基于圖像識別的光纖周界入侵監(jiān)測方法
【專利摘要】本發(fā)明涉及一種基于圖像識別的光纖周界入侵監(jiān)測方法，該監(jiān)測方法由光纖振動(dòng)傳感系統(tǒng)完成，該系統(tǒng)包括有連接在一起的探測光纜，監(jiān)測主機(jī)和上位機(jī)；該監(jiān)測方法包括：外界入侵引起的振動(dòng)由探測光纜探知并將光信號傳輸至監(jiān)測主機(jī)；監(jiān)測主機(jī)將接收的光信號先轉(zhuǎn)為電信號，再對電信號采樣并模數(shù)轉(zhuǎn)換，得到離散的數(shù)字信號，該數(shù)字信號傳輸至上位機(jī)；由上位機(jī)對采集的數(shù)字信號進(jìn)行處理，獲得處理后信號的特征量，以形成一個(gè)或多個(gè)瀑布圖，根據(jù)瀑布圖的形態(tài)，進(jìn)行圖像的模式識別，若判別為入侵事件則觸發(fā)入侵報(bào)警。本發(fā)明的光纖周界入侵監(jiān)測方法不需要額外增加設(shè)備，也不需要風(fēng)雨數(shù)據(jù)庫即可實(shí)時(shí)來識別入侵行為，具有高入侵識別率和低誤報(bào)率的特點(diǎn)。
【專利說明】
基于圖像識別的光纖周界入侵監(jiān)測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及智能監(jiān)測，特別涉及到一種基于圖像識別技術(shù)的光纖周界入侵監(jiān)測方 法。
【背景技術(shù)】
[0002] 伴隨著智慧城市的建設(shè)，當(dāng)前周界安全呈現(xiàn)出越來越重要的地位。以分布式光纖 傳感為基礎(chǔ)的周界安防監(jiān)測系統(tǒng)，正顯示出比傳統(tǒng)周界安防更加優(yōu)越的性能。分布式光纖 周界安防系統(tǒng)也會受到風(fēng)雨、重型卡車、火車等的擾動(dòng)，產(chǎn)生一定的誤報(bào)。為了更好的提高 性能，不僅要基于現(xiàn)有的信號解調(diào)技術(shù)，還要充分的利用目前日益發(fā)展的模式識別技術(shù)。
[0003] 在實(shí)際的場站環(huán)境中，風(fēng)、雨、冰雹、樹枝觸碰、動(dòng)物觸碰、鳥起停、非報(bào)警信號、過 往車輛形成的振動(dòng)，會產(chǎn)生與入侵強(qiáng)度級別類似的擾動(dòng)信號，從而產(chǎn)生誤報(bào)，但是這些擾動(dòng) 在瀑布圖中的形態(tài)會有所差異，如圖1所示，圖中A為風(fēng)吹行為，B為3次敲打行為。敲打柵欄， 會形成一個(gè)相對對稱的較規(guī)則的輪廓，而風(fēng)吹的輪廓更加不規(guī)則，類似的還可以提取其他 差異性的特征，對敲打行為和風(fēng)吹行為進(jìn)行區(qū)分。所以可以通過入侵行為形成的瀑布圖的 輪廓或者區(qū)域信息來排除風(fēng)或者其他原因造成的誤報(bào)。
[0004] 在現(xiàn)有技術(shù)中，武漢安通的發(fā)明專利《光纖傳感智能定址周界入侵報(bào)警系統(tǒng)》采用 了風(fēng)雨模型數(shù)據(jù)庫技術(shù)，包含風(fēng)雨?duì)顟B(tài)光纖光柵傳感器的信號數(shù)據(jù)?；鶞?zhǔn)波與該數(shù)據(jù)庫比 較，得到當(dāng)天的天氣情況。具體步驟如下：1、記錄周期T起始的布拉格波作為基準(zhǔn)波信號;2、 當(dāng)前收到的測量波信號和在T周期開始時(shí)所測定基準(zhǔn)波信號的波長比較，得到一個(gè)差值，用 這個(gè)差值表示振動(dòng)量;3、根據(jù)每個(gè)測量波的振動(dòng)量大小、天氣突變情況，采用動(dòng)態(tài)規(guī)劃的方 法判斷是否有入侵。無錫科晟光子科技高限公司的兩項(xiàng)專利《分布式光纖傳感應(yīng)用系統(tǒng)自 適應(yīng)型擾動(dòng)信號識別模塊》和《環(huán)境補(bǔ)償式寬域全光纖擾動(dòng)傳感圍欄型安全防衛(wèi)監(jiān)控系統(tǒng)》 中均采用環(huán)境補(bǔ)償?shù)姆椒?，環(huán)境傳感裝置包括雨量計(jì)、溫度計(jì)及風(fēng)力傳感器，其是利用小波 特征提取法、雙譜特征提取法或希爾伯特變換特征提取法，基于小波包分解的能量特征、希 爾伯特譜特征及雙譜特征。采用SVMNBBT-SVM (非平衡二叉樹支持向量機(jī))分類器進(jìn)行識 另IJ。電子科技大學(xué)的專利《一種分布式光纖圍欄入侵檢測與定位的方法》是采用解調(diào)方法， 該方法為:對預(yù)處理信號進(jìn)行短時(shí)傅里葉變換獲得局部能量;計(jì)算背景噪聲能量;計(jì)算各時(shí) 間段能量與其背景能量相減，即可得到局部能量。其具體識別方法為:在時(shí)間維度，找到4個(gè) 時(shí)間片的最大能量，在距離維度上找到5個(gè)節(jié)點(diǎn)極大能量點(diǎn)（該點(diǎn)能量大于相鄰4點(diǎn)能量和 除以2)，認(rèn)為是突變點(diǎn)，突變點(diǎn)大于3個(gè)則認(rèn)為是環(huán)境擾動(dòng)。
