專利名稱：一種光纖光柵圍欄入侵事件模式識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及安全監(jiān)測(cè)、安防及傳感網(wǎng)絡(luò)信號(hào)處理方法領(lǐng)域，具體涉及ー種光纖光柵圍欄入侵事件模式識(shí)別方法。
背景技術(shù)：
對(duì)于軍事基地、機(jī)場(chǎng)、博物館、大型石化エ廠等重要區(qū)域的安全監(jiān)測(cè)與防范是全球 目前最重要的一項(xiàng)任務(wù)，也是最困難的挑戰(zhàn)之一。近年來(lái)，報(bào)道了多種入侵監(jiān)測(cè)技術(shù)，如電子圍欄、紅外攝像、視頻監(jiān)控、基于電類震動(dòng)傳感器的系統(tǒng)等，最近幾年隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展，光纖傳感器在安全監(jiān)測(cè)和安防領(lǐng)域的應(yīng)用已成為ー個(gè)熱點(diǎn)。其中基于布拉格光纖光柵(FBG)傳感器的光纖圍欄入侵監(jiān)測(cè)系統(tǒng)，不僅擁有一般光纖傳感器的所有優(yōu)點(diǎn)，如全程無(wú)源，本質(zhì)安全，抗電磁干擾，耐高溫、高濕、高壓等極度惡劣地理與氣候環(huán)境等，同時(shí)由于它是波長(zhǎng)檢測(cè)型，相對(duì)于干渉等光強(qiáng)檢測(cè)型傳感器具有較強(qiáng)的抗干擾能力，而且FBG傳感器對(duì)溫度、應(yīng)變等多種參數(shù)同時(shí)敏感，能夠?qū)崿F(xiàn)多點(diǎn)同時(shí)檢測(cè)與定位，因此被廣泛用于安防監(jiān)測(cè)領(lǐng)域。此外，F(xiàn)BG傳感器成熟的復(fù)用和解調(diào)技術(shù)使得FBG傳感網(wǎng)絡(luò)在安防監(jiān)測(cè)領(lǐng)域具有潛在的應(yīng)用前景。然而，和大多數(shù)傳感監(jiān)測(cè)系統(tǒng)一祥，基于FBG光纖傳感器的光纖光柵圍欄入侵監(jiān)測(cè)系統(tǒng)，在對(duì)入侵信號(hào)進(jìn)行實(shí)時(shí)檢測(cè)和定位的同時(shí)，還需要判斷和識(shí)別入侵事件的模式類型，提供一種高效率的智能安防手段。申請(qǐng)?zhí)枮?01010181996. 2的中國(guó)專利申請(qǐng)公開了一種防入侵系統(tǒng)傳感網(wǎng)絡(luò)非均勻靈敏度節(jié)點(diǎn)的入侵檢測(cè)與定位方法，該方法利用信號(hào)自身的相關(guān)特性，即有入侵的信號(hào)自相關(guān)時(shí)間長(zhǎng)度大于無(wú)入侵的信號(hào)自相關(guān)時(shí)間長(zhǎng)度，通過(guò)計(jì)算信號(hào)的自相關(guān)函數(shù)，比較非零時(shí)延抽頭處的信號(hào)相關(guān)系數(shù)值，來(lái)辨別入侵信號(hào)的有無(wú)。該方法適用于非均勻靈敏度傳感節(jié)點(diǎn)的檢測(cè)，無(wú)需進(jìn)行一致性軟件或硬件標(biāo)定，檢測(cè)與定位的準(zhǔn)確性極高，誤警率低，而且適用于多種材質(zhì)混合的大型或長(zhǎng)距離周界圍欄防入侵應(yīng)用。但該方法沒(méi)有公開對(duì)入侵事件模式的識(shí)別方法。目前，由于圍欄材質(zhì)、傳感器安裝方式、外界自然環(huán)境等一些不確定因素的影響，入侵事件的模式識(shí)別仍然是困擾非可視性防入侵監(jiān)測(cè)系統(tǒng)的ー個(gè)棘手問(wèn)題。因此如何有效識(shí)別不同模式的入侵事件是光纖光柵圍欄入侵監(jiān)測(cè)系統(tǒng)面臨的ー個(gè)重要問(wèn)題，直接決定著該系統(tǒng)的實(shí)際應(yīng)用價(jià)值和應(yīng)用前景。

