基于图像的分布式光纤周界振动信号处理与识别方法
【技术领域】
[0001] 本发明涉及光纤周界安防技术领域，尤其涉及一种基于图像的分布式光纤周界振 动信号处理与识别方法。
【背景技术】
[0002] 分布式光纤传感技术对沿光纤几何路径分布的环境物理参量进行连续实时的测 量，非常适合应用于较大空间范围。光纤既作为传感元件，又作为传输元件，其优势是敏感 度高、成本低、连续实时、监控距离长、隐蔽性高、抗电磁等环境因素干扰。为进一步满足安 防性能的需求，需要对触发系统监控区域的行为信息进行判别，同时屏蔽风雨环境以及系 统噪声的影响。专利号为201110005667. 7的《一种基于相干外差检测的全分布式光纤应变 及振动传感器》提到分布式周界系统的入侵检测和定位，但没涉及运动行为的识别。专利号 为201310026578. X的《一种光纤周界安防系统屏蔽气候影响的方法》通过对采集信号做短 时能量比和短时过零率的计算，设置短时能量比和短时过零率的阈值，将由于气候产生的 干扰信号剔除。专利号为201310158343. 6的《一种相敏光时域反射仪扰动信号检测与识别 方法》提出对空间某点的纵向时间序列信号进行分形特征提取，并基于分形特征进行外界 扰动检测和定位，分形特征作为阈值，判断是否有扰动信号发生，再基于该时间序列信号的 多尺度时频能量分布特征结合BP神经网络进行识别和分类。专利《基于分布式周界系统的 运动行为模式识别方法及系统》（201410571160. 1)基于分布式探测的原理，提取各种运动 行为模式的特征参量，其中包括响应形状，响应范围，持续时间，响应斜率及运动速度等，再 利用特征样本库的数据进行相关性分析。
[0003] 分布式光纤传感器的应用环境范围较广且复杂多样，测量信号的一致性较难保 证。光源功率波动，电路噪声等因素也会导致测量信号不稳定，系统噪声出现的时间与位置 是随机的。随着测量距离的延长，有用信号和噪声的幅度均呈减弱趋势。基于单点信号提 取的特征容易受到以上因素影响，干扰识别效果。本发明基于分布式光纤传感测量连续实 时的优势，结合图像处理算法，提出一种分布式周界振动信号处理与识别方法。
【发明内容】
[0004] 本发明的目的在于：利用分布式光纤传感技术连续实时的优势，结合图像处理算 法，对测量信号不稳定带来的干扰进行识别和屏蔽，降低误报率，同时对需要报警的行为进 行有效识别。
[0005] 本发明为实现目的所采用的技术方案是：
[0006] 提供一种基于图像的分布式光纤周界振动信号处理与识别方法，包括以下步骤：
[0007] 实时采集整个分布式周界探测范围内的所有探测点位的扰动数据；
[0008] 当某探测点位的扰动数据大于设定的阈值时，采集此刻该探测点及其周围MXN 区域范围内的扰动数据，将其数值映射到〇~255之间；
[0009] 根据映射值计算灰度共生矩阵，并计算灰度共生矩阵中多个方向的纹理特征统计 参数；
[0010] 比较多个方向的纹理特征统计参数数值，若相近，则认为此区域发生的是不定时 的系统噪声；
[0011] 若沿时间方向的纹理特征统计参数的数值与其他方向的数值的偏离超过设定值， 则认为此时发生了入侵扰动信号；
[0012] 对入侵扰动信号进行模式识别，以判定入侵行为的种类。
[0013] 本发明所述的方法中，所述多个方向为沿0°、45°、90°、135°的四个方向。
[0014] 本发明所述的方法中，步骤"对入侵扰动信号进行模式识别，以判定入侵行为的种 类"具体为：
[0015] 计算MXN区域范围的局部二值模式LBP直方图特征，与样本库中已知行为模板的 LBP直方图特征进行匹配，当与某类行为模板的相似度超过设定阈值时，则将此时的扰动信 号判别为此类行为。
[0016] 本发明所述的方法中，步骤"对入侵扰动信号进行模式识别，以判定入侵行为的种 类"还包括：
[0017] 若计算得到的LBP直方图特征与样本库中已知模式的相似度未超过设定阈值时， 则此时的扰动行为判别为未知行为，采集并保存此段数据，以备分析。
[0018] 本发明所述的方法中，计算MXN区域范围内的LBP特征，采用均匀化LBP算子。
