基于SVM的聲磁標(biāo)簽檢測(cè)系統(tǒng)設(shè)計(jì)及其FPGA實(shí)現(xiàn)

趙旭陽(yáng)， 張延彬， 王忠勇， 陳明亮

(鄭州大學(xué) 信息工程學(xué)院，河南 鄭州 450001)

0 引言

電子商品防盜系統(tǒng)(electronic article surveillance，EAS)是一種應(yīng)用于零售實(shí)體店的門禁防盜系統(tǒng)[1]。隨著開放式購(gòu)物的不斷發(fā)展以及電子技術(shù)的不斷進(jìn)步，EAS系統(tǒng)開始變得至關(guān)重要。商家采用EAS系統(tǒng)，不僅可以提供更加舒適的購(gòu)物環(huán)境，同時(shí)也能保障自身的財(cái)產(chǎn)安全。目前，EAS系統(tǒng)主要分為4種：聲磁系統(tǒng)、射頻系統(tǒng)、電磁系統(tǒng)和微波系統(tǒng)[2]。其中，聲磁系統(tǒng)利用音叉共振原理，具有良好的抗干擾能力、漏報(bào)率低等特性，得到了廣泛的應(yīng)用。

傳統(tǒng)聲磁EAS系統(tǒng)的標(biāo)簽識(shí)別算法大多采用快速傅里葉變換法(FFT)、信噪比法(SNR)，或兩者結(jié)合。姚江敏等[1]將FFT和SNR兩者相結(jié)合，通過(guò)FFT在頻域查找標(biāo)簽信號(hào)的特征，SNR的使用則是加上第二門限，進(jìn)一步降低誤報(bào)率。方元等[2]通過(guò)偽隨機(jī)序列控制發(fā)射，同樣采用FFT的方法檢測(cè)標(biāo)簽信號(hào)?？笛┚甑萚3]則是將FFT法與最小二乘求信號(hào)包絡(luò)斜率相結(jié)合，同時(shí)采用信號(hào)互相關(guān)運(yùn)算的預(yù)處理方法對(duì)標(biāo)簽信號(hào)進(jìn)行識(shí)別。

上述傳統(tǒng)系統(tǒng)在無(wú)干擾環(huán)境下可以達(dá)到一定的識(shí)別率，但在某些復(fù)雜電磁環(huán)境下(如LED燈具附近、手扶梯附近、同類EAS系統(tǒng)附近等)，其漏報(bào)、誤報(bào)率會(huì)陡然上升，甚至完全失效。導(dǎo)致這種問(wèn)題的原因是傳統(tǒng)算法相對(duì)簡(jiǎn)單，只提取標(biāo)簽信號(hào)的特征，卻忽略了實(shí)際工作環(huán)境中噪聲的特征。針對(duì)這種問(wèn)題，提出了一種基于SVM算法的收發(fā)一體式聲磁EAS系統(tǒng)。通過(guò)FFT法提取標(biāo)簽、噪聲信號(hào)的頻域特征，將其作為SVM算法訓(xùn)練樣本。SVM訓(xùn)練模型將低維特征進(jìn)一步映射至高維空間，對(duì)實(shí)時(shí)采集的數(shù)據(jù)幀進(jìn)行有標(biāo)簽和無(wú)標(biāo)簽二分類計(jì)算。SVM算法的訓(xùn)練部分在MATLAB上完成。分類部分在FPGA芯片內(nèi)實(shí)現(xiàn)，采用三級(jí)并行計(jì)算結(jié)構(gòu)對(duì)算法進(jìn)行加速，用時(shí)小于0.5 ms。與傳統(tǒng)算法相比，響應(yīng)速度更快，具有更遠(yuǎn)的檢測(cè)距離，更低的漏報(bào)、誤報(bào)率，為復(fù)雜環(huán)境下EAS系統(tǒng)的穩(wěn)定運(yùn)行提供了一種解決方案。

1 聲磁EAS系統(tǒng)綜述

1.1 系統(tǒng)工作原理及硬件設(shè)計(jì)

