一种分布式光纤围栏入侵行为定位与识别方法与流程

1.本发明涉及光纤传感技术领域，具体是一种分布式光纤围栏入侵行为定位与识别方法。


背景技术：

2.基于φ-otdr的分布式光纤围栏技术因具有敷设方便、响应快、监测距离长、多事件同时定位以及抗电磁干扰等特点，成为周界探测预警系统的主要发展方向。光纤围栏适用于长距离、大范围的光纤沿途安防监控，广泛应用于国境线、高速铁路等重要场所的周界安防。现有的大多数光纤围栏系统通过能量阈值或者差分计算对入侵行为进行检测，虽然可以较好地对扰动信号进行定位并报警，然而这种方式并不能识别和区分摇晃、攀爬等具体行为，另外在复杂的自然环境中，如大风、大雪、大雨等恶劣天气以及树木、杂草和小动物会对入侵事件的检测和定位造成巨大的干扰，导致光纤围栏系统具有较高的误报率，这也是分布式光纤围栏推广应用中存在的主要问题。
3.近些年来，尽管一些光纤围栏系统中引入了模式识别的技术，比如将特征提取与机器学习相结合，由人工提取特征后经分类器进行识别，或者采用深度学习自动提取扰动信号的深层特征进行分类，能够对入侵事件的具体行为进行分类。但是这些方法都存在一定的缺点，要么就是可区分分类数量有限、准确度严重依赖于特征提取，要么就是会涉及一些复杂的预处理运算、或者神经网络识别过程较为耗时，无法满足实时性的要求。


