CN117542153B - 一种基于九轴传感器的入侵检测方法、系统、围栏和设备 - Google Patents
一种基于九轴传感器的入侵检测方法、系统、围栏和设备 Download PDFInfo
- Publication number
- CN117542153B CN117542153B CN202410007464.9A CN202410007464A CN117542153B CN 117542153 B CN117542153 B CN 117542153B CN 202410007464 A CN202410007464 A CN 202410007464A CN 117542153 B CN117542153 B CN 117542153B
- Authority
- CN
- China
- Prior art keywords
- sensor
- target
- intrusion
- data
- frequency
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 230000009545 invasion Effects 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 14
- 239000000463 material Substances 0.000 claims description 11
- 230000006378 damage Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 239000011800 void material Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 230000001133 acceleration Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000009194 climbing Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
- G08B13/2494—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field by interference with electro-magnetic field distribution combined with other electrical sensor means, e.g. microwave detectors combined with other sensor means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本申请涉及数字信息传输的技术领域，尤其涉及一种基于九轴传感器的入侵检测方法、系统、围栏和设备。本申请通过获取第一传感器采集的第一数据，在第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据，根据多个九轴传感器的坐标、检测时间点和信号强度，可以精确地定位出目标入侵位置，然后控制摄像头监控目标入侵位置，实现围栏的防护。
Description
技术领域
本申请涉及数字信息传输的技术领域，尤其是涉及一种基于九轴传感器的入侵检测方法、系统、围栏和设备。
背景技术
随着互联网物联技术的发展，周边安防需求不断提升，当前主流的安防方法仍然依赖于视频监控，但视频监控的范围和效果有限，因此在安防区域的外围会设置一圈围栏，以防止外界生物进入；现有的围栏多采用张力式电子围栏，围栏包括多根张力线，通过检测张力线的张力，以确定有人入侵，但是现有的围栏入侵检测难以精确定位入侵生物的具体爬过或破坏位置，对此情况有待进一步改善。
发明内容
为了解决现有的围栏入侵检测难以精确定位入侵生物的具体爬过或破坏位置的问题，本申请提供一种基于九轴传感器的入侵检测方法、系统、围栏和设备，采用如下的技术方案：
第一方面，本申请提供一种基于九轴传感器的入侵检测方法，应用在围栏上，所述围栏周围设置有多个九轴传感器，每个所述九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，所述方法包括如下步骤：
获取第一传感器采集的第一数据，确定所述第一传感器是否检测到异常动作，所述第一传感器为所述多个九轴传感器中的任意一个；
在所述第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据，其中，所述第二传感器和所述第三传感器是除所述第一传感器之外的其他传感器；
根据所述第一数据、所述第二数据和所述第三数据的数据信息，确定目标入侵位置，所述数据信息包括坐标、检测时间点和信号强度信息；
