CN111554061A - 一种融合分布式光纤传感器与摄像头的智能周界安防系统 - Google Patents

Abstract

本发明涉及一种融合分布式光纤传感器与摄像头的智能周界安防系统，该系统包括电源模块、分布式光纤传感器模块、数据采集模块、视频采集模块、设备通信模块、边缘计算模块、云计算中心模块、报警模块。本发明对于入侵行为具有良好的识别率，漏警率、误报率较低；采用边缘计算，提高系统的工作效率和实时性，减少网络带宽和云存储容量的压力；通过深度学习的分类方法进行识别，大大降低漏警率、误报警率；定位入侵目标，识别站内人员和陌生人员；结合物联网技术，实现远程监控。

Description

一种融合分布式光纤传感器与摄像头的智能周界安防系统

技术领域

本发明涉及物联网技术领域，更具体地说，涉及一种融合分布式光纤传感器与摄像头的智能周界安防系统。

背景技术

随着社会快速发展，大量的社会财富、军事要地、重要的设施、电站、易燃易爆物资仓库等都需要使用周界入侵报警系统进行有效防范，确保其安全。周界入侵报警系统是安全技术防范系统的一个重要组成部分。信息技术和传感技术近些年快速发展，各种传感器产品逐渐成熟，从实验室走向商用化，但随着犯罪分子的手段越来越高明，因此，客户对于周界入侵报警系统减少误报率和漏报率的需求也越来越强烈。所以，单一传感技术的周界安防解决方案正逐步被多传感技术融合的方案所替代，且这个趋势越来越明显。周界安防系统是安防系统的一个重要组成部分，也是安全报警的第一道防线。多传感器的融合技术，实现多种传感技术互补，可以大大提高周界安防的防范性能。

目前仅有10％左右的公司在物联网的项目中加入了边缘计算。边缘计算是指将更多的数据计算和存储从“核心”下沉到“边缘”，部署到接近数据源的地方，一些数据不必再通过网络到达云端处理，直接在分布式的边缘芯片里处理，从而减低时延和网络负荷，提升数据的处理效率，也提升了数据安全和隐私性。

现有技术公开了一种基于分布式光纤传感器的周界安防系统，其仅仅使用光纤传感器，没有与摄像头结合，数据相对单一；对于入侵识别，没有结合深度学习；没有结合物联网技术，不能远程监控。现有技术还公开了一种光纤周界安防系统，其采用了光纤传感器与摄像头联合，缺点是光纤传感器与摄像头独立工作，协调性不足；不够智能化。现有技术还公开了一种周界安防用光纤传感装置及系统，其将光纤传感装置设置在地下，光缆内部装有海绵层和红外发光器，不仅提升了光缆的寿命，还避免了海绵层对于压力的缓冲，防止振动信号的减弱，并且采用了摄像头的方案，缺点是没有将光纤传感器与摄像头形成统一的链路进行数据结合；对于入侵信号的识别没有说明；不够智能化。现有技术还公开了一种基于深度学习实现的光纤周界安防系统，通过深度学习来进行智能识别，缺点是数据纬度单一，只利用了光纤传感器。

发明内容

(一)要解决的技术问题

为解决现有技术存在的问题，本发明提供一种融合分布式光纤传感器与摄像头的智能周界安防系统，对于入侵行为具有良好的识别率，漏警率、误报率较低；采用边缘计算，提高系统的工作效率和实时性，减少网络带宽和云存储容量的压力；通过深度学习的分类方法进行识别，大大降低漏警率、误报警率；定位入侵目标，识别站内人员和陌生人员；结合物联网技术，实现远程监控。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

