CN112907869A - 基于多种传感技术的入侵检测系统 - Google Patents
基于多种传感技术的入侵检测系统 Download PDFInfo
- Publication number
- CN112907869A CN112907869A CN202110283669.6A CN202110283669A CN112907869A CN 112907869 A CN112907869 A CN 112907869A CN 202110283669 A CN202110283669 A CN 202110283669A CN 112907869 A CN112907869 A CN 112907869A
- Authority
- CN
- China
- Prior art keywords
- microwave
- event
- vibration
- detection module
- characteristic data
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
- G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明涉及安防技术领域,提供了一种基于多种传感技术的入侵检测系统,其主旨在于,解决现有安防系统存在大量漏报,无法满足特定的周界防护要求的问题。其主要方案包括微波检测模块、振动检测模块、视频检测模块,通过对微波事件、振动事件、视频事件进行综合判断,最终输出报警结果。
Description
技术领域
本发明涉及安防技术领域,提供了一种基于多种传感技术的入侵检测系统。
背景技术
市面上现有的安防系统主要有两种技术:传感器技术和视频技术。
传感器技术主要有:微波,红外,激光,振动光纤。无论是哪种传感设备,都采用单一技术手段,主要聚焦传感器硬件设备本身,产生的数据简单且数量较少,无法表达更多的内容,加上缺乏处理数据的软件算法,无法适应复杂的环境,误报和漏报的比例都无法满足防护的要求。
视频技术主要利用摄像头采集的图像信息,采用图像处理算法,实时分析数据。主要的技术有电子围栏,画面对比,以及当下流行的基于视频的AI技术。虽然误报和漏报相比传感器技术有所提高,但是无论是哪种视频技术,都离不开大量的计算和实时视频数据,前者需要大量的处理器,后者需要大量的数据传输带宽资源。并且数据的处理和传输是不间断的,又消耗大量的电能,“计算资源+带宽资源+功率消耗”增加了项目建设投入和运营成本。另外,画面远处的入侵行为,由于画面小,像素点少,视频技术几乎无法识别,加上夜晚的光线条件差,会造成大量漏报情况,也是无法满足特定的防护要求。
发明内容
本发明的目的在于通过微波传感器和振动传感器预先做出事件判断,然后再通过视频AI技术进行事件识别,解决远处的入侵行为,由于画面小,像素点少,视频技术几乎无法识别,加上夜晚的光线条件差,会造成大量漏报情况,也是无法满足特定的周界防护要求的问题。
一种基于多种传感技术的入侵检测系统,包括:
微波检测模块:获取微波传感器信号输出信号,通过傅里叶变换将时域信号转换成频域信号,然后滤波器获取15~35Hz的输入信号,然后以AHz刻度统计单位时间内,微波传感器信号振幅超过阈值的次数,得到反应微波传感器输出信号在“次数-时间”上变化的强度的微波特征数据波;并通过与特征数据波模板进行相似度判断,得到对应的微波事件;
振动检测模块:获取传感器信号输出信号,统计单位时间内,传感器电压强度超过阈值的次数,得到反应传感器输出信号在“次数-时间”上变化的强度的振动特征数据波;并通过与特征数据波模板进行相似度判断,得到对应的振动事件;
视频检测模块:通过视频AI识别,对视频内容进行判别,判断是否检测出人员入侵,得到视频事件;值得注意的视频AI识别技术目前有很多开源的算法模型,供广大开发者使用,但是为了提高算法识别精度,需要大量的数据样本对模型进行监督训练,并且不断调整算法参数,因此本申请对视频AI识别的实现不再赘述,本领域技术人员在不花费创造性劳动的前提下可以从现有技术中获取对应的实现方案。
当所述微波检测模块检测到微波事件或者振动检测模块检测到振动事件,则启动视频检测模块,得到视频事件;
通过对微波事件、振动事件、视频事件进行判断,输出报警结果。
微波事件、振动事件、视频事件其主要是相互补充,相互验证,如有振动事件,无微波事件,再通过视频AI识别进行事件判断,如也无视频事件,则可联合判断为无侵入行为发生。本领域技术人员应当得知,此次仅为举例,实际应用过程中,根据需求进行相应的设置即可。值得注意的是,本申请的微波事件、振动事件采用特征数据波相识度比对方法进行事件识别,其不再是简单的微波传感器或者振动传感器输出的“1,0”结果。
对于事件,可划分为徘徊事件,破坏事件,翻越事件等,本领域技术人员中不花费创造性劳动的前提下,应当得知,事件可根据使用场景,使用对象等进行进一步划分,或者定义其他类型事件。
其中通过微波传感器传感器信号输出分析,可得到徘徊事件,然后在徘徊事件基础上,结合振动传感器检测到的振动事件(如弱振动、振动、连续性弱振动、连续性强振动),即可得到联合事件,如破坏事件或者翻越事件。
