[发明专利]基于双定向网关、RFID和BP神经网络的无感考勤系统及方法

权利要求书

1.一种基于双定向网关、RFID和BP神经网络的无感考勤系统，其特征在于，所述系统包括门外定向网关、门内定向网关、有源RFID标签、路由器、云端服务器、云端考勤数据接收及处理软件、云端kafka消息队列软件、云端数据库、云端考勤通知推送软件、BP神经网络数据分析软件、接收考勤通知的终端或应用软件，所述BP神经网络数据分析软件、云端kafka消息队列软件、云端考勤推送通知软件以及云端考勤数据接收及处理软件在云端服务器上运行，所述门外定向网关、门内定向网关通过网线和路由器相连接，所述路由器通过网线接入互联网，所述有源RFID标签被用户随身携带，所述门外定向网关、门内定向网关通过路由器接入互联网并与云端服务器以TCP协议方式保持长连接，所述门外定向网关、门内定向网关均装有定向天线。

2.如权利要求1所述的基于双定向网关、有源RFID和BP神经网络的无感考勤系统，其特征在于，所述路由器带有POE供电功能。

3.如权利要求1所述的基于双定向网关、有源RFID和BP神经网络的无感考勤系统，其特征在于，所述终端或应用软件包括短信、微信公众号及考勤应用APP。

4.一种无感考勤方法，采用如权利要求1-3所述的任一无感考勤系统，其特征在于，包括以下步骤；

S1：有源RFID标签,以一定的频率发射无线信号；

S2：门外定向网关、门内定向网关，负责采集网关覆盖范围内步骤S1的有源RFID标签发出的信号，并以相应的频率将采集到的具有时序的考勤数据加密后发送到云端服务器；

S3：云端考勤数据接收及处理软件，负责接收步骤S2发送的原始时序考勤数据，解密后存入云端数据库，记录有源RFID标签首末次信号时间，并通过一个环形定时队列对众多的有源RFID标签做超时检测，超时的有源RFID标签，生成一条包含有源RFID标签、起始时间和终止时间的记录，存入kafka消息队列s3；

S4：BP神经网络数据分析软件，订阅kafka消息队列s3，当有数据生成时，根据有源RFID标签起始和终止时间，从云端数据库分别查询两个定向基站收到的有源RFID标签考勤时序数据，进一步分别对两段时序数据降燥处理，然后将降噪后的数据输入训练好的考勤数据分类预测模型，经分类预测模型分析后，得到两条用户考勤出入结果，根据出入方向判定规则得到用户出入方向，并将结果存入kafka消息队列s4中；

S5：云端考勤通知推送软件，负责从kafka消息队列s4取出有源RFID标签考勤记录，通过短信、微信公众号、考勤应用APP方式下发考勤通知到用户终端设备。

5.如权利要求4所述的无感考勤方法，其特征在于，步骤S4中，所述对两段时序数据降燥处理包括：偏差检测、根据系统预设偏差阀值过滤异常波动信号；所述出入方向判定规则包括：(1)如果门外网关正面通过或者正面靠近且门内网关反面通过或者正面远离，则认为用户进入；(2)如果门内网关正面通过或者正面靠近且门外网关反面通过或者正面远离，则认为用户走出。

6.如权利要求5所述的无感考勤方法，其特征在于，所述环形定时队列具体包括数据结构、环形队列算法、收到有源RFID标签信号时环形队列运行流程以及环形队列超时检测方法。

7.如权利要求5或6所述的无感考勤方法，其特征在于，步骤S4中，经BP神经网络数据分析软件训练得到的考勤数据分类预测模型，对有源RFID标签考勤数据的预测结果分六类：正面靠近、正面远离、正面通过、反面靠近、反面远离、反面通过。

8.如权利要求5或6所述的无感考勤方法，其特征在于，所述BP神经网络包括输入层、隐藏层以及输出层。

9.如权利要求8所述的无感考勤方法，其特征在于，所述BP神经网络包括考勤数据分类算法，包含：BP神经网络构建、BP神经网络训练以及BP神经网络测试。