设计一种融合分布式光纤传感器与摄像头的智能周界安防系统，该系统包括电源模块、分布式光纤传感器模块、数据采集模块、视频采集模块、设备通信模块、边缘计算模块、云计算中心模块、报警模块，所述电源模块为分布式光纤传感器模块、数据采集模块、视频采集模块、设备通信模块、边缘计算模块、云计算中心模块、报警模块提供电能，所述分布式光纤传感器模块用于探测振动信号并转化为振动电信号，所述数据采集模块由数据采集卡采集振动电信号，所述入侵判断模块对采集到的振动电信号进行入侵行为判别，所述边缘计算模块根据数据采集卡传递的振动电信号进行计算获得入侵扰动定位信息再将定位信息传递给视频采集模块，所述视频采集模块旋转到定位处采集画面；所述边缘计算模块对视频采集模块采集到的画面先采用三帧差分算法和Canny边缘检测法获得有物体移动的画面再将有物体移动的画面进行卷积神经网络计算，输出识别结果；所述边缘计算模块对数据采集模块采集到的振动电信号采用小波包分解算法得到信号各个频段能量所占的比例，然后归一化处理后进行卷积神经网络计算，输出识别结果；所述边缘计算模块对上述两个识别结果进行加权平均值算法，得到最终数据；所述边缘计算模块将最终数据通过设备通信模块传递到报警模块，或者通过设备通信模块传送到云计算中心模块存储，用户手机端通过设备通信模块访问云计算中心模块获取视频数据和最终数据。

在上述方案中，所述分布式光纤传感器模块由激光源、传感光纤、参考光纤、传导光纤、第一耦合器、第二耦合器、第三耦合器、第一光电探测器、第二光电探测器组成；传感光纤和参考光纤作为单个M-Z干涉仪的干涉臂，与传导光纤形成两个对称干涉仪，第二耦合器和第三耦合器通过传感光纤和参考光纤连接，第一耦合器和第三耦合器通过传导光纤连接；激光源发出的光经第一耦合器分为两束光：第一束光通过第二耦合器进入到M-Z干涉仪，在第三耦合器处发生干涉，由第二光电探测器接收；第二束光通过第三耦合器进入M-Z干涉仪，在第二耦合器发生干涉，由第一光电探测器接收；当干扰施加到传感光纤和参考光纤上，引起传感光纤和参考光纤形变，光纤内部光芯折射率发生变化，引起干涉变化，根据干涉检测原理，获得振动原始信号，在第一光电探测器和第二光电探测器中将振动信号转换为电信号传入数据采集模块，第一光电探测器和第二光电探测器得到具有时延的光波信号，利用该时延定位扰动。

在上述方案中，所述视频采集模块是由可控的360°旋转的摄像机组成。

在上述方案中，所述设备通信模块包括以太网通信模块和4G通信模块，其中，以太网通信模块用于实现分布式光纤传感器模块与边缘计算模块的通讯，4G通信模块用于实现边缘计算模块与云计算中心模块之间、云计算中心模块与用户手机端之间的通讯。

(三)有益效果

本发明与现有技术相比，具有以下有益效果：

1、本发明的智能周界安防系统融合了分布式光纤传感器和摄像头，在入侵识别方面，结合了多传感器的数据融合，误报率较低。

2、本发明的智能周界安防系统结合双M-Z干涉光纤振动传感模型，利用两束光的时延值能有效对振动信号进行定位。

3、本发明的智能周界安防系统对于入侵信号的识别采用了深度学习的方法，在已经训练好的模型中不断计算，识别准确率较高。

4、本发明的智能周界安防系统能通过摄像头识别技术，识别出智能周界安防系统的站内人员与陌生人员，防止误报警。

5、本发明的智能周界安防系统结合物联网技术，能将现场情况或者报警信号发送到用户手机中，实现远程监控。

6、本发明的智能周界安防系统加入了边缘计算模块，在“边缘处”计算数据，过滤没有发生入侵行为时的视频数据等，避免造成存储资源浪费，减少网络带宽的压力。其次，如果大量的数据都发送到云计算中心，处理速度慢，实时性差，如果网络信号差，系统可能面临瘫痪。而边缘计算，在“边缘处”完成计算，实时性更好，使系统工作效率更高。