在上述技术方案基础上,将安防区域划分为核心区域和外围区域,在核心区域设置视频检测模块;值得注意得是核心区域应当是视频检测模块能够精确检测出入侵事件的区域。核心区域也可理解为视频检测模块所能覆盖的能够精确检测入侵事件的区域范围。
在外围区域设置微波检测模块和振动检测模块,当侵入对象进入安防区域时,通过微波检测模块和振动检测模块进行事件判断,同时启动视频检测模块,当入侵对象进入核心区域时通过视频检测模块进行事件判断。
值得注意的是本领域技术人员应当得知,也可在核心区域布置设置微波检测模块和振动检测模块,丰富核心区域内检测到的事件,值得注意的是同一侵入对象,出现在核心区域时,微波检测模块和振动检测模块与视频检测模块检测到的事件是不同的事件,其不同的事件相互补充,最终输出报警结果。如,微波模块输出人员徘徊事件,如存在剧烈振动,振动传感器输出剧烈振动事件,视频检测模块通过现有的视频AI识别技术,输出破坏事件,其中徘徊事件与剧烈振动事件组合在一起确定为联合事件(破坏事件)与视频AI识别输出的破坏事件相互验证,减少误报情况的出现。
值得注意的是,如在一个半径100米的安防区域内,如当侵入对象与视频检测模块的摄像头距离过远时,侵入对象中图像中的目标过小,很难通过视频AI识别获得准确的事件类型,因此需要通过微波检测模块和振动检测模块进行事件识别,当侵入对象距离摄像头足够近时则再通过视频AI识别获得精准的事件。
上述技术方案中,特征数据波模板获取方法如下:对不同入侵行为进行测试,得到不同场景对应的表示不同事件的不同特征数据波形,作为特征数据波模板。
上述技术方案中,根据传感器的类别不同,分别得到不同传感器的事件对应的特征数据波模板,特征数据波模板分为微波特征数据波模板和振动特征数据波模板。
上述技术方案中,根据微波类事件和振动类事件组合,输出不同的报警结果。
上述技术方案中,相似度判断方法如下:
特征波模板为:
这个时候相似度不再是一个数,而是一个三维的向量,维度数与传感器个数相等;
其中n为整数;
Total_Sim即为相似度,其中i为传感器下标,j为时间刻度下标。
本发明采用上述技术方案,因此具备以下有益效果:
一、本发明提供的系统综合使用微波,振动,视频等多种传感手段,使用物联网技术框架,以及人工智能技术。相互联动,彼此配合,形成有机整体,实现“1+1 > 2”的组合优势,打造多层次、立体化的防控手段,有效的减少告警信息的“误报”,避免重要入侵事件的“漏报”,建设“纵深化”防护系统。如微波传感器与振动传感器不构成事件触发视频检测模块,一些微小,不需监控的环境振动或者微波触发也会触发视频检测模块,导致视频检测模块频繁无效触发,造成资源的浪费。
二、系统的主要优势还包括:
全天候:本系统以传感器数据分析为基础,以视觉分析为辅助。白天、晚上以及不同天气环境均能正常工作。
低功耗:智能传感单元的功耗极低,只有才传感器触发后才开始使用视频AI处理。而传感器的功耗极低。
低带宽:智能控制单元实时处理传感单元的大量数据。处理后再上报少量数据,同时视频数据也并非实时处理,系统正常工作情况下,大部分视觉传感单元处于休眠,正常工作情况下平均传输总带宽占用率不超过10%。
在某些野外场景下,低功耗和低带宽的特点尤为重要,甚至是不可或缺。低功耗带来的好处是取电点少,减少施工成本;对供电线路电压要求低,对供电电路影响小。极大的适应高铁周界复杂的供电条件。
低成本:本系统设备为专用定制开发,裁剪冗余功能,多种设备进行集成整合,大大降低了设备的造价。另外,系统对供电和网络带宽要求较低,降低了部署难度和建设成本。
三、传感器的数据改造:传感器是数据产生的源头,好的数据格式和形式,便于数据的分析。本算法结合实际应用场景,创造性的提出了一种数据形式,既简化了原始数据的复杂程度,减少了后续的数据分析难度,又没有造成过多的信息丢失,避免信息失真。
四、特征数据波形的构造:本方法的核心是构造空间,时间上多维度的特征数据波形,形成一个特征数据波形的矩阵,对需要检测的场景进行详细刻画和描述。在通过多种相关检测算法,准确检测出入侵场景。
五、振动和微波的关联关系:本方法充分利用了振动和微波两种不同数据的时间关联关系,进一步提高检测准确度。
六、简化的特征数据波形算法:充分利用振动和微波的关联关系,提出简化的增量算法,简化特征数据波形的提出和计算,极大的减小了计算复杂度。
七、本发明通过微波传感器与振动传感器的组合使用,通过微波识别人员徘徊,通过振动识别物体振动(如墙体破坏,翻越围栏会产生明显振动),通过2种传感器事件的组合,判断是否有人范围围栏、破坏墙体等行为,其通过2个简单的器件实现了新的入侵行为的识别。
八、通过将时域信号转换到频域,然后通过滤波器,过滤掉其他非人产生的信号,大大减少了其他非侵入行为的干扰。
说明书附图
图1为微波示例波形;
图2为振动示例波形;
图3为人员徘徊微波示例波形示例;
图4为事件对应特征数据波示例;
图5为特征数据波与特征数据波模板相似度示例;
图6为微波多传感器示例;
图7为振动传感器波形示例;
图8经过傅里叶变换后的频域波形;
图9滤波后的频域波形;
图10为安防区域划分示意图。
图中1为微波传感器和振动传感器、2为视频监控、3为侵入对象。
具体实施方式
本发明提过了一种基于多种传感技术的入侵检测系统,包括:
