组件110可以包括访问组件1320，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。
[0140]
杂散标签组件110可以包括更新组件1325，该更新组件用于用该批次rfid读数更新rfid读数历史。
[0141]
杂散标签组件110可以包括选择组件1330，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。
[0142]
杂散标签组件110可以包括过滤组件1335，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。
[0143]
杂散标签组件110可以包括提供组件1340，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。
[0144]
杂散标签组件110可以包括自动校准组件1345，该自动校准组件用于如关于图2所述自动确定分散分数阈值。
[0145]
杂散标签组件110可以包括机器学习组件1350，该机器学习组件用于如关于图2所述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。该组rfid标识的每个rfid标识对应于运动中的rfid标签。
[0146]
杂散标签组件110可以包括近移动组件1355，该近移动组件用于如关于图2所述对在eas门户100附近移动的标签进行分类。计算装置1300可以包括检测组件1360，该检测组件用于从提供组件1340接收第二组rfid标识，并且基于确定由第二组rfid标识识别的一个或多个rfid标签未被授权离开与多个rfid读取器相关联的受控区域来引起警报通知1370。
在一些方面，警报通知1370可以是视觉通知、听觉通知或电子通信(例如，文本消息、电子邮件等)。
[0147]
参考图14，在操作中，处理器可以执行eas的方法1400。方法1400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1305)执行。方法1400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。
[0148]
在图14的框1402中，方法1400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，在一方面，杂散标签组件110、系统控制器108和/或处理器1305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1305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。
[0149]
例如，框1402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。
[0150]
此外，例如，可以执行框1402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。
[0151]
在图14的框1404中，方法1400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1305可以被配置为或者可以包括用于以下的构件：由处理器1305用该批次rfid读数更新rfid读数历史。
[0152]
例如，框1404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。
[0153]
此外，例如，可以执行框1404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。
[0154]
在图14的框1406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1305可以被配置为或者可以包括用于以下的构件：由处理器1305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。
[0155]
例如，框1406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。
[0156]
此外，例如，可以执行框1406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。
[0157]
在框1408中，方法1400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1305可以被配置为或者可以包括用于以下的构件：由处理器1305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。
[0158]
例如，框1408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1408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。
[0159]
此外，例如，可以执行框1408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。
[0160]
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1400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。
[0161]
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1400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。
[0162]
在具有可以与本文的任何其它方面组合的近区分类特征的另一个附加或任选方面，方法1400可以包括以下步骤：将与来自该批次rfid读数的第三组rfid标识相对应的后续批次阈值减小。该第三组rfid标识具有超过颤动分数阈值的颤动分数。
[0163]
在具有可以与本文任何其他方面组合的近区分类特征的另一附加或任选方面，方法1400可以包括以下步骤：针对每个rfid标识，计算当前读取器分布与先前读取器分布之间的第一散度；针对每个rfid标识，计算当前天线分布与先前天线分布之间的第二散度；以及选择具有超过第一阈值的第一散度和超过第二阈值的第二散度的第一组rfid标识。
[0164]
参考图15，在操作中，处理器可以执行eas的方法1500。方法1500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1305)执行。方法1500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。
[0165]
在图15的框1502中，方法1500可以包括由eas系统的处理器确定在一个或多个rfid读取器处生成高于预定义阈值的rfid读数数量的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。
[0166]
相应地，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1300和/或处理器1305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。
[0167]
在图15的框1504中，方法1500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1330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。
[0168]
此外，例如，可以执行框1504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。
[0169]
因此，执行杂散标签组件110、阶段1组件234和/或选择组件1330的eas系统100、系统控制器108、计算装置1300和/或处理器1305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。
[0170]
在图15的框1506中，方法1500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。
[0171]
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1300和/或处理器1305可以提供用于确定rfid标识对应于运动中的rfid标签的构件。
[0172]
在框1508中，方法1500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。
[0173]
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1300和/或处理器1305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。
[0174]
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。
[0175]
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。
[0176]
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。

技术特征：
1.一种电子物品监控(“eas”)的方法，其包括：由eas系统的处理器确定在一个或多个rfid读取器处生成高于预定义阈值的rfid读数数量的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，其进一步包括：从队列检索所述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，其进一步包括：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；重置计数；读取器分布；以及天线分布；并且其中选择所述rfid标识进一步包括：针对所述rfid标识，计算当前读取器分布与先前读取器分布之间的第一散度；针对所述rfid标识，计算当前天线分布与先前天线分布之间的第二散度；以及至少部分地基于超过第一阈值的所述第一散度和超过第二阈值的所述第二散度来选择所述rfid标识。4.根据权利要求1所述的方法，其中确定所述颤动分数包括：确定针对所述rfid标识的rfid读数历史；至少部分地基于所述颤动分数和重置分数来将第一后续批次阈值减小到第二后续批次阈值；以及至少部分地基于所述第二后续批次阈值来重置所述rfid读数历史的一个或多个值。5.根据权利要求1所述的方法，其进一步包括：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；以及其中确定所述颤动分数包括：针对所述rfid标识，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。6.根据权利要求1所述的方法，其进一步包括：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：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、所述后续批次计数值或所述重置分数来计算所述颤动分数。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。8.一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读取器处生成高于预定义阈值的rfid读数数量的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。9.根据权利要求8所述的非暂时性计算机可读装置，所述操作进一步包括：从队列检索所述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。10.根据权利要求8所述的非暂时性计算机可读装置，所述操作进一步包括：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；重置计数；读取器分布；以及天线分布；并且其中确定所述颤动分数包括：针对所述rfid标识，计算当前读取器分布与先前读取器分布之间的第一散度；针对所述rfid标识，计算当前天线分布与先前天线分布之间的第二散度；以及至少部分地基于超过第一阈值的所述第一散度和超过第二阈值的所述第二散度来选择所述rfid标识。11.根据权利要求8所述的非暂时性计算机可读装置，所述操作进一步包括：确定针对所述rfid标识的rfid读数历史；
至少部分地基于所述颤动分数和重置分数来将第一后续批次阈值减小到第二后续批次阈值；以及至少部分地基于所述第二后续批次阈值来重置所述rfid读数历史的一个或多个值。12.根据权利要求9所述的非暂时性计算机可读装置，所述操作进一步包括：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；以及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。13.根据权利要求9所述的非暂时性计算机可读装置，所述操作进一步包括：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或所述重置分数来计算所述颤动分数。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，并且所述操作进一步包括：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。15.一种电子物品监控(eas)系统，其包括：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：由eas系统的处理器确定在一个或多个rfid读取器处生成高于预定义阈值的rfid读数数量的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。16.根据权利要求15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；重置计数；读取器分布；以及天线分布；并且其中为了选择所述rfid标识，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，计算当前读取器分布与先前读取器分布之间的第一散度；针对所述rfid标识，计算当前天线分布与先前天线分布之间的第二散度；以及至少部分地基于超过第一阈值的所述第一散度和超过第二阈值的所述第二散度来选择所述rfid标识。17.根据权利要求15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；至少部分地基于所述颤动分数和重置分数来将第一后续批次阈值减小到第二后续批次阈值；以及至少部分地基于所述第二后续批次阈值来重置所述rfid读数历史的一个或多个值。18.根据权利要求15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；以及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15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或所述重置分数来计算所述颤动分数。20.根据权利要求15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。

技术总结
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读取器处生成高于预定义阈值的RFID读数数量的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。区域的确定来触发警报。区域的确定来触发警报。


技术研发人员：哈利什
受保护的技术使用者：先讯美资电子有限责任公司
技术研发日：2022.02.24
技术公布日：2023/10/20