聲磁EAS系統(tǒng)利用音叉共振原理，即在一定范圍內(nèi)的一個(gè)音叉振動(dòng)會(huì)引起另一個(gè)音叉的共振[4]。收發(fā)一體式EAS系統(tǒng)是將發(fā)射天線和接收天線纏繞在同一天線架上，發(fā)射天線在空間中產(chǎn)生固定頻率的磁場(chǎng)，聲磁標(biāo)簽進(jìn)入?yún)^(qū)域后被激勵(lì)，接收天線將標(biāo)簽信號(hào)收集起來(lái)[5]。信號(hào)經(jīng)過(guò)濾波、放大等處理后由AD芯片采集到FPGA芯片。最后，經(jīng)過(guò)算法處理識(shí)別標(biāo)簽信號(hào)并進(jìn)行聲光報(bào)警。通常情況下，一套完整的EAS系統(tǒng)包含1個(gè)主機(jī)，2個(gè)或多個(gè)收發(fā)一體式天線。天線之間擺放的距離可根據(jù)實(shí)際環(huán)境調(diào)整，間隔不得超過(guò)系統(tǒng)保護(hù)寬度。

系統(tǒng)整體硬件框圖如圖1所示。①算法實(shí)現(xiàn)平臺(tái)采用Altera公司Cylone Ⅳ系列EP4CE22E22C8型號(hào)的FPGA芯片，可滿足時(shí)序控制和數(shù)據(jù)處理需要。②同步信號(hào)由市電生成，頻率為50 Hz。③發(fā)射模塊在空間中形成檢測(cè)區(qū)域。④接收模塊用來(lái)采集標(biāo)簽、噪聲數(shù)據(jù)。⑤聲光報(bào)警模塊主要由蜂鳴器、LED燈組成。⑥存儲(chǔ)模塊使用EEPROM存儲(chǔ)，保證系統(tǒng)參數(shù)掉電重啟后依然生效。⑦通信模塊采用串口通信協(xié)議，上位機(jī)通過(guò)USB和主板連接，對(duì)系統(tǒng)進(jìn)行參數(shù)讀取、設(shè)置，數(shù)據(jù)采集等操作。

圖1 系統(tǒng)硬件框圖Figure 1 System hardware block diagram

1.2 標(biāo)簽信號(hào)特性

聲磁標(biāo)簽由磁性收縮材料制成，具有磁致伸縮性。當(dāng)受到外部磁場(chǎng)作用時(shí)，聲磁標(biāo)簽會(huì)產(chǎn)生物理形變，將電磁能轉(zhuǎn)化為機(jī)械能[5]。這種形變會(huì)隨著外部磁場(chǎng)的消失而恢復(fù)，此時(shí)機(jī)械能轉(zhuǎn)化為電磁能[6]。系統(tǒng)通過(guò)接收天線將該信號(hào)采集，并通過(guò)算法識(shí)別標(biāo)簽信號(hào)。電子標(biāo)簽分為軟標(biāo)簽和硬標(biāo)簽。軟標(biāo)簽價(jià)格低廉，消磁過(guò)后不可重復(fù)使用；硬標(biāo)簽外殼堅(jiān)硬，成本相對(duì)較高，可重復(fù)使用。

聲磁標(biāo)簽的諧振頻率分布在58～68 kHz[6]，系統(tǒng)以580 kHz采樣頻率得到的時(shí)域波形如圖2所示，頻域波形如圖3所示。圖2和圖3中，前512點(diǎn)數(shù)據(jù)為標(biāo)簽信號(hào)窗口數(shù)據(jù)，后512點(diǎn)數(shù)據(jù)為噪聲信號(hào)窗口數(shù)據(jù)。

圖2 時(shí)域波形Figure 2 Time domain waveform

圖3 頻域波形Figure 3 Frequency domain waveform

標(biāo)簽信號(hào)頻域特征的所處位置由式(1)得出：

(1)

式中：f0為標(biāo)簽諧振頻率，Hz；fs為采樣頻率，Hz；N為采樣點(diǎn)數(shù)；n為目標(biāo)頻率點(diǎn)數(shù)。

本文采用的聲磁標(biāo)簽諧振頻率為58 kHz，采樣頻率為580 kHz，采樣點(diǎn)數(shù)為512。由式(1)計(jì)算得出512點(diǎn)FFT計(jì)算后目標(biāo)頻率點(diǎn)在52點(diǎn)附近，即圖3中第一個(gè)波峰所在位置。聲磁標(biāo)簽離接收天線越近，信號(hào)強(qiáng)度越大，幅值就越大，標(biāo)簽信號(hào)與噪聲信號(hào)在頻域區(qū)別更大。通過(guò)FFT法提取了信號(hào)的頻域特征，將其作為SVM算法訓(xùn)練樣本。