输出所述目标入侵位置的经纬度坐标；
根据所述经纬度坐标控制摄像头实时监控所述目标入侵位置。
通过采用上述技术方案，本申请通过将九轴传感器安装在围栏周围，当有物体入侵时间发生时，围栏会产生振动，九轴传感器能够通过陀螺仪感应到事件动作的方向，通过加速度轴感应到事件的初速度和加速度变化趋势，并根据磁传感器轴识别事件发生方向，并且，本申请设置有多个九轴传感器，每个九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，根据三个九轴传感器的坐标、采集数据的时间点和/或采集的信号强度，可以精确地定位出目标入侵位置，然后控制摄像头实时跟踪入侵物体，实现围栏的防护。
可选的，所述方法还包括：
将所述第一传感器采集到的连续数据进行时频分析，提取特征参数；
将所述特征参数输入天气类型与时频影响模型中进行识别，得到当前天气类型；
查询所述当前天气类型对所述特征参数的目标影响值；
根据所述目标影响值，对当前特征参数进行修正，得到修正后的当前特征参数。
通过采用上述技术方案，在不同的天气类型下，传感器的时频会有所区别，本申请预先建立了天气类型与时频影响模型，将第一传感器采集到的连续数据进行时频分析，提取时频特征参数，将特征参数输入模型中，得到当前天气类型，然后查询当前天气类型对特征参数的目标影响值，对当前特征参数进行修正，得到修正后的当前特征参数，从而能够将除极端气象条件外的天气干扰滤除掉，极大地减少误报率。
可选的，所述方法还包括：
提取所述第一传感器采集的目标频率变化参数；
获取目标围栏区域的笼络密度参数，所述目标围栏区域为所述第一传感器的检测区域所对应的围栏区域；
根据所述目标围栏区域的笼络密度参数，确定所述目标围栏区域的正常振动变化频率；
判断所述目标频率变化参数和所述正常振动变化频率是否匹配；
若不匹配，则确定异常入侵行为或破坏围栏行为发生。
通过采用上述技术方案，本申请通过提取第一传感器采集的目标频率变化参数，然后获取与第一传感器的检测区域对应的围栏区域的笼络密度参数，根据目标围栏区域的笼络密度参数，确定目标围栏区域的正常振动变化频率，将目标频率变化参数与正常振动变化频率进行对比，在匹配时确定目标围栏区域为正常入侵区域，不匹配时，确定为异常入侵或破坏围栏行为发生。
可选的，所述方法还包括如下步骤：
提取所述第一传感器对应区域的温湿度参数；
获取所述目标围栏区域的栏杆材质类型；
根据所述栏杆材质类型确定所述温湿度参数对所述正常振动变化频率的影响程度；
根据所述温湿度参数和所述影响程度对所述目标频率变化参数进行环境校正。
通过采用上述技术方案，本申请还采集温湿度参数，然后获取目标围栏区域的栏杆材质类型，根据栏杆材质类型确定温湿度参数对正常振动频率的影响程度，根据温湿度参数和影响程度对目标频率变化参数进行环境校正。
可选的，所述方法还包括：
根据各个所述九轴传感器采集的数据信息，确定入侵物体的入侵轨迹；
根据所述入侵轨迹建立所述入侵物体的三维运动模型；
根据所述三维运动模型判断所述入侵物体的入侵部位和入侵动作；
根据所述入侵部位和所述入侵动作调整各个九轴传感器的采样频率和算法权重。
通过采用上述技术方案，本申请根据检测到的入侵轨迹，建立三维运动模型，然后判断入侵物体的入侵部位和入侵动作，调整九轴传感器的采样频率和算法权重，例如入侵物体在围栏上下运动时设置更高的采样频率和权重，从而优化采集效果。
可选的，还包括如下步骤：
根据所述三维运动模型对所述入侵物体进行种类识别；
在确定所述入侵物体的种类为人类的情况下，发送语音警告信息。
通过采用上述技术方案，根据三维运动模型对入侵物体进行种类识别，当识别到是人类时发送语音警告信息，从而驱逐入侵人员。
可选的，所述方法还包括如下步骤：
统计历史入侵事件的时间点，得到各个时间段的入侵频率；
在所述入侵频率高于预设阈值的时间段，提高所述九轴传感器的采样频率。
通过采用上述技术方案，通过统计历史入侵时间的时间点，得到各个时间段的入侵频率，在入侵频率较高的时间段提高九轴传感器的采样频率，从而优化监测效果。
第二方面，本申请提供一种基于九轴传感器的围栏入侵检测系统，应用在围栏上，所述围栏周围设置有多个九轴传感器，每个所述九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，所述系统包括：
第一数据获取模块，用于获取第一传感器采集的第一数据，确定所述第一传感器是否检测到异常动作，所述第一传感器为所述多个九轴传感器中的任意一个；
数据获取模块，用于在所述第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据，其中，所述第二传感器和所述第三传感器是除所述第一传感器之外的其他传感器；
