基于神经网络的异常行李蓝牙定位方法及其系统技术方案

本发明专利技术公开了一种基于神经网络的异常行李蓝牙定位方法及其系统，利用分布式布设在需要进行定位的区域中的若干蓝牙基站，进行神经网络训练和蓝牙位置指纹数据库的建立，将训练好的神经网络与位置指纹定位相结合来对异常行李进行定位，受环境干扰信号影响很小，克服了传统蓝牙定位技术单纯采用位置指纹算法在指纹数据的采集阶段和目标的跟踪定位阶段无法较好地滤除噪声干扰的问题，能够获得很高的定位精度，能够广泛应用在海关监管、物流监管等领域，对监管对象能够起到切实有效的监管，提升监管质量和效率，确保了相关领域生产管理的安全、规范、有序。

Bluetooth location method and system of abnormal baggage based on Neural Network

【技术实现步骤摘要】
基于神经网络的异常行李蓝牙定位方法及其系统
本专利技术涉及定位技术，尤其涉及一种基于神经网络的异常行李蓝牙定位方法及其系统。
技术介绍
随着社会的发展，室内定位需求越来越大。例如，在海关监管方面，需要对进出境运输工具、货物和物品进行实时定位监控。在旅客取得行李之后，只要旅客在出入境大厅之内，就能通过蓝牙定位技术实时对其行李的运动轨迹进行监控，以防止违禁物品出入境。但是，传统蓝牙定位技术所采用的位置指纹算法，在指纹数据的采集阶段和目标的跟踪定位阶段均无法较好地滤除噪声干扰，会对定位精度造成严重影响，导致定位精度偏低，不能很好地适应海关行李的监管需求。
技术实现思路
本专利技术主要目的在于，提供一种基于神经网络的异常行李蓝牙定位方法及其系统，以解决传统蓝牙定位技术采用位置指纹算法，在指纹数据的采集阶段和目标的跟踪定位阶段无法较好地滤除噪声干扰的问题。本专利技术是通过如下技术方案实现的：一种基于神经网络的异常行李蓝牙定位方法，包括：步骤A：将需要进行定位的区域划分为若干区块，并将各区块的中心设置为采样点；所述区域中分布式布设有若干位置已知且持续广播蓝牙信号的蓝牙基站；步骤B：分别在各采样点接收各蓝牙基站广播的蓝牙信号，并将在每个采样点接收到的各蓝牙基站的蓝牙信号强度进行排序，得到每个采样点的蓝牙基站信号强度序列；步骤C：建立所述区域的坐标系，并将每个采样点的蓝牙基站信号强度序列和位置坐标进行存储，以建立蓝牙位置指纹数据库；步骤D：每次提取所述蓝牙位置指纹数据库中的一个采样点的蓝牙基站信号强度序列和位置坐标分别作为神经网络的输入和输出，通过神经网络的正向传递与反向传递调整神经网络中的各个权值，以训练神经网络；步骤E：当所述区域中出现异常行李时，对所述异常行李所绑定的蓝牙模块接收到的各蓝牙基站广播的蓝牙信号的强度进行排序，得到所述异常行李所在位置的蓝牙基站信号强度序列，并将所述异常行李所在位置的蓝牙基站信号强度序列输入训练好的神经网络，得到所述异常行李所在的位置坐标并将其显示出来。进一步地，所述方法还包括：步骤G：实时记录所述异常行李所在的位置坐标，并据此生成所述异常行李的运动轨迹。进一步地，所述方法还包括：步骤H：通过深度学习算法计算所述异常行李可能的后续运动轨迹，并启动布设在所述后续运动轨迹上的各个摄像头对所述异常行李进行视频跟踪，同时，针对所述异常行李向所述后续运动轨迹方向的出口处的监管人员发出相应报警。进一步地，所述步骤H中，所述可能的后续运动轨迹为多条。进一步地，各蓝牙基站分布式布设在所述区域的顶部，且相邻蓝牙基站之间的距离不超过六米。一种基于神经网络的异常行李蓝牙定位系统，包括：分布式设置在需要进行定位的区域中的若干蓝牙基站，所述蓝牙基站位置已知且持续广播蓝牙信号，所述区域被划分为若干区块，各区块的中心为采样点；移动设备，用于分别在各采样点接收各蓝牙基站广播的蓝牙信号；服务器，用于将所述移动设备在每个采样点接收到的各蓝牙基站的蓝牙信号强度进行排序，得到每个采样点的蓝牙基站信号强度序列；以及，建立所述区域的坐标系，并将每个采样点的蓝牙基站信号强度序列和位置坐标进行存储，以建立蓝牙位置指纹数据库；以及，每次提取所述蓝牙位置指纹数据库中的一个采样点的蓝牙基站信号强度序列和位置坐标分别作为神经网络的输入和输出，通过神经网络的正向传递与反向传递调整神经网络中的各个权值，以训练神经网络；以及，当所述区域中出现异常行李时，对所述异常行李所绑定的蓝牙模块接收到的各蓝牙基站广播的蓝牙信号的强度进行排序，得到所述异常行李所在位置的蓝牙基站信号强度序列，并将所述异常行李所在位置的蓝牙基站信号强度序列输入训练好的神经网络，得到所述异常行李所在的位置坐标并将其显示出来。