2 算法設(shè)計(jì)

2.1 系統(tǒng)處理流程

FPGA頂層時(shí)序設(shè)計(jì)狀態(tài)轉(zhuǎn)移如圖4所示。系統(tǒng)上電后完成看門狗復(fù)位、載入預(yù)設(shè)參數(shù)等初始化操作后，進(jìn)入到初始狀態(tài)(IDLE)。檢測(cè)到同步信號(hào)后，發(fā)射窗口(Tx_win)開啟，持續(xù)1.6 ms。發(fā)射結(jié)束后，標(biāo)簽信號(hào)接收窗口(Rx_sig)開啟，采集512點(diǎn)數(shù)據(jù)。接著，經(jīng)FFT計(jì)算得到對(duì)應(yīng)的頻域特征值，取頻域特征點(diǎn)左右N/2個(gè)點(diǎn)暫存。經(jīng)過(guò)短暫延遲后，對(duì)噪聲信號(hào)接收窗口(Rx_noise)采集到的噪聲數(shù)據(jù)做同樣處理。然后，從RAM內(nèi)讀取暫存的N點(diǎn)數(shù)據(jù)，組成標(biāo)簽噪聲數(shù)據(jù)幀SNN×1，開始進(jìn)行分類計(jì)算(SVM_classfier)。分類計(jì)算的結(jié)果作為聲光報(bào)警(Is_alarm)的依據(jù)。此時(shí)，一個(gè)完整的判斷流程結(jié)束，用時(shí)13.33 ms。系統(tǒng)在兩個(gè)同步信號(hào)周期內(nèi)完成3次判斷流程，根據(jù)計(jì)數(shù)器的數(shù)值返回相應(yīng)狀態(tài)。

圖4 時(shí)序狀態(tài)轉(zhuǎn)移圖Figure 4 Timing state transition diagram

2.2 支持向量機(jī)(SVM)算法

支持向量機(jī)(support vector machine，SVM)是機(jī)器學(xué)習(xí)領(lǐng)域一種常見的判別方法，屬于有監(jiān)督學(xué)習(xí)模型，常用來(lái)做模式識(shí)別、分類和回歸分析[7-8]。SVM具有很強(qiáng)的學(xué)習(xí)能力，能較好地解決小樣本、非線性、過(guò)學(xué)習(xí)、高維數(shù)、局部極小點(diǎn)等實(shí)際問(wèn)題，具有良好的推廣能力。

SVM算法的實(shí)現(xiàn)主要包含3部分：訓(xùn)練數(shù)據(jù)采集、MATLAB模型訓(xùn)練和FPGA分類實(shí)現(xiàn)，流程圖如圖5所示。

圖5 SVM算法實(shí)現(xiàn)流程圖Figure 5 Flow chart of SVM algorithm implementation

SVM主要思想是找到空間中的一個(gè)能夠?qū)⑺袠颖緮?shù)據(jù)劃開的超平面ωTx+b=0，使得所有數(shù)據(jù)距離這個(gè)超平面最近[9]。算法數(shù)學(xué)模型如下所示：

(2)

式中：xi為訓(xùn)練樣本向量；yi為訓(xùn)練樣本分類標(biāo)簽，一般為-1和+1；N為訓(xùn)練樣本點(diǎn)的個(gè)數(shù)；ω為超平面方向的垂直向量；b為初始值的偏移量。

上述問(wèn)題的最優(yōu)解為參數(shù)ω和b。在解決實(shí)際問(wèn)題時(shí)，往往需要引入懲罰參數(shù)C和松弛變量ξi來(lái)調(diào)整分類函數(shù)誤差[10]。此時(shí)，問(wèn)題可表示為

(3)

式中：ξi≥0；C值越大，對(duì)誤分類的樣本點(diǎn)的懲罰就越大。

為了方便計(jì)算，將式(3)轉(zhuǎn)化為對(duì)偶問(wèn)題，加入拉格朗日乘子，最終的分類模型可表示為

(4)

式中：xj為測(cè)試樣本向量；αi為拉格朗日乘子，且αi≥0；K(xi,xj)為核函數(shù)，表示訓(xùn)練樣本向量和測(cè)試樣本向量在隱式映射后的空間中的內(nèi)積計(jì)算[11]。