入侵位置确定模块，用于根据所述第一数据、所述第二数据和所述第三数据的数据信息，确定目标入侵位置，所述数据信息包括坐标、检测时间点和信号强度信息；
坐标输出模块，用于输出所述目标入侵位置的经纬度坐标；
实时跟踪模块，用于根据所述经纬度坐标监控所述目标入侵位置。
第三方面，本申请提供一种围栏，所述围栏周围设置有多个九轴传感器，每个所述九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，所述围栏包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于九轴传感器的入侵检测方法的步骤。
第四方面，本申请提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于九轴传感器的入侵检测方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
本申请通过将多个九轴传感器安装在围栏周围，根据九轴传感器的坐标、采集数据的时间点和/或采集的信号强度，可以精确地定位出目标入侵位置，然后控制摄像头实时跟踪入侵物体，实现围栏的防护；
本申请基于九轴传感器的时频特征时序谱图进行机器学习与建模，将除极端气象条件外的天气干扰完全滤除掉，极大地减少误报率；
本申请根据目标围栏区域的笼络密度参数，确定目标围栏区域的正常振动变化频率，将目标频率变化参数与正常振动变化频率进行对比，在不匹配时确定为异常入侵或破坏围栏行为发生。
附图说明
图1是本申请实施例围栏的一个结构示意图；
图2是本申请实施例一种基于九轴传感器的入侵检测方法的一个示例性流程图；
图3是本申请实施例异常入侵识别的一个示例性流程图；
图4是本申请实施例调整采样频率的一个示例性流程图；
图5是本申请实施例基于九轴传感器的围栏入侵检测系统的模块示意图；
图6是本申请实施例计算机设备的内部结构图。
具体实施方式
本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样，单数表达形式“一个”、“一种”、“所述”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
相关技术中的围栏多采用张力式电子围栏，通过检测张力线的张力，以确定有人入侵，但是难以精确定位入侵生物的具体爬过或破坏位置。
本申请提供一种基于九轴传感器的入侵检测方法、系统、围栏和设备，通过将多个九轴传感器安装在围栏周围，根据九轴传感器的坐标和采集到的数据，可以精确定位出目标入侵位置，然后控制摄像头监控目标入侵位置，实现围栏的防护。
九轴传感器是一种可以监测三维空间内六种运动的振动传感器，包括三个加速度轴、三个角速度轴、两个磁场强度轴和一个定向轴，三个加速度轴可以监测三个轴线的加速度，对应位置和加速度的方向，三个角速度轴可以监测三个轴线的角速度对应旋转的方向，磁场强度轴可以监测磁场的强度和方向，定向轴可以表示设备本身的定向方向。
下面结合说明书附图对本申请实施例做进一步详细描述。
本申请实施例提供一种基于九轴传感器的入侵检测方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制。
参照图1，图1为本申请实施例围栏的一个结构示意图。
如图1所示，围栏周围设置有多个九轴传感器，图1示出了中间三个九轴传感器的覆盖的范围，九轴传感器可以以三角形或正方形网格放射设置，本申请采用三角形网格结构设置，每个九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，以通过不同传感器的检测数据多点确定一个单点，提高检测的精确性。
参照图2，图2为本申请实施例一种基于九轴传感器的入侵检测方法的一个示例性流程图。
一种基于九轴传感器的入侵检测方法，包括如下步骤：
S210、获取第一传感器采集的第一数据，确定第一传感器是否检测到异常动作。
其中，第一传感器为多个九轴传感器中的任意一个，第一数据包括动作方向信息、加速度方向信息、旋转方向信息、磁力强度信息、磁力方向信息、时间戳信息和坐标信息；当任意一个信息超过了正常阈值时，确定检测到异常动作。
在一些可选的实施例中，为了减少天气因素干扰到检测结果导致误报，还包括：
S211、将第一传感器采集到的连续数据进行时频分析，提取特征参数。
其中，对不同天气条件下的历史九轴传感器数据进行时频分析，提取如振幅、频率、时延等构建时频图谱，运用深度学习框架对不同天气下的时频图谱进行分类识别训练，得到天气类型与时频影响模型，从大量正常环境下的数据中学习出天气类型和时频特征的偏差范围。
S212、将特征参数输入天气类型与时频影响模型中进行识别，得到当前天气类型。
在实际使用时，通过将特征参数输入天气类型与时频影响模型中进行识别，得到当前天气类型。
S213、查询当前天气类型对特征参数的目标影响值.
