速度阈值过滤时，如果X的值，例如，0.1重力(g)作用力处于预定义阈值以上，那么处理器62判断发生了运动X。可以通过方程形式将第一事件过滤器表达为:F1= [ΣΧ — Θ]γ，其中，Σ X是具有超过了加速度阈值Θ的加速度值的运动X的和，Υ是阈值时间。例如，如果加速度阈值为0.2g的加速度，并且在五秒内有五次力大于0.2g的运动X，此外时间阈值Y等于六秒，那么过滤器结果为“真”，即，过滤器声明所述事件，即，满足过滤器的事件。
[0039]在一个实施例中，运动X可以对应于上面列举的不同类型的运动中的一种或多种的复杂组合。例如，运动X可以是倾斜运动，即，X = T，其中，可以将第一事件过滤器表达为:F1= [ΣΤ — θ] γ,其中，σ Τ是任何平面内的倾斜运动之和，Θ是对于ΣΤ而言相对于某一取向平面的以(例如)度表示的阈值，Υ是阈值时间。第一事件过滤器的一个可能的过滤参数的集合可以是θ = 5、Τ = 30度、Υ = 60秒，其中，必须在六十秒内发生五次超过30度的运动才能满足所述事件过滤器。
[0040]—种更加明确的表达这一过滤器F1的方式是表现出计算在所述和内的所有倾斜运动都处于预定义的倾斜阈值Tm，即倾斜角以上。可以将具有预定义倾斜阈值Tm的第一事件过滤器表达为:Fl= [ Σ Τ(τ>τη)- θ]γ。如果X小和/或Θ小，并且Υ大，那么第一事件过滤器是稀疏过滤器。
[0041]另一种类型的事件过滤器是至少部分地在WSN标签14报告给WSN接入点18的事件的数量，即，WSN标签14激发的次数的基础上自动改变过滤器参数的第二事件过滤器，即，所述过滤器是自适应的。将第二事件过滤器表达为:F2= [ Σ Τ— θ ] Θ = Θ ( Σ F)=m* Σ F，其中，Σ F是过滤器激发的总次数(自过滤器重置开始)，m是常数。换言之，第二事件过滤器的激发与第一事件过滤器类似，但是不会为相同强度的操作事件再次激发(在重置之前)，而是在每次激发之后需要提高的操作强度，即，Θ在每次激发之后增大。第二事件过滤器有利地允许系统10俘获第一主要事件或激发，之后，俘获物品12的操作强度的任何增加，而不采用对初始强度的持续操作的冗余报告淹没传感器网络通信信道，例如，网络22。
[0042]另一种类型的自适应事件过滤器是至少部分地基于WSN标签14报告的激发或事件自动改变过滤器参数的第三事件过滤器。将第三事件过滤器表达为:f3= [ΣΤ — θ ]γ；Υ = Υ( Σ F) = Υ0*[1+ Σ F]k，其中，Υ。是时间阈值的初始值，k是常数。如果k是小的正值(处于0和1之间，更接近0)，那么Y随着每个过滤器激发缓慢增大。但是，如果k是大值(k>2)，那么Y随着每个过滤器激发快速增大。如果k是负的，那么在每个过滤器激发事件之后根据k的幅值缓慢或快速地缩短时间限制Y。在零售商为第一激发事件赋予的重要性高于正在随着时间的推移而发生的运动时可以采用第三事件过滤器。例如，如果了解第一次发生的超出阈值的运动是非常重要的，而了解随着时间的推移正在发生的运动虽然不能说不重要，但是其重要性更低一些，那么零售商可以实施第三事件过滤器。就零售物品管理而言，一旦对零售物品的操作超出了某一阈值，例如，25秒内3次倾斜，那么将立即通知分析装置24。如果在接下来的25秒内发生了另外的3次倾斜，那么第二事件就不再象第一事件那样值得注意，因为分析装置24已经了解到物品正在受到操作。但是，零售商可能想知道在接下来的10秒内，而不是25秒内是否发生了 3次倾斜，其中，可以适当地选择常数m，从而使得第二过滤器将因高强度操作事件而激发。
[0043]另一事件过滤器是逐渐减弱过滤器的“关闭”从而与物品12的现实世界操作相匹配的第四事件过滤器。例如，第四事件过滤器包括从0开始的过滤器计数器，如果发生了高于阈值Θ的运动，该计数器递增(+1)。任何时候，只要计数器大于0，计时器t就运行。如果计时器t在另一超出阈值的运动之前达到了预定义时间限制Y，那么计数器递减(-1)，并对计时器重置。如果计数器抵达0，那么计时器重置但在出现另一超出阈值的运动之前不会重新开始。但是，如果过滤器计数器在任何时候抵达了某一阈值Θ，那么满足过滤器，g卩，报告事件触发过滤器激发和所述事件。
[0044]另一事件过滤器是复合事件过滤器，其包括至少两个相同和/或不同过滤器类型的过滤器。所述复合事件过滤器的一种变型是串联复合过滤器，其中，第一过滤器的激发将对第一滤波器禁用并启用串联的第二过滤器。第二滤波器的激发将禁用第二过滤器，并启用串联的第三过滤器，依此类推，直到最后的过滤器激发为止。在最后的过滤器激发之后，对最后的过滤器禁用，并启用第一滤波器，以重复所述过程。例如，第一事件过滤器(F1)的激发启用第二事件过滤器(F2)与此同时还对所述第一事件过滤器(F1)禁用。例如，消费者可以拿起物品并对其操作，从而在10秒内引起至少5次运动X，其使得第一事件过滤器激发，即，受到触发，继而被禁用。消费者可以继续操作物品，但是可能开始有意检查物品，从而在下一 10秒内引起更高强度的激发，由此使得第二过滤器激发，引起标签事件的报告。
