CN106600869A - 一种用于光纤围栏安防系统的围栏入侵识别方法 - Google Patents

一种用于光纤围栏安防系统的围栏入侵识别方法 Download PDF

Info

Publication number
CN106600869A
CN106600869A CN201611266617.3A CN201611266617A CN106600869A CN 106600869 A CN106600869 A CN 106600869A CN 201611266617 A CN201611266617 A CN 201611266617A CN 106600869 A CN106600869 A CN 106600869A
Authority
CN
China
Prior art keywords
fence
fiber
intrusion
vibration
identification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611266617.3A
Other languages
English (en)
Inventor
蒋超
王占锋
周礼军
杨建刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Boom Fiber Sensing Technology Co Ltd
Original Assignee
Shanghai Boom Fiber Sensing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Boom Fiber Sensing Technology Co Ltd filed Critical Shanghai Boom Fiber Sensing Technology Co Ltd
Priority to CN201611266617.3A priority Critical patent/CN106600869A/zh
Publication of CN106600869A publication Critical patent/CN106600869A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/02—Mechanical actuation
    • G08B13/12—Mechanical actuation by the breaking or disturbance of stretched cords or wires
    • G08B13/122—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence
    • G08B13/124—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence with the breaking or disturbance being optically detected, e.g. optical fibers in the perimeter fence

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明公开一种用于光纤围栏安防系统的围栏入侵识别方法，测量并存储光纤围栏振动信号；利用过零率阈值方法，截取大于阈值参数的光纤振动异常信号块；接着，计算异常信号块的五组特征参数，最后，利用人工神经网络方法对特征参数进行训练，对未知安防入侵的振动信号进行识别。本发明在光纤围栏安防系统中运用了两级入侵行为识别机制，即先对振动异常事件进行截取，再对异常事件数据进行人工网络识别，从而避免了对振动正常数据段进行智能识别的计算，使围栏安防入侵事件识别过程更具有针对性，提高了光纤围栏入侵报警系统的工作效率，此外，本发明可有效地降低大风大雨对围栏安防入侵识别的干扰，精确分辨围栏主要入侵事件。