进一步地，所述服务器还用于实时记录所述异常行李所在的位置坐标，并据此生成所述异常行李的运动轨迹。进一步地，所述服务器还用于通过深度学习算法计算所述异常行李可能的后续运动轨迹，并启动布设在所述后续运动轨迹上的各个摄像头对所述异常行李进行视频跟踪，同时，针对所述异常行李向所述后续运动轨迹方向的出口处的监管人员发出相应报警。进一步地，所述可能的后续运动轨迹为多条。进一步地，各蓝牙基站分布式布设在所述区域的顶部，且相邻蓝牙基站之间的距离不超过六米。与现有技术相比，本专利技术提供的基于神经网络的异常行李蓝牙定位方法及其系统，利用分布式布设在需要进行定位的区域中的若干蓝牙基站，进行神经网络训练和蓝牙位置指纹数据库的建立，将训练好的神经网络与位置指纹定位相结合来对异常行李进行定位，受环境干扰信号影响很小，克服了传统蓝牙定位技术单纯采用位置指纹算法在指纹数据的采集阶段和目标的跟踪定位阶段无法较好地滤除噪声干扰的问题，能够获得很高的定位精度，能够广泛应用在海关监管、物流监管等领域，对监管对象能够起到切实有效的监管，提升监管质量和效率，确保了相关领域生产管理的安全、规范、有序。附图说明图1是本专利技术实施例基于神经网络的异常行李蓝牙定位方法的流程原理示意图；图2是本专利技术实施例基于神经网络的异常行李蓝牙定位系统的组成原理示意图；图3是本专利技术实施例定位结果优化示意图；图4是本专利技术实施例服务器与移动设备端的交互示意图；图5是本专利技术实施例移动设备蓝牙模块硬件结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步详细说明。本专利技术提供的基于神经网络的异常行李蓝牙定位方法及其系统，将神经网络与位置指纹定位相结合来对异常行李进行定位，受环境干扰信号影响很小，能够克服传统蓝牙定位技术单纯采用位置指纹算法在指纹数据的采集阶段和目标的跟踪定位阶段无法较好地滤除噪声干扰的问题，从而获得很高的定位精度。要实现本专利技术，首先要进行蓝牙位置指纹数据库的建立和神经网络的训练，然后再结合训练好的神经网络与位置指纹定位技术来对异常行李进行定位。如图2所示，本专利技术在进行定位时，主要通过服务器1、移动设备2和若干蓝牙基站3实现定位，结合图1所示，本专利技术实施例基于神经网络的异常行李蓝牙定位方法主要包括如下几个步骤：步骤A：将需要进行定位的区域划分为若干区块，并将各区块的中心设置为采样点；区域中分布式布设有若干位置已知且持续广播蓝牙信号的蓝牙基站3。蓝牙基站3的主要作用是负责持续广播蓝牙信号，为蓝牙位置指纹数据库的建立和后续的在线定位阶段提供数据。蓝牙基站3的数量和布置应当合理，蓝牙基站3的体积较小，所以其布设较为方便，可以布设在需要进行定位的区域(如海关大厅)的任意一个角落，考虑到人员流动问题，优选的方式是将各蓝牙基站3分布式布设在该区域的顶部，且相邻蓝牙基站3之间的距离不超过六米，这样信号强度变化较快，准确度也较高。步骤B：分别在各采样点接收各蓝牙基站3广播的蓝牙信号，并将在每个采样点接收到的各蓝牙基站3的蓝牙信号强度进行排序，得到每个采样点的蓝牙基站信号强度序列。可通过移动设备2在各采样点接收各蓝牙基站3广播的蓝牙信号。移动设备2主要为电脑、手机等，有收发信息和显示信息等功能，配有蓝牙通信模块，通过蓝牙通信模块可以与蓝牙基站3进行信息交互。移动设备2与服务器1之间可以通过网络进行相互通信。在服务器1中主要完成蓝牙位置指纹数据库的建立、神经网络的训练和异常行李的定位。参考图4，本文档来自技高网...