技术实现要素：

4.本发明的目的是针对现有技术的不足，而提供一种分布式光纤围栏入侵行为定位与识别方法。这种方法无需人工提取特征、可满足实时性的要求，能快速准确地对入侵事件进行定位以及识别。
5.实现本发明目的的技术方案是：
6.一种分布式光纤围栏入侵行为定位与识别方法，包括如下步骤：
7.1)数据采集：将敷设在监控区域周界围栏上的传感光缆作为前端感知传感器，采用分布式φ-otdr光纤振动传感系统对光纤围栏进行连续监测，当围栏上发生人为入侵行为或者其它扰动时引起传感光缆振动，获取到振动信号曲线s(i)；
8.2)数据预处理：为了抑制系统对信号产生的低频干扰，采用截止频率为f赫兹的高通滤波器对每个探测点的振动信号s(i)进行滤波得到信号sf(i)，为了更加凸显振动事件的时空特性，和降低数据运算量，将滤波后的振动信号sf(i)按照d倍进行降采样得到信号y(i)，最终将经过预处理后的振动信号y(i)的曲线进行拼接得到瀑布图a(y，t)；
9.3)入侵定位：瀑布图a(y，t)为一个空间-时间二维数组,其中列索引t表示时间，行索引y表示空间，每行数据表示光纤在相应位置经过预处理后的振动信号，设检测时间间隔为t秒，计算在检测时间段内所有探测点超过设定幅度阈值k的次数，若某探测点超过阈值k的次数大于设定值n，则将该探测点标记为扰动点,若无扰动点则系统更新数据进行下次检
测，对空间范围内标记的所有扰动点进行合并，当相邻的两个扰动点即位置分别为la和lb相隔不超过设定探测点个数p时，合并为一个入侵事件，报警位置更新为两个扰动点的中间位置即lc＝(la+lb)/2,最终得到所有可疑入侵点l(j)；
10.4)信号截取：根据步骤3)得到可疑入侵点l(j)，依次按照设定的时间范围t和空间范围s在瀑布图a(y，t)上截取获得n个大小s
×
t为疑似入侵事件时空二维振动信号瀑布图，将瀑布图缩放至yolov5模型设定的输入大小尺寸时空图作为扰动信号分类的特征；
11.5)yolov5模型分类：将步骤4)处理后的瀑布图输入已经训练好的yolov5模型，对当前的扰动信号进行检测得到事件类型，选择需要告警的事件类型发出报警信息。
12.本技术方案采用yolov5网络模型将目标检测技术与光纤围栏系统相结合进行扰动事件分析，首先通过能量阈值对扰动信号进行定位，随后使用预训练好的yolov5模型对扰动信号进行精确识别，无需人工提取特征，同时还可满足实时性的要求，可以较为快速准确地对入侵事件进行定位以及识别，实现了一种分布式光纤围栏入侵行为定位与识别。
13.与现有技术相比，本技术方案具有以下优点：
14.1.采用扰动信号二维时空瀑布图作为分类特征，减少了预处理步骤降低了运算量；
15.2.采用定位与识别分离的策略，先通过能量阈值标记扰动点，再对扰动点进行合并确定可疑入侵点，这种方式可以提高定位精度，减轻后续事件识别的计算压力；
16.3.采用yolov5模型进行分类识别，分类精度高运算速度快，可以满足周界安防系统对实时性的要求，同时yolo模型使用参数迁移学习对特征网络进行预训练具有较高的学习效率。
17.这种方法无需人工提取特征、可满足实时性的要求，能快速准确地对入侵事件进行定位以及识别。
附图说明
18.图1为实施例中光纤围栏整体结构示意图；
19.图2为实施例的方法流程示意图；
20.图3为实施例中yolov5网络架构示意图；
21.图4为实施例方法的效果示意图。
具体实施方式
22.下面结合附图和实施例对本发明的内容作进一步的阐述，但不是对本发明的限定。
23.实施例：
24.如图2所示，一种分布式光纤围栏入侵行为定位与识别方法，包括如下步骤：
25.1)数据采集：将敷设在监控区域周界围栏上的传感光缆作为前端感知传感器，采用分布式φ-otdr光纤振动传感系统对光纤围栏进行连续监测，当围栏上发生人为入侵行为或者其它扰动时引起传感光缆振动，获取到振动信号曲线s(i)，
26.本例中光纤围栏整体结构如图1所示，其中φ-otdr光纤振动传感系统主要由窄线宽激光器、声光调制器、掺铒光纤放大器、光电探测器、信号发生器以及信号采集与信号处
理模块组成，传感光缆采用普通光缆按照正弦曲线的形状以2：1的比例敷设在监控区域周界钢柱刺绳围栏上，φ-otdr光纤振动传感系统采样率为2000hz、采样点空间分辨率为5m，最大有效监测距离40km，φ-otdr分布式光纤传感系统采用窄线宽激光器光源产生周期性的脉冲光，经掺铒光纤放大器对脉冲光进行放大，然后通过环形器一端进入到传感光纤，由光电探测器探测从环形器的另一端反射回的瑞利散射光，通过采集卡实现对信号的采集；
27.本例中，φ-otdr光纤振动传感系统某时刻获取的数据为各个探测点的强度，累计一定时间可得到某一个探测点的振动信号曲线s(i)，由于系统存在较多的低频干扰信号，所以需要将信号曲线进行高通滤波得到sf(i)，截止频率设置为200hz；
28.2)数据预处理：为了抑制系统对信号产生的低频干扰，采用截止频率为f赫兹的高通滤波器对每个探测点的振动信号s(i)进行滤波得到信号sf(i)，为了更加凸显振动事件的时空特性，和降低数据运算量，将滤波后的振动信号sf(i)按照d倍进行降采样得到信号y(i)，最终将经过预处理后的振动信号y(i)的曲线进行拼接得到瀑布图a(y，t)，为了更好的突出振动信号的特征，对sf(i)取绝对值，表达如下：
29.sf(i)＝|sf(i)|
30.将sf(i)均值降采样到20hz，某个位置的振动信号均值降采样运算公式如下：
[0031][0032]
其中xj为降采样前信号，yi降采样后信号，m为降采样倍数，本例中m设置为100，得到降采样后曲线y(i)，将所有探测点的振动信号曲线y(i)进行拼接得到二维矩阵a(y，t)，表达式如下：
[0033][0034]
其中列索引t表示时间，行索引s表示空间，每行数据表示光纤在相应位置的经过预处理后的振动信号；
[0035]
3)入侵定位：瀑布图a(y，t)为一个空间-时间二维数组,其中列索引t表示时间，行索引y表示空间，每行数据表示光纤在相应位置经过预处理后的振动信号，设检测时间间隔为t秒，计算在检测时间段内所有探测点超过设定幅度阈值k的次数，若某探测点超过阈值k的次数大于设定值n，则将该探测点标记为扰动点,若无扰动点则系统更新数据进行下次检测，对空间范围内标记的所有扰动点进行合并，当相邻的两个扰动点即位置分别为la和lb相隔不超过设定探测点个数p时，合并为一个入侵事件，报警位置更新为两个扰动点的中间位置即lc＝(la+lb)/2,最终得到所有可疑入侵点l(j)；
[0036]
4)信号截取：根据步骤3)得到可疑入侵点l(j)，依次按照设定的时间范围t和空间范围s在瀑布图a(y，t)上截取获得n个大小s
×
t为疑似入侵事件时空二维振动信号瀑布图，将瀑布图缩放至yolov5模型设定的输入大小尺寸时空图作为扰动信号分类的特征，本例中，t设置为5秒，s设置为100个采样点，即设置大小100
×
100窗口大小进行截片，依据所有可疑入侵点位置l(i)在a(s，t)上截取生成包含扰动信号的数组，利用线性差值算法将其缩放生成尺寸为640x640的灰度图作为，其中，灰度计算公式如下：
[0037][0038]
p代表灰度像素值y代表振动幅值，amin和amax代表显示图像的最小值和最大值，振动幅值小于最小值像素显示白色，大于最大值像素显示黑色，范围内像素显示相应的灰度；
[0039]
5)yolov5模型分类：将步骤4)处理后的瀑布图输入已经训练好的yolov5模型，对当前的扰动信号进行检测得到事件类型，选择需要告警的事件类型发出报警信息，本例中如图3所示，yolov5模型是计算机视觉领域中一个兼顾速度与精度的高效目标检测框架，yolov5模型由4个主要模块组成，即输入端、主干网络、数据聚集、输出端，各部分为focus、cbl(conv+bn+leaky-relu)、spp(spatical pyramid pooling)、csp(cross stage partial)在内的基本计算单元的特定组合，yolov5模型只使用一个主干卷积网络舍弃了提取候选框阶段，在保持一定精度下拥有更快的检测速度，更利用实时运行，本例方法的效果如图4所示，在监控区域周界围栏上，同时发生了树枝干扰事件(branch noise)、攀爬围栏事件(climbing)和摇晃围栏事件(wagging)，通过训练好的yolov5网络检测后，三类事件全部被准确识别；
[0040]
本例中yolov5模型的训练过程如下：
[0041]
5-1)：在无风雨的天气下，由实验人员的对围栏重复施加各类模拟入侵动作和模拟各类干扰事件，得到多组不同类型的扰动信号，其中包括各种入侵行为信号和模拟的非入侵扰动信号；
[0042]
5-2)：对获取到的原始数据，经过预处理得到多组时空灰度图，使用图像标注软件labelimg进行事件标注得到训练集；
[0043]
5-3)：采用yolov5官方提供的权重参数作为模型的初始化参数，数据集类别设置为事件类型总数，训练总轮次设为200，训练的batch size设为8，将训练集送入yolov5模型进行训练；
[0044]
5-4)：训练结束后观察评价指标包括有损失函数、精确率、召回率和平均精确率，损失函数是用来衡量模型预测值和真实值不一样的程度，值越小代表模型性能越好，精确率、召回率、平均精确率的值越高表示模型的性能越好，观察定位损失、分类损失和置信度损失是否都趋于稳定，精确率、召回率和平均精确率是否达到要求，如未达到要求，则可继续增加训练轮数或者扩大训练样本集数据量重新训练，直至达到要求，至此yolov5模型训练结束，保存最优权重参数用于实时光纤围栏入侵行为事件识别。