Description

一种用于光纤围栏安防系统的围栏入侵识别方法
技术领域
本发明涉及光纤围栏安防领域，尤其涉及一种用于光纤围栏安防系统的围栏入侵识别方法。
背景技术
光纤围栏以光纤振动作为传感对象，具有监测范围广、灵敏度高、环境适应性好、抗干扰能力强等多方面优势，在安防领域有着广泛地应用。
光纤围栏安防报警系统的工作原理为：当围栏入侵行为产生时(如攀爬、踩踏、摇晃、挤压等)，可使围栏上的光纤产生微小振动；利用传感光纤对上述振动信号进行实时采集，结合先进的信号处理及模式识别手段，对围栏入侵行为进行识别，并将入侵报警信息(包含报警位置、报警类型、持续时间等)实时、可靠地上报给安防管理系统。安防报警系统的关键是入侵识别算法。
现有大多数光纤围栏安防系统依靠能量阈值或过零率阈值方式对入侵事件进行识别，较好的解决了入侵行为报警问题，但它不能准确辨识脚踹、攀爬等具体入侵行为。与此同时，大风暴雨等恶劣自然环境下的光纤振动也极易被识别为入侵行为，导致大量误报现象的发生。
虽然具有模式识别功能的光纤围栏安防系统能精准识别围栏入侵具体行为事件，但该系统存在着大量冗余计算，即对所有光纤振动信号进行模式识别处理，缺乏对正常振动数据和异常数据的区分，导致光纤围栏安防系统数据处理量大的问题。
事实上，屏蔽大风大雨等无害事件的干扰，对围栏入侵主要事件(如剪网、攀爬等)进行精准识别，已成为光纤围栏安防系统实际应用急需解决的两个重要问题。本发明提出一种新型的用于光纤围栏安防系统的围栏入侵识别方法。
发明内容
本发明所要解决的技术问题是提供一种用于光纤围栏安防系统的围栏入侵识别方法，其通过简单的光纤围栏振动信号测量，采用过零率阈值方法截取光纤振动异常数据块；接着采用特征提取技术，从振动异常数据块中提取出特征参数；最后利用人工神经网络对振动入侵事件进行识别。
为了解决上述问题，本发明是通过以下方案实现的：一种用于光纤围栏安防系统的围栏入侵识别方法，包括如下步骤：
(1)利用分布式光纤振动传感系统，对围栏挂网光纤振动信号进行拾取；
(2)对采集的光纤振动信号进行滑动窗分帧处理，并计算分帧光纤振动信号的过零率，
其中，对采集的光纤振动信号进行海明窗分帧处理，得到分帧光纤振动信号xn(m)，过零率Zn的计算方法为：
其中，sgn[]是符号函数，即：
N为信号帧长；
(3)设定过零率阈值，对大于过零率阈值参数的光纤振动异常信号块进行截取，以获取异常振动块；
(4)分别提取过零率异常的异常振动块的五组特征参数，它们分别是：过零率总数、短时能量、持续时间、最大振动上升沿角度及末尾极值下降沿斜率，
其中短时能量为：
N为信号帧长；
其中最大振动上升沿角度定义为：
假设异常振动块的起始振动坐标点为(x1,y1),幅值最大振动点的坐标为(x2,y2),则最大振动上升沿角度θ是
θ＝argtan((y2-y1)/(x2-x1))
优选地，上述步骤(4)中所述的为末尾极值下降沿斜率定义为：
假设异常振动块第一个极大值点的振动坐标点为(x3,y3),截止点的坐标为(x4,y4),则末尾极值下降沿斜率k是：
k＝(y4-y3)/(x4-x3)；
(5)最后利用人工神经网络方法，对已知入侵行为的五组特征参数进行训练，并对未知入侵行为的光纤振动信号进行识别。
优选地，上述步骤(1)中所述的分布式光纤振动传感系统利用M-Z干涉原理，分布式光纤振动传感系统包括系统主机、光中继模块以及传感光缆。
优选地，上述步骤(5)中所述的人工神经网络使用的是多层前向网络，即BP神经网络。
优选地，上述步骤(5)中所述的人工神经网络使用BP神经网络选用三层感知器网络，输入层单元数为5个，对应5个特征提取参数；输出层单元数为4个，对应剪网、攀爬、风雨和拍击4个入侵行为事件；隐层神经单元数据取8～10之间。
与现有技术相比，本发明具有如下特点：
1.解决依靠能量阈值或过零率阈值识别方法不能准确辨识剪网、攀爬、风雨等具体入侵行为的不足；
2.在光纤围栏安防系统中运用了两级入侵行为识别机制，即先对振动异常事件进行截取，再对异常事件数据进行人工网络识别，从而避免了对振动正常数据段进行智能识别的计算，使围栏安防入侵事件识别过程更具有针对性，提高了光纤围栏入侵报警系统的工作效率。
附图说明
图1为一种分布式光纤振动入侵识别方法流程图。
具体实施方式
如图所示，一种分布式光纤振动入侵识别方法，包括如下步骤：
(1)利用分布式光纤振动传感系统，对围栏挂网光纤振动信号进行拾取；
(2)对采集的光纤振动信号进行滑动窗分帧处理，并计算分帧光纤振动信号的过零率，
其中，对采集的光纤振动信号进行滑动窗分帧处理，得到分帧光纤振动信号xn(m)，过零率Zn的计算方法为：
其中，sgn[]是符号函数，即：
N为信号帧长；
(3)设定过零率阈值，对大于过零率阈值参数的光纤振动异常信号块进行截取，以获取异常振动块；
(4)分别提取过零率异常的异常振动块的五组特征参数，它们分别是：过零率总数、短时能量、持续时间、最大振动上升沿角度及末尾极值下降沿斜率，
其中短时能量为：
N为信号帧长；
其中最大振动上升沿角度定义为：
假设异常振动块的起始振动坐标点为(x1,y1),幅值最大振动点的坐标为(x2,y2),则最大振动上升沿角度θ是
θ＝argtan((y2-y1)/(x2-x1))
优选地，上述步骤(4)中所述的为末尾极值下降沿斜率定义为：
假设异常振动块第一个极大值点的振动坐标点为(x3,y3),截止点的坐标为(x4,y4),则末尾极值下降沿斜率k是：
k＝(y4-y3)/(x4-x3)；
(5)最后利用人工神经网络方法，对已知入侵行为的五组特征参数进行训练，并对未知入侵行为的光纤振动信号进行识别。
上述步骤(1)中所述的分布式光纤振动传感系统利用M-Z干涉原理，分布式光纤振动传感系统包括系统主机、光中继模块以及传感光缆。
上述步骤(5)中所述的人工神经网络使用的是多层前向网络，即BP神经网络。
上述步骤(5)中所述的人工神经网络使用BP神经网络选用三层感知器网络，输入层单元数为5个，对应5个特征提取参数；输出层单元数为4个，对应剪网、攀爬、风雨和拍击4个入侵行为事件；隐层神经单元数据取8～10之间。
本发明在光纤围栏安防系统中运用了两级入侵行为识别机制，即先对振动异常事件进行截取，再对异常事件数据进行人工网络识别，从而避免了对振动正常数据段进行智能识别的计算，使围栏安防入侵事件识别过程更具有针对性，提高了光纤围栏入侵报警系统的工作效率，此外，本发明可有效地降低大风大雨对围栏安防入侵识别的干扰，精确分辨围栏主要入侵事件。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施只局限于上述这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (4)

