[发明专利]一种基于多源信息融合的周界入侵识别方法

权利要求书

1.一种基于多源信息融合的周界入侵识别方法，其特征在于所述方法包括如下步骤：

步骤S1：搭建基于多传感器的数据采集系统，其中：

所述数据采集系统包括振动感知单元阵列、声阵列感知单元、图像感知单元和远程通信单元；

步骤S2：通过步骤S1搭建的数据采集系统采集环境信号和入侵目标信号，通过小波阈值去噪、图像增强的方式建立入侵目标和环境噪声的样本数据库；

步骤S3：对步骤S2构建的样本数据库，通过多域特征提取算法提取样本数据库的环境数据和目标数据的特征值；

步骤S4：将步骤S3构建的不同类型特征值利用融合网络进行多特征融合，最后送入目标识别算法，判断当前是否入侵。

2.根据权利要求1所述的基于多源信息融合的周界入侵识别方法，其特征在于所述步骤S1中，振动感知单元阵列由振动传感器组成，声阵列感知单元由声传感器组成，图像感知单元由图像传感器组成。

3.根据权利要求2所述的基于多源信息融合的周界入侵识别方法，其特征在于所述振动传感器采用地埋式无源动圈传感器，图像传感器采用红外摄像头。

4.根据权利要求1所述的基于多源信息融合的周界入侵识别方法，其特征在于所述步骤S2的具体步骤如下：

步骤S21：将数据采集系统布置在周围没有运动目标的测试场地，采集不同时间和不同天气情况下的环境数据；

步骤S22：采集不同运动模式和不同距离的人员运动信号，采集不同车速和不同距离的车辆运动信号；

步骤S23：根据步骤S21采集的环境数据和步骤S22采集的运动信号，建立入侵目标运动数据和环境数据样本数据库；

步骤S24：对步骤S23建立的样本数据库中一维的振动信号和声音信号采用小波降噪的方法实现信号预处理，对二维的图像信号采用图像增强的方法实现信号预处理。

5.根据权利要求1所述的基于多源信息融合的周界入侵识别方法，其特征在于所述步骤S3的具体步骤如下：

步骤S31：提取入侵目标振动信号特征值

步骤S311：通过提取大量行人振动信号和多种车辆振动信号的特征值，分析多种人员和车辆振动信号数据，提取目标运动的节奏和幅度特征，建立特征之间的差异性与关联性评估；

步骤S312：利用基于L1正则化的线性模型特征选择方法，筛选人车分类的有效分类特征；

步骤S313：通过基于时域、频域和时频域特征的特征向量，设计轻量级神经网络，利用神经网络训练输入信号，将某一隐藏层作为特征提取层，构建基于神经网络的振动信号特征提取模型，利用该模型提取入侵目标振动信号有效特征值；

步骤S32：提取入侵目标声音信号特征值

步骤S321：对声音信号进行有效特征提取，从中提取能区别人、车、环境信息；

步骤S322：结合轻量化神经网络训练S321提取的有效特征，构建基于神经网络的声音信号特征提取模型；

步骤S33：提取入侵目标图像信号特征值

步骤S331：输入一幅图片，将其进行尺寸纬度转换，然后输入到预训练好的提取网络中获得不同大小的特征映射；

步骤S332：抽取Conv4_3、Conv7_2、Conv8_2、Conv9_2、Conv10_2、Conv11_2层的特征图，分别在这些特征图上面的每一个点构造6个不同尺度大小的边缘框进行检测，生成多个初步符合条件的边缘框；

步骤S333：将不同特征图获得的边缘框结合起来，经过非极大值抑制方法得到目标位置结果。