[0005] 上述現(xiàn)有技術(shù)主要針對信號的處理技術(shù)，或者稱為解調(diào)技術(shù)，希望通過對某個(gè)位 置的信號處理，來區(qū)分風(fēng)雨，并減少風(fēng)雨的誤報(bào)。然而，往往入侵行為是在一定的時(shí)間和一 定距離發(fā)生的。入侵行為在空間上的震動(dòng)會造成柵欄向周圍傳播，同時(shí)在時(shí)間維度上，震動(dòng) 會經(jīng)過一定的周期才衰減。所以，在其時(shí)間和距離維度的瀑布圖上，入侵會呈現(xiàn)出與其他干 擾不同的特征。入侵實(shí)際上是一個(gè)具有時(shí)間和距離維度的連續(xù)事件，必須綜合判決。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)存在的不足，提供一種基于圖像識別技術(shù)的 光纖周界入侵監(jiān)測方法。本發(fā)明的光纖周界入侵監(jiān)測方法不需要額外增加設(shè)備，也不需要 風(fēng)雨數(shù)據(jù)庫即可實(shí)時(shí)來識別入侵而屏蔽風(fēng)雨等非入侵行為，并提高入侵識別率，降低誤報(bào) 率。
[0007] 為了達(dá)到上述發(fā)明目的，本發(fā)明專利提供的技術(shù)方案如下： 一種基于圖像識別的光纖周界入侵監(jiān)測方法，該監(jiān)測方法由光纖振動(dòng)傳感系統(tǒng)完成， 該系統(tǒng)包括有： 探測光纜，該探測光纜布置于監(jiān)測現(xiàn)場以感知振動(dòng)，探測光纜的敷設(shè)形式包括固定在 鐵絲網(wǎng)圍欄上、直埋于裸露地面下、隱蔽敷設(shè)在地板或地毯下； 監(jiān)測主機(jī)，實(shí)時(shí)檢測并獲得探測光纜內(nèi)單根光纖上的原始信號數(shù)據(jù)，并向上位機(jī)輸出， 該原始信號數(shù)據(jù)包含有探測光纜內(nèi)光纖分布振動(dòng)的信息； 上位機(jī)，該上位機(jī)內(nèi)設(shè)有入侵報(bào)警模塊，該入侵報(bào)警模塊從接收的原始信號數(shù)據(jù)中實(shí) 時(shí)解析并呈現(xiàn)出光纖分布振動(dòng)信號，并根據(jù)防區(qū)、報(bào)警參數(shù)的設(shè)定，觸發(fā)入侵報(bào)警； 利用上述光纖振動(dòng)傳感系統(tǒng)，該監(jiān)測方法包括如下步驟： 第一步，鋪設(shè)于需防護(hù)區(qū)域內(nèi)的探測光纜組成一個(gè)M-Z干涉儀，外界入侵引起的振動(dòng)由 探測光纜探知以改變傳輸光信號的特性，該探測光纜將光信號傳輸至監(jiān)測主機(jī)； 第二步，所述的監(jiān)測主機(jī)接收到變化后的光信號，先轉(zhuǎn)換為電信號，然后對電信號采樣 并進(jìn)行模擬數(shù)字轉(zhuǎn)換，得到離散的數(shù)字信號，該數(shù)字信號傳輸至上位機(jī)； 第三步，由上位機(jī)內(nèi)入侵報(bào)警模塊對采集的數(shù)字信號進(jìn)行處理，獲得處理后信號的特 征量，以形成一個(gè)或多個(gè)瀑布圖，該瀑布圖是以時(shí)間、距離以及特征量數(shù)值形成的二維圖 像，特征量映射為圖像的像素值； 第四步，根據(jù)瀑布圖的形態(tài)，進(jìn)行圖像的模式識別，進(jìn)而判別是否為入侵事件，若判定 為是則觸發(fā)入侵報(bào)警。
[0008] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，上述第三步內(nèi)特征量可以是 直接的信號差值、信號方差、相關(guān)度值、FFT變換后某個(gè)頻段的功率或能量特征、小波分解后 的各尺度的細(xì)節(jié)能量特征。
[0009] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，更進(jìn)一步來講，所述特征量 的獲得方式包括： 3a.信號的差值，即本時(shí)刻的數(shù)據(jù)減去上一個(gè)時(shí)刻的數(shù)據(jù)： d[t][l:5000]=x[t][l:5000]-x[t-l][1:5000]； x[t] [ 1:5000]表示5000個(gè)采樣點(diǎn)在t時(shí)刻的信號， x[t-l] [ 1:5000]表示5000個(gè)采樣點(diǎn)在t-1時(shí)刻的信號， d[t] [ 1:5000]表示5000個(gè)采樣點(diǎn)在t時(shí)刻的信號差值，即特征量的值。