1.一种用于光纤围栏安防系统的围栏入侵识别方法，包括如下步骤：
(1)利用分布式光纤振动传感系统，对围栏挂网光纤振动信号进行拾取；
(2)对采集的光纤振动信号进行滑动窗分帧处理，并计算分帧光纤振动信号的过零率，
其中，对采集的光纤振动信号进行海明窗分帧处理，得到分帧光纤振动信号xn(m)，过零率Zn的计算方法为：
Z n = 1 2 Σ m = 0 N - 1 | sgn [ x n ( m ) ] - sgn [ x n ( m - 1 ) ] |
其中，sgn[]是符号函数，即：
sgn &lsqb; x &rsqb; = 1 , ( x &GreaterEqual; 0 ) - 1 , ( x < 0 ) ,
N为信号帧长；
(3)设定过零率阈值，对大于过零率阈值参数的光纤振动异常信号块进行截取，以获取异常振动块；
(4)分别提取过零率异常的异常振动块的五组特征参数，它们分别是：过零率总数、短时能量、持续时间、最大振动上升沿角度及末尾极值下降沿斜率，
其中短时能量为：
E n = &Sigma; m = 0 N - 1 x n 2 ( m )
N为信号帧长；
其中最大振动上升沿角度定义为：
假设异常振动块的起始振动坐标点为(x1,y1),幅值最大振动点的坐标为(x2,y2),则最大振动上升沿角度θ是
θ＝argtan((y2-y1)/(x2-x1))
优选地，上述步骤(4)中所述的为末尾极值下降沿斜率定义为：
假设异常振动块第一个极大值点的振动坐标点为(x3,y3),截止点的坐标为(x4,y4),则末尾极值下降沿斜率k是：
k＝(y4-y3)/(x4-x3)；
(5)最后利用人工神经网络方法，对已知入侵行为的五组特征参数进行训练，并对未知入侵行为的光纤振动信号进行识别。
2.如权利要求1所述的一种用于光纤围栏安防系统的围栏入侵识别方法，其特征是：上述步骤(1)中所述的分布式光纤振动传感系统利用M-Z干涉原理，分布式光纤振动传感系统包括系统主机、光中继模块以及传感光缆。
3.如权利要求1所述的一种用于光纤围栏安防系统的围栏入侵识别方法，其特征是：步骤(5)中所述的人工神经网络使用的是多层前向网络，即BP神经网络。
4.如权利要求3所述的一种用于光纤围栏安防系统的围栏入侵识别方法，其特征是：步骤(5)中所述的人工神经网络使用BP神经网络选用三层感知器网络，输入层单元数为5个，对应5个特征提取参数；输出层单元数为4个，对应剪网、攀爬、风雨和拍击4个入侵行为事件；隐层神经单元数据取8～10之间。
CN201611266617.3A 2016-12-31 2016-12-31 一种用于光纤围栏安防系统的围栏入侵识别方法 Pending CN106600869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611266617.3A CN106600869A (zh) 2016-12-31 2016-12-31 一种用于光纤围栏安防系统的围栏入侵识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611266617.3A CN106600869A (zh) 2016-12-31 2016-12-31 一种用于光纤围栏安防系统的围栏入侵识别方法

