一种边防前端探测处理系统的制作方法

1.本发明涉及边防安全监控领域，具体涉及一种边防前端探测处理系统。


背景技术：

2.边海防监控设施是国家重要的边海防基础设施，通常采用垂直分层的、从上到下由国家、军区、省、地、县五级监控中心和监控站联网组成的监控体系，监控站负责一线边海防信息的获取和上报，各级监控中心负责边海防信息的汇集、处理、管理和分发。
3.边海防监控站由前端设备、传输设备、显控后端组成，前端设备完成各种现场感知传感信息采集，传输设备在前端和后端之间进行数据通信，将各种感知预警信息传输到后端并将后端控制指令传输到前端,显控后端进行感知信息分析、处理、显示和转发给上级中心等处理。
4.前端设备是监控站中用于监控现场信息采集的设备，处于边海防监控站的最前端，包括各种光电监视、雷达、周界或入侵探测报警的各类传感器、处理设备及供电通信设备。前端设备部署于边境地区一线，且需要监控区域广，一般在野外恶劣自然环境下工作，由于边境偏僻地区交通、通信、供电等基础设施建设相对滞后，敷设通信线路困难，一方面由于偏远地区供电不稳定，供电持续性较差等原因，常会导致前端的探测传感器和处理设备不能正常工作，另一方面野外通信供电设施(如：太阳能板、ups电源、蓄电池)易被盗、被破坏、毁损等原因也常导致前端设备工作异常，影响边海防监控设施发挥“管边控海”作用。
5.现有边防监控前端大多采用市电+ups电源或风光互补发电来保障系统供电，采用雷达、周界入侵报警与光电监视联动进行目标探测与监视，由于雷达与光电摄像机多为24小时昼夜不间断连续工作且能耗相对较高，在无市电或市电不稳定情况下难以长时间持续稳定工作，常常导致前端监控设施不能正常发挥作用。。


技术实现要素：

6.本发明所要解决的技术问题：边境偏远地区恶劣通信供电条件下的监控现场信息采集与智能分析处理、重要边防设施保护的难题。
7.本发明的技术方案：
8.一种边防前端探测处理系统，包括视频监控设备和定位设备，在探测区域安装入侵探测设备、定位设备和视频监控设备，入侵探测设备、定位设备和视频监控设备均连接前端智能处理终端，前端智能处理终端控制入侵探测设备为常开状态、视频监控设备为常闭状态，当入侵探测设备检测到异常信号时，打开视频监控设备采集现场视频，前端智能处理终端利用其智能分析算法模块进行目标提取和智能分析判断是否有目标入侵及是否需要向后端报警。
9.前端智能处理终端是前端监控信息分析处理的核心设备，集成监控现场各种前端设备，接入前端设备采集的各类传感器信息，利用智能处理终端嵌入式软件分析处理，实现重点区域视频监视，重要设施周界防范、位置监测，入侵目标智能检测识别，远程向监控站
后端报警功能。
10.所述入侵探测设备包括一个以上人体入侵传感器和振动传感器，布置在探测区域周界，传感器周期性的执行待机-工作循环。
11.所述定位设备为北斗或gps卫星定位信号接收设备；配置有供电通信设备，包括太阳能板、蓄电池、无线通讯终端、供电防雷模块及嵌入于前端智能处理终端的电源管理模块和网络通信模块。
12.所述前端智能处理终端，包括壳体、设置于壳体中的主电路板和运行于主电路板cpu处理器内的嵌入式软件，主电路板包括主cpu高速处理器、从cpu处理器、电源管理模块、卫星定位信号接收模块，wifi/蓝牙、4g/5g通信、串行通信、以太网通信等网络通信接口、视频输入、音频输入输出、数字信号输入输出和模拟信号输入模块接口。
13.嵌入式软件包括硬件组态配置、系统参数配置、动态模块加载、远程维护与升级、系统故障自检、电源管理策略、网络数据收发、报警判断策略、振动特征识别算法模块、可扩展的外设通讯协议、可扩展的算法模块。
14.报警判断策略：传感器执行待机-工作的循环，循环周期为1秒，若传感器发出报警或客户端发出请求，则开启视频监控设备的电源采集视频图像送入算法模块，通过运动轨迹模型比对智能判别运动目标是否为真正的入侵目标，若是则维持报警并通过网络通知客户端，若不是则停止报警并在一定时间后关闭视频监控设备。