常用的核函數(shù)一般有線性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、指數(shù)核函數(shù)、拉普拉斯核函數(shù)和Sigmoid核函數(shù)[12]。核函數(shù)的類型、參數(shù)的選擇對(duì)分類性能有著重要的影響[13],其選擇目前仍是一個(gè)未決的問(wèn)題，通常憑借經(jīng)驗(yàn)選擇[14]。對(duì)不同核函數(shù)進(jìn)行初步試驗(yàn)對(duì)比后，選擇了分類效果較好的線性核函數(shù)，其表達(dá)式為

K(xi,xj)=xi·xj。

(5)

2.3 訓(xùn)練數(shù)據(jù)采集

SVM算法訓(xùn)練數(shù)據(jù)的采集環(huán)境分為無(wú)電磁干擾場(chǎng)景和有電磁干擾場(chǎng)景。無(wú)電磁干擾場(chǎng)景設(shè)置為實(shí)驗(yàn)室環(huán)境；有電磁干擾場(chǎng)景設(shè)置為3種常見場(chǎng)景：LED燈具附近、手扶梯附近、同類EAS設(shè)備附近。每個(gè)場(chǎng)景下采集91組數(shù)據(jù)，類別為有標(biāo)簽數(shù)據(jù)和無(wú)標(biāo)簽數(shù)據(jù)(環(huán)境噪聲數(shù)據(jù))。有標(biāo)簽數(shù)據(jù)分組類別包括標(biāo)簽類型(軟、硬)、標(biāo)簽放置方向R(垂直地面、平行地面、垂直天線線圈)、距離天線距離D(間隔10 cm為一組)、距離地面高度H(高、中、低)。每組訓(xùn)練數(shù)據(jù)采集1 000幀，每一幀數(shù)據(jù)包含512點(diǎn)標(biāo)簽信號(hào)數(shù)據(jù)和512點(diǎn)噪聲信號(hào)數(shù)據(jù)。具體標(biāo)簽放置位置如圖6所示。采集無(wú)標(biāo)簽數(shù)據(jù)時(shí)，接收區(qū)域不放置任何標(biāo)簽，采集幀數(shù)和該場(chǎng)景下有標(biāo)簽信號(hào)數(shù)據(jù)幀數(shù)一致。

圖6 采集標(biāo)簽放置圖Figure 6 Label placement diagram

2.4 數(shù)據(jù)預(yù)處理及模型的訓(xùn)練

SVM算法訓(xùn)練部分在MATLAB上完成。經(jīng)測(cè)試，以時(shí)域數(shù)據(jù)作為訓(xùn)練集得到的模型分類正確率只能達(dá)到50%～60%，不能滿足系統(tǒng)要求。因此，將原始數(shù)據(jù)進(jìn)行FFT預(yù)處理，提取信號(hào)頻域特征作為訓(xùn)練集。為了進(jìn)一步縮小模型、降低運(yùn)算復(fù)雜度，分別截取標(biāo)簽、噪聲信號(hào)峰值左右的N/2(N<1 024)個(gè)點(diǎn)作為訓(xùn)練集。最終在性能與復(fù)雜度之間進(jìn)行折中，N設(shè)置為82，得到的3 000幀分類正確率達(dá)99%。

2.5 分類算法在FPGA上的實(shí)現(xiàn)

MATLAB訓(xùn)練得到的SVM算法模型主要包含：歸一化的參數(shù)向量STN×1和SFN×1；支持向量矩陣SVM×N和支持向量分組指示向量AHM×1；超平面中的截距常量Bias。其中，M為支持向量的個(gè)數(shù)；N為支持向量的特征維數(shù)。訓(xùn)練模型得到的支持向量個(gè)數(shù)為111，支持向量特征維數(shù)為82。這些參數(shù)存放在FPGA片內(nèi)ROM中，如有升級(jí)需要，可通過(guò)上位機(jī)進(jìn)行更新。從RAM中讀出標(biāo)簽噪聲數(shù)據(jù)幀SNN×1進(jìn)行分類計(jì)算，其數(shù)學(xué)模型可表示為

F=SV·SD·AHT+Bias;

(6)

SDi=SFi·(SNi+STi)，i=1,2,…,N;

(7)

result=sign(F)。

(8)