[0010] 3b.信號的方差，任一光纖位置的信號差值計(jì)算公式如下：
n表示在某個(gè)位置計(jì)算方差數(shù)據(jù)的個(gè)數(shù)，灸表示第i個(gè)數(shù)據(jù)3表示n個(gè)數(shù)據(jù)的均值 3c.相關(guān)度，任一光纖位置的信號相關(guān)度計(jì)算公式如下：
其中.-1):_表示(i-l)T時(shí)刻的原始信號數(shù)值， 班??? 了〗表不（i-1-k)T時(shí)刻的原始信號數(shù)值， k表示延遲的采樣周期數(shù)； 3d. FFT變換的頻點(diǎn)系數(shù)，任一光纖位置的信號FFT變換計(jì)算公式如下： 輸入的x(n)為當(dāng)前t時(shí)刻之前的第n個(gè)信號數(shù)據(jù)。
[0011] 對于N點(diǎn)序列的離散傅里葉變換(DFT)為：
公式中e是自然對數(shù)的底數(shù)，i是虛數(shù)單位，輸出量為傅里葉變換后各個(gè)頻點(diǎn)的系數(shù)； 3e.小波變換的在每個(gè)時(shí)刻，輸出各層小波在各個(gè)縮放因子下的幅值，獲取信號變換 后的一個(gè)或多個(gè)瀑布圖后，還要進(jìn)行相應(yīng)的濾波、平滑，震動(dòng)的波動(dòng)性導(dǎo)致采樣得到的數(shù)據(jù) 也是波動(dòng)的，需要對轉(zhuǎn)換后的瀑布圖進(jìn)行平滑濾波，可以采用指數(shù)平滑、平均值、中值濾波 的方式減少信號的波動(dòng)性。
[0012] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，所述第四步在瀑布圖上對入 侵行為的識別，主要是通過對入侵斑點(diǎn)圖像的輪廓和區(qū)域信息進(jìn)行識別的，其具體識別過 程為： 4a.采用一個(gè)閾值、多個(gè)閾值，或自適應(yīng)閾值，對圖像做二值化處理，變成二值圖像，瀑 布圖是一個(gè)多種顏色的圖像，因此要對這個(gè)圖像進(jìn)行二值化處理，使其變?yōu)橐粋€(gè)由〇、1組成 的黑白圖像，以獲取入侵的區(qū)域輪廓信息； 4b.獲取圖像中所有擾動(dòng)信號的輪廓，輪廓包括了可能的入侵信號、風(fēng)雨信號及其他噪 聲，獲得了二值圖像后，可以求取圖像中所有的輪廓； 4c.基于區(qū)域或輪廓的計(jì)算方法，獲取該區(qū)域或輪廓的特征。觀察得到的各種輪廓，發(fā) 現(xiàn)入侵的輪廓和區(qū)域特征與大風(fēng)的輪廓和區(qū)域特征間的區(qū)別，提取這些二維特征，用于進(jìn) 行后續(xù)的分類識別； 4d.對所有輪廓做基本的篩選，如果輪廓內(nèi)圖像的像素平均值即平均強(qiáng)度大于最小強(qiáng) 度閾值，并且輪廓的寬度大于最小寬度閾值，并且持續(xù)時(shí)間大于最小持續(xù)時(shí)間，只有這種輪 廓才會進(jìn)入分類器的判別； 4e.采用分類器進(jìn)行識別。
[0013] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，一個(gè)分類器識別方案中，所 述的分類器為神經(jīng)網(wǎng)絡(luò)，在每個(gè)樣本我們可以得到K個(gè)特征Fea(l:K)，在訓(xùn)練階段，我們會 形成M個(gè)入侵的樣本，N個(gè)大風(fēng)擾動(dòng)的樣本，將獲取到的這M+N個(gè)Fea(l:K)輸入到神經(jīng)網(wǎng)絡(luò) 中，可以訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)的系數(shù)，建立神經(jīng)網(wǎng)絡(luò)的模型；在實(shí)際運(yùn)行階段，每次將瀑布圖 的新的Fea(l:K)輸入到神經(jīng)網(wǎng)絡(luò)中，就可以得到分類的結(jié)果。
[0014] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，另一個(gè)分類器識別方案中， 對于每張瀑布圖，其自身的特征輸入到自身的分類器中進(jìn)行識別，然后對多張瀑布圖的分 類結(jié)果進(jìn)行綜合判決，如果50%以上的瀑布圖上的分類器判別為入侵才最終判斷為入侵行 為。
