一种边境安全监测预警装置及方法与流程

1.本发明涉及安全监测技术领域，具体为一种边境安全监测预警装置及方法。


背景技术：

2.目前的边境防控存在部分边境巡查路线崎岖难行，巡查覆盖范围有限，巡查频率低，巡查任务开展困难等问题。


技术实现要素：

[0003][0004]
本发明提供一种边境安全监测预警装置及方法，可以有效解决上述背景技术中提出存在部分边境巡查路线崎岖难行，巡查覆盖范围有限，巡查频率低，巡查任务开展困难的问题。
[0005]
为实现上述目的，本发明提供如下技术方案：一种边境安全监测预警装置，包括常规传感单元、图像传感单元、第一存储单元、第二存储单元、预警决策单元、第三存储单元、uhf卫星直连通信单元、北斗定位单元和太阳能供电单元；
[0006]
所述预警决策单元包括常规预警模块、svm预警模块、神经网络预警模块和决策树模块；
[0007]
常规预警模块的输入包含激光对射传感器的输入sri和光纤振动的传感器输入spi，其判断方式为：
[0008][0009]
其中，con为常规传感单元的输出；
[0010]
i为搭载的子传感器编号；
[0011]
p为激光对射和光纤振动的权重；
[0012]
k为搭载的激光对射传感器的数量；
[0013]
l为搭载的光纤振动传感器的数量；
[0014]
所述神经网络预警模块是将可见光图像或者红外图像，用训练好的神经网络模型进行预测，以两层的神经网络为例，其预测的方式如下：
[0015]ypredict
＝f2(f1(s
test
w1+b1)w2+b2)
ꢀꢀ
(2)；
[0016]
其中，s
test
为测试样本集；
[0017]ypredict
为该测试样本集的预测结果；
[0018]
w1，w2为两层神经网络的权值；
[0019]
b1，b2为这两层神经网络对应的偏差；
[0020]
f1(.)、f(.)2为这两层神经网络对应的激活函数；
[0021]
所述决策数模型是将以上常规预警模块、svm预警模块、神经网络预警模块三个预测结果，进行多源信息融合与决策，决策的方式如下：
[0022]
fusion_result＝decisiontree(con_output，svm_output，neuro-output)
ꢀꢀ
(3)；
[0023]
其中，decisiontree(.)为决策树模型；
[0024]
con_output为常规预警模块的输出；
[0025]
svm_output为svm预警模块的输出；
[0026]
neuro_output为神经网络预警模块的输出；
[0027]
fusion_result为多源信息融合决策的结果。
[0028]
根据上述技术方案，所述常规传感单元主要用于监测激光对射、光纤震动等边境入侵监测数据，所述图像传感单元用于采集边境雷达数据、可见光、红外图像，所述第一存储单元用于存储常规传感单元、北斗定位单元获取的监测或位置数据，所述第二存储单元用于存储图像传感单元获取的边境图像数据，所述预警决策单元用于分析第一存储单元和第二存储单元中的感知数据，对边境入侵状况进行决策分析，所述第三存储单元用于存储预警决策单元的分析决策结果，所述uhf卫星直连通信单元负责该装置与卫星的通信，所述太阳能供电单元负责该装置的供电，所述北斗定位单元负责该装置具体位置的测定；
[0029]
所述常规传感单元、北斗定位单元均与第一存储单元相连，所述图像传感单元与第二存储单元相连，所述第一存储单元、第二存储单元、第三存储单元、太阳能供电单元均与预警决策单元相连，所述第三存储单元与uhf卫星直连通信单元相连；
[0030]
常规预警模块与第一存储单元相连，用于对激光对射、光纤振动传感器数据进行分析，svm预警模块与第二存储单元相连，用于对雷达图像进行分析，神经网络预警模块与第二存储单元相连，用于对可见光图像、红外图像进行分析，决策树模块与常规预警模块、svm预警模块、神经网络预警模块、第三存储单元相连，用于对常规预警模块、svm预警模块、神经网络预警模块的数据分析结果进行信息融合与决策，产生的决策结果保存在第三存储单元。
[0031]
根据上述技术方案，所述常规传感单元包括激光对射传感器、光纤振动传感器，其中，激光对射传感模块通过发射端发出激光，接收端接收，有物体经过光线切断，该模块就输出边境入侵信号，光纤振动传感器是在检测光纤振动时，光纤的光源会产生一个振动源，振动光缆主机接收振动波后，返回振动信号，并被采集卡收集和处理，从而确定入侵状况和入侵位置，常规传感单元的数据采集完成后保存在第一存储单元；
[0032]