式中：SD為中間變量；F為分類算法的結(jié)果值；sign為取最高位符號(hào)運(yùn)算；result即為本次判斷結(jié)果。result若為1，則存在標(biāo)簽，啟動(dòng)聲光報(bào)警；若為0，則不存在標(biāo)簽。

FPGA實(shí)現(xiàn)式(6)、式(7)中的矩陣運(yùn)算需要用到加法器、乘法器、乘法累加器(MAC)、寄存器(Reg)等單元，使用到的存儲(chǔ)單元有RAM、ROM等單元。分類計(jì)算涉及大量矩陣和向量的乘法運(yùn)算，采用常規(guī)的處理方式會(huì)導(dǎo)致系統(tǒng)延時(shí)過(guò)長(zhǎng)，不能滿足時(shí)序要求。為了進(jìn)一步提高工作頻率，減少分類算法用時(shí)，采用三級(jí)流水線設(shè)計(jì)，算法整體結(jié)構(gòu)如圖7所示。

圖7 FPGA實(shí)現(xiàn)SVM分類結(jié)構(gòu)圖Figure 7 Classification structure of SVM implemented by FPGA

第一級(jí)流水線進(jìn)行向量運(yùn)算，目的是將數(shù)據(jù)幀SNN×1進(jìn)行標(biāo)準(zhǔn)化。首先將數(shù)據(jù)幀SNN×1與STN×1相加，然后與SFN×1進(jìn)行點(diǎn)乘。第二級(jí)流水線是三級(jí)流水線中延時(shí)最長(zhǎng)、復(fù)雜度最高的部分，主要完成支持向量矩陣SVM×N與上級(jí)處理得到的標(biāo)準(zhǔn)化向量SDN×1的乘法運(yùn)算。在此部分采用三級(jí)并行計(jì)算結(jié)構(gòu)，將用時(shí)縮短為線性計(jì)算的1/3。隨著數(shù)據(jù)量的增大，可擴(kuò)展此部分并行加速單元，減少系統(tǒng)延遲。第三級(jí)流水線進(jìn)行向量的點(diǎn)乘運(yùn)算，作用是指示支持向量的類別，對(duì)上級(jí)處理得到的向量與分組指示向量AHM×1進(jìn)行點(diǎn)乘，得到最終分類計(jì)算結(jié)果。分類計(jì)算部分時(shí)鐘頻率為100 MHz，經(jīng)過(guò)三級(jí)流水線處理，可在0.5 ms內(nèi)完成分類計(jì)算。與傳統(tǒng)線性實(shí)現(xiàn)方式相比，三級(jí)并行結(jié)構(gòu)具有更快的處理速度，所用FPGA硬件資源更少。

3 系統(tǒng)測(cè)試結(jié)果

系統(tǒng)硬件采用模擬電路與數(shù)字電路相結(jié)合的方式，主板如圖8所示。

圖8 系統(tǒng)主板Figure 8 System board

將本系統(tǒng)和市面上某品牌進(jìn)行對(duì)比測(cè)試，系統(tǒng)測(cè)試場(chǎng)景分為有電磁干擾場(chǎng)景和無(wú)電磁干擾場(chǎng)景，每個(gè)場(chǎng)景測(cè)試3 000幀，測(cè)試標(biāo)簽包括軟標(biāo)簽和硬標(biāo)簽。最遠(yuǎn)距離測(cè)試條件為單發(fā)射天線、單接收天線，測(cè)試結(jié)果如表1所示，結(jié)果標(biāo)準(zhǔn)差如表2所示。系統(tǒng)識(shí)別率測(cè)試條件為雙發(fā)射天線、雙接收天線。將電子標(biāo)簽從天線中間拋過(guò)，模擬實(shí)際工作情況，記錄系統(tǒng)報(bào)警次數(shù)，測(cè)試結(jié)果如表3所示。

表1 系統(tǒng)最遠(yuǎn)檢測(cè)距離對(duì)比Table 1 Comparison of the farthest detection distance m

表2 最遠(yuǎn)檢測(cè)距離結(jié)果標(biāo)準(zhǔn)差Table 2 Standard deviation of the farthest detection distance result cm