S214、根据目标影响值，对当前特征参数进行修正，得到修正后的当前特征参数。
其中，通过查询天气类型对特征参数的目标影响值，可以对天气造成的特征参数影响进行修正，从而将除极端气象条件外的天气干扰排除掉，进一步精确采集到的参数。
在一些实施例中，可以引入温度和湿度传感器、风速和风向传感器、大气压力传感器等，进一步优化天气类型与时频影响模型，提高模型识别的准确率。
S220、在第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据。
其中，第二传感器和第三传感器为多个九轴传感器中的任意一个，优选为与第一传感器相邻的九轴传感器。
S230、根据第一数据、第二数据和第三数据的数据信息，确定目标入侵位置，数据信息包括各自的坐标、检测的时间点和信号强度信息。
其中，各九轴传感器检测到事件后，记录九轴传感器坐标和检测的时间点，提取出各个九轴传感器中运动方向相关参数，基于运动方向和九轴传感器坐标，确定出各个九轴传感器定位的入侵范围，确定三个九轴传感器定位的入侵范围的交集，得到目标入侵范围。然后根据三个九轴传感器检测到动作的时间顺序，推断入侵源头距离各个九轴传感器的相对距离。根据震动在空间传播的特征速度,以第一传感器检测时间点为基准计算其他两个检测时间点的限定范围，从而对目标入侵点的范围进一步限定，通过利用时间点信息叠加限定交集范围,可以有效提升三角定位的精确度。
进一步的，还可以对时间点信息进行校正，得到精确的入侵时间点。
例如，假设有4个九轴传感器节点A、B、C、D以网格形式部署,它们之间的距离如下:A到B距离1米，A到C距离2米，A到D距离3米，节点A首先检测到信号,记其时间为T1=0s，根据信号速度为300m/s,我们计算各节点理论接收时间，B节点理论接收时间:T1+1/300=0.0033s，C节点理论接收时间:T1+2/300=0.0067s，D节点理论接收时间:T1+3/300=0.01s。实测结果:B节点实际接收时间:0.0035s，C节点实际接收时间:0.007s，D节点实际接收时间:0.0105s，则时间误差ΔTB=0.0035-0.0033=0.0002s，ΔTC=0.007-0.0067=0.0003s，ΔTD=0.0105-0.01=0.0005s。通过分析发现时间误差与距离成正比，从而进一步校正入侵时间点信息，消除信号传播延时导致的时间偏移。
在一些实施例中，在九轴传感器检测到事件后，也可以记录九轴传感器坐标和九轴传感器采集的信号强度。根据第一传感器、第二传感器和第三传感器采集的信号的强度，确定入侵位置离哪个传感器更近，并综合传感器采集的信号的强度差值，确定出大致的目标入侵位置。
进一步的，可以综合第一数据、第二数据和第三数据检测的时间点和采集的信号强度，更加准确地进行定位。
具体的，先根据第一数据、第二数据和第三数据检测的时间点确定第一位置；再根据第一数据、第二数据和第三数据采集的信号强度确定第二位置；计算第一位置和第二位置的距离差值，当距离差值在预设距离差值范围内时，以第一位置和第二位置的平均值作为目标入侵位置。
S240、输出目标入侵位置的经纬度坐标。
S250、根据经纬度坐标控制摄像头监控目标入侵位置。
其中，根据检测到的目标入侵位置确定经纬度坐标，然后控制其附近的摄像头实时监控目标入侵位置，在发现入侵物体时跟踪入侵物体，从而达到精确定位的防护效果。
参照图3，图3为本申请实施例异常入侵识别的一个示例性流程图。
一种基于九轴传感器的入侵检测方法，还包括：
S310、提取第一传感器采集的目标频率变化参数。
S320、获取目标围栏区域的笼络密度参数。
其中，目标围栏区域为第一传感器的检测区域对应的围栏区域，笼络密度参数指围栏材料的空隙比例。
S330、根据目标围栏区域的笼络密度参数，确定目标围栏区域的正常振动变化频率。
其中，不同笼络密度参数的围栏的正常振动变化频率会有差别，根据目标围栏区域的笼络密度参数可以确定出目标围栏区域的正常振动变化频率。
S340、判断目标频率变化参数与正常振动变化频率是否匹配。
其中，每一个笼络密度参数对应一个频率变化特征区间范围，如一个笼络密度参数对应的正常频率在5-10Hz变化，当检测到频率在5-10Hz变化时，初步判断入侵可能发生在该笼络密度参数的围栏上，当检测到目标频率变化参数不在任何区域的频率范围时，就明显不符合任何结构的振动变化频率，则确定为破坏或异常入侵。
若不匹配，则执行步骤S350，若匹配，则执行步骤S360。
S350、确定异常入侵行为或破坏围栏行为发生。
其中，异常入侵行为包括暴力拉扯、晃动围栏。
S360、确定正常入侵行为发生。
其中，正常入侵行为包括轻微拉扯晃动以翻越围栏等。
在一些设置有温湿度传感器的实施例中，在确定正常振动变化频率时，还包括如下步骤;
S331、提取第一传感器对应区域的温湿度参数。
S332、获取目标围栏区域的栏杆材质类型。
S333、根据栏杆材质类型确定温湿度参数对正常振动频率的影响程度。
S334、根据温湿度类型和影响程度对目标频率变化参数进行环境校正。
通过建立温湿度对围栏的正常振动频率的影响模型，在实际测得温湿度数据时对目标频率变化参数进行环境校正，从而更准确地识别入侵行为。
在一个实施例中，还根据入侵动作和各个时间点的入侵频率调整九轴传感器的采样频率和算法权重，从而优化采集效果。
参照图4，图4是本申请实施例调整采样频率的一个示例性流程图。
S410、根据各个九轴传感器采集的数据信息，确定入侵物体的入侵轨迹。
S420、根据入侵轨迹建立入侵物体的三维运动模型。