微波检测模块:获取传感器信号输出信号,统计单位时间内,传感器电压强度超过阈值的次数,得到反应传感器输出信号在“次数-时间”上变化的强度的特征数据波;并通过与特征数据波模板进行相似度判断,得到对应的微波事件;
振动检测模块:获取传感器信号输出信号,统计单位时间内,传感器电压强度超过阈值的次数,得到反应传感器输出信号在“次数-时间”上变化的强度的特征数据波;并通过与特征数据波模板进行相似度判断,得到对应的振动事件;
视频检测模块:通过视频AI识别,对视频内容进行判别,得到视频事件;
当所述微波检测模块检测到微波事件或者振动检测模块检测到振动事件,则启动视频检测模块,得到视频事件;
通过对微波事件、微波事件与振动事件组合得到的联合事件、视频事件进行判断,输出报警结果。
对于事件,可划分为徘徊事件,破坏事件,翻越事件等,本领域技术人员中不花费创造性劳动的前提下,应当得知,事件可根据使用场景,使用对象等进行进一步划分,或者定义其他类型事件。
其中通过微波传感器传感器信号输出分析,可得到徘徊事件,然后中徘徊事件基础上,结合振动传感器检测到的振动事件(如弱振动、振动、连续性弱振动、连续性强振动),即可得到联合事件类破坏事件或者翻越事件。
在上述技术方案基础上,将安防区域划分为核心区域和外围区域,在核心区域设置视频检测模块;
在外围区域设置微波检测模块和振动检测模块,当侵入对象进入安防区域时,通过微波检测模块和振动检测模块进行事件判断,同时启动视频检测模块,当入侵对象进入核心区域时通过视频检测模块进行事件判断。
当入侵对象进入外围区域,系统启动预警机制,密切换成微波事件、振动事件和视频事件的变化,当进入核心区域,系统则启动报警机制,通知值班人员处理,并可以启动远程声光驱离装置。在核心区域设置视频检测模块。
值得注意的是,如在一个半径100米的安防区域内,如当侵入对象与视频检测模块的摄像头距离过远时,侵入对象中图像中的目标过小,很难通过视频AI识别获得准确的事件类型,因此需要通过微波检测模块和振动检测模块进行事件识别,当侵入对象距离摄像头足够近时则再通过视频AI识别获得精准的事件类型。
上述技术方案中,特征数据波模板获取方法如下:对不同入侵行为进行测试,得到不同场景对应的表示不同事件的不同特征数据波形,作为特征数据波模板。
上述技术方案中,根据传感器的类别不同,分别得到不同传感器的事件对应的特征数据波模板,特征数据波模板分为微波特征数据波模板和振动特征数据波模板。
关于微波检测模块、振动检测模块实现事件检测原理说明如下:
如果想要对传感器的数据进行进一步分析和挖掘,第一,必须扩展传感器的数据信息数量,不能用简单的“0”和“1”表达;第二,另外需要增加传感器的信息类型,以便综合多维信息,提高判断准确率;第三,增加数据信息上报频率,增加数据信息量,只有数量多了,算法分析才有足够的数据用以分析。
第一,无论是微波传感器还是振动传感器,可以生成感知到的强度和频率信息。例如,微波传感器采用多普勒原理, 物体的移动会产生一个微小频率偏移,这个频率偏移与物体的移动速度成正比,能量大小与物体的远近和反射面大小有关。所以,通过检查频率的偏移量和能量强度就可以比较准确的检测移动物体。但是不是所有的移动物体都是我们需要检测的目标。例如,树叶摆动,飞鸟,飘动的杂物等。传统的微波传感器是无法区分这些移动的物体,所以会造成误报。所以本方案将携带频率偏移量的反射微波,做傅里叶变换,得到不同的频率值。通过大量的仿真和数据分析,得到人体移动产生的频率偏移量集中在15~35Hz,在26-28Hz时最为明显。而其他物体的移动,造成的频率偏移量,有些频率分布均匀,有些频率或低或高。因此,通过数字滤波器,将我们感兴趣的15~35Hz,尤其是26-28Hz的信号放大,抑制其他频率的波形。这样就可以将人体移动造成的频率偏移量的幅度突显出来。每一个竖线代表一个频率分量,高度代表该频率分量的能量。
从图9中可以看出,过滤波后,15~35Hz意外的频率被明显抑制,那么我们就最大的程度保留了人体移动造成的频率分量,抑制了其他频率的分量。其他频率的分量可能是树叶摆动或者飞鸟等。
为了过滤噪声,避免误报,便于工程实现,简化计算,本方案创造性的在频域设置幅度阈值,每个250ms做一次傅里叶变换,并记录超过阈值的频率分量个数,累计4次,记录1秒内的超过阈值的总数。将“频率—时间—幅度”三个维度的信息统一起来,如图1所示是一个典型人员接近传感器时,可以组成一个“次数-时间”分布谱,次数的意思是,在单位周期内,做傅里叶变换后超过幅度阈值的次数。一个统计周期内做多次傅里叶变换,所有超过阈值的频率分量累加个数。通过多次测试和优化,形成了一个人员接近的“触发特征”谱。
第二,单独微波的传感器,只能检测是否有移动物体靠近,增加另外一个维度的传感数据类型,与微波数据相互配合和印证,可以提高检测准确度,适应不同的复杂场景。采用多个高灵敏度传感器,采集信息更准确,与微波传感器类似,振动传感器也强度信息。即,单位时间内振动的次数较多,表明在传感器周围有比较明显的振动源,如果这种振动源短时间突然出现,就可以判断为异常场景。
第三,无论是微波数据还是振动数据上报的频率必须足够快,以反映数据的变化信息。目前系统采用RS485通信方式将传感器的数据上报至上位机,采集频率在500ms以内。通过提高采样频率,捕获传感器采集数据的微小变化。
