[发明专利]一种基于多源信息融合的周界入侵识别方法

说明书

本发明公开了一种基于多源信息融合的周界入侵识别方法，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；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。本发明的方法结合图像、声音和振动传感器构建目标识别技术，弥补了图像传感器被遮挡破坏时系统无法正常工作的问题，提高了周界预警系统的容错能力。

技术领域

本发明属于周界安防领域及信号处理与识别领域，涉及一种多源信息融合的目标识别方法。

背景技术

当前的周界预警系统防入侵手段比较单一，且检测识别准确性受环境影响较大，在实际应用中可靠性较低，难以起到预先防范的效果。

利用单一传感器来检测是否入侵并不完全准确，而多源信息融合，采用多传感器进行检测，就能避免检测结果不准确的问题。多源信息融合一般分为数据级融合、特征级融合和决策级融合。其中数据级融合是将原始数据在输入分类器之前进行融合，但是这必然会丢失部分入侵目标的独有特征。决策级融合则是将分类结果进行融合，决策级融合具有良好的实时性和容错能力，但预处理成本较高。特征级融合的方法既能有效提取传感器的独立特征，实现良好的信息压缩，也能达到很高的识别精度。

发明内容

为了解决现有周界入侵检测系统误报率、入侵对象识别不准确和缺乏智能化等问题，本发明提供了一种基于多源信息融合的周界入侵识别方法。该方法通过结合振动传感器、声音传感器和图像传感器采集不同的数据，利用彼此之间的互补性，采用多协同表示学习方法，提升多目标在特征级的特征融合能力，从而实现现对入侵行为的有效检测与识别。

本发明的目的是通过以下技术方案实现的：

一种基于多源信息融合的周界入侵识别方法，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，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；

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，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；