[0015] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，更進(jìn)一步來說，所述的二值 化處理的閾值是單一的閾值設(shè)置或多個(gè)閾值設(shè)置， 7a.瀑布圖為0~255之間的灰度圖，可以采用單一的閾值為80,對瀑布圖進(jìn)行剖分，得 到一個(gè)二值圖像，求得一系列的輪廓； 7b.采用多個(gè)閾值，例如80、90、100，得到多個(gè)二值圖像，得到多層次的輪廓圖形，類似 立體的等尚線； 7c.根據(jù)外界擾動(dòng)信號的強(qiáng)弱，動(dòng)態(tài)地調(diào)整閾值大小，計(jì)算圖像的某容易受風(fēng)影響區(qū)域 的平均強(qiáng)度，若強(qiáng)度越大采用越大的閾值，強(qiáng)度越小采用越小的閾值，該閾值或者采用線性 函數(shù)確定： 閾值y=k*大風(fēng)平均強(qiáng)度+b; 或者采用分段函數(shù)確定閾值： 閾值y=大閾值（大風(fēng)強(qiáng)度超過某閾值S) 小閾值（大風(fēng)強(qiáng)度小于某閾值S)。
[0016] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，更進(jìn)一步來說，所述的二維 特征包括有基本特征和組合特征，所述的基本特征包括:1)輪廓的點(diǎn)數(shù)、輪廓的周長和區(qū)域 的面積，2)最小外接矩形的寬度、高度和面積;3)最小外接凸包的面積、周長、凸缺陷的最大 深度、平均深度，凸包是指外接的最大輪廓，凸缺陷是指谷底部分;4)幾何特征中對稱性、緊 密度、實(shí)心度、偏心率和不規(guī)則度；5)統(tǒng)計(jì)特征中粗糙度、均值和方差;6)變換域特征中的 矩、傅里葉描繪子和小波描繪子;7)區(qū)域強(qiáng)度信息中的平均強(qiáng)度、最大強(qiáng)度、局部區(qū)域強(qiáng)度、 與擾動(dòng)信號區(qū)域之前區(qū)域的強(qiáng)度差值、與旁邊區(qū)域強(qiáng)度的差值;所述的組合特征是基本特 征的比值，其包括高度與寬度和比值、區(qū)域面積和外接矩形面積的比值、區(qū)域面積和外接凸 包面積的比值、區(qū)域周長和外接矩形周長的比值。
[0017] 基于上述技術(shù)方案，本發(fā)明的光纖周界入侵監(jiān)測方法與現(xiàn)有技術(shù)相比具有如下技 術(shù)優(yōu)點(diǎn)： 1.本發(fā)明的監(jiān)測方法由光纖振動(dòng)傳感系統(tǒng)完成，不需要增加額外的設(shè)備或裝置，例如 雨量計(jì)、溫度計(jì)及風(fēng)力傳感器。
[0018] 2.本發(fā)明的光纖振動(dòng)傳感系統(tǒng)中不需要風(fēng)雨數(shù)據(jù)庫，可以實(shí)時(shí)的來識別入侵行為 并且能屏蔽風(fēng)雨等非入侵行為。
[0019] 3.本發(fā)明的監(jiān)測方法基于圖像識別技術(shù)來對光纖周界的入侵行為進(jìn)行監(jiān)測，其可 以提高入侵行為的識別率，以降低誤報(bào)率。
【附圖說明】
[0020] 圖1是現(xiàn)有技術(shù)中基于分布式光纖傳感的周界安防監(jiān)測系統(tǒng)監(jiān)測到的擾動(dòng)信號瀑 布圖。
[0021] 圖2是本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法的工作流程示意圖。
[0022]
【具體實(shí)施方式】
[0023] 下面我們結(jié)合附圖和具體的實(shí)施例來對本發(fā)明的基于圖像識別的光纖周界入侵 監(jiān)測方法做進(jìn)一步的詳細(xì)闡述，以求更為清楚明了地理解本發(fā)明的工作原理和工作過程， 但不能以此來限制本發(fā)明的保護(hù)范圍。
[0024] 本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法是由光纖振動(dòng)傳感系統(tǒng)來完成的， 該系統(tǒng)結(jié)構(gòu)上包括有探測光纜、監(jiān)測主機(jī)和上位機(jī)，探測光纜連接在監(jiān)測主機(jī)上，監(jiān)測主機(jī) 與上位機(jī)連接。
[0025] 其中，探測光纜布置于監(jiān)測現(xiàn)場以感知振動(dòng)，監(jiān)測現(xiàn)場即是光纖周界防護(hù)區(qū)域，探 測光纜在防護(hù)區(qū)域的敷設(shè)形式包括三種：一種是固定在鐵絲網(wǎng)圍欄上，另一種是直埋于裸 露地面下，第三種是隱蔽地敷設(shè)在地板或地毯下，由一條網(wǎng)絡(luò)化布置的探測光纜組成一個(gè) M-Z干涉儀（即Mach-Znhder干涉儀），鋪設(shè)于需要防護(hù)的區(qū)域內(nèi)，外界入侵所引起的各種振 動(dòng)都會改變探測光纜內(nèi)傳感光纖所傳輸信號的特性。
[0026] 監(jiān)測主機(jī)用于實(shí)時(shí)檢測并獲得探測光纜內(nèi)單根光纖上的原始信號數(shù)據(jù)，并向上位 機(jī)輸出，該原始信號數(shù)據(jù)包含有探測光纜內(nèi)光纖分布振動(dòng)的信息。
