CN107277443B - 一种大范围周边安全监控方法和系统 - Google Patents

Abstract

本发明涉及一种大范围周边安全监控方法和系统，方法包括：创建入侵特征库；采集受监控区域边界的微扰数据；量化微扰数据得到量化振幅，对比量化振幅和入侵数据特征，确定受监控区域是否被入侵以及确定对应的入侵事件类型；根据微扰数据分析入侵者的入侵信息；根据入侵事件类型和入侵信息确定处理方案。系统包括：监控感应带和监控中心，监控中心包括入侵特征库创建模块、量化分析模块、入侵信息分析模块和方案确定模块。通过上述方法和系统获取微扰数据并进行处理，便可确定受监控区域是否遭到入侵、入侵事件类型和入侵信息，从而保证受监控区域的安全，具有准确率高、监控效果好和运维成本低等优点，特别适用于边境线等大范围的安全监控。

Description

一种大范围周边安全监控方法和系统

技术领域

本发明涉及物联网领域，具体涉及一种大范围周边安全监控方法和系统。

背景技术

安全问题是全社会共同关注的大问题，牵涉到人们的生命财产安全。安防行业的发展和进步，既依赖于科学技术的发展和进步，同时又为科学技术的进步与发展提供和创造良好的社会环境。

从应用场景来看，安全监控系统可分为小范围系统和大范围系统。小范围的安全监控系统如小区、私人区域和公共场所的安防系统，主要基于视频采集和红外入侵报警等前端设备采集数据后发出报警信息，监视和控制都较容易实施。大范围的安全监控系统，例如应用在边界线上的安全监控系统，如果仍通过上述系统和方法进行监视和控制，众多的有源设备会大大提高系统的建设成本和运维成本，尤其考虑到中国的国土面积辽阔，在那么长的边界线上布置传统的安全监控系统不大现实。另外，通过人工值守的方式同样存在浪费人力和效率低下的问题。

发明内容

为解决上述技术问题，本发明提供了一种大范围周边安全监控方法和系统。

第一方面，本发明提供了一种大范围周边安全监控方法，该方法具体包括步骤：

S1.创建入侵特征库，所述入侵特征库包括入侵事件类型和入侵数据特征；

S2.采集受监控区域边界的微扰数据；

S3.量化微扰数据得到量化振幅，对比量化振幅和入侵数据特征，确定受监控区域是否被入侵，当受监控区域没被入侵时返回S2，当受监控区域被入侵时进一步确定对应的入侵事件类型；

S4.根据微扰数据分析入侵者的入侵信息，所述入侵信息包括入侵者数量、移动轨迹和移动速度；

S5.根据入侵事件类型和入侵信息确定处理方案。

本发明提供一种大范围周边安全监控方法，预先创建入侵特征库，采集微扰数据并得到量化振幅后，与入侵特征库内的入侵数据特征对比，便可确定受监控区域是否被入侵以及确定对应的入侵事件类型；进一步，再通过微扰数据分析出入侵者数量、移动轨迹和移动速度等入侵信息，并结合入侵事件类型和入侵信息确定处理方案。入侵者在行进的过程中会产生震动信号，实时监测受监控区域边界，就能在被入侵时采集到震动信号所带来的微扰数据。通过上述方法获取并分析微扰数据，仅需要采集微扰数据并进行处理便可确定受监控区域是否遭到入侵、入侵事件类型和入侵信息，从而保证受监控区域的安全，具有准确率高、监控效果好和运维成本低等优点，特别适用于边境线等大范围的安全监控。

进一步的，创建入侵特征库具体包括：

S101.预设入侵事件类型表，所述入侵事件类型表包括一个以上入侵事件类型；

S102.根据入侵事件类型表预设对应的入侵数据特征表，所述入侵数据特征表包括与各个入侵事件类型对应的入侵数据特征；

S103.搭建入侵事件类型表和入侵数据特征表之间的映射关系，各个入侵事件类型匹配相应的入侵数据特征。

上述实施例中，通过预设入侵事件类型表和入侵数据特征表并搭建入侵事件类型表和入侵数据特征表之间的映射关系，在后续采集到微扰数据并判定受监控区域是否被入侵之后，通过入侵事件类型表和入侵数据特征表之间的映射关系便可判定入侵事件类型。

第二方面，本发明提供了一种大范围周边安全监控系统，该装置包括：

监控感应带，用于采集受监控区域边界的微扰数据，所述监控感应带与受监控区域的边界平行，所述监控感应带包括多个震动传感节点；

监控中心，用于数据处理和控制，所述监控中心包括：

入侵特征库创建模块，用于创建入侵特征库，所述入侵特征库包括入侵事件类型和入侵数据特征；

量化分析模块，用于量化微扰数据得到量化振幅，对比量化振幅和入侵数据特征，确定受监控区域是否被入侵以及当受监控区域被入侵时进一步确定对应的入侵事件类型；

入侵信息分析模块，用于根据微扰数据分析入侵者的入侵信息，所述入侵信息包括入侵者数量、移动轨迹和移动速度；

方案确定模块，用于根据入侵事件类型和入侵信息确定处理方案。

本发明提供一种大范围周边安全监控系统，监控感应带作为系统的前端进行数据采集；监控中心作为系统的后端进行数据处理和控制。在大范围周边安全监控的过程中，所述监控感应带设置在受监控区域边界，所述监控感应带包括多个震动传感节点。数据处理的过程为：监控感应带采集微扰数据，上送到监控中心进行数据分析处理，确定入侵事件类型和入侵信息，并根据入侵事件类型和入侵信息确定处理方案。通过上述系统获取并分析微扰数据，便可确定受监控区域是否遭到入侵、入侵事件类型和入侵信息，从而保证受监控区域的安全，具有准确率高、监控效果好和运维成本低等优点，实现大范围周边安全监控功能。