技术特征：
1.一种分布式光纤围栏入侵行为定位与识别方法，其特征在于，包括如下步骤：1)数据采集：将敷设在监控区域周界围栏上的传感光缆作为前端感知传感器，采用分布式φ-otdr光纤振动传感系统对光纤围栏进行连续监测，当围栏上发生人为入侵行为或者其它扰动时引起传感光缆振动，获取到振动信号曲线s(i)；2)数据预处理：采用截止频率为f赫兹的高通滤波器对每个探测点的振动信号s(i)进行滤波得到信号s
f
(i)，将滤波后的振动信号s
f
(i)按照d倍进行降采样得到信号y(i)，最终将经过预处理后的振动信号y(i)的曲线进行拼接得到瀑布图a(y，t)；3)入侵定位：瀑布图a(y，t)为一个空间-时间二维数组,其中列索引t表示时间，行索引y表示空间，每行数据表示光纤在相应位置经过预处理后的振动信号，设检测时间间隔为t秒，计算在检测时间段内所有探测点超过设定幅度阈值k的次数，若某探测点超过阈值k的次数大于设定值n，则将该探测点标记为扰动点,若无扰动点则系统更新数据进行下次检测，对空间范围内标记的所有扰动点进行合并，当相邻的两个扰动点即位置分别为l
a
和l
b
相隔不超过设定探测点个数p时，合并为一个入侵事件，报警位置更新为两个扰动点的中间位置即l
c
＝(l
a
+l
b
)/2,最终得到所有可疑入侵点l(j)；4)信号截取：根据步骤3)得到可疑入侵点l(j)，依次按照设定的时间范围t和空间范围s在瀑布图a(y，t)上截取获得n个大小s
×
t为疑似入侵事件时空二维振动信号瀑布图，将瀑布图缩放至yolov5模型设定的输入大小尺寸时空图作为扰动信号分类的特征；5)yolov5模型分类：将步骤4)处理后的瀑布图输入已经训练好的yolov5模型，对当前的扰动信号进行检测得到事件类型，选择需要告警的事件类型发出报警信息。

技术总结
本发明公开了一种分布式光纤围栏入侵行为定位与识别方法，包括如下步骤：1）数据采集；2）数据预处理；3）入侵定位：4）信号截取；5）YOLOv5模型分类。这种方法无需人工提取特征、可满足实时性的要求，能快速准确地对入侵事件进行定位以及识别。进行定位以及识别。进行定位以及识别。


技术研发人员：马俊嵩 胡怡威 唐超
受保护的技术使用者：中国电子科技集团公司第三十四研究所
技术研发日：2023.08.17
技术公布日：2023/10/8