發(fā)明內(nèi)容
本發(fā)明所要解決的問(wèn)題是如何提供ー種實(shí)時(shí)高效、識(shí)別率高、分類目標(biāo)比較多的光纖光柵圍欄入侵事件模式識(shí)別方法，克服現(xiàn)有技術(shù)中所存在的缺陷，滿足光纖光柵圍欄入侵監(jiān)測(cè)系統(tǒng)對(duì)入侵對(duì)象的智能識(shí)別和分類的要求。本發(fā)明所提出的技術(shù)問(wèn)題是這樣解決的一種光纖光柵圍欄入侵事件模式識(shí)別方法，對(duì)局部異常進(jìn)行檢測(cè)和定位后，通過(guò)主分量分析(PCA)方法對(duì)入侵事件模式進(jìn)行識(shí)別并分類，其包括如下步驟
(I)首先對(duì)于某種防御周界通過(guò)實(shí)驗(yàn)建立各種典型入侵事件信號(hào)的樣本數(shù)據(jù)庫(kù)；(2)對(duì)樣本數(shù)據(jù)庫(kù)里面的入侵樣本信號(hào)集通過(guò)主分量分析，構(gòu)建特征空間的基矢量;(3)提取數(shù)據(jù)庫(kù)中所有類型事件所有入侵樣本信號(hào)的主分量特征參數(shù)，作為下面最近鄰分類方法中每類事件的參照特征；(4)在檢測(cè)傳感信號(hào)異常后，從發(fā)生異常開始截取測(cè)試信號(hào)，長(zhǎng)度與樣本信號(hào)相同，將入侵測(cè)試信號(hào)向由樣本數(shù)據(jù)庫(kù)構(gòu)建的特征空間基矢量上進(jìn)行投影，得到測(cè)試信號(hào)的主分量特征參數(shù)；(5)計(jì)算測(cè)試信號(hào)與所有樣本信號(hào)特征矢量間的歐式距離，根據(jù)測(cè)試信號(hào)與樣本信號(hào)特征矢量間的歐式距離，并利用最近鄰分類方法將測(cè)試信號(hào)的具體事件類型進(jìn)行分類與識(shí)別。步驟(I)的具體方法為固定時(shí)間長(zhǎng)度采集各種入侵模式下的實(shí)際信號(hào)，該固定時(shí)間長(zhǎng)度確保所有入侵事件能夠完整發(fā)生，另外，防御周界不同，需要重新建立新的數(shù)據(jù)庫(kù)以適應(yīng)新的環(huán)境，設(shè)各種入侵事件數(shù)分別為N1. N2, N3. . . Nn，那么數(shù)據(jù)庫(kù)中采集的所有入侵事件信號(hào)總數(shù)N = N1+N2+N3+. . . +Nn ;設(shè)采集長(zhǎng)度為L(zhǎng)，單個(gè)事件采集信號(hào)為Xi (i = 1，2，…N)，為行向量，N個(gè)樣本信號(hào)行向量構(gòu)成樣本數(shù)據(jù)庫(kù)X= {x,(i = 1,2,…め}，為NXL的矩陣。步驟(2)的具體方法為對(duì)所有入侵樣本信號(hào)進(jìn)行去均值處理，計(jì)算入侵樣本信號(hào)集的信號(hào)協(xié)方差矩陣Cx = (X-mean⑴)(X-mean(X))T，協(xié)方差矩陣Cx為NXN的方陣；對(duì)協(xié)方差矩陣進(jìn)行奇異值分解得到Cx的N個(gè)特征值{> = 1，2，…N)}和相對(duì)應(yīng)的N個(gè)特征向量IUiQ = 1,2,…N)};特征值按從大到小順序排列，入1> A 2 > ... >
入N，根據(jù)式子
權(quán)利要求
1.一種光纖光柵圍欄入侵事件模式識(shí)別方法，其特征在于，對(duì)局部異常進(jìn)行檢測(cè)和定位后，通過(guò)主分量分析方法對(duì)入侵事件模式進(jìn)行識(shí)別和分類。