15.算法模块通过视频分析探测区域被保护设施状态，建立设施的数学模型，每帧比对被保护设施的实时图像数据和数学模型之间的差异，分析设施是否有损毁、倒伏、被盗或破坏等异常情况。
16.振动特征识别算法模块包括：通过灵敏度自动调节和振动波形特征识别方法进行入侵感知，采集埋于地下的或固定在地表的振动传感器的振动放大装置产生的低频模拟信号，使用前端智能处理终端模数转换得到数字采样信号，数字采样频率大于低频振动信号的两倍，算法模块嵌入于前端智能处理终端的dsp芯片中，监测被保护设施周围的振动信号，自动滤出干扰信号。
17.采用多传感器联合分析数据，使用多个相同的振动传感器均匀分布在被保护目标周围，不同方向上的可疑振动信号被各个传感器以不同的幅值和相位采集，通过对多路振动信号联合分析，分辨出目标方位、类型特征；由模式识别算法进行识别并过滤掉多传感器的各向同性信号。
18.在模式识别算法中引入环境学习过程，通过自适应不同安装环境中的噪声和提取入侵特征，模式识别算法使用“学习-识别-再学习-再识别”框架，在已有的一套背景噪声和入侵特征数据库基础上，设备安装初始化阶段，首先快速学习当前环境，开始测试阶段记录识别入侵目标特征，使用最优化方法得到一组自适应的分类器，使之能区分环境噪声和入侵特征，并且在运行过程中根据识别到的环境噪声缓慢学习当前环境，最终进入一个稳定的震动识别阶段。
19.本发明的有益效果是：
20.提供了一种低功耗的支持无人值守的边防前端探测处理系统的解决方案，通过嵌入式前端智能处理终端完成多传感信号的接入、智能分析、与后端通信，实现前端系统智能低功耗电源管理，有效解决前端实时监控报警与边境地区无市电供应、电能缺乏时的监控
智能分析问题，使得前端系统既能满足边防入侵探测实时监控报警的需求，又能适应边境恶劣自然环境和通信供电条件，提高了系统边境偏远地区恶劣通信供电条件下的监控现场信息采集、目标探测分析和重要设施保护能力。
21.本发明公开了一种低功耗无人值守的边防前端探测处理系统，解决了边境偏远地区恶劣通信供电条件下的监控现场信息采集、智能分析处理和重要设施保护的难题，能提高边防监控前端的入侵目标探测、智能分析能力和系统环境适应能力，适于边境偏远地区的视频监控、重要区域入侵防范，重要设施保护等应用场景。所述边防前端探测处理系统由视频监视设备、入侵探测设备、卫星定位信号接收设备、供电通信设备和前端智能处理终端组成，前端智能处理终端是前端监控信息分析处理的核心设备。所述前端智能处理终端包括壳体和设置于壳体中的主电路板，以及运行于主电路板cpu处理器内的嵌入式软件，所述主电路板硬件包括主cpu、dsp和从cpu处理器，电源管理模块，wifi/蓝牙、4g/5g通信模块，北斗/gps卫星定位信号接收模块，以及串口、以太网口、视频输入、音频输出、数字信号输入和模拟信号输入等输入输出接口。所述嵌入式软件，采用3层结构模块化软件设计，底层为操作系统，中间层为硬件驱动层及网络协议，上层为应用，具有实时性强、稳定可靠、易于扩展、多线程任务等特点，采用了硬件组态、动态模块加载技术，支持不断升级防护算法和增强系统能力。
附图说明
22.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
23.图1为本发明实施例公开的一种前端探测处理系统架构。
24.图2为本发明实施例公开的前端智能处理终端结构。
25.图3为本发明实施例公开的前端智能处理嵌入式软件结构。
26.图4为本发明实施例公开的前端智能处理工作流程。
具体实施方式
27.实施例1：
28.一种边防前端探测处理系统，由视频监视设备、入侵探测设备、卫星定位信号接收设备、供电通信设备和前端智能处理终端组成。利用前端智能处理终端集成各种前端设备，实现监控前端现场信息采集接入、前端智能分析处理，边境重点区域视频监视，重要设施周界防范、位置监测，入侵目标智能检测识别远程向监控站后端报警。