Publications (1)

Publication Number Publication Date
CN106600869A true CN106600869A (zh) 2017-04-26

Family

ID=58581956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611266617.3A Pending CN106600869A (zh) 2016-12-31 2016-12-31 一种用于光纤围栏安防系统的围栏入侵识别方法

Country Status (1)

Country Link
CN (1) CN106600869A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507377A (zh) * 2017-08-08 2017-12-22 北京佳讯飞鸿电气股份有限公司 光纤周界系统的信号处理方法及装置
CN107730800A (zh) * 2017-11-13 2018-02-23 浙江众盟通信技术有限公司 基于光纤振动安全预警系统的抗干扰分析方法
CN108303173A (zh) * 2018-01-29 2018-07-20 武汉光谷航天三江激光产业技术研究院有限公司 一种分布式光纤传感管道扰动事件检测方法和装置
CN108399696A (zh) * 2018-03-22 2018-08-14 中科润程(北京)物联科技有限责任公司 入侵行为识别方法及装置
CN108509850A (zh) * 2018-02-24 2018-09-07 华南理工大学 一种基于分布式光纤系统的入侵信号识别算法
CN109374116A (zh) * 2018-12-07 2019-02-22 武汉理工光科股份有限公司 地埋式光纤传感振动探测系统的挖掘行为识别方法
CN109827652A (zh) * 2018-11-26 2019-05-31 河海大学常州校区 一种针对光纤传感振动信号识别方法与系统
CN111141412A (zh) * 2019-12-25 2020-05-12 深圳供电局有限公司 电缆温度和防盗的双监测方法、系统和可读存储介质
US11138869B2 (en) 2019-04-24 2021-10-05 Carrier Corporation Alarm system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045120A (zh) * 2010-10-29 2011-05-04 成都九洲电子信息系统有限责任公司 光纤周界系统的振动信号识别方法
CN103116957A (zh) * 2013-01-21 2013-05-22 复旦大学 一种光纤周界安防系统屏蔽气候影响的方法
CN106023499A (zh) * 2016-04-28 2016-10-12 北京北邮国安技术股份有限公司 一种光纤安防信号双重识别方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045120A (zh) * 2010-10-29 2011-05-04 成都九洲电子信息系统有限责任公司 光纤周界系统的振动信号识别方法
CN103116957A (zh) * 2013-01-21 2013-05-22 复旦大学 一种光纤周界安防系统屏蔽气候影响的方法
CN106023499A (zh) * 2016-04-28 2016-10-12 北京北邮国安技术股份有限公司 一种光纤安防信号双重识别方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MAHMOUD等: "《Robust event classification for a fiber optic perimeter intrusion detection system using level crossing features and artificial neural networks》", 《PROC.OF SPIE》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507377A (zh) * 2017-08-08 2017-12-22 北京佳讯飞鸿电气股份有限公司 光纤周界系统的信号处理方法及装置
CN107730800A (zh) * 2017-11-13 2018-02-23 浙江众盟通信技术有限公司 基于光纤振动安全预警系统的抗干扰分析方法
CN108303173A (zh) * 2018-01-29 2018-07-20 武汉光谷航天三江激光产业技术研究院有限公司 一种分布式光纤传感管道扰动事件检测方法和装置
CN108303173B (zh) * 2018-01-29 2020-11-10 武汉光谷航天三江激光产业技术研究院有限公司 一种分布式光纤传感管道扰动事件检测方法
CN108509850A (zh) * 2018-02-24 2018-09-07 华南理工大学 一种基于分布式光纤系统的入侵信号识别算法
CN108509850B (zh) * 2018-02-24 2022-03-29 华南理工大学 一种基于分布式光纤系统的入侵信号识别方法
CN108399696A (zh) * 2018-03-22 2018-08-14 中科润程(北京)物联科技有限责任公司 入侵行为识别方法及装置
CN109827652A (zh) * 2018-11-26 2019-05-31 河海大学常州校区 一种针对光纤传感振动信号识别方法与系统
CN109374116A (zh) * 2018-12-07 2019-02-22 武汉理工光科股份有限公司 地埋式光纤传感振动探测系统的挖掘行为识别方法
US11138869B2 (en) 2019-04-24 2021-10-05 Carrier Corporation Alarm system
CN111141412A (zh) * 2019-12-25 2020-05-12 深圳供电局有限公司 电缆温度和防盗的双监测方法、系统和可读存储介质