[0027]上位機(jī)是一臺計(jì)算機(jī)，該上位機(jī)內(nèi)設(shè)有入侵報(bào)警模塊，該入侵報(bào)警模塊從接收的 原始信號數(shù)據(jù)中實(shí)時(shí)解析并呈現(xiàn)出光纖分布振動(dòng)信號，并根據(jù)防區(qū)、報(bào)警參數(shù)的設(shè)定，處理 過程中通過處理數(shù)據(jù)參數(shù)與預(yù)設(shè)值比較并根據(jù)比較結(jié)果來判斷是否入侵行為，若判斷入侵 行為，觸發(fā)入侵報(bào)警。
[0028] 本發(fā)明入侵監(jiān)測方法是先由探測光纜探測振動(dòng)信息，再由監(jiān)測主機(jī)將振動(dòng)信息進(jìn) 行采集并轉(zhuǎn)換為離散的數(shù)字信號，最后由上位機(jī)對數(shù)字信號進(jìn)行信號處理和模式識別，進(jìn) 而靈敏地檢測出入侵行為。該方法具體包括有如下步驟： 第一步，鋪設(shè)于需防護(hù)區(qū)域內(nèi)的探測光纜組成一個(gè)M-Z干涉儀（即Mach-Znhder干涉 儀），探測光纜探知外界入侵引起的振動(dòng)，這些振動(dòng)會導(dǎo)致探測光纜中單根探測光纖中傳輸 光信號的特性變化，該探測光纜將載有振動(dòng)信息的光信號傳輸至監(jiān)測主機(jī)，若是不存在振 動(dòng)，則光信號為正常信號，不會產(chǎn)生變化，若是載有振動(dòng)信息則會產(chǎn)生變化。
[0029] 第二步，所述的監(jiān)測主機(jī)接收到變化后的光信號，先將光信號通過光電轉(zhuǎn)換變化 為電信號，然后對電信號采樣，再對采樣后的電信號進(jìn)行模擬信號和數(shù)字信號轉(zhuǎn)換，就會得 到離散的數(shù)字信號，監(jiān)測主機(jī)再將該數(shù)字信號傳輸至上位機(jī)。
[0030] 第三步，在上位機(jī)內(nèi)設(shè)有入侵報(bào)警模塊，由入侵報(bào)警模塊對采集到的數(shù)字信號進(jìn) 行處理，獲得處理后信號的特征量，以形成一個(gè)或多個(gè)瀑布圖。
[0031] 第四步，根據(jù)瀑布圖的形態(tài)，進(jìn)行圖像的模式識別，進(jìn)而判別是否為入侵事件，若 判定為是則觸發(fā)入侵報(bào)警。
[0032] 上述第三步中特征量可以是直接的信號差值、信號方差、相關(guān)度值、FFT變換后某 個(gè)頻段的功率或能量特征、小波分解后的各尺度的細(xì)節(jié)能量特征。瀑布圖是以時(shí)間、距離以 及特征量數(shù)值形成的二維圖像，特征量映射為圖像的像素值。
[0033]例如對安裝在柵欄上的5000m的光纖，每10ms進(jìn)行一次采樣，采樣點(diǎn)個(gè)數(shù)為5000， 那么相當(dāng)于每個(gè)數(shù)據(jù)點(diǎn)代表lm。第i次采樣得到1*5000的一個(gè)數(shù)組x[t] [5000]，每秒鐘會采 樣100次。
[0034]算法的輸入為0TDR數(shù)據(jù)，如果光纖長度為5000m，則輸入數(shù)據(jù)如下表所示：
如果信號處理時(shí)候計(jì)算的是信號差值，那么每l〇ms，會得到一個(gè)d[t][l:5000]，而每Is 會得到100*5000的二維數(shù)據(jù)，此時(shí)就形成了以Y軸為時(shí)間軸(采樣周期），X軸為距離的二維 圖像，隨著時(shí)間的推移，這幅圖像是自上而下的移動(dòng)(最新的采樣在上端），這就形成了一個(gè) 類似瀑布的圖像，故而稱之為瀑布圖。如果信號處理是多種方式，例如信號差值、信號方差、 相關(guān)度值，那么將會得到多個(gè)瀑布圖。
[0035]如果信號處理是FFT變換方式，那么每個(gè)FFT變換后的系數(shù)都會形成一個(gè)瀑布圖， 例如128點(diǎn)的FFT會得到64個(gè)有用的系數(shù)，此時(shí)會形成64張瀑布圖。由于不是每個(gè)頻點(diǎn)信息 都是很有價(jià)值的，所以可以對最重要，或者說是入侵和大風(fēng)差異性最大、分類性最好的頻段 求平均值，從而只得到這個(gè)頻段功率的瀑布圖，即將64張瀑布圖轉(zhuǎn)換為1張瀑布圖，從而方 便后面的圖像處理。當(dāng)然也可以根據(jù)計(jì)算機(jī)的性能，同時(shí)處理多張瀑布圖。
[0036] 如果信號處理是小波變換方式，那么提取的特征是小波分解后的各尺度的細(xì)節(jié)能 量特征，從而形成一個(gè)或者多個(gè)瀑布圖。
[0037] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，更進(jìn)一步來講，所述特征量 的獲得方式包括： 3a.信號的差值，即本時(shí)刻的數(shù)據(jù)減去上一個(gè)時(shí)刻的數(shù)據(jù)： d[t][l:5000]=x[t][l:5000]-x[t-l][1:5000]； x[t] [ 1:5000]表示5000個(gè)采樣點(diǎn)在t時(shí)刻的信號， x[t-l] [ 1:5000]表示5000個(gè)采樣點(diǎn)在t-1時(shí)刻的信號， d[t] [ 1:5000]表示5000個(gè)采樣點(diǎn)在t時(shí)刻的信號差值，即特征量的值。