[0019] 本发明所述的方法中，纹理特征统计参数包括纹理特征统计参数为惯性矩、熵、逆 差距、灰度相关、能量。
[0020] 本发明还提供了一种基于图像的分布式光纤周界振动信号处理与识别系统，包 括：
[0021] 采集模块，用于实时采集整个分布式周界探测范围内的所有探测点位的扰动数 据；
[0022] 图像生成模块，用于当某探测点位的扰动数据大于设定的阈值时，采集此刻该探 测点及其周围MXN区域范围内的扰动数据，将其数值映射到0~255之间；
[0023] 特征参数计算模块，用于根据映射值计算灰度共生矩阵，并计算灰度共生矩阵中 多个方向的纹理特征统计参数；
[0024] 扰动判定模块，用于比较多个方向的纹理特征统计参数数值，若相近，则认为此区 域发生的是不定时的系统噪声；若沿时间方向的纹理特征统计参数的数值与其他方向的数 值的偏离超过设定值，则认为此时发生了入侵扰动；
[0025] 模式识别模块，用于对入侵扰动信号进行模式识别，以判定入侵行为的种类。
[0026] 本发明所述的系统中，所述多个方向为沿0°、45°、90°、135°的四个方向。
[0027] 本发明所述的系统中，模式识别模块具体用于：
[0028] 计算MXN区域范围的局部二值模式LBP直方图特征，与样本库中已知行为模板的 LBP直方图特征进行匹配，当与某类行为模板的相似度超过设定阈值时，则将此时的扰动信 号判别为此类行为。
[0029] 本发明所述的系统中，模式识别模块还用于：
[0030] 若计算得到的LBP直方图特征与样本库中已知模式的相似度未超过设定阈值时， 则此时的扰动行为判别为未知行为，采集并保存此段数据，以备分析。
[0031] 本发明产生的有益效果是：本发明针对光源功率不稳定带来的检测信号基底波 动，系统噪声不定时出现以及有用信号和噪声的幅度均随探测距离延长呈减弱趋势等问 题，基于图像处理的思路，利用灰度共生矩阵算法以及描述光照不均匀情况下的图像特征 具有鲁棒性的特点，从图像纹理描述方面考虑，可有效抑制系统噪声干扰，降低误报率，同 时从图像识别方面考虑，对扰动信号进行模式识别，能够进一步提高分布式光纤传感技术 的智能识别能力。
【附图说明】
[0032] 下面将结合附图及实施例对本发明作进一步说明，附图中：
[0033] 图1是本发明实施例基于图像的分布式光纤周界振动信号处理与识别方法的流 程图；
[0034] 图2是本发明实施例基于图像的分布式光纤周界振动信号处理与识别系统。
【具体实施方式】
[0035] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不 用于限定本发明。
[0036] 本发明基于图像的分布式光纤周界振动信号处理与识别方法，如图1所示，包括 以下步骤：
[0037] S11、实时采集整个分布式周界探测范围内的所有探测点位的扰动数据；
[0038] S12、当某探测点位的扰动数据大于设定的阈值时，采集此刻该探测点及其周围 MXN区域范围内的扰动数据，将其数值映射到0~255之间；
[0039] S13、根据映射值计算灰度共生矩阵（GLCM)，并计算灰度共生矩阵中多个方向的纹 理特征统计参数；
[0040] S14、比较多个方向的纹理特征统计参数数值；
[0041] S15、若多个方向的纹理特征统计参数数值相近，则认为此区域发生的是不定时的 系统噪声；
[0042] S16、若沿时间方向的纹理特征统计参数的数值与其他方向的数值不相近且偏离 超过设定值，则认为此时发生了入侵扰动；
[0043] S17、对入侵扰动信号进行模式识别，以判定入侵行为的种类。基于图像的模式识 别方法可包括：LBP特征匹配、模板匹配（如预定模板、多模板匹配、主动形状模板等）、基于 概率统计的Bayes分类器、神经网络分类器等。
[0044] 步骤S13中，多个方向为沿0°、45°、90°、135°的四个方向。其中90°方向为 时间方向。
[0045] 步骤S15中，可以将多个方向的纹理特征统计参数数值与预先设置的值进行比 较，若未超过，则认为相近。还可以计算各个方向的纹理特征统计参数数值的中值，并比较 多个方向的纹理特征统计参数数