表3 系統(tǒng)正確識(shí)別率對(duì)比

表1、表2結(jié)果顯示，本系統(tǒng)在有電磁干擾環(huán)境和無(wú)電磁干擾環(huán)境下均有著更遠(yuǎn)的檢測(cè)距離，并且可以保持較高的穩(wěn)定性。表3結(jié)果顯示，本系統(tǒng)有著更高的識(shí)別率。無(wú)干擾環(huán)境下，硬標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)1.55 m，識(shí)別率最高可達(dá)99.7%；軟標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)0.9 m，識(shí)別率最高可達(dá)99.4%。有干擾環(huán)境下，硬標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)1.45 m，識(shí)別率最高可達(dá)99.4%；軟標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)0.75 m，識(shí)別率最高可達(dá)98.9%。在3種有電磁干擾場(chǎng)景下，硬標(biāo)簽最低識(shí)別率為99%，軟標(biāo)簽最低識(shí)別率為98.7%。相比于無(wú)電磁干擾場(chǎng)景，系統(tǒng)性能雖然有所降低，但依然可以保持較高的穩(wěn)定性。硬標(biāo)簽制作工藝優(yōu)于軟標(biāo)簽，相同距離下硬標(biāo)簽信號(hào)強(qiáng)度更大，因此，系統(tǒng)在使用硬標(biāo)簽時(shí)有著更遠(yuǎn)的檢測(cè)距離、更高的識(shí)別率。本系統(tǒng)在有電磁干擾場(chǎng)景下測(cè)試性能有所下降，分析原因主要有：第一，環(huán)境中存在隨機(jī)噪聲，此類噪聲無(wú)法完全消除，只能從硬件設(shè)計(jì)上盡量減少此類干擾；第二，SVM算法訓(xùn)練集數(shù)據(jù)庫(kù)有限，得到的模型有一定的局限性；第三，為了節(jié)省硬件空間，對(duì)SVM模型進(jìn)行了壓縮，導(dǎo)致性能有所下降。

4 結(jié)論

針對(duì)傳統(tǒng)算法在強(qiáng)電磁干擾情況下性能急劇下降的問(wèn)題，提出了一種基于SVM的聲磁標(biāo)簽檢測(cè)系統(tǒng)，算法實(shí)現(xiàn)平臺(tái)為FPGA芯片。測(cè)試結(jié)果顯示：無(wú)干擾環(huán)境下，硬標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)1.55 m，最遠(yuǎn)檢測(cè)距離結(jié)果標(biāo)準(zhǔn)差為3.9 cm，識(shí)別率最高可達(dá)99.7%；軟標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)0.9 m，最遠(yuǎn)檢測(cè)距離結(jié)果標(biāo)準(zhǔn)差為2.8 cm，識(shí)別率最高可達(dá)99.4%。有干擾環(huán)境下，硬標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)1.45 m，最遠(yuǎn)檢測(cè)距離結(jié)果標(biāo)準(zhǔn)差最大為6.2 cm，識(shí)別率最高可達(dá)99.4%；軟標(biāo)簽最遠(yuǎn)檢測(cè)距離可達(dá)0.75 m，最遠(yuǎn)檢測(cè)距離結(jié)果標(biāo)準(zhǔn)差最大為4.9 cm，識(shí)別率最高可達(dá)98.9%。與傳統(tǒng)設(shè)備相比，本系統(tǒng)有著更遠(yuǎn)的檢測(cè)距離，更低的誤報(bào)率和更高的識(shí)別率，具有良好的抗干擾能力以及更加穩(wěn)定的性能，為復(fù)雜電磁環(huán)境下EAS系統(tǒng)穩(wěn)定運(yùn)行提供了一種解決方案。

為了進(jìn)一步提升系統(tǒng)性能，未來(lái)研究工作主要圍繞以下方面進(jìn)行：第一，擴(kuò)充工作場(chǎng)景數(shù)據(jù)庫(kù)，收集其他典型場(chǎng)景下的實(shí)時(shí)數(shù)據(jù)，增強(qiáng)系統(tǒng)適用性和抗干擾能力；第二，優(yōu)化SVM算法分類模型，進(jìn)一步提升分類效果，降低算法復(fù)雜度；第三，未來(lái)市場(chǎng)逐漸向物聯(lián)網(wǎng)方向發(fā)展，為EAS系統(tǒng)增加物聯(lián)網(wǎng)模塊可以更加方便采集各種場(chǎng)景下的實(shí)時(shí)數(shù)據(jù)，客戶也可以進(jìn)行聯(lián)網(wǎng)查詢?cè)O(shè)備狀態(tài)，更改參數(shù)，遠(yuǎn)程更新系統(tǒng)等操作。