[0038] 3b.信號的方差，任一光纖位置的信號差值計(jì)算公式如下：
n表示在某個(gè)位置計(jì)算方差數(shù)據(jù)的個(gè)數(shù)，約表示第i個(gè)數(shù)據(jù)，.f表示n個(gè)數(shù)據(jù)的均值 3c.相關(guān)度，任一光纖位置的信號相關(guān)度計(jì)算公式如下：
其中一:表示(i_l )T時(shí)刻的原始信號數(shù)值， 終一.纖:卜f:氣:麵:1表不(i -1-k) T時(shí)亥U的原始信號數(shù)值， k表示延遲的采樣周期數(shù) 3d. FFT變換的頻點(diǎn)系數(shù)，任一光纖位置的信號FFT變換計(jì)算公式如下： 輸入x(n)為當(dāng)前t時(shí)刻之前的第n個(gè)信號數(shù)據(jù)。
[0039] 對于N點(diǎn)序列的離散傅里葉變換(DFT)為：
公式中e是自然對數(shù)的底數(shù)，i是虛數(shù)單位，輸出量為傅里葉變換后各個(gè)頻點(diǎn)的系數(shù)； 3e.小波變換的在每個(gè)時(shí)刻，輸出各層小波在各個(gè)縮放因子下的幅值， 獲取信號變換后的一個(gè)或多個(gè)瀑布圖后，還要進(jìn)行相應(yīng)的濾波、平滑，震動(dòng)的波動(dòng)性導(dǎo) 致采樣得到的數(shù)據(jù)也是波動(dòng)的，需要對轉(zhuǎn)換后的瀑布圖進(jìn)行平滑濾波，可以采用指數(shù)平滑、 平均值、中值濾波的方式減少信號的波動(dòng)性。
[0040] 上述第四步在瀑布圖上對入侵行為的識別，主要是通過對入侵斑點(diǎn)圖像的輪廓和 區(qū)域信息進(jìn)行識別的，其具體識別過程為： 4a.采用一個(gè)閾值、多個(gè)閾值，或自適應(yīng)閾值，對圖像做二值化處理，變成二值圖像，瀑 布圖是一個(gè)多種顏色的圖像，因此要對這個(gè)圖像進(jìn)行二值化處理，使其變?yōu)橐粋€(gè)由〇、1組成 的黑白圖像，以獲取入侵的區(qū)域輪廓信息； 4b.獲取圖像中所有擾動(dòng)信號的輪廓，輪廓包括了可能的入侵信號和風(fēng)雨信號，獲得了 二值圖像后，可以求取圖像中所有的輪廓； 4c.基于區(qū)域或輪廓的計(jì)算方法，獲取該區(qū)域或輪廓的特征，觀察得到的各種輪廓，發(fā) 現(xiàn)入侵的輪廓和區(qū)域特征與大風(fēng)的輪廓和區(qū)域特征間的區(qū)別，提取這些二維特征，用于進(jìn) 行后續(xù)的分類識別； 4d.對所有輪廓做基本的篩選，如果輪廓內(nèi)圖像的像素平均值即平均強(qiáng)度大于最小強(qiáng) 度閾值，并且輪廓的寬度大于最小寬度閾值，并且持續(xù)時(shí)間大于最小持續(xù)時(shí)間，只有這種輪 廓才會進(jìn)入分類器的判別； 4e.采用分類器進(jìn)行識別。
[0041] 在本發(fā)明基于圖像識別的光纖周界入侵監(jiān)測方法中，上述的二值化處理的閾值是 單一的閾值設(shè)置或多個(gè)閾值設(shè)置， 7a.瀑布圖為0~255之間的灰度圖，可以采用單一的閾值為80,對瀑布圖進(jìn)行剖分，得 到一個(gè)二值圖像，求得一系列的輪廓； 7b.采用多個(gè)閾值，例如80、90、100，得到多個(gè)二值圖像，得到多層次的輪廓圖形，類似 立體的等尚線； 7c.根據(jù)外界擾動(dòng)信號的強(qiáng)弱，動(dòng)態(tài)地調(diào)整閾值大小，計(jì)算圖像的某容易受風(fēng)影響區(qū)域 的平均強(qiáng)度，若強(qiáng)度越強(qiáng)大越采用越大的閾值，強(qiáng)度越小采用越小的閾值，該閾值或者采用 線性函數(shù)確定： 閾值y=k*大風(fēng)平均強(qiáng)度+b; 或者采用分段函數(shù)確定閾值： 閾值y=大閾值（大風(fēng)強(qiáng)度超過某閾值S) 小閾值（大風(fēng)強(qiáng)度小于某閾值S)。
[0042] 更進(jìn)一步來說，上述的二維特征包括有基本特征和組合特征： 上述的基本特征包括:1)輪廓的點(diǎn)數(shù)、輪廓的周長和區(qū)域的面積，2)最小外接矩形的寬 度、高度和面積;3)最小外接凸包的面積、周長、凸缺陷的最大深度、平均深度，凸包是指外 接的最大輪廓，凸缺陷是指谷底部分;4)幾何特征中對稱性、緊密度、實(shí)心度、偏心率和不規(guī) 則度;5)統(tǒng)計(jì)特征中粗糙度、均值和方差;6)變換域特征中的矩、傅里葉描繪子和小波描繪 子;7)區(qū)域強(qiáng)度信息中的平均強(qiáng)度、最大強(qiáng)度、局部區(qū)域強(qiáng)度、與擾動(dòng)信號區(qū)域之前區(qū)域的 強(qiáng)度差值、與旁邊區(qū)域強(qiáng)度的差值； 上述的組合特征是基本特征的比值，其包括高度與寬度和比值、區(qū)域面積和外接矩形 面積的比值、區(qū)域面積和外接凸包面積的比值、區(qū)域周長和外接矩形周長的比值。