进一步的，监控感应带包括多个震动传感节点，通过震动传感节点采集受监控区域边界的微扰数据，微扰数据通过融合网关接入监控中心；

所述融合网关用于汇集接收到的微扰数据，并在进行协议转换后把微扰数据转发给监控中心；

所述震动传感节点包括FFD设备和RFD设备，所述FFD设备具有数据采集功能、数据发送功能和路由功能，所述RFD设备具有数据采集功能和数据发送功能，所述RFD设备围绕FFD设备组成传感网络，所述FFD设备和RFD设备之间通过ZigBee协议组网；

所述RFD设备采集微扰数据后，把微扰数据发送到FFD设备，FFD设备再把微扰数据通过融合网关接入监控中心，其中，FFD设备通过有线或者无线的方式与融合网关相连；

所述FFD设备采集微扰数据后，直接把微扰数据通过融合网关接入监控中心；

所述震动传感节点的工作状态包括休眠状态和唤醒状态，所述震动传感节点处于休眠状态时只进行数据采集，所述震动传感节点处于唤醒状态时同时进行数据采集和数据发送，处于休眠状态的震动传感节点采集到微扰数据后切换到唤醒状态。

上述实施例中，震动传感节点的组网形式对于能否进行全方位的数据采集至关重要，震动传感节点的组网要兼顾有效性和实用性。震动传感节点包括FFD设备和RFD设备，RFD设备围绕FFD设备组成传感网络，就可以提供多个数据上送路线，在最优上送路线发生故障时选择其它合适的路线，有利于缩短传输延时，提高通信可靠性。具体地，多个震动传感节点组成网状结构的传感网络，采集受监控区域边界的微扰数据，FFD设备之间相互连接，RFD设备也与其周围的多个FFD设备连接。当一个FFD设备无法上送数据时，RFD设备可通过其他FFD设备继续上送数据。另外，通过融合网关进行协议转换，连接监控感应带3和监控中心1，在物联网和传统互联网之间架设桥梁。

附图说明

图1为本发明一种大范围周边安全监控系统的架构图；

图2为本发明一种大范围周边安全监控系统的交互示意图；

图3为本发明对监控感应带进行响应校准的交互示意图；

图4为本发明一种大范围周边安全监控方法的流程示意图；

图5为本发明对监控感应带进行响应校准的流程示意图；

图6为本发明确定受监控区域是否被入侵以及确定对应的入侵事件类型的流程示意图；

图7为本发明分析入侵者的入侵信息的流程示意图；

图8为本发明确定处理方案的流程示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透切理解本发明。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

如图1所示，图1为本发明一种大范围周边安全监控系统的架构图。一种大范围周边安全监控系统，包括：

监控感应带3，用于采集受监控区域边界的微扰数据；

监控中心1，用于数据处理和控制；

监控感应带3通过融合网关2和监控中心1连接。

监控感应带3作为系统的前端，用于进行数据采集。在大范围周边安全监控的过程中，所述监控感应带3设置在受监控区域边界，所述监控感应带3包括多个震动传感节点。融合网关2的作用在于汇集接收到的微扰数据，并把微扰数据转发给监控中心1。监控中心1作为系统的后端，则是整个系统的核心，用于进行数据处理和控制。

监控感应带3包括多个震动传感节点，通过震动传感节点采集受监控区域边界的微扰数据，微扰数据通过融合网关2接入监控中心1；

所述融合网关2用于汇集接收到的微扰数据，并在进行协议转换后把微扰数据转发给监控中心1；

所述震动传感节点包括FFD设备和RFD设备，所述FFD设备具有数据采集功能、数据发送功能和路由功能，所述RFD设备具有数据采集功能和数据发送功能，所述RFD设备围绕FFD设备组成传感网络，所述FFD设备和RFD设备之间通过ZigBee协议组网；如图1所示，在图1中，圆形为FFD设备，方形为RFD设备；

所述RFD设备采集微扰数据后，把微扰数据发送到FFD设备，FFD设备再把微扰数据通过融合网关2接入监控中心1，其中，FFD设备通过有线或者无线的方式与融合网关2相连；

所述FFD设备采集微扰数据后，直接把微扰数据通过融合网关2接入监控中心1；

所述震动传感节点的工作状态包括休眠状态和唤醒状态，所述震动传感节点处于休眠状态时只进行数据采集，所述震动传感节点处于唤醒状态时能够同时进行数据采集和数据发送，处于休眠状态的震动传感节点采集到微扰数据后切换到唤醒状态。

上述实施例中，震动传感节点的组网形式对于能否进行全方位的数据采集至关重要，震动传感节点的组网要兼顾有效性和实用性。震动传感节点包括FFD设备和RFD设备，RFD设备围绕FFD设备组成传感网络，就可以提供多个数据上送路线，在最优上送路线发生故障时选择其它合适的路线，有利于缩短传输延时，提高通信可靠性。具体地，多个震动传感节点组成网状结构的传感网络，采集受监控区域边界的微扰数据，FFD设备之间相互连接，RFD设备也与其周围的多个FFD设备连接。当一个FFD设备无法上送数据时，RFD设备可通过其他FFD设备继续上送数据。另外，通过融合网关进行协议转换，连接监控感应带3和监控中心1，在物联网和传统互联网之间架设桥梁。

