[发明专利]一种周界入侵事件的识别方法与系统

说明书

本发明涉及一种周界入侵事件的识别方法与系统，利用特征结构的多模光纤感应入侵信号，基于入侵信号经通过小波变换对其滤波、进行短时傅里叶变换获取时频图，基于训练样本与测试样本，根据工程应用指标选择合适的网络模型；再利用选定的网络模型对入侵信号进行识别。本发明能够在对复杂环境下的人为入侵和非人为入侵事件进行模式识别，对人为入侵信号和非人为入侵信号进行区分，并能够减小误报率和漏报率，并提高了多模光纤在周界防区的监测领域以及在工程领域中的应用。

技术领域

本发明涉及光纤周界安防领域，更具体地说，涉及一种周界入侵事件的识别方法，以及一种周界入侵事件的识别系统。

背景技术

光纤周界安防通常具备抗电磁干扰，耐腐蚀以及灵敏度高，结构简单以及安全可靠等效果，一般用于基站，主要目的是为了阻止在复杂环境下的非法入侵的行为，提高系统对人为入侵事件的识别准确率，同时提高对非人为入侵的准确率。因而，在博物馆安全领域、政府利害部门、航空以及军事领域都获得很高的重视。

现有技术中，中国发明专利申请201611266625.8公开了一种分布式光纤围栏振动入侵识别系统中，但其技术方案需要计算分帧处理，计算分帧的过零率和过零率，需要对有用信号的截取，对信号处理不灵敏，实时性差，计算量冗余。

中国发明专利申请201410494088.7公开了一种光纤预警及模式识别方法，但其技术方案中，系统光路复杂，存在着样本过于简单，对复杂环境下入侵事件的特征没法进行提取，只能仅限于理想环境中的入侵信号，存在着不切合工程实际应用的场合。

发明内容

本发明的目的在于克服现有技术的不足，提供一种周界入侵事件的识别方法，以及一种周界入侵事件的识别系统，实现对复杂环境下的人为入侵和非人为入侵事件的模式识别，并能够实现低误报率和低漏报率。

本发明的技术方案如下：

一种周界入侵事件的识别方法，步骤如下：

1)选定适用于已知类型的入侵信号进行识别的网络模型；

2)利用包含多种噪音的已知类型的入侵信号组成的训练集，利用选定的网络模型进行训练，利用训练完成的网络模型对实时采集的入侵信号进行识别；

步骤1)中，选择适用的网络模型的方法如下：

1.1)采集一定数量的已知类型的入侵信号作为训练样本与测试样本，并采用小波变换对训练样本与测试样本进行滤波，再进行短时傅里叶变换，获得对应的时频图；

1.2)利用时频图的图像特征，分别通过不同的网络模型对训练样本进行训练；

1.3)利用网络模型对测试样本进行识别；

1.4)计算在不同的网络模型网络中，训练样本的运算时间、对训练样本的训练时间总和，以及对每个测试样本的识别时间，选定运算时间、训练时间总和、识别时间最短的网络模型。

作为优选，步骤1.1)中，比较用于短时傅里叶变换的不同的窗函数和窗宽，选择适配已知类型的入侵信号的窗函数和窗宽。

作为优选，步骤1.2)中，通过网络模型对训练样本进行训练之前，先选择深度学习优化器，并设定批次大小、迭代次数，初始化网络模型的权值w与偏置值b；然后计算输出值存在的偏差，再计算损失值；根据损失值优化权值w与偏置值b，直至偏差符合要求。

作为优选，已知类型的入侵信号包括人为入侵信号、非人为人侵信号；其中，人为入侵信号包括敲击、摇晃，非人为人侵信号包括刮风、下雨。

作为优选，选定的网络模型为Inception-v2结构的卷积神经网络模型。