7、本发明的智能周界安防系统采用云计算和边缘计算的结合方案，成本比单独使用云计算要低很多。

附图说明

图1是本发明实施例提供的传感光纤在电网围栏中的分布图；

图2是本发明实施例提供的入侵判定流程图；

图3是本发明实施例提供的卷积神经网络原理示意图；

图4是本发明实施例提供的一种融合分布式光纤传感器与摄像头的智能周界安防系统的工作原理示意图；

图5是本发明实施例提供的的分布式光纤传感器模块原理示意图。

图中：1、第一耦合器；2、第二耦合器；3、第三耦合器；4、传感光纤；5、参考光纤；6、传导光纤；7、激光源；8、第一光电探测器；9、第二光电探测器；10、围栏栏杆；11、光缆；12、电网；13、数据层；14、卷积层；15、池化层；16、全连接神经网络层。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

本发明提供一种融合分布式光纤传感器与摄像头的智能周界安防系统，该系统包括电源模块、分布式光纤传感器模块、数据采集模块、视频采集模块、设备通信模块、边缘计算模块、云计算中心模块、报警模块。

所述分布式光纤传感器模块由激光源、传感光纤、参考光纤、传导光纤、三个耦合器、两个光电探测器组成。如图5所示，本发明采用基于双M-Z干涉的分布式光纤传感器模块，其传感光纤4和参考光纤5作为单个M-Z干涉仪的干涉臂，与传导光纤6形成两个对称干涉仪，第二耦合器2和第三耦合器3通过传感光纤4和参考光纤5连接，第一耦合器1和第三耦合器3通过传导光纤6连接。激光源7发出的光经第一耦合器1分为两束光。第一束光通过第二耦合器2进入到M-Z干涉仪，在第三耦合器3处发生干涉，由第二光电探测器9接收。第二束光通过第三耦合器3进入M-Z干涉仪，在第二耦合器2发生干涉，由第一光电探测器8接收。当干扰施加到传感光纤4和参考光纤5上，引起传感光纤4和参考光纤5形变，光纤内部光芯折射率发生变化，引起干涉变化，根据干涉检测技术，获得振动原始信号，在第一光电探测器8和第二光电探测器9中将振动信号转换为电信号传入数据采集模块，并且由于第一光电探测器8和第二光电探测器9得到具有一定时延的光波信号，因此，可以利用这个时延定位扰动。光缆11按图1所示分布在电网12的围栏栏杆10上，同一光缆包括传导光纤6、传感光纤4和参考光纤5。本发明实施例的激光源选用1550nm的窄线宽激光器。

所述数据采集模块由数据采集卡采集振动电信号，首先由入侵判断模块判断该振动行为是否为入侵行为，然后再传递给所述边缘计算模块进行处理。所述数据采集模块选用STM32开发板设计的数据采集卡。

所述入侵判断模块将数据采集卡采集到的振动信号输入到调理电路中，运用全相位滤波器组以及设置能量系数阈值对振动电信号进行入侵行为判别。所述入侵判断模块利用光线传感器敏感的特性，充当判定入侵行为的角色；全相位滤波器组能有效过滤噪声干扰，如果信号的能量系数超出预先设置的阈值，则认为有扰动发生。从时域上分析，采集到的振动电信号属于非平稳的离散时间信号，当有扰动发生的时候，会产生一个剧烈的幅值波动，随后慢慢衰减，基于熵对非平稳信号的检测，通过信号携带的信息熵来进行判断。信息熵体现了信号在时域上的能量分布情况，能量分布越简单，信息熵越小，如果信号的频率成分复杂，有突变情况，则信息熵越大。在周界安防系统中，外界环境复杂多变，电网围栏所处地方严重受到的环境干扰，当有轻微的扰动发生时，由于融合在环境噪声中，会使信噪比降低，信息熵越来越小，误判率增大。因此，需要在判断前进行去噪处理。通过实验分析，信息的有用部分主要分布在特定的频域范围中，而环境噪声大多为具有稳定功率谱的、低频频段的高斯噪声。这样就能通过频带内能量特征有效地区分低频部分的环境噪声和高频部分的有效扰动成分。那么计算出信号的能量变化就能达到判别扰动的目的。如图2所示，运用全相位滤波器组实现入侵判别的功能，设置能量系数阈值，当信号的能量系数超出预先设置的阈值，则认为有扰动发生，然后对扰动进行识别和定位。