从物联网的角度分析，监控感应带3、融合网关2和监控中心1一起构成物联网的三层架构。其中，监控感应带3作为数据采集设备被设置在物联网最前端，监控感应带3的数据采集功能主要通过震动传感节点来实现，多个震动传感节点尽可能全面地覆盖于受监控区域边界，确保没有遗漏任何区域，这就要求震动传感节点的数量越多越好。但是，另一方面，数量庞大的震动传感节点所采集的数据量同样也很大，如果震动传感节点上送的数据结构复杂，将会给监控中心1的数据处理带来很大压力，这就要求震动传感节点的数据结构越简单越好。传统互联网协议要求数据具有精确性和安全性，这些特点在物联网领域可以忽略，物联网更关注采样的样本数，在本实施例中即表现为震动传感节点的数量以及是否覆盖了全区域。在本发明中，监控感应带3只需要不断地采集和发送微扰数据，通过传统互联网协议来实现这样的功能太过低效，因此，作为系统前端的监控感应带3可采用其他组网协议，简化震动传感节点的数据结构。震动传感节点的数据仅需要包含地址码和感应数据，其中，地址码记载了震动传感节点的位置；感应数据则是微扰数据。物联网的前端设备数量庞大，考虑到数据的开销和效率，震动传感节点仅携带对本系统最有用的信息，便于大规模实现。

虽然监控感应带3中的震动传感节点不适用于传统的互联网协议，但是现今的物联网在不同程度上还是要基于传统互联网。在本发明中，融合网关2和监控中心1之间仍然遵循传统的互联网协议。融合网关2提供传统互联网的数据传输和网关功能，即进行协议转换，对接监控感应带3的组网协议与传统互联网的组网协议。

如图1所示，最左端的虚线为受监控区域边界，虚线的右边为受监控区域，用于采集数据的前端包括设置在受监控区域内的三个并排的监控感应带3。实际上，在应用的过程中，监控感应带3可以设置有多个，多个监控感应带3内的多个震动传感节点组成传感网络。一旦有入侵者，传感网络就会采集到微扰数据。监控中心1依次通过入侵特征库创建模块11、量化分析模块12、入侵信息分析模块13和方案确定模块14分析处理微扰数据，实现大范围周边安全监控的功能，具体过程如图2所示。

图2为本发明一种大范围周边安全监控系统的交互示意图。所述监控中心1包括：

入侵特征库创建模块11，用于创建入侵特征库，所述入侵特征库包括入侵事件类型和入侵数据特征；

量化分析模块12，用于量化微扰数据得到量化振幅，对比量化振幅和入侵数据特征，确定受监控区域是否被入侵以及当受监控区域被入侵时进一步确定对应的入侵事件类型；

入侵信息分析模块13，用于根据微扰数据分析入侵者的入侵信息，所述入侵信息包括入侵者数量、移动轨迹和移动速度；

方案确定模块14，用于根据入侵事件类型和入侵信息确定处理方案。具体地，处理方案包括物资调度、人员调度、配置作战装备和发布警告等等。

先通过入侵特征库创建模块11创建入侵特征库作为判断受监控区域是否被入侵以及对应的入侵事件类型的标准。监控感应带3采集微扰数据后，再通过量化分析模块12对微扰数据进行量化处理，得到量化振幅，进一步对比量化振幅和入侵数据特征，就可以确定受监控区域是否被入侵以及确定对应的入侵事件类型。入侵信息分析模块13则通过微扰数据分析入侵者的入侵者数量、移动轨迹和移动速度等入侵信息。最后，方案确定模块14根据入侵事件类型和入侵信息一并确定处理方案，完成基本的安全监控过程，适用于边境线等大范围的安全监控。

如图4所示，图4为本发明一种大范围周边安全监控方法的流程示意图。与一种大范围周边安全监控系统对应的一种大范围周边安全监控方法，具体包括：

S1.预先在监控中心1内创建入侵特征库，所述入侵特征库包括入侵事件类型和入侵数据特征；

S2.通过监控感应带3实时采集受监控区域边界的微扰数据；

S3.监控中心1在收到监控感应带3上送的微扰数据后对微扰数据进行量化处理，量化微扰数据得到量化振幅，对比量化振幅和入侵数据特征，确定受监控区域是否被入侵，当受监控区域没被入侵时返回S2，当受监控区域被入侵时进一步确定对应的入侵事件类型；

S4.监控中心1根据微扰数据分析入侵者的入侵信息，所述入侵信息包括入侵者数量、移动轨迹和移动速度；

S5.监控中心1根据入侵事件类型和入侵信息确定处理方案。

本发明提供一种大范围周边安全监控方法，预先创建入侵特征库，采集微扰数据并量化得到量化振幅后，与入侵特征库内的入侵数据特征对比，便可确定受监控区域是否被入侵以及确定对应的入侵事件类型；进一步，再通过微扰数据分析出入侵者数量、移动轨迹和移动速度等入侵信息，并结合入侵事件类型和入侵信息确定处理方案。入侵者在行进的过程中会产生震动信号，实时监测受监控区域边界，就能在被入侵时采集到震动信号所带来的微扰数据。通过上述方法获取并分析微扰数据，便可确定受监控区域是否遭到入侵、入侵事件类型和入侵信息等信息，从而保证受监控区域的安全，具有准确率高、监控效果好和运维成本低等优点，特别适用于边境线等大范围的安全监控。

传统的安全监控方法和系统主要通过监控摄像头时刻采集受监控区域的实时视频/图像数据，值守人员需要时刻注意多个显示屏上的视频/图像数据，留意异常情况；又或者，通过在受监控区域安装红外感应设备，当受监控区域被入侵时触发红外感应设备，进而发出警报。不管是上述那种方式，都存在成本高、浪费人力和效率低下等缺点：监控摄像头和红外感应设备需要的布置和运维需要大量成本；监控摄像头的作用仅仅在于采集受监控区域的实时视频/图像数据和把各处的实时情况汇集到监控室，仍需要值守人员需要时刻注意实时动向。