2.根據(jù)權(quán)利要求I所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法，其特征在于，所述通過(guò)主分量分析方法對(duì)入侵事件模式進(jìn)行識(shí)別和分類包括如下步驟 (1)首先對(duì)于某種防御周界通過(guò)實(shí)驗(yàn)建立各種典型入侵事件信號(hào)的樣本數(shù)據(jù)庫(kù)； (2)對(duì)樣本數(shù)據(jù)庫(kù)里面的入侵樣本信號(hào)集通過(guò)主分量分析，構(gòu)建特征空間的基矢量； (3)提取數(shù)據(jù)庫(kù)中所有類型事件所有入侵樣本信號(hào)的主分量特征參數(shù)，作為下面最近鄰分類方法中每類事件的參照特征； (4)在檢測(cè)傳感信號(hào)異常后，從發(fā)生異常開始截取測(cè)試信號(hào)，長(zhǎng)度與樣本信號(hào)相同，將入侵測(cè)試信號(hào)向由樣本數(shù)據(jù)庫(kù)構(gòu)建的特征空間基矢量上進(jìn)行投影，得到測(cè)試信號(hào)的主分量特征參數(shù)； (5)計(jì)算測(cè)試信號(hào)與所有樣本信號(hào)特征矢量間的歐式距離，根據(jù)測(cè)試信號(hào)與樣本信號(hào)特征矢量間的歐式距離，利用最近鄰分類方法將測(cè)試信號(hào)的具體事件類型進(jìn)行分類與識(shí)別。
3.根據(jù)權(quán)利要求2所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法，其特征在于，步驟(I)的具體方法為固定時(shí)間長(zhǎng)度采集各種入侵模式下的實(shí)際信號(hào)，該固定時(shí)間長(zhǎng)度確保所有入侵事件能夠完整發(fā)生，另外，防御周界不同，需要重新建立新的數(shù)據(jù)庫(kù)以適應(yīng)新的環(huán)境，設(shè)各種入侵事件數(shù)分別為隊(duì)、N2, N3. . . Nn，那么數(shù)據(jù)庫(kù)中采集的所有入侵事件信號(hào)總數(shù)N = Ni+N2+N3+...+Nn;設(shè)采集長(zhǎng)度為L(zhǎng)，單個(gè)事件采集信號(hào)為Xi(i = 1,2,…N)，為行向量，N個(gè)樣本信號(hào)行向量構(gòu)成樣本數(shù)據(jù)庫(kù)X= {x,(i = 1,2,…⑷}，為NXL的矩陣。
4.根據(jù)權(quán)利要求2所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法,其特征在于，步驟(2)的具體方法為對(duì)所有入侵樣本信號(hào)進(jìn)行去均值處理，計(jì)算入侵樣本信號(hào)集的信號(hào)協(xié)方差矩陣Cx = (X-mean⑴)(X-mean (X))T，協(xié)方差矩陣Cx為N X N的方陣；對(duì)協(xié)方差矩陣進(jìn)行奇異值分解得到Cx的N個(gè)特征值|>i(i = 1，2，…N)}和相對(duì)應(yīng)的N個(gè)特征向量IUiQ = 1,2,…N)};特征值按從大到小順序排列，A 2 > . . . > XN， 根據(jù)式于
5.根據(jù)權(quán)利要求2所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法，其特征在于，步驟⑶的具體方法為將數(shù)據(jù)庫(kù)中所有樣本信號(hào)Xi (i = 1,2,…N)向構(gòu)建的特征空間基矢量Base上進(jìn)行投影,得到各個(gè)樣本信號(hào)的特征矢量集F = (Fi = [fn,fi2,(i = I,·2，…N)}，包含N個(gè)I XM維的特征矢量，將從樣本信號(hào)集中得到的入侵信號(hào)特征矢量集F存儲(chǔ)起來(lái)。