29.所述视频监视设备，包括红外夜视一体化球机或监控摄像机，用于采集现场环境、重点监视区域和被保护设施的视频信号；所述入侵探测设备，包括人体入侵传感器、振动传感器等，用于采集现场环境的人、动物、车辆等目标接近重点防范区域(被保护重要设施)时的震动信号；所述卫星定位信号接收设备，包括并不限于北斗/gps卫星定位信号接收设备，主要由外置天线和嵌入于前端智能处理终端的信号接收模块等构成，用于接收北斗/gps等卫星定位信号采集被保护设施位置信息；所述供电通信设备，包括太阳能板、蓄电池、无线
通讯终端、供电防雷模块和嵌入于前端智能处理终端的智能电源管理模块和网络通信模块等，用于为前端探测处理系统的各种设备提供电源和通信保障；
30.系统核心的智能分析处理设备为前端智能处理终端，包括壳体、设置于壳体中的主电路板，以及运行于主电路板cpu处理器内的嵌入式软件。cpu处理器包括高速arm、高速dsp的主cpu和低功耗从cpu，主cpu高速arm内核负责高性能、高功耗、大内存的数据通讯处理，操控各种通讯外设驱动和接口ddr与flash存储，为嵌入式软件运行提供支撑，主cpu dsp内核专门负责报警分析、音视频编解码与入侵目标检测识别等算法运算处理，支持算法升级和扩展；采用片内集成了程序存储器(flash)、sram、休眠模块等的超低功耗混合型arm单片机作为从cpu处理器，专门负责检测采集各种振动信号、模拟量及开关量信号，对整个设备及接入设备的传感器电源进行低功耗管理。
31.前端智能处理终端，采用双cpu低功耗硬件体系结构、嵌入式软件设计，具备强大数字处理和计算能力，集成智能电源管理、网络通信、卫星信号接收等模块，以及串行通信接口、wifi蓝牙接口、以太网通信接口、视频信号输入接口、音频信号输入/输出接口、数字io信号输入/输出接口和模拟信号输入接口，用于接入多种视频和入侵探测传感器信号分析处理，扩展多种远程通讯手段，实现系统实时防护、入侵探测、视频监视和远程报警等功能。
32.运行于前端智能处理终端cpu处理器内的嵌入式软件：(1)采用3层结构模块化软件架构，底层为操作系统层，中间层为硬件驱动层及网络协议，上层为应用层；(2)应用层包括硬件组态配置、系统参数配置、动态模块加载、远程维护与远程升级、系统故障自检、电源管理策略、网络数据收发子模块，以及报警判断策略、振动特征识别算法模块、可扩展的外设通讯协议、可扩展的算法等子模块，利用硬件组态、动态模块加载等技术支持不断升级防护算法增强系统能力；(3)所述电源管理策略，根据电源管理模块的电源输入输出及电量信息，自动调整系统工作使用各种外设的频率，电量充足时充分利用电源，电量不足时适当降低耗电量大的外设工作频次，从而实现系统低功耗；(4)所述报警判断策略，在某个或某些传感输入信号检测到有异常情况发生时，通过多传感信息结合的报警判断策略进行报警识别，提高识别率降低误报率。例如红外传感方式的人体接近传感产生的报警信号常出现误报，则结合振动信号检查或通过视频复核来进一步判断是否真的需要报警；(5)所述振动特征识别算法模块运行于dsp处理器中，采用复杂的波形特征分析和模式识别算法，对人类活动引起的震动与其他原因(如山体滑坡或动物经过)引起的震动进行区分，提高入侵目标识别准确率，降低误报报警率；(6)所述可扩展算法模块在dsp中预留新算法模块扩展的接口，随着图像识别、模式识别、深度学习、网络神经算法等各种ai新技术的不断发展能加入新的算法或对原算法升级，提高系统智能分析处理能力。
33.实施例2：
34.本实施例一种边防前端探测处理系统，典型架构如附图1所示，包括视频监视设备、入侵探测设备、卫星定位信号接收设备、供电通信设备和前端智能处理终端。