与传统的依赖于视频采集和红外感应报警等前端设备的监控方法不同，本发明的前端设备仅需要具备简单的数据采集和发送功能；监控功能的实现主要依赖于后端设备，后端设备接受前端设备所采集的数据并进行分析，及时发现入侵，不需要传统的人工值守和人工判断，具有准确率高、监控效果好和运维成本低等优点，特别适用于边境线等大范围的安全监控。

在S1中，创建入侵特征库具体包括：

S101.预设入侵事件类型表，所述入侵事件类型表包括一个以上入侵事件类型；

S102.根据入侵事件类型表预设对应的入侵数据特征表，所述入侵数据特征表包括与各个入侵事件类型对应的入侵数据特征；

S103.搭建入侵事件类型表和入侵数据特征表之间的映射关系，各个入侵事件类型匹配相应的入侵数据特征。

上述实施例中，通过预设入侵事件类型表和入侵数据特征表并搭建入侵事件类型表和入侵数据特征表之间的映射关系，在后续采集到微扰数据并判定受监控区域是否被入侵之后，通过入侵事件类型表和入侵数据特征表之间的映射关系便可判定入侵事件类型。

单个震动传感节点所采集微扰数据过于片面，不具备参考价值，因此，单个震动传感节点在监控的过程中所实现的作用相当有限。多个监控感应带3内的震动传感节点以传感网络的形式采集微扰数据，才能保证前端数据的有效性。

所述S2中，具体包括：

以传感网络的形式采集受监控区域边界的微扰数据；

当单个震动传感节点采集到微扰数据时，监控中心1判定此微扰数据为异常信号；

控制邻近的震动传感节点工作，采集受监控区域边界的微扰数据，邻近的震动传感节点把各自的微扰数据发送到监控中心1；

监控中心1进行异常验证，所述异常验证过程为对比邻近震动传感节点的微扰数据和上述异常信号；

当邻近的震动传感节点所采集的微扰数据与异常信号匹配时，判断单个震动传感节点采集到微扰数据有效，当邻近的震动传感节点所采集的微扰数据与异常信号不匹配时，判断单个震动传感节点采集到微扰数据无效。

对应地，在一种大范围周边安全监控系统中，监控感应带3以传感网络的形式采集受监控区域边界的微扰数据并上送到监控中心1，监控中心1判定此微扰数据为异常信号，并控制邻近的震动传感节点工作，采集受监控区域边界的微扰数据，监控中心1通过对比邻近震动传感节点各自的微扰数据和异常信号进行异常验证。

当受监控区域被入侵时，传感网络中应有多个震动传感节点采集到相匹配的微扰数据。上述匹配具体是指邻近震动传感节点各自的微扰数据和异常信号相同。邻近震动传感节点各自的微扰数据和异常信号相同，排除了采集到微扰数据的单个震动传感节点出现故障。以传感网络的形式采集受监控区域边界的微扰数据，提高了前端采集数据的有效性。

单纯地通过监控感应带3内的震动传感节点组成传感网络进行数据采集，实时监控受监控区域的边界，会存在响应不一致的问题，从而影响到微扰数据的采集精度，后端的监控中心1无法对微扰数据进行准确的分析处理，导致在判断受监控区域是否遭到入侵、入侵事件类型和入侵信息的过程中出现偏差，严重影响监控效果。为了解决上述问题，本发明通过软校准的方式使得监控感应带3对震动信号输出稳定的响应输出数据，所述软校准的过程为通过标定调整参数对微扰数据进行校准转换。

如图3所示，图3为本发明对监控感应带3进行响应校准的交互示意图。一种大范围周边安全监控系统，包括：

监控感应带3，所述监控感应带3设置有多个，所述监控感应带3沿受监控区域的边界设置，所述监控感应带3之间相互平行；

校准测试带，所述校准测试带设置在监控感应带3旁边，所述校准测试带与监控感应带3平行；

人工扰动点，用于沿着校准测试带移动并产生震动信号，各个监控感应带3采集微扰数据；

所述监控中心1包括：

响应输出模块15，用于把微扰数据转化为响应输出数据；

标定参数模块16，用于比较人工扰动点处于不同位置时对应的响应输出数据，得到标定调整参数；

校准模块17，用于根据标定调整参数对监控感应带3进行软校准，使得监控感应带3对震动信号输出稳定的响应输出数据，所述软校准的过程为通过标定调整参数对微扰数据进行校准转换。

控制人工扰动点沿着校准测试带移动并产生震动信号，各个监控感应带3采集震动信号所产生的微扰数据，通过响应输出模块15把微扰数据转化为响应输出数据。震动传感节点所采集的微扰数据与震动传感节点自身和人工扰动点的相对位置有关，标定参数模块16用于比较人工扰动点处于不同位置时对应的响应输出数据，得到标定调整参数。最后，校准模块17根据标定调整参数对监控感应带3进行软校准，解决多个震动传感节点响应不一致的问题。

对应的，如图5所示，图5为本发明对监控感应带3进行响应校准的流程示意图。所述S2中，沿受监控区域的边界布置多个相互平行的监控感应带3，通过监控感应带3采集微扰数据，所述监控感应带3与受监控区域的边界平行，所述监控感应带3包括多个震动传感节点；