所述图像传感单元包括可见光、红外摄像头、雷达，通过对边境的可见光图像、红外图像、雷达图像进行采集，用于后续对边境入侵情况进行分析和决策，图像传感单元的数据保存在第二存储单元；
[0033]
所述uhf卫星直连通信单元在iot卫星过境时，实现与卫星的直连通信，该iot卫星搭载与uhf卫星直连通信单元适配的uhf通信模块，uhf卫星直连通信单元将信息融合的结果、北斗定位与时间信息传输给卫星，让卫星回传给地面站，最终提供给边境管理人员使用；
[0034]
所述北斗定位单元负责该装置的精确定位与时间同步，定位信息与时间信息保存在第一存储单元；
[0035]
所述太阳能供电单元，太阳能供电单元为该边境安全装置供电，安全装置在无人值守情况下稳定运行。
[0036]
根据上述技术方案，一种边境安全监测预警方法，包括以下步骤：
[0037]
s100、在边境选定的合适位置部署一系列边境安全监测装置，设置该装置中的常规传感单元按照某一固定频率采集激光对射数据与光纤振动数据，将这两类数据存储于第一存储单元；
[0038]
s200、设置该装置中的北斗定位单元按照某一固定频率采集北斗定位数据与时间同步数据，将数据存储于第一存储单元；
[0039]
s300、设置图像传感单元按照某一固定频率采集可见光、红外图像与雷达图像，将图像数据存储于第二存储单元；
[0040]
s400、预警决策单元从第一存储单元和第二存储单元中取常规传感数据、图像传感数据，对其进行多源数据分析与融合决策，输出融合决策的结果，存储于第三存储单元；
[0041]
s500、uhf卫星直连通信单元将第一存储单元中的北斗定位数据与时间同步数据，以及第三存储单元中的融合决策分析结果，合成通信数据包，传输给卫星，让卫星回传给地面站，最终提供给边境管理人员使用。
[0042]
根据上述技术方案，所述s400中，具体包括以下步骤：
[0043]
s401、预警决策单元中的常规预警模块从第一存储单元中取激光对射数据与光纤振动数据，采用常规预警模块中的数据分析模型进行分析，得出常规预警分析结果；
[0044]
s402、预警决策单元中的svm预警模块从第二存储单元中取雷达图像数据，利用预先训练好的svm模型进行雷达图像分析，得出svm分析结果；
[0045]
s403、预警决策单元中的神经网络预警模块从第二存储单元中取可见光、红外图像数据，利用预先训练好的神经网络模型进行入侵目标识别，得出神经网络分析结果；
[0046]
s404、预警决策单元中的决策树模块将常规预警分析结果、svm分析结果、神经网络分析结果，利用训练好的决策树模型进行融合决策分析，得出融合决策分析的结果，并存储于第三存储单元。
[0047]
与现有技术相比，本发明的有益效果：
[0048]
1、本发明提出的边境安全监测装置可以在无能源供应的边境进行部署，自带的太阳能模块可以保证本装置稳定的能源供应。
[0049]
2、本发明提出的边境安全监测装置可以对激光对射数据、光纤振动数据、雷达图像数据、可见光图像数据、红外图像数据等多项数据采集，数据来源丰富，分析的结果更可靠。
[0050]
3、本发明提出的边境安全监测装置设置了常规预警模块、svm预警模块、神经网络分析模块对各类数据进行分析，最后使用决策树模块对边境入侵情况进行融合决策，使得边境安全监测的结果更加可靠。
[0051]
4、本发明提出的边境安全监测装置具备与卫星直连通信的能力，使得本装置在无网络覆盖的边境地区也能实现边境安全信息的可靠传输。
[0052]
综上所述，通过在边境线合理部署安全监测预警装置，借助激光对射、光纤振动、雷达、可见光摄像头、红外摄像头等感知设备，以及数据分析和融合决策算法，并借助uhf模块与卫星直连通信，不依赖于网络设施，直接实现边境安全信息的汇总与回传。
附图说明
[0053]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实
施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0054]
图1是本发明的边境安全监测预警装置的结构框图；
[0055]
图2是本发明的预警决策单元的结构框图；
[0056]
图3是本发明的边境安全监测预警方法流程图。
具体实施方式
[0057]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0058]
实施例：如图1-2所示，本发明提供一种技术方案，一种边境安全监测预警装置，包括常规传感单元、图像传感单元、第一存储单元、第二存储单元、预警决策单元、第三存储单元、uhf卫星直连通信单元、北斗定位单元和太阳能供电单元；