S430、根据三维运动模型判断入侵物体的入侵部位和入侵动作。
S440、根据入侵部位和入侵动作调整各个九轴传感器的采样频率和算法权重。
例如入侵物体在围栏上下运动时设置更高的采样频率和权重，从而优化采集效果。
在一些实施例中，还包括：
S450、统计历史入侵事件的时间点，得到各个时间段的入侵频率。
S460、在入侵频率高于预设阈值的时间段，提高九轴传感器的采样频率。
例如在夜晚翻越围栏的人较多，则在夜晚提高九轴传感器的采样频率，从而优化监测效果。
在一些实施例中，可以根据三维运动模型对入侵物体进行种类识别，以确定为人类还是异物；在确定入侵物体为人类的情况下，发送语音警告信息以进行驱逐。
第二方面，本申请提供了一种基于九轴传感器的围栏入侵检测系统，下面结合上述基于九轴传感器的入侵检测方法，对本申请的基于九轴传感器的围栏入侵检测系统进行描述。请参阅图5，图5是本申请实施例基于九轴传感器的围栏入侵检测系统的模块示意图。
一种基于九轴传感器的围栏入侵检测系统，应用在围栏上，围栏周围设置有多个九轴传感器，每个九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，系统包括：
第一数据获取模块510，用于获取第一传感器采集的第一数据，确定第一传感器是否检测到异常动作，第一传感器为多个九轴传感器中的任意一个；
数据获取模块520，用于在第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据，其中，第二传感器和第三传感器是除第一传感器之外的其他传感器；
入侵位置确定模块530，用于根据第一数据、第二数据和第三数据的数据信息，确定目标入侵位置，数据信息包括坐标、检测时间点和信号强度信息；
坐标输出模块540，用于输出目标入侵位置的经纬度坐标；
实时跟踪模块550，用于根据经纬度坐标监控目标入侵位置。
在一个实施例中，本申请提供一种围栏，围栏周围设置有多个九轴传感器，每个九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，围栏包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于九轴传感器的入侵检测方法的步骤。
在一个实施例中，本申请提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于九轴传感器的入侵检测方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (9)
1.一种基于九轴传感器的入侵检测方法，其特征在于，应用在围栏上，所述围栏周围设置有多个九轴传感器，每个所述九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，所述方法包括如下步骤：
获取第一传感器采集的第一数据，确定所述第一传感器是否检测到异常动作，所述第一传感器为所述多个九轴传感器中的任意一个；
具体的，提取所述第一传感器采集的目标频率变化参数；
获取目标围栏区域的笼络密度参数，所述目标围栏区域为所述第一传感器的检测区域所对应的围栏区域，笼络密度参数指围栏材料的空隙比例，不同笼络密度参数的围栏对应的正常振动变化频率不同；
根据所述目标围栏区域的笼络密度参数，确定所述目标围栏区域的正常振动变化频率；
判断所述目标频率变化参数和所述正常振动变化频率是否匹配；
若不匹配，则确定异常入侵行为或破坏围栏行为发生；
在所述第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据，其中，所述第二传感器和所述第三传感器是除所述第一传感器之外的其他传感器；
根据所述第一数据、所述第二数据和所述第三数据的数据信息，确定目标入侵位置，所述数据信息包括坐标、检测时间点和信号强度信息；
输出所述目标入侵位置的经纬度坐标；
根据所述经纬度坐标控制摄像头实时监控所述目标入侵位置。
2.根据权利要求1所述的基于九轴传感器的入侵检测方法，其特征在于，所述方法还包括：
将所述第一传感器采集到的连续数据进行时频分析，提取特征参数；
将所述特征参数输入天气类型与时频影响模型中进行识别，得到当前天气类型；
查询所述当前天气类型对所述特征参数的目标影响值；
根据所述目标影响值，对当前特征参数进行修正，得到修正后的当前特征参数。
3.根据权利要求1所述的基于九轴传感器的入侵检测方法，其特征在于，所述方法还包括如下步骤：
提取所述第一传感器对应区域的温湿度参数；
获取所述目标围栏区域的栏杆材质类型；
根据所述栏杆材质类型确定所述温湿度参数对所述正常振动变化频率的影响程度；
根据所述温湿度参数和所述影响程度对所述目标频率变化参数进行环境校正。
4.根据权利要求1所述的基于九轴传感器的入侵检测方法，其特征在于，所述方法还包括：
根据各个所述九轴传感器采集的数据信息，确定入侵物体的入侵轨迹；
根据所述入侵轨迹建立所述入侵物体的三维运动模型；
根据所述三维运动模型判断所述入侵物体的入侵部位和入侵动作；
根据所述入侵部位和所述入侵动作调整各个九轴传感器的采样频率和算法权重。
5.根据权利要求4所述的基于九轴传感器的入侵检测方法，其特征在于，还包括如下步骤：
根据所述三维运动模型对所述入侵物体进行种类识别；
在确定所述入侵物体的种类为人类的情况下，发送语音警告信息。
6.根据权利要求1所述的基于九轴传感器的入侵检测方法，其特征在于，所述方法还包括如下步骤：