沿受监控区域的边界布置监控感应带3的过程中，需要对监控感应带3进行响应校准，所述响应校准具体包括：

S201.在监控感应带3旁边布置校准测试带，所述校准测试带与监控感应带3平行；

S202.设置人工扰动点，控制人工扰动点沿着校准测试带移动并产生震动信号，各个监控感应带3采集震动信号所产生的微扰数据；

S203.通过标定参数模块16响应输出模块15把微扰数据转化为响应输出数据具体地，所述响应输出数据包括震动信号的时域特征和频域特征；

S204.通过比较人工扰动点处于不同位置时对应的响应输出数据，得到标定调整参数；

S205.通过校准模块17根据标定调整参数对监控感应带3进行软校准。

举例说明软校准的具体原理：控制人工扰动点沿着校准测试带移动并产生震动信号，在这个过程中，监控感应带3中的三个震动传感节点先后采集震动信号所产生的微扰数据。在人工扰动点距离三个震动传感节点相同距离时，三个震动传感节点先后采集到微扰数据，响应输出模块15再把微扰数据转化为响应输出数据。理想状态下，三个震动传感节点对应的响应输出数据应为标准响应输出数据。由于不同的震动传感节点在传感网络中会受到各种因素影响，产生的响应输出区别较大，如三个震动传感节点对应的响应输出数据与标准响应输出数据的比值分别为1.2、1.5和0.8，而理想状态下三个震动传感节点对应的响应输出数据与标准响应输出数据的比值应为1，因此，三个震动传感节点对应标定调整参数分别为1.2、1.5和0.8。通过校准模块17根据标定调整参数对监控感应带3进行软校准的过程为对应的为把各自的响应输出数据分别除以1.2、1.5和0.8，从而使得三个震动传感节点在监测到相同入侵时监控中心1所接收到的响应输出数据相同，去除传感网络节点不能实现一致性的问题。

需要说明的是，在大范围周边如国境边界线上，受监控区域的边界多为曲线。所述监控感应带3与受监控区域的边界平行、所述监控感应带3之间相互平行、所述校准测试带与监控感应带3平行。上述平行，指的是每处切线平行。在本发明中，前端设置为监控感应带3且监控感应带3与受监控区域的边界平行的目的是布置一个能够均匀采集信号的传感网络；而校准测试带与监控感应带3平行的目的在于使得在人工扰动点移动的过程中，保证人工扰动点在不同时间点上能够与各个震动传感节点的距离相同。

为了确定受监控区域是否被入侵以及确定对应的入侵事件类型，所述入侵事件类型包括人员入侵和车辆入侵，量化分析模块12包括：

阈值获取单元，用于获取入侵判定阈值和入侵类型判定阈值，所述入侵判定阈值用于判定受监控区域是否被入侵，所述入侵类型判定阈值用于判定入侵事件类型；

预处理单元，用于对所述微扰数据进行预处理，去除所述微扰数据中的噪声；

量化单元，用于量化经过预处理后的微扰数据，得到微扰数据的量化振幅；

入侵判定单元，用于对比微扰数据的量化振幅与入侵判定阈值，当量化振幅小于入侵判定阈值时判定受监控区域安全，当量化振幅大于或等于入侵判定阈值时判定受监控区域被入侵；

类型判定单元，用于当判定受监控区域被入侵后，对比微扰数据的量化振幅和入侵类型判定阈值，当量化振幅小于入侵类型判定阈值时判定为人员入侵，当量化振幅大于或等于入侵类型判定阈值时判定为车辆入侵。

所述入侵数据特征包括入侵判定阈值和入侵类型判定阈值，预先通过阈值获取单元获取入侵判定阈值和入侵类型判定阈值，为数据处理做准备。受监控区域处于野外的大自然环境中，除了潜在入侵者外，受监控区域还有很多小动物或者其它噪声源，会刺激到监控感应带3产生微扰数据。因此，在采集的微扰数据后，需要通过预处理单元去除采集微扰数据过程中所引入的噪声，为后续的数据处理提供更准确的微扰数据。进一步，通过量化单元对微扰数据进行量化，得到的量化振幅，最后入侵判定单元通过对比量化振幅和入侵判定阈值判断受监控区域是否被入侵，类型判定单元通过对比量化振幅和入侵类型判定阈值判断是人员入侵还是车辆入侵。

具体地，比如入侵判定阈值为A、入侵类型判定阈值为B、量化振幅为C，其中A必须小于B。当C小于A时判定受监控区域没有被入侵，反之则判定受监控区域被入侵；在确定C不小于A时，进一步把C与B比较；当C小于B时判断为人员入侵，反之则判断为车辆入侵。简单来说，就是通过A和B划分为三种情况，一是没有入侵，二是受到人员入侵，三是受到车辆入侵。当微扰数据的量化振幅比入侵判定阈值小时，则说明微扰数据可能为非入侵扰动源引入的，如生活在受监控区域的动物等，这些动物引入的微扰数据的特征与人的不同，表现在量化振幅比入侵者的量化振幅小，此时说明受监控区域未被入侵；当微扰数据的量化振幅比入侵判定阈值大或者等于入侵判定阈值大时，说明受监控区域被入侵。由于人员入侵所对应的量化振幅比车辆入侵所对应的量化振幅要小，所以，通过分析确定出入侵类型判定阈值可作为入侵类型判定的标准，判断过程同上。

对应地，确定受监控区域是否被入侵以及确定对应的入侵事件类型的过程如图6所示，图6为本发明确定受监控区域是否被入侵以及确定对应的入侵事件类型的流程示意图。所述入侵数据特征包括入侵判定阈值和入侵类型判定阈值，所述S3具体包括：

S301.获取入侵判定阈值和入侵类型判定阈值，所述入侵判定阈值用于判定受监控区域是否被入侵，所述入侵类型判定阈值用于判定入侵事件类型，所述入侵事件类型包括人员入侵和车辆入侵；

S302.对所述微扰数据进行预处理，去除所述微扰数据中的噪声；

S303.量化经过预处理后的微扰数据，得到微扰数据的量化振幅；

S304.对比微扰数据的量化振幅与入侵判定阈值，当量化振幅小于入侵判定阈值时判定受监控区域安全，当量化振幅大于或等于入侵判定阈值时判定受监控区域被入侵；

S305.当判定受监控区域被入侵后，对比微扰数据的量化振幅和入侵类型判定阈值，当量化振幅小于入侵类型判定阈值时判定为人员入侵，当量化振幅大于或等于入侵类型判定阈值时判定为车辆入侵。