[0059]
常规传感单元主要用于监测激光对射、光纤震动等边境入侵监测数据，图像传感单元主要用于采集边境雷达数据、可见光、红外图像，第一存储单元用于存储常规传感单元、北斗定位单元等获取的监测或位置数据，第二存储单元用于存储图像传感单元获取的边境图像数据，预警决策单元用于分析第一存储单元和第二存储单元中的感知数据，对边境入侵状况进行决策分析，第三存储单元用于存储预警决策单元的分析决策结果，uhf卫星直连通信单元负责该装置与卫星的通信，太阳能供电单元负责该装置的供电，北斗定位单元负责该装置具体位置的测定；
[0060]
常规传感单元、北斗定位单元均与第一存储单元相连，图像传感单元与第二存储单元相连，第一存储单元、第二存储单元、第三存储单元、太阳能供电单元均与预警决策单元相连，第三存储单元与uhf卫星直连通信单元相连；
[0061]
根据上述技术方案，常规传感单元包括激光对射传感器、光纤振动传感器，其中，激光对射传感模块通过发射端发出激光，接收端接收，有物体经过光线切断，该模块就输出边境入侵信号，光纤振动传感器是在检测光纤振动时，光纤的光源会产生一个振动源，振动光缆主机接收振动波后，返回振动信号，并被采集卡收集和处理，从而确定入侵状况和入侵位置，常规传感单元的数据采集完成后保存在第一存储单元；
[0062]
图像传感单元包括可见光、红外摄像头、雷达，通过对边境的可见光图像、红外图像、雷达图像进行采集，用于后续对边境入侵情况进行分析和决策，图像传感单元的数据保存在第二存储单元；
[0063]
预警决策单元包括常规预警模块、svm预警模块、神经网络预警模块和决策树模块，其中，常规预警模块与第一存储单元相连，用于对激光对射、光纤振动传感器数据进行分析，svm预警模块与第二存储单元相连，用于对雷达图像进行分析，神经网络预警模块与第二存储单元相连，用于对可见光图像、红外图像进行分析，决策树模块与常规预警模块、svm预警模块、神经网络预警模块、第三存储单元相连，用于对常规预警模块、svm预警模块、神经网络预警模块的数据分析结果进行信息融合与决策，产生的决策结果保存在第三存储单元；
[0064]
常规预警模块的输入包含激光对射传感器的输入sri和光纤振动的传感器输入spi，其判断方式为：
[0065][0066]
其中，con为常规传感单元的输出；
[0067]
i为搭载的子传感器编号；
[0068]
p为激光对射和光纤振动的权重；
[0069]
k为搭载的激光对射传感器的数量；
[0070]
l为搭载的光纤振动传感器的数量；
[0071]
svm预警模块的输入为雷达图像，其训练、超参数调节、预测的过程如下表所示：
[0072]
svm预警模块工作流程表
[0073][0074][0075]
其中，为独立的两个训练集；
[0076]
为独立的两个测试集；
[0077]
在带高斯rbf核的svm中，c和γ是两个用于调节模型正则化程度的超参数，用训练两个svm模型，然后再进行交叉验证来调节超参数，最后可以获得最好的超参数集和分别对应着该svm预警模块的上限预测器和下限预测器；
[0078]
神经网络预警模块是将可见光图像或者红外图像，用训练好的神经网络模型进行预测，以两层的神经网络为例，其预测的方式如下：
[0079]ypredict
＝f2(f1(s
test
w1+b1)w2+b2)
ꢀꢀ
(2)；
[0080]
其中，s
test
为测试样本集；
[0081]ypredict
为该测试样本集的预测结果；
[0082]
w1，w2为两层神经网络的权值；
[0083]
b1，b2为这两层神经网络对应的偏差；
[0084]
f1(
·
)、f(.)2为这两层神经网络对应的激活函数；
[0085]
决策数模型是将以上常规预警模块、svm预警模块、神经网络预警模块三个预测结果，进行多源信息融合与决策，决策的方式如下：
[0086]
fusion_result＝decisiontree(con_output，svm_output，neuro_output)
ꢀꢀ
(3)；
[0087]
其中，decisiontree(.)为决策树模型；
[0088]
con_output为常规预警模块的输出；
[0089]
svm_output为svm预警模块的输出；
[0090]
neuro_output为神经网络预警模块的输出；
[0091]
fusion_result为多源信息融合决策的结果；
[0092]
北斗定位单元负责该装置的精确定位与时间同步，定位信息与时间信息保存在第一存储单元；
[0093]