统计历史入侵事件的时间点，得到各个时间段的入侵频率；
在所述入侵频率高于预设阈值的时间段，提高所述九轴传感器的采样频率。
7.一种基于九轴传感器的入侵检测系统，其特征在于，应用在围栏上，所述围栏周围设置有多个九轴传感器，每个所述九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，所述系统包括：
第一数据获取模块，用于获取第一传感器采集的第一数据，确定所述第一传感器是否检测到异常动作，所述第一传感器为所述多个九轴传感器中的任意一个；
具体的，提取所述第一传感器采集的目标频率变化参数；
获取目标围栏区域的笼络密度参数，所述目标围栏区域为所述第一传感器的检测区域所对应的围栏区域，笼络密度参数指围栏材料的空隙比例，不同笼络密度参数的围栏对应的正常振动变化频率不同；
根据所述目标围栏区域的笼络密度参数，确定所述目标围栏区域的正常振动变化频率；
判断所述目标频率变化参数和所述正常振动变化频率是否匹配；
若不匹配，则确定异常入侵行为或破坏围栏行为发生；
数据获取模块，用于在所述第一传感器检测到异常动作的情况下，获取第二传感器采集的第二数据和第三传感器采集的第三数据，其中，所述第二传感器和所述第三传感器是除所述第一传感器之外的其他传感器；
入侵位置确定模块，用于根据所述第一数据、所述第二数据和所述第三数据的数据信息，确定目标入侵位置，所述数据信息包括坐标、检测时间点和信号强度信息；
坐标输出模块，用于输出所述目标入侵位置的经纬度坐标；
实时跟踪模块，用于根据所述经纬度坐标监控所述目标入侵位置。
8.一种围栏，其特征在于，所述围栏周围设置有多个九轴传感器，每个所述九轴传感器覆盖的区域与相邻的九轴传感器部分重叠，所述围栏包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的基于九轴传感器的入侵检测方法的步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的基于九轴传感器的入侵检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410007464.9A CN117542153B (zh) | 2024-01-03 | 2024-01-03 | 一种基于九轴传感器的入侵检测方法、系统、围栏和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410007464.9A CN117542153B (zh) | 2024-01-03 | 2024-01-03 | 一种基于九轴传感器的入侵检测方法、系统、围栏和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117542153A CN117542153A (zh) | 2024-02-09 |
| CN117542153B true CN117542153B (zh) | 2024-03-15 |
Family
ID=89794113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410007464.9A Active CN117542153B (zh) | 2024-01-03 | 2024-01-03 | 一种基于九轴传感器的入侵检测方法、系统、围栏和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117542153B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2318804A1 (en) * | 2008-04-17 | 2011-05-11 | Shilat Optronics Ltd | Intrusion warning system |
| CN204315009U (zh) * | 2014-12-23 | 2015-05-06 | 山东康威通信技术股份有限公司 | 一种基于九轴运动传感器的监狱隔离网入侵探测装置 |
| 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 |
| CN113870509A (zh) * | 2021-11-04 | 2021-12-31 | 中科润程(北京)物联科技有限责任公司 | 一种入侵探测系统 |
| CN115294708A (zh) * | 2022-08-01 | 2022-11-04 | 深圳市依电科技有限公司 | 一种机场围界安防系统 |
| WO2022242435A1 (zh) * | 2021-05-21 | 2022-11-24 | 浙江大学 | 一种基于人工智能的场地地震液化灾害快速评估方法 |
| CN219066222U (zh) * | 2022-12-29 | 2023-05-23 | 青岛澳锐安防科技有限公司 | 一种带攀爬监测功能的张力式围栏周界报警系统 |
-
2024
- 2024-01-03 CN CN202410007464.9A patent/CN117542153B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2318804A1 (en) * | 2008-04-17 | 2011-05-11 | Shilat Optronics Ltd | Intrusion warning system |