通过分析对比入侵判定阈值为、入侵类型判定阈值为和量化振幅，实现对受监控区域的安全监控。传统的监控系统和方法主要依赖于视频采集和红外感应报警等前端设备，与传统的监控系统和方法的监控方法不同，本发明在前端完成数据采集后，通过监控中心1对比比入侵判定阈值为、入侵类型判定阈值为和量化振幅来判断受监控区域是否被入侵以及入侵类型。因此，本发明实现安全监控的过程主要是大数据处理的过程，通过前端采集的海量微扰数据作为大数据处理的基础，结合大数据处理方法便可最大程度上在安防领域内解放人力，而且与传统的监控系统和方法相比，效果更好、准确率更高。

为了分析入侵者的入侵信息，入侵信息分析模块13包括：

标记单元，用于标记采集到微扰数据的震动传感节点和对应的时间戳；

图型化单元，用于在电子地图上标记出采集到微扰数据的震动传感节点的相对位置；

排序单元，用于对时间戳进行排序；

数量分析单元，用于统计在同一时间戳采集到微扰数据的震动传感节点的数量，根据在同一时间戳内采集到微扰数据的震动传感节点的数量推算入侵者的数量；

动态追踪单元，用于整合微扰数据的时间戳和震动传感节点在电子地图上的相对位置，根据时间戳和相对位置分析入侵者的移动轨迹和移动速度。

入侵信息包括入侵者数量、移动轨迹和移动速度。确定入侵信息是安全监控过程中非常关键的一步，其结果决定了采取怎样的应对措施对付入侵，以确保受监控区域安全。在本发明中，先通过标记单元标记出采集到微扰数据的震动传感节点和采集到微扰数据的时间戳；然后通过图型化单元采用动态拓扑发现技术把采集到微扰数据的震动传感节点的相对位置在电子地图上标记出来，进行可视化智能管理，操作人员可以通过电子地图直观地看到是哪里点采集到异常信号，即哪些地方正在被入侵。同时，通过排序单元对时间戳进行排序，并通过数量分析单元统计在同一时间戳采集到微扰数据的震动传感节点的数量，确定入侵者的数量；最后，也是分析入侵信息过程中最重要的一步，通过动态追踪单元整合微扰数据的时间戳和震动传感节点在电子地图上的相对位置，根据时间戳和相对位置分析入侵者的移动轨迹和移动速度。

对应地，如图7所示，图7为本发明分析入侵者的入侵信息的流程示意图。所述S4中，根据微扰数据分析入侵者的入侵信息具体包括：

S401.多个监控感应带3内的震动传感节点采集微扰数据，标记采集到微扰数据的震动传感节点和对应的时间戳；

S402.在电子地图上标记出采集到微扰数据的震动传感节点的相对位置；

S403.对时间戳进行排序；

S404.统计在同一时间戳采集到微扰数据的震动传感节点的数量，根据在同一时间戳内采集到微扰数据的震动传感节点的数量确定入侵者的数量；

S405.整合微扰数据的时间戳和震动传感节点在电子地图上的相对位置，根据时间戳和相对位置分析入侵者的移动轨迹和移动速度。

多个监控感应带3内的震动传感节点以传感网络的形式采集微扰数据，当采集到微扰数据时，标记出对应的震动传感节点和时间戳；进一步，通过电子地图显示采集到微扰数据的震动传感节点的相对位置，此时电子地图显示的是实时采集到异常信号的点，即哪些地方正在被入侵；进一步，对时间戳进行排序，并统计在同一时间戳内采集到微扰数据的震动传感节点的数量，根据在同一时间戳内采集到微扰数据的震动传感节点的数量确定入侵者的数量；最后，通过整合微扰数据，在电子地图上显示出入侵者的移动轨迹和移动速度。

上述S404中，监控感应带3与受监控区域的边界平行，传感网络均匀地采集受监控区域的微扰信号，因此，同一时间戳内采集到微扰数据的震动传感节点的数量即为入侵者的数量。例如，在同一时间戳内，传感网络中的5个震动传感节点采集到微扰数据，说明受监控区域有5个入侵者。

通过上述入侵信息分析模块13和分析入侵信息的具体步骤，把海量的微扰数据整合为能够为操作人员所直观认识的信息，这是物联网和大数据处理领域的重要一步。操作人员不用参与到数据处理的过程中，仅需要通过人机交互接口接收入侵者的入侵信息，进一步解放了人力。

为了确定处理方案，所述方案确定模块14包括：

参数预设单元，用于预设受威胁半径、预警级别的判定标准和与预警级别对应的处理方案；

威胁区域界定单元，用于以被入侵的受监控区域为原点，根据受威胁半径划分受威胁区域，并确定重点防护目标；

行踪锁定单元，用于通过连续采集并储存入侵者的图像和/或视频数据，锁定入侵者的行踪；

预警定级单元，用于根据入侵事件类型和入侵信息判定预警级别，并根据预警级别启动相应的处理方案。

本系统通过参数预设单元、威胁区域界定单元、行踪锁定单元和预警定级单元的配合确定处理方案。先通过参数预设单元预设受威胁半径、预警级别的判定标准和与预警级别对应的处理方案；再通过威胁区域界定单元划分受威胁区域并确定重点防护目标；接着，行踪锁定单元通过连续采集并储存入侵者的图像和/或视频数据，锁定入侵者的行踪；最后，预警定级单元，根据入侵事件类型和入侵信息判定预警级别，并根据预警级别启动相应的处理方案。