Similar Documents

Publication Publication Date Title
CN106600869A (zh) 一种用于光纤围栏安防系统的围栏入侵识别方法
CN106600870A (zh) 一种分布式光纤围栏振动入侵识别系统
CN107067605A (zh) 一种分布式光纤围栏振动入侵识别方法
Kim et al. Method of intrusion detection using deep neural network
CN101399672B (zh) 一种多神经网络融合的入侵检测方法
CN104486141B (zh) 一种误报自适应的网络安全态势预测方法
CN102045120B (zh) 光纤周界系统的振动信号识别方法
CN104751580B (zh) 分布式光纤传感信号模式识别方法及系统
CN109581871B (zh) 免疫对抗样本的工业控制系统入侵检测方法
WO2020138154A1 (ja) 光ファイバ信号の特徴に基づき振動を検知及び識別し且つ時空間を特定する方法及びシステム
CN105469523B (zh) 抗风雨干扰的光纤周界防护方法
CN106888205A (zh) 一种非侵入式基于功耗分析的plc异常检测方法
EP2132720B1 (en) Method and apparatus for monitoring a structure
Arjun et al. Border surveillance and intruder detection using wireless sensor networks: A brief survey
CN104538041A (zh) 异常声音检测方法及系统
CN105261136B (zh) 一种光纤监测报警系统中屏蔽天气干扰的方法及装置
CN104766099B (zh) 基于图像的分布式光纤周界振动信号处理与识别方法
CN103236127A (zh) 一种光纤围栏入侵监测系统及其模式识别方法
CN106023499B (zh) 一种光纤安防信号双重识别方法及系统
CN108197575A (zh) 一种基于目标检测和骨点检测的异常行为识别方法及装置
CN105608823A (zh) 基于主成分分析的光纤安防方法及系统
CN109064696A (zh) 基于深度学习实现的光纤周界安防系统
Zhu et al. Self-learning filtering method based on classification error in distributed fiber optic system
Khan et al. Flash floods prediction using real time data: An implementation of ANN-PSO with less false alarm
CN107730800A (zh) 基于光纤振动安全预警系统的抗干扰分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426