uhf卫星直连通信单元在iot卫星过境时，实现与卫星的直连通信，该iot卫星搭载与uhf卫星直连通信单元适配的uhf通信模块，uhf卫星直连通信单元将信息融合的结果、北斗定位与时间信息传输给卫星，让卫星回传给地面站，最终提供给边境管理人员使用；
[0094]
太阳能供电单元，太阳能供电单元为该边境安全装置供电，安全装置在无人值守情况下稳定运行。
[0095]
如图3所示，本发明提供一种边境安全检测预警方法，包括以下步骤：
[0096]
s100、在边境选定的合适位置部署一系列边境安全监测装置，设置该装置中的常规传感单元按照某一固定频率采集激光对射数据与光纤振动数据，将这两类数据存储于第一存储单元；
[0097]
s200、设置该装置中的北斗定位单元按照某一固定频率采集北斗定位数据与时间同步数据，将数据存储于第一存储单元；
[0098]
s300、设置图像传感单元按照某一固定频率采集可见光、红外图像与雷达图像，将图像数据存储于第二存储单元；
[0099]
s400、预警决策单元从第一存储单元和第二存储单元中取常规传感数据、图像传感数据，对其进行多源数据分析与融合决策，输出融合决策的结果，存储于第三存储单元，具体包括以下步骤：
[0100]
s401、预警决策单元中的常规预警模块从第一存储单元中取激光对射数据与光纤振动数据，采用常规预警模块中的数据分析模型进行分析，得出常规预警分析结果；
[0101]
s402、预警决策单元中的svm预警模块从第二存储单元中取雷达图像数据，利用预先训练好的svm模型进行雷达图像分析，得出svm分析结果；
[0102]
s403、预警决策单元中的神经网络预警模块从第二存储单元中取可见光、红外图像数据，利用预先训练好的神经网络模型进行入侵目标识别，得出神经网络分析结果；
[0103]
s404、预警决策单元中的决策树模块将常规预警分析结果、svm分析结果、神经网络分析结果，利用训练好的决策树模型进行融合决策分析，得出融合决策分析的结果，并存储于第三存储单元
[0104]
s500、uhf卫星直连通信单元将第一存储单元中的北斗定位数据与时间同步数据，以及第三存储单元中的融合决策分析结果，合成通信数据包，传输给卫星，让卫星回传给地面站，最终提供给边境管理人员使用。
[0105]
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽
管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种边境安全监测预警装置，其特征在于：包括常规传感单元、图像传感单元、第一存储单元、第二存储单元、预警决策单元、第三存储单元、uhf卫星直连通信单元、北斗定位单元和太阳能供电单元；所述预警决策单元包括常规预警模块、svm预警模块、神经网络预警模块和决策树模块；常规预警模块的输入包含激光对射传感器的输入sr
i
和光纤振动的传感器输入sp
i
，其判断方式为：其中，con为常规传感单元的输出；i为搭载的子传感器编号；p为激光对射和光纤振动的权重；k为搭载的激光对射传感器的数量；l为搭载的光纤振动传感器的数量；所述神经网络预警模块是将可见光图像或者红外图像，用训练好的神经网络模型进行预测，以两层的神经网络为例，其预测的方式如下：y
predict
＝f2(f1(s
test
w1+b1)w2+b2) (2)；其中，s
test
为测试样本集；y
predict
为该测试样本集的预测结果；w1，w2为两层神经网络的权值；b1，b2为这两层神经网络对应的偏差；f1(
·
)、f(
·
)2为这两层神经网络对应的激活函数；所述决策数模型是将以上常规预警模块、svm预警模块、神经网络预警模块三个预测结果，进行多源信息融合与决策，决策的方式如下：fusion_result＝decisiontree(con_output，svm_output，neuro-output) (3)；其中，decisiontree(.)为决策树模型；con_output为常规预警模块的输出；svm_output为svm预警模块的输出；neuro_output为神经网络预警模块的输出；fusion_result为多源信息融合决策的结果。2.根据权利要求1所述的一种边境安全监测预警装置，其特征在于，所述常规传感单元主要用于监测激光对射、光纤震动等边境入侵监测数据；所述图像传感单元用于采集边境雷达数据、可见光、红外图像；所述第一存储单元用于存储常规传感单元、北斗定位单元获取的监测或位置数据；所述第二存储单元用于存储图像传感单元获取的边境图像数据；所述预警决策单元用于分析第一存储单元和第二存储单元中的感知数据，对边境入侵状况进行决策分析；所述第三存储单元用于存储预警决策单元的分析决策结果，所述uhf卫星直连通信单