[0043] 上述分類器識別包括兩種方式，一種分類器為神經(jīng)網(wǎng)絡(luò)，在每個(gè)樣本我們可以得 到K個(gè)特征Fea(l:K)，在訓(xùn)練階段，我們會形成M個(gè)入侵的樣本，N個(gè)大風(fēng)擾動(dòng)的樣本，將這M+ N個(gè)Fea(l:K)輸入到神經(jīng)網(wǎng)絡(luò)中，可以訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)的系數(shù)，建立神經(jīng)網(wǎng)絡(luò)的模型;在 實(shí)際運(yùn)行階段，每次將瀑布圖的新的Fea(l:K)輸入到神經(jīng)網(wǎng)絡(luò)中，就可以得到分類的結(jié)果。
[0044] 另一個(gè)分類器識別方案中，對于每張瀑布圖，其自身的特征輸入到自身的分類器 中進(jìn)行識別，然后對多張瀑布圖的分類結(jié)果進(jìn)行綜合判決，如果50%以上的瀑布圖上的分類 器判別為入侵才最終判斷為入侵行為。
[0045] 本發(fā)明的監(jiān)測方法由光纖振動(dòng)傳感系統(tǒng)完成，不需要增加額外的設(shè)備或裝置，例 如雨量計(jì)、溫度計(jì)及風(fēng)力傳感器，也不需要在光纖振動(dòng)傳感系統(tǒng)中針對性地設(shè)置風(fēng)雨數(shù)據(jù) 庫，可以實(shí)時(shí)的來識別入侵行為并且能屏蔽風(fēng)雨等非入侵行為。本發(fā)明的監(jiān)測方法是基于 圖像識別技術(shù)來對光纖周界的入侵行為進(jìn)行監(jiān)測的，可以大大地提高入侵行為的識別率， 降低了誤報(bào)率。
【主權(quán)項(xiàng)】
1. 一種基于圖像識別的光纖周界入侵監(jiān)測方法，在需防護(hù)區(qū)域內(nèi)鋪設(shè)探測光纜，外界 入侵引起的振動(dòng)由探測光纜探知以改變傳輸光信號的特性，該探測光纜將光信號傳輸至監(jiān) 測主機(jī)，所述的監(jiān)測主機(jī)接收到變化后的光信號，先轉(zhuǎn)換為電信號，然后對電信號采樣并進(jìn) 行模擬數(shù)字轉(zhuǎn)換，得到離散的數(shù)字信號，該數(shù)字信號傳輸至上位機(jī)，其特征在于，由上位機(jī) 內(nèi)入侵報(bào)警模塊對采集的數(shù)字信號進(jìn)行處理，獲得處理后信號的特征量，以形成一個(gè)或多 個(gè)瀑布圖，該瀑布圖是以時(shí)間、距離以及特征量數(shù)值形成的二維圖像，特征量映射為圖像的 像素值;根據(jù)瀑布圖的形態(tài)，進(jìn)行圖像的模式識別，進(jìn)而判別是否為入侵事件，若判定為是 則觸發(fā)入侵報(bào)警。2. 根據(jù)權(quán)利要求1所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，該監(jiān)測 方法由光纖振動(dòng)傳感系統(tǒng)完成，該系統(tǒng)包括有： 探測光纜，該探測光纜布置于監(jiān)測現(xiàn)場以感知振動(dòng)，探測光纜的敷設(shè)形式包括固定在 鐵絲網(wǎng)圍欄上、直埋于裸露地面下、隱蔽敷設(shè)在地板或地毯下； 監(jiān)測主機(jī)，實(shí)時(shí)檢測并獲得探測光纜內(nèi)單根光纖上的原始信號數(shù)據(jù)，并向上位機(jī)輸出， 該原始信號數(shù)據(jù)包含有探測光纜內(nèi)光纖分布振動(dòng)的信息； 上位機(jī)，該上位機(jī)內(nèi)設(shè)有入侵報(bào)警模塊，該入侵報(bào)警模塊從接收的原始信號數(shù)據(jù)中實(shí) 時(shí)解析并呈現(xiàn)出光纖分布振動(dòng)信號，并根據(jù)防區(qū)、報(bào)警參數(shù)的設(shè)定，觸發(fā)入侵報(bào)警。3. 根據(jù)權(quán)利要求1所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，所述特 征量可以是直接的信號差值、信號方差、相關(guān)度值、FFT變換后某個(gè)頻段的功率或能量特征、 小波分解后的各尺度的細(xì)節(jié)能量特征。4. 根據(jù)權(quán)利要求2所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，計(jì)算完 所述特征量并形成瀑布圖之后，還要對瀑布圖進(jìn)行相應(yīng)的平滑，具體方法可以采用指數(shù)平 滑、平均值、中值平滑的方式。