通过上面三点的描述,将传统的开关式传感器的数据改造成有价值的动态的实时数据,数据多,采样时间短,可以刻画出不同的场景特征,例如:人员徘徊,翻越护栏,破坏墙体等。通过本文介绍的算法,进行数据分析,即,进行特征数据波形的相关性检测。如果待检测波形与预先确定的“人员徘徊”,“翻越护栏”,“破坏墙体”等的波形相似,那么就认为,发生了相关的行为,判定为相关告警。
通过以上三个方面,将传统传感器进行了深度改造,不但扩展了数据源,从“0或1的触发”式,变成了“单位时间的上报次数”,形成了数据谱;同时增加了数据维度,从单一微波数据扩展出振动数据,增加了数据的关联性;提高了数据的上报频率,可以捕获更小粒度的数据变化。
如图3所示,人体移动会令传感器产生图3所示的波形。通过多次反复的测试,将这个波形稳定下来,就得到了微波特征数据波模板。
在实际安防场景中,如果传感器产生了和微波特征数据波模板波形相同或相似的微波特征数据波,就认为,传感器周围,再次发生了人员近处徘徊的情况。
这样整个方法就分成两个部分:
1、在开发阶段或系统上线前,对不同的入侵行为多次测试,形成多个不同的特征数据波形,预置在系统中,作为特征数据波模板。
2、在使用阶段或系统工作时,实时检测传感器产生的波形,如果与特征数据波模板的波形相同或相似,就认为发生了对应的入侵行为。
至此,算法的基本原理已经阐述清楚。还有一点就是如何选择相关检测算法。相关检测算法很多,主要的作用就是评估待检测波形与特种波形的相似程度,有匹配滤波算法,欧式距离算法,余弦相似度算法。
考虑到应用场景的特点,采用余弦相似度算法作为相关检测算法。余弦相似度是最常见的相似度算法。基本原理如下:
可扩展至多维,公式如下:
最后的结果是一个余弦数值,是大于等于0小于等于1的数值,与原始数值大小无关。如果等于1表示待检测信号的波形与特征数据波形完全一致,如果等于0,则表示两个信号完全不同。
在实际使用中当然不能如此简单。首先,特征数据波形之间不能明显相似,特征数据波形需要“正交”,即,特征数据波形要有区分度。通过实验发现单一传感器并不能满足特征数据波形区分度高的要求。所以需要对算法进行改进,采用过个传感器联合的方式,因为传感器部署的位置不同,具有空间区分度。
最后特征数据波形是一个n*3维矩阵,“n”是时间粒度,“3是”传感器个数。这样就引入了空间位置的信息。即使单个传感器的特种波形一致,但是由于传感器的位置不同,特种波形也行彼此区分。
上面说的特征数据波形主要是针对微波传感器产生的数据而言,为了是入侵场景的信息更加全面,引入振动传感器数据,振动传感器不同于微波传感器,是一种被动触发的传感器,即需要外部振动源使传感器产生振动。振动传感器产生的书数值信号量。振动越强烈,单位统计周期内的状态变化(从0到1或从1到0)越多。这样我们就可以建立和微波一样的特征数据波形。因此可以在“振动”这个维度上表示入侵特征。
同样根据传感器的空间位置,每一时刻,都是一个基于空间的振动数据的多维向量。如下公式,是t1时刻,三个传感器数值组成的空间向量。那么连续一段时间就组成了振动数据的特种矩阵。
值得注意的是振动采用B表示是为了方便区分,本领域即使人员也可采用其他字母表示;
由此我们得到了微波数据的特种矩阵和振动数据的特征矩阵。通过实验分析发现,两个特征矩阵数据上相互独立,但是时间上又相互关联。例如,如果持续检测出微波的特征数据波形,说明有人员在传感器周围活动,当检测出微波的特征数据波形后一段时间,在同样的位置,检测出振动的特征数据波形,说明在传感器周围产生了振动源,可能是人员破坏传感器或者破坏墙体和护栏,需要报警,并高度关注。所以微波和振动的特征数据波形在时间上的关联关系,可以刻画入侵行为的时间顺序和具体的入侵程度。
另外,该算法有一定的变形和扩展,特征数据波形较多或者比较难以稳定,为了简便计算,可以将特征数据波形向量,从高维压缩成低维,从特征数据波形,变成数据增量,即表示成当前时刻相对于前一段时刻的数据变化量,数据变化的波形可能比较多,但是变化的数量相对一致,我们认为数据变化量是由人员入侵带来的,这样简化了特征数据波形的形态,减少了计算量和特征数据波形的数量。同样的,微波特征数据波形和振动特征数据波形都可以做这样的简化,简化后,二者的关联关系同样存在。这样做的好处是大大简化了特征数据波形的数量,减少了计算量。
实施例
采用图1所示的特征数据波作为特征数据波模板H,图2的特征数据波作为待检测信号S,于是有:
H=[0,10,20,30,40,50,45,30,20,10,1,0,0],
S=[0,0,0,10,30,30,30,40,40,20,10,1,0]
不足的部分补0处理;
定义S*H表示S与H中位置相同的数相乘,然后相加求和,数学表示如下:
S*H=0*0+0*10+0*20+10*30+30*40+30*50+30*45+40*30+40*20+20*10+10*1+1*0+0*0
同理表示|S|2、|H|2:
|S|2=[0*0+0*0+0*0+10*10+30*30+30*30+30*30+40*40+40*40+20*20+10*10+1*1+0*0]
