基于振动光纤探测和完整动作提取的入侵报警方法及系统技术方案

本发明专利技术提供了一种基于振动光纤探测和完整动作提取的入侵报警方法及系统，包括：步骤S1：求解并保存信号，设定阈值以判定入侵动作信号和报警；步骤S2：获得原始振动信号曲线并进行归一化拉平处理；步骤S3：对拉平处理后的信号进行高频高通滤波处理，对图像进行二值化处理，进行外部轮廓提取得到最小外接矩形；步骤S4：对拉平处理后的信号进行低频高通滤波处理，构建分类网络的时频图像数据集，对EfficientNet分类网络模型进行训练；步骤S5：根据最小外接矩形信息，结合通过EfficientNet分类网络获得的矩阵，实现分类报警。本发明专利技术能够快速地获得效果较好的能量瀑布图，从而在空间维上能快速得到可疑入侵信号的位置点，在时间维上能准确获得可疑入侵信号的覆盖时间。间维上能准确获得可疑入侵信号的覆盖时间。间维上能准确获得可疑入侵信号的覆盖时间。

【技术实现步骤摘要】
基于振动光纤探测和完整动作提取的入侵报警方法及系统


[0001]本专利技术涉及计算机视觉融合领域，具体地，涉及一种基于振动光纤探测和完整动作提取的入侵报警方法及系统。

技术介绍

[0002]为保障场区周界的安全，实现对场区入侵事件的事前发现、事中阻止、事后复核的安保目标，在整个场区范围布设围栏型光纤周界安防入侵报警系统，通过光纤振动信号对入侵事件进行定位和报警判断，能够解决复杂地质和环境情况下超长距离周界的入侵报警问题，并通过联动前端视频复核，可以实现警情可视化及管理自动化。
[0003]定位型振动光纤入侵探测技术通过探测光脉冲的发出与返回时间确定振动事件发生的具体位置，返回的信号强度反映振动幅度的变化，因此可以利用振动光纤作为传感器来探测振动信号并通过信号处理等一系列算法判别是否存在入侵行为。现有的入侵报警系统是对过预处理后固定时间长度的振动信号进行分类和识别，然而一般的入侵行为动作都是较为复杂的过程，尤其是入侵持续时间一般无法确定，通常情况下，针对入侵行为仅截取固定时间长度的入侵振动信号无法完全表征完整的入侵行为信息，因此会导致算法对入侵动作类型的识别不够准确。同时，已有算法存在对单个入侵动作重复截取重叠信息进行重复度较高的分类识别问题，这将导致短时间内要对大量重叠度较高的信息进行分类识别，一个完整的入侵动作可能会产生大量的重复性报警，极大地增加了检测器的检测压力，造成极大的性能消耗。其次，在空间维上，单个入侵动作将带动周围几个甚至十几个位置点的报警，这在一定程度上又增加了检测的重复性及不确定性。
>[0004]目前，深度学习技术不断应用于各个领域，都发挥出了准确率高、速度快等技术优势，尤其是图像分类领域，经过神经网络模型的不断改进和优化，分类网络模型的训练时间、分类准确度和分类速度都已经达到了非常高的水准，尤其是近期面世的EfficientNet分类网络模型，独特的模型结构使其在特征差异不明显的情况下同样具有较强的图像分类能力，具有很好的实用性。
[0005]因此，充分考虑围栏型光纤周界安防入侵报警系统可靠性、准确性和运行成本的需求，本专利提出了新型定位型振动光纤入侵探测算法，将能量瀑布图技术、完整时域动作信号提取技术与计算机视觉技术相结合，利用原始振动信号数据生成能量瀑布图，从而确定入侵事件发生的位置点及覆盖时间。并通过完整时域动作信号提取技术将原始一维振动信号数据转换为二维时频图像数据，得到完整入侵动作的时频图。最后构建时频图像数据集对EfficientNet分类网络模型进行训练，通过分类网络输出得到完整入侵动作的报警类别。
[0006]因此，研究一种基于定位型振动光纤探测技术和完整时域动作信号提取技术的入侵信号报警系统，实现能量瀑布图的生成、完整入侵动作时频图的提取及分类神经网络是十分必要且有意义的。
[0007]专利文献CN106652285A(申请号：CN201610908266.5)公开了一种分布式多防区振
动光纤周界报警系统以及周界监测方法，其包括：窄线宽光源模块和分光器，分光器具有多个光出口；多防区现场探测单元，由多个防区探测单元构成；以及终端监测单元；所述窄线宽光源模块与分光器相连，分光器的每个光出口与其中一个防区探测单元中的光模块通过通信光缆相连，所有光模块均与光电转换数据处理模块相连，窄线宽光源模块射出的光源通过分光器分光后进入每个防区探测单元，经光模块耦合后形成干涉光信号进入光电转换数据处理模块转变成信息数据，信息数据由主控器分析处理。但该专利技术没有使用能量瀑布图、信号时频图及分类神经网络相融合的算法，导致虚警率和误报率较高。