35.所述视频监视设备，包括红外夜视一体化球机，设置于被保护设施附近的立杆基础上，用于采集监视区域视频图像。
36.所述入侵探测设备，包括至少1只人体入侵传感器、4只振动传感器，部署于被保护设施的重点监视区域周界，用于采集现场环境的人、动物、车辆等目标接近重点防范区域的
振动传感信号和人体热源信号。
37.所述卫星定位信号接收设备，包括并不限于北斗/gps卫星定位信号接收设备，主要由外置天线和嵌入于前端智能处理终端的信号接收模块构成，用于接收北斗/gps等卫星定位信号，采集被保护设施的经纬度位置信息。
38.所述供电通信设备，包括太阳能板、蓄电池、无线通讯终端、供电防雷模块及嵌入于前端智能处理终端的电源管理模块和网络通信模块等，用于为前端探测处理系统的各种前端探测传感设备提供电源和通信保障。
39.所述前端智能处理终端，包括壳体、设置于壳体中的主电路板，以及运行于主电路板cpu处理器内的嵌入式软件，所述主电路板结构如附图2所示，包括主cpu(含dsp)高速处理器和从cpu处理器，电源管理模块，卫星定位信号接收模块，wifi/蓝牙、4g/5g通信、串行通信、以太网通信等网络通信接口，以及视频输入、音频输入输出、数字信号输入输出和模拟信号输入等模块接口。
40.所述主cpu(高速处理器)，采用arm+dsp双核cpu，arm内核作为负责数据通讯处理的高性能、高功耗、大内存的cpu，用于操控各种通讯外设，驱动并接口ddr与flash存储，运行嵌入式操作系统，为系统嵌入式软件运行提供支撑；dsp处理器负责专门的算法运算处理，用于报警分析、音视频编解码及入侵目标检测识别等的算法处理，并为今后算法升级和扩展提供可能和便利。
41.所述从cpu(低功耗arm)，采用超低功耗混合型单片机，片内集成程序存储器(flash)、sram、休眠模块等，用于振动信号模拟量、开关量信号采集、检测，以及整个设备的电源功耗管理。平时采用“低功耗arm”进行监测工作，需要进一步降低功耗时，检测间隙进入“休眠模式”，在采集传感信息时由定时器唤醒，采集完成后继续休眠。
42.所述音频输出，用于将编码音频数字信号解码还原为音频信号，通过放大等进一步处理后从音频输出接口输出。
43.所述视频输入，用于通过视频输入接口接收模拟摄像机视频，进行数字化处理后通过dsp芯片中运行的编码处理算法进行编码压缩后，从以太网口输出h.264标准的网络数字视频信号。
44.所述模拟信号输入(ad模块)，采用多通道16位高精度模块，内置缓冲器及运算放大器。用于接入模拟信号，如温度传感器、压力传感器、振动传感器、超声波测距信号等。
45.所述数字信号输入，用于振动传感器或人体接近传感器、红外热源传感器输入，对于需要馈电的传感器，提供最高24v、30ma的对外馈电，馈电可以由程序控制完全切断。
46.所述串行通信接口(232/485)，用于通过232或485接口接入微波、卫星通信等数据，远程传输外部设备或北斗/gps定位模块、传感器等的数据。
47.所述以太网通信接口，用于接入红外夜视球机等网络数字摄像机视频信号及数据远程传输等。在现场有现成以太网络的情况下，可传输实时音视频数据，对于无线4g/5g网络还可直接连接4g/5g无线终端的以太网接口来实现接入。
48.所述电源管理模块，负责电源的升压、降压及电源开关控制，用于执行电源管理策略，系统休眠时将日常不用的模块电源切断，以降低功耗，实现低功耗功能。
49.所述嵌入式软件，采用3层结构模块化软件设计，软件结构如附图3所示，底层为操作系统，中间层为硬件驱动层及网络协议，上层为应用层。
50.所述操作系统层，采用dsp实时多任务操作系统和嵌入式操作系统，具有实时性强、稳定可靠、易于扩展、多线程任务等特点。
51.所述硬件驱动层包括网络驱动、串口驱动、时钟驱动、视频输入驱动、音频输入驱动等主要驱动程序，用于处理基本硬件功能驱动接口；
