一种基于深度学习的自适应多传感器融合周界报警方法技术

本发明专利技术涉及一种基于深度学习的自适应多传感器融合周界报警方法，针对不同场景和不同干扰源，采集大量数据用于训练，通过数据分析不同传感器在不同场景和干扰源的优缺点及相关性，筛选出适应不同场景的设备，并寻找出具有互补性的设备；将特定互补性且适应特定场景的设备组合起来，再在不同干扰源的情况下进行训练，判别器采用深度学习模型，训练出在特定场景下能够适应不同干扰及正确识别的神经网络；将训练得到的神经网络用于判别，得到该场景下的报警方案。本发明专利技术能实现特定场景下最佳的报警设备组合方案及报警方法，有利于在实现高准确率、低误报率的情况下降低成本。低误报率的情况下降低成本。

【技术实现步骤摘要】
一种基于深度学习的自适应多传感器融合周界报警方法


[0001]本专利技术属于信息处理
，涉及一种将多传感器报警进行融合实现高准确率、低误报率的周界自适应报警方法。

技术介绍

[0002]现有用于周界报警的传感器装备极易发生误报，在误报率高的情况下，用户不能忍受会将报警设备关闭，导致在真正发生事件的时候不能收到报警，迫切需要准确率高、误报率低的报警手段和方法。
[0003]周界报警设备有多种类型，包括震动光缆、张力围栏、毫米波雷达、激光雷达、红外图像及可见光图像等。现有技术主要是提高单种传感器的性能，提高准确率、降低误报率，但这是这两者往往是矛盾的，很难达到一个综合高效的结果；有一些简单的多传感器融合方法，但在降低误报率方面也不理想。

技术实现思路

[0004]本专利技术的目的是提供一种基于深度学习的自适应多传感器融合周界报警方法，针对不同场景，将多种传感器设备结合并采用深度学习的技术在不降低准确率情况下大幅度降低误报率。
[0005]本专利技术的技术方案如下：
[0006]一种基于深度学习的自适应多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的自适应多传感器融合周界报警方法，其特征在于，包括以下步骤：第一步，选择特定场景，将所有种类传感器设备都部署到对应场景；第二步，设计多种正常报警和误报警模式，反复演练多种模式，记录各传感器针对不同模式下的情况；第三步，对多种传感器对同种报警的情况进行相关性分析，得出不同传感器的相关性和互补性；第四...

【专利技术属性】
技术研发人员：刘惟锦，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：