所述视频采集模块是由可控的360°旋转的摄像机组成。所述边缘计算模块可以根据数据采集卡传递的振动电信号通过频域二次互相关算法得到入侵扰动定位信息，再传递给摄像机，摄像机旋转到定位处采集画面。

所述边缘计算模块，将算法和训练好的模型移植到边缘计算开发板中，将计算识别过程由“云端”转为“边缘”。其中，边缘计算模块采用计算能力强大的Jetson-TX2开发板。针对摄像头采集到的画面，采用三帧差分算法和Canny边缘检测法过滤掉静态的画面，只存储检测到有物体移动的画面，再将画面输入到卷积神经网络中，输出识别结果。针对分布式数据采集模块采集到的振动信号，采用小波包分解算法，得到信号各个频段能量所占的比例，然后归一化处理，输入到卷积神经网络中，输出识别结果。将两个卷积神经网络输出的识别结果进行加权平均值算法，得到最终数据。其中摄摄像头的识别结果占比70％，分布式光纤传感器模块的识别结果占比30％。如图3所示，卷积神经网络由数据层13、卷积层14、池化层15、激励层、全连接神经网络层16组成。将摄像头采集到的图像或者振动信号经过小波包分解，提取能量特征，并归一化结果，输入到卷积神经网络的数据层。池化层夹在连续的卷积层中间，用于压缩数据和参数的量。激励层用于将卷积层输出的结果做非线性映射。卷积层的作用是在原始输入上一个小区域一个小区域的进行特征提取，有利于找到原始输入信号的不变特征。卷积不仅限于对原始输入的卷积，对提取到的特征图再次进行卷积，特征是不断进行提取和压缩的，最终能得到比较高层次特征，简言之就是对原始特征一步又一步的浓缩，最终得到的特征更可靠。利用最后一层特征输入到全连接神经网络层，进行识别和回归。

所述设备通信模块包括以太网通信模块和4G通信模块，其中，以太网通信模块用于实现分布式光纤传感器模块与边缘计算模块的通讯，4G通信模块用于实现边缘计算模块与云计算中心模块之间、云计算中心模块与用户手机之间的通讯。

所述云计算中心模块存储摄像机采集到的入侵画面和最终识别结果，用户手机通过4G通信模块访问云计算中心模块，将监控画面和识别结果传到用户手机APP中，实现远程监控和报警。

本发明提供的一种融合分布式光纤传感器与摄像头的智能周界安防系统，该系统的工作原理如图4所示：

(1)当发生入侵行为，光缆内的传感光纤4和参考光纤5由于振动作用产型形变，光纤内部也产生形变。由于弹性变形会使光纤长度发生变化，同时又由于光弹效应会使光纤的纤芯折射率发生变化，导致在其中传播光波的相位发生变化，通过光电探测器探测到干涉现象变化，采用干涉技术检测，获得原始振动信号。

(2)数据采集模块将采集到的振动电信号送入入侵判定模块中，如果信号的能量系数超出预先设置的阈值，则认为有入侵发生。如果没有，则继续进行数据采集。

(3)当判定出有入侵行为发生时，进行入侵定位，由于不知道入侵行为是人为，还是动物误撞，所以还需要进行入侵识别。

(4)将定位信息通过通讯模块发送给视频采集模块，用软件程序控制视频采集模块采集定位处图像数据。

(5)边缘计算模块通过边缘检测算法对监控画面进行检测，只有检测到监控画面中的运动物体时才进行存储。

(6)边缘计算模块针对摄像头采集到的画面，采用三帧差分算法和Canny边缘检测法过滤掉静态的画面，只存储检测到有物体移动的画面，再将画面输入到卷积神经网络中，输出识别结果。边缘计算模块针对分布式光纤传感器模块采集到的振动信号，采用小波包分解算法，得到信号各个频段能量所占的比例，然后归一化处理，输入到卷积神经网络中，输出识别结果。将两个卷积神经网络输出的结果进行加权平均值算法，得到最终结果。