52.所述应用层以实用性为目标，采用硬件组态、动态模块加载技术，支持不断升级防护算法和增强系统能力。软件模块主要包括硬件组态配置、系统参数配置、动态模块加载、远程维护与升级、系统故障自检、电源管理策略、网络数据收发等子模块，以及报警判断策略、振动特征识别算法模块、可扩展的外设通讯协议、可扩展的算法等模块。
53.所述硬件组态配置，用于配置现场的硬件接口时使用，比如哪几路模拟输入口接入哪些振动传感器，哪路开关量输入接口接入红外传感器等。
54.所述系统参数配置，用于记录并存储系统的各种参数，包括：设备编号、用户名密码、后端监控客户端的ip地址和端口号、设备自检间隔时间、模拟输入信号的报警阈值、开关量输入信号是否高电平有效等。
55.所述动态模块加载，实现各子模块的动态加载，对新模块进行接口检测，当新模块出现异常时重新启用原有的模块，确保系统的稳定性。
56.所述远程维护与远程升级，利用专用的文件传输协议，远程下载新的软件模块，同时调用动态模块加载功能实现老版本软件模块卸载、新版本软件模块的安装等功能。
57.所述系统故障自检，根据硬件组态信息及系统参数信息，定时执行整个系统的故障检查工作，避免系统因软硬件故障而丧失防护能力。
58.所述电源管理策略，根据电源管理模块的电源输入输出信息，自动调整各种外设的使用频率，使得电量充足时可充分利用电源而电量不足时适当降低耗电量大的外设工作频次，从而实现系统低功耗。
59.所述网络数据收发模块，用于通过以太网、wifi/蓝牙、串口等通信接口收发网络数据。
60.所述报警判断策略，用于当某个或某些输入信号出现异常时，通过报警判断策略进行报警识别，提高识别率降低误报率。比如，红外传感方式产生的报警信号，经常出现误报，可结合振动信号检查或视频复核来进一步判断是否真的需要报警。
61.所述振动特征识别算法模块，运行于dsp内用于目标识别，对人类活动引起震动与其他原因(如山体滑坡或车辆经过)引起震动的振动波形特征分析，为提高识别率尽可能降低误报，利用dsp进行复杂的特征分析和模式识别。
62.所述可扩展的算法模块，用于预留新算法模块扩展接口，可随着图像识别、模式识别、深度学习、网络神经算法等各种ai新技术的不断发展，通过接口加入新的算法或对原算法升级，提高系统分析处理能力，该子模块运行于dsp中。
63.所述可扩展的外设通讯协议，用于扩展与其他外设的通讯能力，可选通过扩展接入微波通讯模块、卫星通讯模块等。
64.所述嵌入式软件运行于前端智能处理终端的处理器中，用于传感信息采集、智能分析处理和整个系统设备的低功耗工作管理，工作流程如附图4所示：
65.1、系统启动后，即进入无预警和报警时的正常工作状态，以1秒为周期的“待机-工作-待机”的振动信号采集工作模式开始工作，开启振动传感器供电；
66.2、判断振动传感、人体接近传感信号是否有采集到预警信号；
67.3、若有预警信号，闭合摄像机电源开关，开启摄像机采集视频图像送dsp中的算法模块分析；也可以由用户主动发出请求打开视频采集设备。
68.4、运行于dsp中的智能视频分析算法模块进行目标提取和智能分析，判断是否有目标入侵，是否需要向后端报警。优选的，采用如下方法提高报警准确率，减少误报。具体包括：
69.(1)采用计算机智能视觉技术，获取入侵目标动态，根据防范区域周界分析目标运动轨迹。采用每帧学习方式，动态获取防护设施附近的运动目标及目标轨迹，同时屏蔽背景干扰，主要是根据目标运动轨迹判断分析是否为入侵目标还是干扰物体，运用一系列数学运算公式建立背景干扰物体的运动轨迹模型，通过运动轨迹模型比对智能判别运动目标是否为真正的入侵目标；
70.(2)通过智能视频分析被保护设施状态，建立设施的数学模型，数学模型采用经验值和现场学习两种方式建立，每帧比对被保护设施的实时图像数据和数学模型之间的差异，分析设施是否有损毁、倒伏、被盗、破坏等异常情况；