5. 根據(jù)權(quán)利要求1所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，在瀑布 圖上對入侵行為的識別，主要是通過對入侵斑點(diǎn)圖像的輪廓和區(qū)域信息進(jìn)行識別的，其具 體識別過程為： 4a.采用一個(gè)閾值、多個(gè)閾值，或自適應(yīng)閾值，對圖像做二值化處理，變成二值黑白圖 像； 4b.獲取圖像中所有擾動(dòng)信號的輪廓，輪廓包括了可能的入侵信號和風(fēng)雨信號； 4c.基于區(qū)域或輪廓的計(jì)算方法，獲取該區(qū)域或輪廓的特征； 4d.對所有輪廓做基本的篩選，如果輪廓內(nèi)圖像的像素平均值即平均強(qiáng)度大于最小強(qiáng) 度閾值，并且輪廓的寬度大于最小寬度閾值，并且持續(xù)時(shí)間大于最小持續(xù)時(shí)間，只有這種輪 廓才會進(jìn)入分類器的判別； 4e.采用分類器進(jìn)行識別。6. 根據(jù)權(quán)利要求4所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，所述的 分類器為神經(jīng)網(wǎng)絡(luò)，在每個(gè)樣本我們可以得到K個(gè)特征Fea( I:K)，在訓(xùn)練階段，我們會形成M 個(gè)入侵的樣本，N個(gè)大風(fēng)擾動(dòng)的樣本，將這提取的M+N個(gè)Fea(I=K)輸入到神經(jīng)網(wǎng)絡(luò)中，可以訓(xùn) 練得到神經(jīng)網(wǎng)絡(luò)的系數(shù)，建立神經(jīng)網(wǎng)絡(luò)的模型；在實(shí)際運(yùn)行階段，每次將瀑布圖的新的Fea (1:K)輸入到神經(jīng)網(wǎng)絡(luò)中，就可以得到分類的結(jié)果。7. 根據(jù)權(quán)利要求4所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，對于每 張瀑布圖，其自身的特征輸入到自身的分類器中進(jìn)行識別，然后對多張瀑布圖的分類結(jié)果 進(jìn)行綜合判決，如果50%以上的瀑布圖上的分類器判別為入侵才最終判斷為入侵行為。8. 根據(jù)權(quán)利要求4所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，所述的 二值化處理的閾值是單一的閾值設(shè)置或多個(gè)閾值設(shè)置， 7a.可以采用單一的閾值，對瀑布圖進(jìn)行剖分，得到一個(gè)二值圖像，求得一系列的輪廓； 7b.采用多個(gè)閾值，得到多個(gè)二值圖像，得到多層次的輪廓圖形，類似立體的等高線； 7c.根據(jù)外界擾動(dòng)信號的強(qiáng)弱，動(dòng)態(tài)地調(diào)整閾值大小，計(jì)算圖像的某容易受風(fēng)影響區(qū)域 的平均強(qiáng)度，若強(qiáng)度越大越采用越大的閾值，強(qiáng)度越小采用越小的閾值，該閾值或者采用線 性函數(shù)確定： 閾值y=k*大風(fēng)平均強(qiáng)度+b; 或者采用分段函數(shù)確定閾值： 閾值y=大閾值（大風(fēng)強(qiáng)度超過某閾值S) 小閾值（大風(fēng)強(qiáng)度小于某閾值S)。9. 根據(jù)權(quán)利要求4所述的基于圖像識別的光纖周界入侵監(jiān)測方法，其特征在于，所述的 二維特征包括有基本特征和組合特征，所述的基本特征包括:1)輪廓的點(diǎn)數(shù)、輪廓的周長和 區(qū)域的面積;2)最小外接矩形的寬度、高度和面積;3)最小外接凸包的面積、周長、凸缺陷的 最大深度、平均深度，凸包是指外接的最大輪廓，凸缺陷是指谷底部分;4)幾何特征中對稱 性、緊密度、實(shí)心度、偏心率和不規(guī)則度;5 )統(tǒng)計(jì)特征中粗糙度、均值和方差;6 )變換域特征 中的矩、傅里葉描繪子和小波描繪子;7)區(qū)域強(qiáng)度信息中的平均強(qiáng)度、最大強(qiáng)度、局部區(qū)域 強(qiáng)度、與擾動(dòng)信號區(qū)域之前區(qū)域的強(qiáng)度差值、與旁邊區(qū)域強(qiáng)度的差值;所述的組合特征是基 本特征的比值，其包括高度與寬度和比值、區(qū)域面積和外接矩形面積的比值、區(qū)域面積和外 接凸包面積的比值、區(qū)域周長和外接矩形周長的比值。
【文檔編號】G06K9/62GK105931402SQ201610476700
【公開日】2016年9月7日
【申請日】2016年6月27日
【發(fā)明人】解應(yīng)春, 李健威, 周軍, 劉廣賀, 趙浩
【申請人】上海波匯科技股份有限公司