一种多类别目标识别方法及系统技术方案

本发明专利技术公开了一种多类别目标识别方法及系统，该方法包括：步骤S1：预处理：对获取的原始数据进行预处理；步骤S2：分帧：对原始数据进行分帧，分为长时间周期帧和短时间周期帧；步骤S3：目标识别：分别对步骤S2中的两种帧进行特征提取，输入到对应的神经网络进行目标识别；步骤S4：融合：根据信号特点，对两个神经网络结果进行融合，把融合结果作为传感器识别结果输出。该系统用来实施上述方法。本发明专利技术具有原理简单、适用范围广、识别精度高、能够大大降低硬件开销等优点。低硬件开销等优点。低硬件开销等优点。

【技术实现步骤摘要】
一种多类别目标识别方法及系统


[0001]本专利技术主要涉及到安防或监控
，特指一种多类别目标识别方法及系统，尤其适用于无人值守等安防
的处理长短周期震动信号的多类别目标识别方法及系统。

技术介绍

[0002]在众多对无人值守有需求的行业和领域中，根据实际的应用需求，需要实施无人监控，例如对行人、车辆、挖掘、爆破等震动信号进行识别。在传统的无人值守传感器系统中，为了能对传感器周边环境进行感知，会采用传统的机器学习方法或者深度神经网络来识别环境信号。但不论采用何种分类器，当待识别信号中既有长周期信号又有短周期信号时，单一的分类器很难在实时性和准确率上兼顾。
[0003]在具体应用时，一般来说，针对行人、车辆信号属于短周期信号，只需要几秒即可获得多个信号；相对的挖掘信号的时间间隔周期则长很多，从1s到5s不等。单一分类器在同时处理这两类时间周期差异很大的信号时效果不理想。使用较短的信号段提取特征来识别，系统实时性好，但长周期信号的准确率则较差；使用较长的信号段提取特征来识别，对于长周期信号准确率较好，但系统延时又会很大。
...

【技术保护点】

【技术特征摘要】
1.一种多类别目标识别方法，其特征在于，包括：步骤S1：预处理：对获取的原始数据进行预处理；步骤S2：分帧：对原始数据进行分帧，分为长时间周期帧和短时间周期帧；步骤S3：目标识别：分别对步骤S2中的两种帧进行特征提取，输入到对应的神经网络进行目标识别；步骤S4：融合：根据信号特点，对两个神经网络结果进行融合，把融合结果作为传感器识别结果输出。2.根据权利要求1所述的多类别目标识别方法，其特征在于，在步骤S1中，对获取的原始数据进行滤波的流程包括：步骤S101：根据目标信号通常为低频信号，噪声为高频信号，首先对信号进行低通滤波，保留目标信号，滤除高频噪声；步骤S102：对信号进行陷波滤波或梳状滤波，滤除工频及其谐波干扰。3.根据权利要求2所述的多类别目标识别方法，其特征在于，所述步骤S1中还包括步骤S103：当存在低频干扰时，使用带通滤波器进行带通滤波，降低干扰的影响。4.根据权利要求1
‑
3中任意一项所述的多类别目标识别方法，其特征在于，所述步骤S2中分帧的流程包括：步骤S201：对经过滤波处理的数据进行分帧；步骤S202：根据短周期信号特点和实时性要求，短周期帧采用2
‑
5s或小于2s的信号段作为一帧；步骤S203：根据长周期信号特点和准确率方面要求，长周期帧采用10
‑
20s或者大于20s的信号段作为一帧。5.根据权利要求1
‑
3中任意一项所述的多类别目标识别方法，其特征在于，所述步骤S3中提取信号特征并进行识别的流程包括：步骤S301：对于短周期帧，使用细节以及多个维度提...

【专利技术属性】
技术研发人员：董志，周春雷，徐琰，
申请(专利权)人：长沙融创智胜电子科技有限公司，
类型：发明
国别省市：