71.5、比对结果为防范区域被非法入侵、设施倒伏、毁损、被盗等异常状态报警发生时确认报警，实时采集视频或现场图像抓拍，及时把图像或者图片传输到后端，软件程序产生并维持报警信号，通过网络发出事件消息通知后端；
72.6、智能分析结果为无报警时，启动2分钟倒计时定时器，倒计时时间到后如仍无报警则自动关闭摄像机电源，系统进入到刚开始时的正常工作状态(低功耗待机状态)。
73.优选的，采用低功耗智能电源管理技术，通过低功耗电源管理策略控制外设电源定时开启或关闭，降低电源功耗。日常工作时仅开启振动传感器供电，完全关断和停用其他外设电源，需要定时启动的外设不工作时转入低功耗状态。同时自适应匹配外部输入电源，市电断电时自动切换为使用太阳能蓄电池供电，动态调整防护策略和传感器的激活频率。
74.优选的，利用振动特征识别算法，通过灵敏度自动调节和振动波形特征识别方法进行入侵感知，算法模块嵌入于前端智能处理终端的dsp芯片中，监测被保护设施周围的振动信号，自动滤出干扰信号，实现高准确度的入侵检测。
75.具体采用如下方法进一步提高入侵目标检测的准确率：(1)采集埋于地下的或固定在地表的振动传感器的振动放大装置产生的低频模拟信号，使用前端智能处理终端模数转换得到数字采样信号，数字采样频率大于低频振动信号的两倍，以完全描述出振动信号的特征；(2)采用多传感器联合分析数据，使用多个相同的振动传感器均匀分布在被保护目标周围，获取更多信息的同时排除干扰，进一步提高精度。如本实施例安装4个振动传感器在目标的3点、6点、9点、12点钟方向，与被保护目标等间距(通常5～10米间距)，采集方向分别对应到传感器与被保护目标连线。这样，不同方向上的可疑振动信号被4个传感器以不同的幅值和相位采集，通过对这4路模数转换到处理器中的振动信号联合分析，可分辨出目标方位、类型等特征；(3)对于类似打雷等大范围的干扰信号，由于对较近分布的多传感器来说是一种各向同性信号，传感器采集到的幅值和相位均非常接近，由模式识别算法进行识别并过滤掉；(4)使用dsp处理采集的模数转换后数字信号，利用dsp内置的模式识别算法完成对信号的复杂分析处理，在模式识别算法中引入环境学习过程，通过自适应不同安装环境中的噪声和提取入侵特征，免去人工配置阶段的人力成本和人为误差，减少使用过程中
的设备维护量，提高准确度。(5)模式识别算法使用“学习-识别-再学习-再识别”框架，在已有的一套背景噪声和入侵特征数据库基础上，设备安装初始化阶段，首先快速学习当前环境(每分钟更新本地背景噪声数据库)，开始测试阶段记录识别入侵目标特征，使用最优化方法得到一组自适应的分类器，使之能区分环境噪声和入侵特征，并且在运行过程中根据识别到的环境噪声缓慢学习当前环境(每小时更新本地背景噪声数据库)，最终进入一个稳定的震动识别阶段。
76.最后说明的是，以上实施例仅是为清楚说明本发明的技术方案所作的较佳实施例而非限制，尽管参照本实施例对本发明进行了详细说明，本领域的技术人员应当理解，在本发明透露的技术范围内，可以根据本发明提供的技术方案加以等同替换或改变而不脱离本发明技术方案的宗旨和范围，所引申出的显而易见的变化或变动，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种边防前端探测处理系统，包括视频监控设备和定位设备，其特征在于：在探测区域安装入侵探测设备、定位设备和视频监控设备，入侵探测设备、定位设备和视频监控设备均连接前端智能处理终端，前端智能处理终端控制入侵探测设备为常开状态、视频监控设备为常闭状态，当入侵探测设备检测到异常信号时，打开视频监控设备采集现场视频，前端智能处理终端利用其智能分析算法模块进行目标提取和智能分析判断是否有目标入侵及是否需要向后端报警。2.根据权利要求1所述边防前端探测处理系统，其特征在于：所述入侵探测设备包括一个以上人体入侵传感器和振动传感器，布置在探测区域周界，传感器周期性的执行待机-工作循环。3.