|H|2=[0*0+10*10+20*20+30*30+40*40+50*50+45*45+30*30+20*20+10*10+1*1+0*0+0*0]
多传感器情况下相似度计算方法,本法发明列举3个传感器的情况,如图6所示,3个传感器在3个时刻产生的待检测波如下:
特征波模板为:
这个时候相似度不再是一个数,而是一个三维的向量,维度数与传感器个数相等;
其中n为整数;
Total_Sim即为相似度,其中i为传感器下标,j为时间刻度下标。
上式中:
则有
Total_Sim即为相似度。
如选用其他个数的传感器同理计算相似度。
效果分析:
目前行业内普遍的方案往往是采用单一的手段进行安全防护,主要有红外对射、激光对射、电子围栏、震动光纤、AI视频分析。采用单一技术方案,往往不能实现多技术手段的联动配合,防护效果不够理想,较难达到本方案的监测效果。这些单一技术的分析对比如下:
2、红外对射
利用不可见红外光对射原理,在投光器和受光器之间形成一个肉眼看不见的多束红外光栅组成的防范护栏,只要相邻两束红外光线被遮挡,即产生报警信号并自动向外发送警报。
1、优点
安装简便,维护方便。隐蔽的防卫方式:使入侵者在不知不觉中触警。
2、缺点
受天气、地形等外界影响比较大,安装容易有死角。误报率相当高。使用寿命短。
二、激光对射
激光对射报警系统采用了808nm波长不可见光激光技术,易于隐蔽布防,可以垂直或水平安装在防范区域内。激光不会像无线电波、红外光那样,受到背景或不同温度物体的干扰。
1、优点
使用范围广,探测距离远。能耗低,可以全天候工作。
2、缺点
不能适应复杂的周界环境。发散角度小,受地理环境影响容易发生偏光现象。
三、电子围栏
电子围栏主要由集脉冲发射、报警于一体的控制器和电子围栏两部分组成。在不伤害入侵者的前提下,给予入侵者较难受的短暂电击警告,动摇其攀越围栏的能力与动机,达到了安全阻挡的目的。
1、 优点
具有完整的、有明确分界的电子围栏,具有强大的阻挡作用和威慑作用。具备报警接口,能与其他的安防系统联动,提高系统的安全防护等级。
2、缺点
电子围栏以阻挡为主、报警为辅。安装布线复杂、工作量大、维护量大。容易产生系统故障,导致某些防区不能正常工作,出现防区漏洞隐患。能耗高,误报率较高。
四、震动光纤
因震动、压力导致光纤形态被干扰而产生光信号相位的改变来达到报警。可以有效地探知周界围栏防护网被剪切以及围栏被攀爬的入侵企图。
1、优点
安装方便,使用过程中无需过多的维护保养。系统探测性能不受任何光、电磁干扰源的影响,具有抗干扰能力。
2、缺点
容易遭到人为破坏。误报率较高。
五、AI视频分析
AI视频分析通过应用智能视频分析技术将图像与事件描述之间建立一种映射关系,使计算机从纷繁的视频图像中分辩、识别出关键目标物体。
1、优点
效果直观,可直接反应现场情况。具备报警接口,能与其他的安防系统联动,提高系统的安全防护等级。
2、缺点
漏报率和误报率都较高,并且误报率和漏报率无法平衡。不能适应复杂的周界环境,极易产生视觉盲区。规模部署、算法服务器等费用超高。
以上均采用单一技术方案,不能实现多技术手段的联动配合,防护效果不够理想。对比缺陷如下表:
表 1对比缺陷表
红外/激光对射 | 电子围栏 | 震动光纤 | AI视频分析 | |
有效性 | 非常易受遮挡物的干扰,误报率高 | 从护栏底部突破的可能,漏报问题无法解决 | 易受周边环境影响,误报率高 | 漏报和误报率较高,并且误报和漏报无法平衡。 |
稳定性 | 大量布设时平均故障时间迅速提高 | 大量布设时平均故障时间迅速提高 | 易受到人为破坏 | 受制于视频算法的能力 |
可靠性 | 出现报警情况时,无法确认其特征 | 出现报警情况时,无法确认其特征 | 受天气影响很大,大雨天等时间基本失效 | 对于周边复杂的场景(树叶茂密)无法识别 |
安装方式 | 只适用与规则周界的安装 | 需要安装大量的支架,工程量大 | 无法支持零散、碎片化部署 | 安装难度高,极易产生视觉盲区 |
建设成本 | 规模部署,建设成本不可控 | 规模部署,建设成本高 | 短距离综合造价非常高 | 规模部署,算法服务器等费用超高 |
运营成本 | 设备基本属于离线托管,运营成本很高 | 维护量大 | 需要应对不同的场景进行适应性学习 | 后端服务器侧的能耗很大 |
Claims (6)
1.一种基于多种传感技术的入侵检测系统,其特征在于包括:
微波检测模块:获取微波传感器信号输出信号,通过傅里叶变换将时域信号转换成频域信号,然后滤波器获取15~35Hz的输入信号,然后统计单位时间内,微波传感器信号振幅超过阈值的次数,得到反应微波传感器输出信号在频域上强度变化的微波特征数据波形;并通过与特征数据波模板进行相似度判断,得到对应的微波事件;
振动检测模块:获取传感器信号输出信号,统计单位时间内,传感器电压强度超过阈值的次数,得到反应传感器输出信号在“次数-时间”上变化的强度的振动特征数据波;并通过与特征数据波模板进行相似度判断,得到对应的振动事件;
视频检测模块:通过视频AI识别,对视频内容进行判别,得到视频事件;
当所述微波检测模块检测到微波事件或者振动检测模块检测到振动事件,则启动视频检测模块,得到视频事件;
通过对微波事件、振动事件、视频事件进行判断,输出报警结果。
2.根据权利要求1所述的一种基于多种传感技术的入侵检测系统,其特征在于,将安防区域划分为核心区域和外围区域,