6.根據(jù)權(quán)利要求2所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法，其特征在于，步驟(4)的具體方法為在檢測(cè)傳感信號(hào)異常后，從發(fā)生異常開始截取測(cè)試信號(hào)，長(zhǎng)度與樣本信號(hào)相同，將入侵測(cè)試信號(hào)向由樣本數(shù)據(jù)庫(kù)構(gòu)建的特征空間基矢量Base上進(jìn)行投影，得到測(cè)試信號(hào)的主分量特征參數(shù)，即測(cè)試信號(hào)特征矢量T = Lt1, t2，…，tM]。
7.根據(jù)權(quán)利要求2所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法，其特征在于，步驟(5)的具體方法為根據(jù)以下公式計(jì)算測(cè)試信號(hào)特征矢量與所有樣本信號(hào)特征矢量的歐式距離
8.根據(jù)權(quán)利要求7所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法,其特征在于,分類的方法為若三個(gè)樣本類型一致，則認(rèn)為該測(cè)試信號(hào)類型以> 90%概率屬于這三個(gè)近鄰樣本的入侵類型；若只有兩個(gè)樣本類型一致，則認(rèn)為該測(cè)試信號(hào)以> 60%概率屬于這兩個(gè)近鄰樣本的入侵類型；若三個(gè)樣本類型均不一致，則取歐式距離最近的樣本事件類型作為該測(cè)試信號(hào)的事件類型，認(rèn)為該測(cè)試信號(hào)以
9.根據(jù)權(quán)利要求I 8任一項(xiàng)所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法,其特征在于，對(duì)局部異常進(jìn)行檢測(cè)和定位時(shí)需要進(jìn)行大范圍環(huán)境因素的虛警源排除。
10.根據(jù)權(quán)利要求9所述的一種光纖光柵圍欄入侵事件模式識(shí)別方法,其特征在于，大范圍環(huán)境因素的虛警源排除方法如下
全文摘要
本發(fā)明公開了一種光纖光柵圍欄入侵事件模式識(shí)別方法，在對(duì)局部異常進(jìn)行檢測(cè)和定位后，通過(guò)主分量分析方法對(duì)入侵事件模式進(jìn)行識(shí)別和分類(1)建立樣本數(shù)據(jù)庫(kù)；(2)通過(guò)樣本信號(hào)的主分量分析構(gòu)建特征空間的基矢量；(3)提取所有入侵樣本信號(hào)的主分量特征參數(shù)；(4)將入侵測(cè)試信號(hào)向由樣本數(shù)據(jù)庫(kù)構(gòu)建的特征空間基矢量上進(jìn)行投影，得到測(cè)試信號(hào)的主分量特征參數(shù)；(5)根據(jù)測(cè)試信號(hào)與樣本信號(hào)特征矢量間的歐式距離，利用最近鄰分類方法對(duì)測(cè)試信號(hào)的具體事件類型進(jìn)行分類和識(shí)別。該方法誤報(bào)率低，實(shí)時(shí)性好，執(zhí)行效率高，可分類的對(duì)象類別多，識(shí)別率較高，可滿足光纖光柵圍欄入侵監(jiān)測(cè)等非可視安防系統(tǒng)對(duì)入侵對(duì)象智能識(shí)別和分類的要求。
文檔編號(hào)G06F17/30GK102663032SQ20121008147
公開日2012年9月12日 申請(qǐng)日期2012年3月26日 優(yōu)先權(quán)日2012年3月26日
發(fā)明者盧祥林, 吳慧娟, 李?yuàn)檴? 饒?jiān)平?申請(qǐng)人:電子科技大學(xué)