根据权利要求1所述边防前端探测处理系统，其特征在于：所述定位设备为北斗或gps卫星定位信号接收设备；配置有供电通信设备，包括太阳能板、蓄电池、无线通讯终端、供电防雷模块及嵌入于前端智能处理终端的电源管理模块和网络通信模块。4.根据权利要求1-3任一项所述边防前端探测处理系统，其特征在于：所述前端智能处理终端，包括壳体、设置于壳体中的主电路板和运行于主电路板cpu处理器内的嵌入式软件，主电路板包括主cpu高速处理器、从cpu处理器、电源管理模块、卫星定位信号接收模块，wifi/蓝牙、4g/5g通信、串行通信、以太网通信等网络通信接口，视频输入、音频输入输出、数字信号输入输出和模拟信号输入模块接口。5.根据权利要求4所述边防前端探测处理系统，其特征在于：嵌入式软件包括硬件组态配置、系统参数配置、动态模块加载、远程维护与升级、系统故障自检、电源管理策略、网络数据收发、报警判断策略、振动特征识别算法模块、可扩展的外设通讯协议、可扩展的算法模块。6.根据权利要求5所述边防前端探测处理系统，其特征在于所述报警判断策略：传感器执行待机-工作的循环，循环周期为1秒，若传感器发出报警或客户端发出请求，则开启视频监控设备的电源采集视频图像送入算法模块，通过运动轨迹模型比对智能判别运动目标是否为真正的入侵目标，若是则报警并通过网络通知客户端，若不是则停止报警并在一定时间后关闭视频监控设备。7.根据权利要求6所述边防前端探测处理系统，其特征在于：算法模块通过视频分析探测区域被保护设施状态，建立设施的数学模型，每帧比对被保护设施的实时图像数据和数学模型之间的差异，分析设施是否有损毁、倒伏、被盗或破坏等异常情况。8.根据权利要求7所述边防前端探测处理系统，其特征在于所述振动特征识别算法模块包括：通过灵敏度自动调节和振动波形特征识别方法进行入侵感知，采集埋于地下的或固定在地表的振动传感器的振动放大装置产生的低频模拟信号，使用前端智能处理终端模数转换得到数字采样信号，数字采样频率大于低频振动信号的两倍，算法模块嵌入于前端智能处理终端的dsp芯片中，监测被保护设施周围的振动信号，自动滤出干扰信号。9.根据权利要求8所述边防前端探测处理系统，其特征在于：采用多传感器联合分析数据，使用多个相同的振动传感器均匀分布在被保护目标周围，不同方向上的可疑振动信号被各个传感器以不同的幅值和相位采集，通过对多路振动信号联合分析，分辨出目标方位、类型特征；由模式识别算法进行识别并过滤掉多传感器的各向同性信号。10.根据权利要求9所述边防前端探测处理系统，其特征在于：在模式识别算法中引入
环境学习过程，通过自适应不同安装环境中的噪声和提取入侵特征，模式识别算法使用“学习-识别-再学习-再识别”框架，在已有的一套背景噪声和入侵特征数据库基础上，设备安装初始化阶段，首先快速学习当前环境，开始测试阶段记录识别入侵目标特征，使用最优化方法得到一组自适应的分类器，使之能区分环境噪声和入侵特征，并且在运行过程中根据识别到的环境噪声缓慢学习当前环境，最终进入一个稳定的震动识别阶段。

技术总结
本发明公开了一种边防前端探测处理系统，包括视频监控设备和定位设备，其特征在于：在探测区域安装入侵探测设备、定位设备和视频监控设备，入侵探测设备、定位设备和视频监控设备均连接前端智能处理终端，前端智能处理终端控制入侵探测设备为常开状态、视频监控设备为常闭状态，当入侵探测设备检测到异常信号时，打开视频监控设备采集现场视频，前端智能处理终端利用其智能分析算法模块进行目标提取和智能分析判断是否有目标入侵及是否需要向后端报警。本发明解决了边境偏远地区恶劣通信供电条件下的监控现场信息采集、智能分析处理和重要设施保护的难题，能提高边防监控前端的入侵目标探测、智能分析能力和系统环境适应能力。力。力。


技术研发人员：江涛
受保护的技术使用者：成都天奥集团有限公司
技术研发日：2022.11.30
技术公布日：2023/7/6