元负责该装置与卫星的通信；所述太阳能供电单元负责该装置的供电，所述北斗定位单元负责该装置具体位置的测定；所述常规传感单元、北斗定位单元均与第一存储单元相连，所述图像传感单元与第二存储单元相连，所述第一存储单元、第二存储单元、第三存储单元、太阳能供电单元均与预警决策单元相连，所述第三存储单元与uhf卫星直连通信单元相连；常规预警模块与第一存储单元相连，用于对激光对射、光纤振动传感器数据进行分析，svm预警模块与第二存储单元相连，神经网络预警模块与第二存储单元相连，决策树模块与常规预警模块、svm预警模块、神经网络预警模块、第三存储单元相连，产生的决策结果保存在第三存储单元。3.根据权利要求1所述的一种边境安全监测预警装置，其特征在于，所述常规传感单元包括激光对射传感器、光纤振动传感器，其中，激光对射传感模块通过发射端发出激光，接收端接收，有物体经过光线切断，该模块就输出边境入侵信号，光纤振动传感器是在检测光纤振动时，光纤的光源会产生一个振动源，振动光缆主机接收振动波后，返回振动信号，并被采集卡收集和处理，从而确定入侵状况和入侵位置，常规传感单元的数据采集完成后保存在第一存储单元；所述图像传感单元包括可见光、红外摄像头、雷达，通过对边境的可见光图像、红外图像、雷达图像进行采集，用于后续对边境入侵情况进行分析和决策，图像传感单元的数据保存在第二存储单元；所述uhf卫星直连通信单元在iot卫星过境时，实现与卫星的直连通信，该iot卫星搭载与uhf卫星直连通信单元适配的uhf通信模块，uhf卫星直连通信单元将信息融合的结果、北斗定位与时间信息传输给卫星，让卫星回传给地面站，最终提供给边境管理人员使用；所述北斗定位单元负责该装置的精确定位与时间同步，定位信息与时间信息保存在第一存储单元；所述太阳能供电单元，太阳能供电单元为该边境安全装置供电，安全装置在无人值守情况下稳定运行。4.一种边境安全监测预警方法，用于根据权利要求1-3任一项所述的一种边境安全监测预警装置的预警方法，其特征在于，包括以下步骤：s100、在边境选定的合适位置部署一系列边境安全监测装置，设置该装置中的常规传感单元按照某一固定频率采集激光对射数据与光纤振动数据，将这两类数据存储于第一存储单元；s200、设置该装置中的北斗定位单元按照某一固定频率采集北斗定位数据与时间同步数据，将数据存储于第一存储单元；s300、设置图像传感单元按照某一固定频率采集可见光、红外图像与雷达图像，将图像数据存储于第二存储单元；s400、预警决策单元从第一存储单元和第二存储单元中取常规传感数据、图像传感数据，对其进行多源数据分析与融合决策，输出融合决策的结果，存储于第三存储单元；s500、uhf卫星直连通信单元将第一存储单元中的北斗定位数据与时间同步数据，以及第三存储单元中的融合决策分析结果，合成通信数据包，传输给卫星，让卫星回传给地面
站，最终提供给边境管理人员使用。5.根据权利要求4所述的一种边境安全监测预警方法，其特征在于，所述s400中，具体包括以下步骤：s401、预警决策单元中的常规预警模块从第一存储单元中取激光对射数据与光纤振动数据，采用常规预警模块中的数据分析模型进行分析，得出常规预警分析结果；s402、预警决策单元中的svm预警模块从第二存储单元中取雷达图像数据，利用预先训练好的svm模型进行雷达图像分析，得出svm分析结果；s403、预警决策单元中的神经网络预警模块从第二存储单元中取可见光、红外图像数据，利用预先训练好的神经网络模型进行入侵目标识别，得出神经网络分析结果；s404、预警决策单元中的决策树模块将常规预警分析结果、svm分析结果、神经网络分析结果，利用训练好的决策树模型进行融合决策分析，得出融合决策分析的结果，并存储于第三存储单元。

技术总结
本发明公开了一种边境安全监测预警装置，包括常规传感单元、图像传感单元、第一存储单元、第二存储单元、预警决策单元、第三存储单元、UHF卫星直连通信单元、北斗定位单元和太阳能供电单元，本发明通过在边境线合理部署安全监测预警装置，借助激光对射、光纤振动、雷达、可见光摄像头、红外摄像头等感知设备，以及数据分析和融合决策算法，并借助UHF模块与卫星直连通信，不依赖于网络设施，直接实现边境安全信息的汇总与回传。全信息的汇总与回传。全信息的汇总与回传。


技术研发人员：陈佳喜 陆俊杰
受保护的技术使用者：地卫二空间技术（杭州）有限公司
技术研发日：2022.12.05
技术公布日：2023/5/30