对应的，如图8所示，图8为本发明确定处理方案的流程示意图。所述S5中，根据入侵事件类型和入侵信息确定处理方案具体包括：

S501.预设受威胁半径、预警级别的判定标准和与预警级别对应的处理方案；

S502.以被入侵的受监控区域为原点，根据受威胁半径划分受威胁区域，并确定重点防护目标；

S503.连续采集并储存入侵者的图像和/或视频数据，锁定入侵者的行踪；

S504.根据入侵事件类型和入侵信息判定预警级别，并根据预警级别启动相应的处理方案；

S505.根据处理方案发出指令对重点防护目标实施布防，并输出入侵者的行踪。

预先在参数预设单元设置受威胁半径，同时预设预警级别的判定标准和与预警级别对应的处理方案，受威胁半径用于结合被入侵的点划分某区域是否处于受威胁区域内，而预警级别与处理方案相对应；通过威胁区域界定单元确定重点防护目标，在安全监控的过程中，优先保护重点防护目标；通过行踪锁定单元锁定入侵者的行踪，实时掌握入侵者的具体位置，更有利于安全防护；通过预警定级单元根据入侵事件类型和入侵信息判定预警级别，并根据预警级别启动相应的处理方案；最后，操作人员根据处理方案对重点防护目标实施布防，并根据入侵者的行踪向入侵者出警。另外，储存图像和/或视频数据，方便在安全监控完成后的调查和取证。

确定处理方案的过程仍通过监控中心1实现，操作人员仅需要通过监控中心1的指示，通过特定的处理方案向特定的地点出击，便可高效率地实现大范围安全监控。

S503中，锁定入侵者的行踪的方法具体包括：

在受监控区域设置多个固定监控设备；

当受监控区域被入侵时，记录下采集到微扰数据的位置，分析入侵者的移动轨迹和移动速度；

依次使能采集到微扰数据位置固定监控设备，所述固定监控设备采集入侵者的图像和/或视频数据。

另外，也可根据入侵者的移动轨迹和移动速度，设定无人机的巡航路线，通过无人机采集入侵者的图像和/或视频数据锁定入侵者的行踪。

对应的，在一种大范围周边安全监控系统中，还包括固定监控设备和/或无人机。当受监控区域被入侵时，监控中心1记录下采集到微扰数据的位置并分析入侵者的移动轨迹和移动速度，然后依次使能采集到微扰数据位置固定监控设备，固定监控设备采集入侵者的图像和/或视频数据；或者，监控中心1根据入侵者的移动轨迹和移动速度，设定无人机的巡航路线，通过无人机采集入侵者的图像和/或视频数据锁定入侵者的行踪。

采用神经网络算法对所有的固定监控设备进行协调指挥操作，当一个固定监控设备记录下入侵者的图像和/或视频数据时，监控中心1向临近的其他固定监控设备传达信号，调整进入工作状态。通过使能特定的固定监控设备或设定无人机的巡航路线来进行图像和/或视频数据采集，能够锁定入侵者的行踪，实时掌握入侵者的动向，提高出警效率。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种大范围周边安全监控方法，其特征在于，具体包括：

S1.创建入侵特征库，所述入侵特征库包括入侵事件类型和入侵数据特征；

S2.采集受监控区域边界的微扰数据；

S3.量化所述微扰数据得到量化振幅，对比所述量化振幅和所述入侵数据特征，确定所述受监控区域是否被入侵，当所述受监控区域没被入侵时返回S2，当所述受监控区域被入侵时进一步确定对应的所述入侵事件类型；

S4.根据所述微扰数据分析入侵者的入侵信息，所述入侵信息包括入侵者数量、移动轨迹和移动速度；

S5.根据所述入侵事件类型和所述入侵信息确定处理方案；

在所述S2的过程中包括，沿所述受监控区域的边界布置多个相互平行的监控感应带，通过所述监控感应带采集所述微扰数据，每个所述监控感应带与所述受监控区域的边界平行，所述监控感应带包括多个震动传感节点；

沿所述受监控区域的边界布置所述监控感应带的过程中，对所述监控感应带进行响应校准，所述响应校准具体包括：

S201.在所述监控感应带旁边布置所述校准测试带，所述校准测试带与所述监控感应带平行；

S202.设置人工扰动点，控制所述人工扰动点沿着所述校准测试带移动并产生震动信号，各个所述监控感应带采集所述震动信号所产生的微扰数据；

S203.把所述微扰数据转化为响应输出数据；

S204.比较所述人工扰动点处于不同位置时对应的所述响应输出数据，得到标定调整参数；

S205.根据所述标定调整参数对所述监控感应带进行软校准。

2.根据权利要求1所述的一种大范围周边安全监控方法，其特征在于，所述入侵数据特征包括入侵判定阈值和入侵类型判定阈值，所述入侵事件类型包括人员入侵和车辆入侵，所述S3中确定所述受监控区域是否被入侵以及确定对应的所述入侵事件类型的过程具体包括：

S301.获取所述入侵判定阈值和所述入侵类型判定阈值；

S302.对所述微扰数据进行预处理，去除所述微扰数据中的噪声；

S303.量化经过预处理后的所述微扰数据，得到所述微扰数据的量化振幅；

S304.对比所述微扰数据的所述量化振幅与所述入侵判定阈值，当所述量化振幅小于所述入侵判定阈值时判定所述受监控区域安全，当所述量化振幅大于或等于所述入侵判定阈值时判定所述受监控区域被入侵；

S305.当判定所述受监控区域被入侵后，对比所述微扰数据的所述量化振幅和所述入侵类型判定阈值，当所述量化振幅小于所述入侵类型判定阈值时判定为人员入侵，当所述量化振幅大于或等于所述入侵类型判定阈值时判定为车辆入侵。