技术实现思路

[0008]针对现有技术中的缺陷，本专利技术的目的是提供一种基于振动光纤探测和完整动作提取的入侵报警方法及系统。
[0009]根据本专利技术提供的一种基于振动光纤探测和完整动作提取的入侵报警方法，包括：
[0010]步骤S1：求解并保存信号，设定阈值以判定入侵动作信号和报警；
[0011]步骤S2：获得原始振动信号曲线并进行归一化拉平处理；
[0012]步骤S3：对拉平处理后的信号进行高频高通滤波处理，对图像进行二值化处理，进行外部轮廓提取得到最小外接矩形；
[0013]步骤S4：对拉平处理后的信号进行低频高通滤波处理，构建分类网络的时频图像数据集，对EfficientNet分类网络模型进行训练；
[0014]步骤S5：根据最小外接矩形信息，结合通过EfficientNet分类网络获得的矩阵，实现分类报警。
[0015]优选地，在所述步骤S1中：
[0016]步骤S1.1：求解各个位置点在时间维度的能量信号，设定能量包络阈值A
n
；
[0017]步骤S1.2：随着时间变化，若能量值大于等于A
n
，则保存本帧信号，若能量值小于阈值A
n
的持续时间不超过预设值则持续保存为一个动作的信号，若持续时间大于等于预设值则拆分为两个动作的信号；
[0018]步骤S1.3：在时间维度设定入侵持续时间阈值T
n
，若截取到的信号持续时间小于T
n
秒，则不作识别，若截取到的信号持续时间大于等于T
n
秒，则被判定为单个入侵动作信号；
[0019]步骤S1.4：在空间位置维度设定跨度范围阈值P
n
，若两个入侵报警位置点之间的距离小于P
n
则判定为同一个入侵行为导致的报警并进行合并，若两个入侵报警位置点之间的距离大于等于P
n
，则判定为两个不同位置的入侵行为产生的报警。
[0020]优选地，在所述步骤S3中：
[0021]步骤3.1：利用高频高通滤波器对拉平曲线信号进行高通滤波处理，滤除低频干扰信号影响，计算所有位置点随时间变化的能量信号，获取能量瀑布图；
[0022]步骤3.2：对能量瀑布图进行二值化处理，并去除边缘和孤立噪声；
[0023]步骤3.3：对处理后的二值图像进行外部轮廓提取，并获取外轮廓的最小外接矩形，通过最小外接矩形确定单个动作完整时空覆盖范围。
[0024]优选地，在所述步骤S4中：
[0025]步骤4.1：利用低频高通滤波器对拉平曲线信号进行高通滤波处理，将处理后的信
号以预设值为单位进行短时傅里叶变换，将一维信号转化为二维时频图数据；
[0026]步骤4.2：采集各类入侵信号以及干扰信号构建分类网络的时频图像数据集；
[0027]步骤4.3：配置运行环境，搭建EfficientNet神经网络框架；
[0028]步骤4.4：使用图像训练集对EfficientNet分类网络模型进行训练。
[0029]优选地，在所述步骤S5中：