在外围区域设置微波检测模块和振动检测模块,当侵入对象进入安防区域时,通过微波检测模块和振动检测模块进行事件判断,当入侵对象进入核心区域时通过视频检测模块进行事件判断。
3.根据权利要求1所述的一种基于多种传感技术的入侵检测系统,其特征在于,特征数据波模板获取方法如下:对不同入侵行为进行测试,得到不同场景对应的表示不同事件的不同特征数据波形,作为特征数据波模板。
4.根据权利要求1所述的一种基于多种传感技术的入侵检测系统,其特征在于:根据传感器的类别不同,分别得到不同传感器的事件对应的特征数据波模板,特征数据波模板分为微波特征数据波模板和振动特征数据波模板。
5.根据权利要求1所述的一种基于多种传感技术的入侵检测系统,其特征在于:根据微波类事件和振动类事件组合,输出不同的报警结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283669.6A CN112907869B (zh) | 2021-03-17 | 2021-03-17 | 基于多种传感技术的入侵检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110283669.6A CN112907869B (zh) | 2021-03-17 | 2021-03-17 | 基于多种传感技术的入侵检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907869A true CN112907869A (zh) | 2021-06-04 |
CN112907869B CN112907869B (zh) | 2023-03-21 |
Family
ID=76105314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110283669.6A Active CN112907869B (zh) | 2021-03-17 | 2021-03-17 | 基于多种传感技术的入侵检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907869B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495401A (zh) * | 2022-01-27 | 2022-05-13 | 威海北洋电气集团股份有限公司 | 一种周界安防系统和方法 |
CN115512503A (zh) * | 2022-08-01 | 2022-12-23 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
CN115691018A (zh) * | 2022-10-26 | 2023-02-03 | 哈尔滨市科佳通用机电股份有限公司 | 基于多传感器融合的铁路周界入侵监测预警方法及系统 |
CN115798131A (zh) * | 2023-02-13 | 2023-03-14 | 成都陆迪盛华科技有限公司 | 一种基于分布式光纤的多维度特征入侵检测方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278810A (zh) * | 2013-05-10 | 2013-09-04 | 南京航空航天大学 | 基于空间相似度的水下目标尺度特性提取方法 |
CN103544791A (zh) * | 2012-07-10 | 2014-01-29 | 中国矿业大学(北京) | 基于地震波的地下入侵监测系统 |
CN103605951A (zh) * | 2013-09-11 | 2014-02-26 | 中科润程(北京)物联科技有限责任公司 | 一种新型振动入侵探测行为特征识别算法 |
CN104700543A (zh) * | 2013-12-10 | 2015-06-10 | 南充鑫源通讯技术有限公司 | 用于安防的微波感应探测方法及装置 |
CN105654645A (zh) * | 2016-01-22 | 2016-06-08 | 北京北邮国安技术股份有限公司 | 一种光纤安防信号处理方法及系统 |
CN106303901A (zh) * | 2015-05-18 | 2017-01-04 | 郑州大学 | 一种无线传感网中基于协同过滤的可靠数据融合优化方法 |
US20170193291A1 (en) * | 2015-12-30 | 2017-07-06 | Ryan Anthony Lucchese | System and Methods for Determining Language Classification of Text Content in Documents |
KR101831436B1 (ko) * | 2017-05-31 | 2018-02-22 | 서울대학교산학협력단 | 크로마토그래프지문의 유사성 비교를 통한 원료의 품질 평가 방법 |
CN108831080A (zh) * | 2018-05-25 | 2018-11-16 | 中广核工程有限公司 | 核电站入侵探测方法、装置、计算机设备及存储介质 |