【技术保护点】
1.一种基于神经网络的异常行李蓝牙定位方法，其特征在于，包括：步骤A：将需要进行定位的区域划分为若干区块，并将各区块的中心设置为采样点；所述区域中分布式布设有若干位置已知且持续广播蓝牙信号的蓝牙基站；步骤B：分别在各采样点接收各蓝牙基站广播的蓝牙信号，并将在每个采样点接收到的各蓝牙基站的蓝牙信号强度进行排序，得到每个采样点的蓝牙基站信号强度序列；步骤C：建立所述区域的坐标系，并将每个采样点的蓝牙基站信号强度序列和位置坐标进行存储，以建立蓝牙位置指纹数据库；步骤D：每次提取所述蓝牙位置指纹数据库中的一个采样点的蓝牙基站信号强度序列和位置坐标分别作为神经网络的输入和输出，通过神经网络的正向传递与反向传递调整神经网络中的各个权值，以训练神经网络；步骤E：当所述区域中出现异常行李时，对所述异常行李所绑定的蓝牙模块接收到的各蓝牙基站广播的蓝牙信号的强度进行排序，得到所述异常行李所在位置的蓝牙基站信号强度序列，并将所述异常行李所在位置的蓝牙基站信号强度序列输入训练好的神经网络，得到所述异常行李所在的位置坐标并将其显示出来。

【技术特征摘要】
1.一种基于神经网络的异常行李蓝牙定位方法，其特征在于，包括：步骤A：将需要进行定位的区域划分为若干区块，并将各区块的中心设置为采样点；所述区域中分布式布设有若干位置已知且持续广播蓝牙信号的蓝牙基站；步骤B：分别在各采样点接收各蓝牙基站广播的蓝牙信号，并将在每个采样点接收到的各蓝牙基站的蓝牙信号强度进行排序，得到每个采样点的蓝牙基站信号强度序列；步骤C：建立所述区域的坐标系，并将每个采样点的蓝牙基站信号强度序列和位置坐标进行存储，以建立蓝牙位置指纹数据库；步骤D：每次提取所述蓝牙位置指纹数据库中的一个采样点的蓝牙基站信号强度序列和位置坐标分别作为神经网络的输入和输出，通过神经网络的正向传递与反向传递调整神经网络中的各个权值，以训练神经网络；步骤E：当所述区域中出现异常行李时，对所述异常行李所绑定的蓝牙模块接收到的各蓝牙基站广播的蓝牙信号的强度进行排序，得到所述异常行李所在位置的蓝牙基站信号强度序列，并将所述异常行李所在位置的蓝牙基站信号强度序列输入训练好的神经网络，得到所述异常行李所在的位置坐标并将其显示出来。2.如权利要求1所述的基于神经网络的异常行李蓝牙定位方法，其特征在于，还包括：步骤G：实时记录所述异常行李所在的位置坐标，并据此生成所述异常行李的运动轨迹。3.如权利要求2所述的基于神经网络的异常行李蓝牙定位方法，其特征在于，还包括：步骤H：通过深度学习算法计算所述异常行李可能的后续运动轨迹，并启动布设在所述后续运动轨迹上的各个摄像头对所述异常行李进行视频跟踪，同时，针对所述异常行李向所述后续运动轨迹方向的出口处的监管人员发出相应报警。4.如权利要求3所述的基于神经网络的异常行李蓝牙定位方法，其特征在于，所述步骤H中，所述可能的后续运动轨迹为多条。5.如权利要求1所述的基于神经网络的异常行李蓝牙定位方法，其特征在于，各蓝牙基站分布式布设在所述区域的顶部，且相邻蓝牙基站之间的距离不超过六米。6....

【专利技术属性】
技术研发人员：曾维，郭敬娜，胡若愚，
申请(专利权)人：成都市东信德科技有限公司，
类型：发明
国别省市：四川,51