| CN204315009U (zh) * | 2014-12-23 | 2015-05-06 | 山东康威通信技术股份有限公司 | 一种基于九轴运动传感器的监狱隔离网入侵探测装置 |
| 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 |
| WO2022242435A1 (zh) * | 2021-05-21 | 2022-11-24 | 浙江大学 | 一种基于人工智能的场地地震液化灾害快速评估方法 |
| CN113870509A (zh) * | 2021-11-04 | 2021-12-31 | 中科润程(北京)物联科技有限责任公司 | 一种入侵探测系统 |
| CN115294708A (zh) * | 2022-08-01 | 2022-11-04 | 深圳市依电科技有限公司 | 一种机场围界安防系统 |
| CN219066222U (zh) * | 2022-12-29 | 2023-05-23 | 青岛澳锐安防科技有限公司 | 一种带攀爬监测功能的张力式围栏周界报警系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117542153A (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10401513B2 (en) | Systems and methods for acquiring and characterizing time varying signals of interest | |
| Arjun et al. | Border surveillance and intruder detection using wireless sensor networks: A brief survey | |
| CN110167344B (zh) | 用于检测飞行动物的系统和方法 | |
| CN104586398A (zh) | 一种基于多传感器融合的老人跌倒检测方法及系统 | |
| US20210325564A1 (en) | System and Method for Sensing Seismic Acoustic Signals | |
| CN113397520A (zh) | 室内对象的信息检测方法及装置、存储介质和处理器 | |
| CN103745569A (zh) | 检测人体跌倒的方法和终端 | |
| KR20190118431A (ko) | 위험상황 알림 장치 및 방법 | |
| CN108801437B (zh) | 基于扰动信号特征提取的分布式光纤振动传感定位方法及装置 | |
| CN112949566A (zh) | 一种监控方法、装置、系统及计算机存储介质 | |
| US7770224B2 (en) | CBRN attack detection system and method I | |
| CN110164071B (zh) | 一种安防系统 | |
| US8405524B2 (en) | Seismic method for vehicle detection and vehicle weight classification | |
| CN115100816A (zh) | 一种穿戴式近电感知设备及监控系统 | |
| CN116994389A (zh) | 一种基于人工智能和图像识别的监控报警驱赶系统及方法 | |
| CN117542153B (zh) | 一种基于九轴传感器的入侵检测方法、系统、围栏和设备 | |
| US11011048B2 (en) | System and method for generating a status output based on sound emitted by an animal | |
| US20040133535A1 (en) | Event positioning and detection system and methods | |
| De Vries | A low cost fence impact classification system with neural networks | |
| Sugumar et al. | Analysis and testing of geophone for different soil conditions for elephant intrusion detection | |
| CN111103970A (zh) | 穿戴设备数据控制、处理方法及系统 | |
| CN110638420A (zh) | 监护方法及系统 | |
| KR102351502B1 (ko) | 이기종 센서 기반에 인공지능 알고리즘을 활용한 비인가자의 침입감지 시스템 및 방법 | |
| AU2021101701A4 (en) | Enhanced AI-Based Snake Detection and Control Device | |
| KR20190062874A (ko) | 기계 학습 기반 지반 및 구조물의 건전도 평가 방법 및 장치 |
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 |