3.根据权利要求1所述的一种大范围周边安全监控方法，其特征在于，所述S4中，根据所述微扰数据分析入侵者的所述入侵信息具体包括：

S401.多个所述监控感应带内的所述震动传感节点采集所述微扰数据，标记采集到所述微扰数据的所述震动传感节点和对应的时间戳；

S402.在电子地图上标记出采集到所述微扰数据的所述震动传感节点的相对位置；

S403.对所述时间戳进行排序；

S404.统计在同一所述时间戳采集到所述微扰数据的所述震动传感节点的数量，根据所述震动传感节点的数量确定入侵者的数量；

S405.整合所述微扰数据的时间戳和所述震动传感节点在所述电子地图上的相对位置，根据所述时间戳和所述相对位置分析入侵者的移动轨迹和移动速度。

4.根据权利要求1-3中任一项所述的一种大范围周边安全监控方法，其特征在于，所述S5具体包括：

S501.预设受威胁半径、预警级别的判定标准和与预警级别对应的处理方案；

S502.以被入侵的受监控区域为原点，根据所述受威胁半径划分受威胁区域，并确定重点防护目标；

S503.连续采集并储存入侵者的图像和/或视频数据，锁定入侵者的行踪；

S504.根据所述入侵事件类型和所述入侵信息判定所述预警级别，并根据所述预警级别启动相应的处理方案；

S505.根据所述处理方案发出指令对重点防护目标实施布防，并输出入侵者的行踪。

5.一种大范围周边安全监控系统，其特征在于，包括：

监控感应带，用于采集受监控区域边界的微扰数据，每个所述监控感应带与所述受监控区域的边界平行，所述监控感应带包括多个震动传感节点；

监控中心，用于数据处理和控制，所述监控中心包括：

入侵特征库创建模块，用于创建入侵特征库，所述入侵特征库包括入侵事件类型和入侵数据特征；

量化分析模块，用于量化所述微扰数据得到量化振幅，对比所述量化振幅和所述入侵数据特征，确定所述受监控区域是否被入侵以及当所述受监控区域被入侵时进一步确定对应的所述入侵事件类型；

入侵信息分析模块，用于根据所述微扰数据分析入侵者的入侵信息，所述入侵信息包括入侵者数量、移动轨迹和移动速度；

方案确定模块，用于根据所述入侵事件类型和所述入侵信息确定处理方案；

响应输出模块，用于把所述微扰数据转化为响应输出数据；

标定参数模块，用于比较所述人工扰动点处于不同位置时对应的所述响应输出数据，得到标定调整参数；

校准模块，用于根据所述标定调整参数对所述监控感应带进行软校准，使得所述监控感应带对所述震动信号输出稳定的所述响应输出数据，所述软校准的过程为通过所述标定调整参数；

所述监控感应带还设置有多个，所述监控感应带沿所述受监控区域的边界设置，所述监控感应带之间相互平行；

校准测试带，所述校准测试带设置在所述监控感应带旁边，所述校准测试带与所述监控感应带平行；

人工扰动点，用于沿着所述校准测试带移动并产生震动信号，各个所述监控感应带采集所述微扰数据。

6.根据权利要求5所述的一种大范围周边安全监控系统，其特征在于，所述入侵数据特征包括入侵判定阈值和入侵类型判定阈值，所述入侵事件类型包括人员入侵和车辆入侵，所述量化分析模块包括：

阈值获取单元，用于获取所述入侵判定阈值和所述入侵类型判定阈值；

预处理单元，用于对所述微扰数据进行预处理，去除所述微扰数据中的噪声；

量化单元，用于量化经过预处理后的所述微扰数据，得到所述微扰数据的量化振幅；

入侵判定单元，用于对比所述微扰数据的所述量化振幅与所述入侵判定阈值，当所述量化振幅小于所述入侵判定阈值时判定所述受监控区域安全，当所述量化振幅大于或等于所述入侵判定阈值时判定所述受监控区域被入侵；

类型判定单元，用于当判定所述受监控区域被入侵后，对比所述微扰数据的所述量化振幅和所述入侵类型判定阈值，当所述量化振幅小于所述入侵类型判定阈值时判定为人员入侵，当所述量化振幅大于或等于所述入侵类型判定阈值时判定为车辆入侵。

7.根据权利要求5所述的一种大范围周边安全监控系统，其特征在于，所述入侵信息分析模块包括：

标记单元，用于标记采集到所述微扰数据的所述震动传感节点和对应的时间戳；

图型化单元，用于在电子地图上标记出采集到所述微扰数据的所述震动传感节点的相对位置；

排序单元，用于对所述时间戳进行排序；

数量分析单元，用于统计在同一时间戳采集到所述微扰数据的所述震动传感节点的数量，根据所述震动传感节点的数量确定入侵者的数量；

动态追踪单元，用于整合所述微扰数据的时间戳和所述震动传感节点在所述电子地图上的相对位置，根据所述时间戳和所述相对位置分析所述入侵者的移动轨迹和移动速度。

8.根据权利要求5-7中任一项所述的一种大范围周边安全监控系统，其特征在于，所述方案确定模块包括：

参数预设单元，用于预设受威胁半径、预警级别的判定标准和与预警级别对应的处理方案；

威胁区域界定单元，用于以被入侵的受监控区域为原点，根据所述受威胁半径划分受威胁区域，并确定重点防护目标；

行踪锁定单元，用于通过连续采集并储存入侵者的图像和/或视频数据，锁定入侵者的行踪；

预警定级单元，用于根据所述入侵事件类型和所述入侵信息判定预警级别，并根据所述预警级别启动相应的处理方案。