CN208460141U (zh) * | 2018-03-05 | 2019-02-01 | 深圳市信海通科技有限公司 | 禁区入侵报警系统 |
CN208922419U (zh) * | 2018-04-25 | 2019-05-31 | 四川通服智能科技有限公司 | 一种智能安防监控系统 |
CN110033581A (zh) * | 2019-05-09 | 2019-07-19 | 上海卓希智能科技有限公司 | 基于希尔伯特黄变换和机器学习的机场周界入侵报警方法 |
CN110136378A (zh) * | 2019-05-09 | 2019-08-16 | 上海卓希智能科技有限公司 | 一种机场周界入侵报警系统及入侵报警方法 |
CN110335139A (zh) * | 2019-06-21 | 2019-10-15 | 深圳前海微众银行股份有限公司 | 基于相似度的评估方法、装置、设备及可读存储介质 |
CN110570613A (zh) * | 2019-09-18 | 2019-12-13 | 广州亓行智能科技有限公司 | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 |
CN110827497A (zh) * | 2019-11-18 | 2020-02-21 | 四川通信科研规划设计有限责任公司 | 一种边界防护告警监测系统 |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
-
2021
- 2021-03-17 CN CN202110283669.6A patent/CN112907869B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544791A (zh) * | 2012-07-10 | 2014-01-29 | 中国矿业大学(北京) | 基于地震波的地下入侵监测系统 |
CN103278810A (zh) * | 2013-05-10 | 2013-09-04 | 南京航空航天大学 | 基于空间相似度的水下目标尺度特性提取方法 |
CN103605951A (zh) * | 2013-09-11 | 2014-02-26 | 中科润程(北京)物联科技有限责任公司 | 一种新型振动入侵探测行为特征识别算法 |
CN104700543A (zh) * | 2013-12-10 | 2015-06-10 | 南充鑫源通讯技术有限公司 | 用于安防的微波感应探测方法及装置 |
CN106303901A (zh) * | 2015-05-18 | 2017-01-04 | 郑州大学 | 一种无线传感网中基于协同过滤的可靠数据融合优化方法 |
US20170193291A1 (en) * | 2015-12-30 | 2017-07-06 | Ryan Anthony Lucchese | System and Methods for Determining Language Classification of Text Content in Documents |
CN105654645A (zh) * | 2016-01-22 | 2016-06-08 | 北京北邮国安技术股份有限公司 | 一种光纤安防信号处理方法及系统 |
KR101831436B1 (ko) * | 2017-05-31 | 2018-02-22 | 서울대학교산학협력단 | 크로마토그래프지문의 유사성 비교를 통한 원료의 품질 평가 방법 |
CN208460141U (zh) * | 2018-03-05 | 2019-02-01 | 深圳市信海通科技有限公司 | 禁区入侵报警系统 |
CN208922419U (zh) * | 2018-04-25 | 2019-05-31 | 四川通服智能科技有限公司 | 一种智能安防监控系统 |
CN108831080A (zh) * | 2018-05-25 | 2018-11-16 | 中广核工程有限公司 | 核电站入侵探测方法、装置、计算机设备及存储介质 |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
CN110033581A (zh) * | 2019-05-09 | 2019-07-19 | 上海卓希智能科技有限公司 | 基于希尔伯特黄变换和机器学习的机场周界入侵报警方法 |
CN110136378A (zh) * | 2019-05-09 | 2019-08-16 | 上海卓希智能科技有限公司 | 一种机场周界入侵报警系统及入侵报警方法 |
CN110335139A (zh) * | 2019-06-21 | 2019-10-15 | 深圳前海微众银行股份有限公司 | 基于相似度的评估方法、装置、设备及可读存储介质 |
CN110570613A (zh) * | 2019-09-18 | 2019-12-13 | 广州亓行智能科技有限公司 | 基于分布式光纤系统的围栏振动入侵定位和模式识别方法 |