[0045]所述复合事件过滤器的第二变型是并联复合过滤器。在并联复合过滤器中，将至少两个事件过滤器组合到一起成为一组，该组内的事件过滤器之一的激发将构成该组的激发。例如，可以将第一事件过滤器(F1)和第二事件过滤器(F2)并联组合到一起，其中，任一过滤器的激发将构成该组的激发。例如，可以在X秒的运动检测之后触发过滤器F1，而第二过滤器则可以在自初始运动开始检测到X+Y秒的运动之后受到触发。消费者可以拿起物品12并开始对物品12进行强烈地操作，即，从各个角度检查所述物品，因而在具有10秒的时间阈值的第一事件过滤器之后触发具有30秒的时间阈值的第二事件过滤器，两时间阈值都以相同的时间起点为基础。之后报告所述标签事件。
[0046]所述复合事件过滤器的第三种变型是串并联复合过滤器，其包括至少三个处于串联/并联配置当中的事件过滤器。例如，所述第一事件过滤器F1可以与一组并联过滤器(F2，F3，F4)串联，其中，该组过滤器是非活动的，直到第一事件过滤器激发为止。在第一事件过滤器激发之后，激活该组过滤器(F2，F3，F4)，并对第一事件过滤器停用。F2，F3或F4的激发将使得报告或事件数据67被发送至WSN接入点18。例如，消费者可以拿起物品12，检查物品，并放下物品12，由此触发第一事件过滤器，其将禁用第一事件过滤器并启用该组并联过滤器。之后，消费者可能第二次拿起物品12，就像仍在尝试做出是否购买物品12的决定一样，其中，围绕第二次对物品12所做的操作可能更加强烈，即，消费者抬高所述物品，从物品12的下面检查。所述检查使得第二事件过滤器在第三和第四事件过滤器之前触发，从而对所述事件予以报告，并禁用该组并联事件过滤器，启用第一事件过滤器。所述串联/并联过滤器组方案适于定义复杂的物品运动，所述运动涉及交替的加速度以及物品翻转/倾斜。例如，后面跟随着一系列倾斜变化的初始平移加速度可以是“拿起物品并检查”的表征，而一系列重复的(周期性的)平移和倾斜则可能指示一群人(两个或更多)在检查物品。此外，在X和Y方向内的不频繁但是明显较大的加速度以及Z方向内的非常频繁的较小的加速度的基础上，过滤器的串联/并联布置可以指示人正在持有物品行走。
[0047]尽管参考单个WSN标签14描述了并联、串联和复合事件过滤器，但是本发明不限于此。可以设想，WSN接入点18或分析装置24能够利用这些装置内的过滤器在多个WSN标签14提供的传感器数据的基础上或者在单个WSN标签14中的一组过滤器的激发的基础上做出并联、串联和复合触发的决定。此外，在采用一组WSN标签14(每者具有其相应的内部串联/并联过滤器组)监测许多零售物品12时，来自一个标签的过滤器事件可能影响其他(相邻)WSN标签14中的过滤器或过滤器子集的启用和停用。这样的发生在相邻WSN标签14中的过滤器启用和停用在零售店的特定部分内的活动监测当中提供了附加的实用性，其中，在零售物品12的数量大于预定义的小数量的情况下，超过某一强度的WSN标签14活动没有大的商业意义，因为店员的响应不受额外的事件报告的影响。换言之，这一“超过滤器”可以包括若干来自多个WSN标签14的过滤器组，并由此可以通过所述WSN接入点或分析装置使单个“事件声明”与之相关。
[0048]另一事件过滤器是学习模式事件过滤器。所述学习模式事件过滤器对运动事件和时间间隔计数，并采取具有回归分析或规则的预编程函数的形式，以确定其自身的参数或者从预编程参数选项的列表中进行选择(例如，最佳拟合Y和Θ值)。一旦选择或者确定了过滤器参数，就在将WSN标签14置于正常活动模式时采用所述过滤器参数。所述学习模式方案的一种变型是WSN接入点18或分析装置24指示WSN标签14之一发送原始运动传感器数据58，S卩，停止所有的过滤的时候。具体而言，WSN标签14可以接收命令，以报告每个轻微移动(对于小m值而言X>Xm)，其中，分析装置24或其他网络实体采用所述原始数据选择事件过滤器和与原始数据最佳拟合的对应过滤器参数。
[0049]例如，所述WSN标签集合可以包括处于沿墙、柱、搁板支架的各个固定位置上的以及处于沿零售店内的普通走道的其他固定点上的各个WSN标签14。这些WSN标签14可以包括检测人何时走过或者靠近到某一距离以内接近传感器(未示出)。在传感器网络训练周期内，指示标签将所有可检测的传感器读数，即处于噪声水平以上的读数通过无线网络发送至WSN接入点18。在相同的时间周期内，派雇员对来往于每个通道的人的数量进行计数，其可以采取尽数方式，也可以根据某一基于统计学的抽样公式。尔后，将来自WSN标签14的网络的原始接近传感器数据与目击数据进行比较，以判断哪些过滤器和过滤器参数值能够与实际店铺客流量数据最佳地拟合。接下来能够信任拟合的过滤器，并采用其得出准确的店铺客流量报告，而不再需要现场派雇员进行观察。对于上文所述的基于加速度计的过滤器而言，可以采用类似的例子判断哪些过滤器和过滤器参数组与“有意义的类型的物品操作”最佳地拟合。
[0050]之后，分析装置24和/或WSN接入点18可以向WSN标签14发送选定的事件过滤器和过滤器参数，并指示WSN标签14实施选定的事件过滤器并离开学习模式，S卩，采用选定的事件