[0030]根据最小外接矩形坐标，结合完整动作提取算法中通过EfficientNet分类网络获得的时间空间维具体类别信息矩阵，统计最小外接矩形框中的类别信息，以出现次数最多的类别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于振动光纤探测和完整动作提取的入侵报警方法，其特征在于，包括：步骤S1：求解并保存信号，设定阈值以判定入侵动作信号和报警；步骤S2：获得原始振动信号曲线并进行归一化拉平处理；步骤S3：对拉平处理后的信号进行高频高通滤波处理，对图像进行二值化处理，进行外部轮廓提取得到最小外接矩形；步骤S4：对拉平处理后的信号进行低频高通滤波处理，构建分类网络的时频图像数据集，对EfficientNet分类网络模型进行训练；步骤S5：根据最小外接矩形信息，结合通过EfficientNet分类网络获得的矩阵，实现分类报警。2.根据权利要求1所述的基于振动光纤探测和完整动作提取的入侵报警方法，其特征在于，在所述步骤S1中：步骤S1.1：求解各个位置点在时间维度的能量信号，设定能量包络阈值A
n
；步骤S1.2：随着时间变化，若能量值大于等于A
n
，则保存本帧信号，若能量值小于阈值A
n
的持续时间不超过预设值则持续保存为一个动作的信号，若持续时间大于等于预设值则拆分为两个动作的信号；步骤S1.3：在时间维度设定入侵持续时间阈值T
n
，若截取到的信号持续时间小于T
n
秒，则不作识别，若截取到的信号持续时间大于等于T
n
秒，则被判定为单个入侵动作信号；步骤S1.4：在空间位置维度设定跨度范围阈值P
n
，若两个入侵报警位置点之间的距离小于P
n
则判定为同一个入侵行为导致的报警并进行合并，若两个入侵报警位置点之间的距离大于等于P
n
，则判定为两个不同位置的入侵行为产生的报警。3.根据权利要求1所述的基于振动光纤探测和完整动作提取的入侵报警方法，其特征在于，在所述步骤S3中：步骤3.1：利用高频高通滤波器对拉平曲线信号进行高通滤波处理，滤除低频干扰信号影响，计算所有位置点随时间变化的能量信号，获取能量瀑布图；步骤3.2：对能量瀑布图进行二值化处理，并去除边缘和孤立噪声；步骤3.3：对处理后的二值图像进行外部轮廓提取，并获取外轮廓的最小外接矩形，通过最小外接矩形确定单个动作完整时空覆盖范围。4.根据权利要求1所述的基于振动光纤探测和完整动作提取的入侵报警方法，其特征在于，在所述步骤S4中：步骤4.1：利用低频高通滤波器对拉平曲线信号进行高通滤波处理，将处理后的信号以预设值为单位进行短时傅里叶变换，将一维信号转化为二维时频图数据；步骤4.2：采集各类入侵信号以及干扰信号构建分类网络的时频图像数据集；步骤4.3：配置运行环境，搭建EfficientNet神经网络框架；步骤4.4：使用图像训练集对EfficientNet分类网络模型进行训练。5.根据权利要求1所述的基于振动光纤探测和完整动作提取的入侵报警方法，其特征在于，在所述步骤S5中：根据最小外接矩形坐标，结合完整动作提取算法中通过EfficientNet分类网络获得的时间空间维具体类别信息矩阵，统计最小外接矩形框中的类别信息，以出现次数最多的类别作为最终类别，以矩形框中间坐标作为报警位置点，从而实现分类报警。
...

【专利技术属性】
技术研发人员：侯泽宇，桂小刚，彭肃家，姜大闯，周航，王静，曹德华，徐琪，李硕祉，
申请(专利权)人：上海微波技术研究所中国电子科技集团公司第五十研究所，
类型：发明
国别省市：