(7)将最终识别结果传递到报警模块，或者通过4G通信模块传送到云计算中心模块存储，用户手机APP通过4G通信模块访问云计算中心模块，得到视频数据和识别结果。如果系统没有自动报警，用户可以通过视频数据选择手动报警。

附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (4)

1.一种融合分布式光纤传感器与摄像头的智能周界安防系统，其特征在于，该系统包括电源模块、分布式光纤传感器模块、数据采集模块、视频采集模块、设备通信模块、边缘计算模块、云计算中心模块、报警模块，所述电源模块为分布式光纤传感器模块、数据采集模块、视频采集模块、设备通信模块、边缘计算模块、云计算中心模块、报警模块提供电能，所述分布式光纤传感器模块用于探测振动信号并转化为振动电信号，所述数据采集模块由数据采集卡采集振动电信号，所述入侵判断模块对采集到的振动电信号进行入侵行为判别，所述边缘计算模块根据数据采集卡传递的振动电信号进行计算获得入侵扰动定位信息再将定位信息传递给视频采集模块，所述视频采集模块旋转到定位处采集画面；所述边缘计算模块对视频采集模块采集到的画面先采用三帧差分算法和Canny边缘检测法获得有物体移动的画面再将有物体移动的画面进行卷积神经网络计算，输出识别结果；所述边缘计算模块对数据采集模块采集到的振动电信号采用小波包分解算法得到信号各个频段能量所占的比例，然后归一化处理后进行卷积神经网络计算，输出识别结果；所述边缘计算模块对上述两个识别结果进行加权平均值算法，得到最终数据；所述边缘计算模块将最终数据通过设备通信模块传递到报警模块，或者通过设备通信模块传送到云计算中心模块存储，用户手机端通过设备通信模块访问云计算中心模块获取视频数据和最终数据。

2.根据权利要求1所述的一种融合分布式光纤传感器与摄像头的智能周界安防系统，其特征在于，所述分布式光纤传感器模块由激光源、传感光纤、参考光纤、传导光纤、第一耦合器、第二耦合器、第三耦合器、第一光电探测器、第二光电探测器组成；传感光纤和参考光纤作为单个M-Z干涉仪的干涉臂，与传导光纤形成两个对称干涉仪，第二耦合器和第三耦合器通过传感光纤和参考光纤连接，第一耦合器和第三耦合器通过传导光纤连接；激光源发出的光经第一耦合器分为两束光：第一束光通过第二耦合器进入到M-Z干涉仪，在第三耦合器处发生干涉，由第二光电探测器接收；第二束光通过第三耦合器进入M-Z干涉仪，在第二耦合器发生干涉，由第一光电探测器接收；当干扰施加到传感光纤和参考光纤上，引起传感光纤和参考光纤形变，光纤内部光芯折射率发生变化，引起干涉变化，根据干涉检测原理，获得振动原始信号，在第一光电探测器和第二光电探测器中将振动信号转换为电信号传入数据采集模块，第一光电探测器和第二光电探测器得到具有时延的光波信号，利用该时延定位扰动。

3.根据权利要求1所述的一种融合分布式光纤传感器与摄像头的智能周界安防系统，其特征在于，所述视频采集模块是由可控的360°旋转的摄像机组成。

4.根据权利要求1所述的一种融合分布式光纤传感器与摄像头的智能周界安防系统，其特征在于，所述设备通信模块包括以太网通信模块和4G通信模块，其中，以太网通信模块用于实现分布式光纤传感器模块与边缘计算模块的通讯，4G通信模块用于实现边缘计算模块与云计算中心模块之间、云计算中心模块与用户手机端之间的通讯。

Images