CN110827497A (zh) * | 2019-11-18 | 2020-02-21 | 四川通信科研规划设计有限责任公司 | 一种边界防护告警监测系统 |
Non-Patent Citations (1)
Title |
---|
章永来: "聚类算法综述" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495401A (zh) * | 2022-01-27 | 2022-05-13 | 威海北洋电气集团股份有限公司 | 一种周界安防系统和方法 |
CN115512503A (zh) * | 2022-08-01 | 2022-12-23 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
CN115512503B (zh) * | 2022-08-01 | 2023-07-11 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
CN115691018A (zh) * | 2022-10-26 | 2023-02-03 | 哈尔滨市科佳通用机电股份有限公司 | 基于多传感器融合的铁路周界入侵监测预警方法及系统 |
CN115691018B (zh) * | 2022-10-26 | 2023-04-21 | 哈尔滨市科佳通用机电股份有限公司 | 基于多传感器融合的铁路周界入侵监测预警方法及系统 |
CN115798131A (zh) * | 2023-02-13 | 2023-03-14 | 成都陆迪盛华科技有限公司 | 一种基于分布式光纤的多维度特征入侵检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112907869B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907869B (zh) | 基于多种传感技术的入侵检测系统 | |
CN103839373B (zh) | 一种突发异常事件智能识别报警装置及报警系统 | |
CN103544791B (zh) | 基于地震波的地下入侵监测系统 | |
CN103839346B (zh) | 一种智能门窗防入侵装置以及系统、智能门禁系统 | |
CN203773681U (zh) | 配电房安全防范系统 | |
CN111144291B (zh) | 基于目标检测的视频监控区域人员入侵判别方法及装置 | |
KR102365578B1 (ko) | 고성능 레이더 및 머신 러닝을 이용한 침입탐지 시스템 | |
CN101968848B (zh) | 一种视频监测方法、系统及视频监测报警系统 | |
CN205428085U (zh) | 基于光纤光栅的室内安防系统 | |
CN101609588A (zh) | 全自动无人值守别墅防入侵智能视频监控报警系统 | |
CN202205305U (zh) | 一种基于振动和视频监控的防区型安防入侵系统 | |
CN112532920A (zh) | 一种工地系统智能化监控实现方法及系统 | |
CN110188617A (zh) | 一种机房智能监控方法及系统 | |
Brax et al. | Finding behavioural anomalies in public areas using video surveillance data | |
CN202904792U (zh) | 一种智能可视化报警系统 | |
CN114511978B (zh) | 一种入侵预警方法、装置、车辆和计算机可读存储介质 | |
De Vries | A low cost fence impact classification system with neural networks | |
CN114742096A (zh) | 基于振动光纤探测和完整动作提取的入侵报警方法及系统 | |
CN104111646B (zh) | 高压带电作业区域安防监控系统 | |
CN114511987A (zh) | 一种基于云计算的工业信息智能化监控系统 | |
Brax et al. | An ensemble approach for increased anomaly detection performance in video surveillance data | |
Flammini et al. | Challenges and emerging paradigms for augmented surveillance | |
Pudaruth et al. | A unified intrusion alert system using motion detection and face recognition | |
CN211710855U (zh) | 无人自主综合报警系统 | |
CN210667065U (zh) | 具备入侵振动和精确定位功能的综合光纤报警器 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |