本发明涉及安防监控技术领域，尤其涉及一种智能光纤周界报警系统。
背景技术：
重要安保活动场所如住地、油田、监狱等，安保要求等级高。现场监控呈现监控点多、分布广，甚至多个安保单位及流动人员往来复杂的特点，场所的防控难度加大。为更加高效地利用有限的安保资源，迫切需要建设高度信息化、智能化且能快速部署的新型周界防控系统，对安保场所进行高效、高置信度、大范围的自动化周界防控。
随着技术进步和安防事业的整体发展，周界防护系统技术也在不断更新，当今的周界防护报警系统主要包括：红外线探测周界报警系统、脉冲电子围栏周界报警系统、振动光缆周界报警系统、泄露电缆周界报警系统、张力式围栏周界报警系统、智能视频分析周界报警系统等。其中振动光缆周界防控技术以虚警率低、可靠性高、探测精度高、无源探测易于布控和相对低廉的成本受到业内的青睐，但传统的光纤周界报警系统智能化程度低，难以满足当前的智能化、低虚警率需求。因此，亟待开发对活动场所周界防控状态进行智能感知，对越界、翻墙等行为自动报警并显示相关信息，为工作人员决策作出技术支撑的高度智能化周界安保系统。
技术实现要素：
本发明要解决的技术问题在于，针对现有技术中以上的缺陷，提供一种智能光纤周界报警系统。
为了解决上述技术问题，本发明提供了一种智能光纤周界报警系统，包括：
探测模块，通过分布于周界处的振动光缆感受干扰并产生干涉信号；
报警模块，用于解译所述探测模块传输的干涉信号，基于深度学习的报警信号处理方法判断是否有入侵报警，并生成初步报警信号；
报警裁判模块，用于根据报警模块上传的初步报警信号，判断为初始信号或者接收的间隔时间超过预设时间时产生终端报警信号；
综合显控模块，用于根据所述终端报警信号进行报警。
在根据本发明所述的智能光纤周界报警系统中，优选地，所述报警模块包括：
模型训练单元，用于采集干扰因素引起误报时的时域频域信息，形成干扰因素数据库，并对干扰因素数据库进行训练学习后形成第一判决条件；同时采集人翻越行为的时域频域信息形成人翻越行为数据库，并对人翻越行为数据库进行训练学习后形成第二判决条件；
信号检测单元，用于判断探测模块产生的干涉信号是否满足第二判决条件而不满足第一判决条件，是则输出初步报警信号，否则不输出初步报警信号。
在根据本发明所述的智能光纤周界报警系统中，优选地，所述智能光纤周界报警系统还包括：信息传输模块，用于将报警模块、报警裁判模块和综合显控模块进行信息组网。
在根据本发明所述的智能光纤周界报警系统中，优选地，所述综合显控模块还包括：视频联动单元，用于在接收终端报警信号后发送视频启动信号给分布在对应周界处的图像采集装置获取实时录像或者录像截图。
在根据本发明所述的智能光纤周界报警系统中，优选地，所述综合显控模块为固定终端和/或移动终端。
在根据本发明所述的智能光纤周界报警系统中，优选地，所述预设时间为20s～40s。
在根据本发明所述的智能光纤周界报警系统中，优选地，所述振动光缆以正弦波走线或者平行走线方式分布于周界的挂网上或进行地埋。所述振动光缆以正弦波走线时，每隔40～50公分进行一次固定。所述振动光缆以平行走线方式时，平行间距为20～30cm。所述振动光缆地埋宽度不小于1m。
实施本发明的智能光纤周界报警系统，具有以下有益效果：本发明采用基于深度学习的报警信号处理方法对探测信号进行分析，生成初步报警信号，并通过二次裁判的方式进一步避免光纤振动延时产生的误报警，有效降低了系统的虚警率。
附图说明
图1为根据本发明优选实施例的智能光纤周界报警系统的模块框图；
图2为根据本发明优选实施例的智能光纤周界报警系统的周界布置示意图；
图3为根据本发明优选实施例的智能光纤周界报警系统中报警模块的框图；
图4为根据本发明优选实施例的基于深度学习的报警信号处理方法的流程图；
图5为根据本发明优选实施例的智能光纤周界报警系统中信息传输模块示意图；
图6为根据本发明优选实施例的windows系统的综合显控终端界面图；
图7为根据本发明优选实施例的android系统的综合显控终端界面图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，为根据本发明优选实施例的智能光纤周界报警系统的模块框图。如图1所示，该实施例提供的系统包括：探测模块101、报警模块102、报警裁判模块103和综合显控模块104。请结合参阅图2，为根据本发明优选实施例的智能光纤周界报警系统的周界布置示意图。
探测模块101用于通过分布于周界处的振动光缆感受干扰并产生干涉信号。探测模块101的工作原理主要基于“光纤干涉仪”原理。探测模块101为检测微弱振动，采用两芯单模光纤构成平衡光纤干涉仪，当光纤受到外界干扰时，干涉光的输出波形改变，并产生干涉图像。优选地，探测模块101包括振动光缆和光路分束器等。振动光缆采用通信级单模光缆。振动光缆作为入侵探测器，实现报警信号的探测和传输。光束分束器将激光光束进行分路形成两路相干光路。优选地，振动光缆以正弦波走线或者平行走线方式分布于周界的挂网上或进行地埋。采用正弦波走线时，每隔40～50公分进行一次固定。采用地埋平行走线时，平行间距20～30cm。地埋宽度不小于1m。优选地，探测模块101可以在周界上设置多个。
报警模块102与探测模块101连接，用于解译探测模块101传输的干涉信号，基于深度学习的报警信号处理方法判断是否有入侵报警，并生成初步报警信号。报警模块102具有光探测器，可通过引导光缆与探测模块101连接，可检测波形变化。且报警模块102包括信号处理机，用于解译探测模块101传输过来的干涉信号，通过软件分析变化的波形特性，从而达到“入侵模式识别”效果。信号处理机可基于迷你主机或者嵌入式处理器，内部主要运行基于深度学习的报警信号处理算法。
报警裁判模块103与报警模块102通讯，用于根据报警模块102上传的初步报警信号，判断为初始信号或者接收的间隔时间超过预设时间时产生终端报警信号。也就是说，报警裁判模块103根据报警模块102上传的初步报警信号，进行二次处理。当最初收到一个初步报警信号后，裁判通过，产生终端报警信号，报警一次；由于光纤振动的传导效应，可能后续还会有初步报警信号上传，此时报警裁判模块103设置一个间隔时间的预设时间，例如20s～40s，优选30s，在间隔时间30s后仍接收到初步报警信号，则裁判通过，产生终端报警信号再次报警一次；相反，如果在间隔时间内，再次收到报警模块102上传的初步报警信号，则裁判不予通过，不报警。
综合显控模块104与报警裁判模块103通讯，用于根据所述终端报警信号进行报警。优选地，综合显控模块104可采用固定终端例如pc机，或者移动终端例如手机来实现。报警裁判模块103也可以通过安装在固定终端或者移动终端中的软件来实现。本发明也可以同时增设移动终端和固定终端。一般而言，固定终端只有一个，位于值班室，一般运行在windows操作系统上，作为服务器使用，通过无线信号实现初步报警信号或者终端报警信号的发送与接收。与现有技术中只使用固定终端的方式相比，本发明在智能光纤周界报警系统中使用移动终端可以方便管理者接收报警信号并随时进行后续处理。
请参阅图3，为根据本发明优选实施例的智能光纤周界报警系统中报警模块的框图。如图3所示，优选地，报警模块103包括：模型训练单元301和信号检测单元302。
模型训练单元301，用于采集干扰因素引起误报时的时域频域信息，形成干扰因素数据库，并对干扰因素数据库进行训练学习后形成第一判决条件；同时采集人翻越行为的时域频域信息形成人翻越行为数据库，并对人翻越行为数据库进行训练学习后形成第二判决条件。该干扰因素包括但不限于风、雨、动物、行人误碰等因素引起的干扰。
信号检测单元302用于判断探测模块产生的干涉信号是否满足第二判决条件而不满足第一判决条件，是则输出初步报警信号，否则不输出初步报警信号。
请结合参阅图4，为根据本发明优选实施例的基于深度学习的报警信号处理方法的流程图。
其中模型训练步骤中对干扰因素数据库进行训练学习后形成第一判决条件的步骤包括：
在步骤s411中，从干扰因素数据库中获取干扰因素的数据；
在步骤s412中，获取干扰因素引起误报时的时域频域信息，即引起误报时的频率、振幅等时域和频域大数据信息。
在步骤s413中，使用时域频域信息进行深度学习形成第一判决条件，不断利用干扰因素数据库中的数据对第一判决条件进行学习。
其中模型训练步骤中对人翻越行为数据库进行训练学习后形成第二判决条件的步骤包括：
在步骤s414中，从人翻越行为数据库中获取人翻越行为的数据；
在步骤s415中，获取人翻越行为时的时域频域信息，即人翻越行为时的频率、振幅等时域和频域大数据信息。
在步骤s416中，使用时域频域信息进行深度学习形成第二判决条件，不断利用人翻越行为数据库中的数据对第一判决条件进行学习。
信号检测步骤具体包括：
在步骤s421中，判断探测模块产生的干涉信号是否满足第二判决条件而不满足第一判决条件，是则转步骤s422，否则转步骤s423；
在步骤s422中，输出初步报警信号，否则不输出初步报警信号。
在步骤s423中，不输出初步报警信号。
在本发明更优选地实施例中，该智能光纤周界报警系统还包括：信息传输模块105，用于将报警模块102、报警裁判模块103和综合显控模块104进行信息组网。例如，将报警裁判模块103的终端报警信号传输至固定或移动终端，从而完成最终报警结果的汇报。请参阅图5，为根据本发明优选实施例的智能光纤周界报警系统中信息传输模块示意图。信息传输模块105可以使用例如无线网桥502、wifi路由器503、4g或其他无线传输设备实现，通过无线传输方式将周界内或周界外围附近的各移动终端信息节点、报警模块或报警裁判模块的信息节点连接组网，完成信息的互联互通。例如系统中的一个或多个报警模块102通过交换机501和无线网桥502将初步报警信号传输给固定终端505。或者通过交换机501后由wifi路由器503传输给移动终端506。信号传输模块105实现区域内的全覆盖，手持移动终端506在区域任意位置通过用户身份验证后均能进入周界防控移动终端进行态势预览。
更优选地，本发明的综合显控模块包括：视频联动单元，用于在接收终端报警信号后发送视频启动信号给分布在对应周界处的图像采集装置获取实时录像或者录像截图。终端监控界面提供报警显示与控制信息，可以实时进行防区划设、防区报警显示、三维地图、监控视频联动等功能。为保证事后取证，优选地由固定终端505在裁判有终端报警信号后进行视频联动，当成像设备到位后启动自动录像和截图，其中录像为自动启动，手动停止。录像和截图的数据一方面均在本地进行存储，另一方面将截图的数据再转发至移动终端506。移动终端406一般有多个，基于平板手机或pad或其他移动电子设备，方便人员实施查看。终端界面包括防区报警预览区(包括三维地图显示等)，多人实时会话区，截图图片(来自固定终端)显示区等。如图6和图7分别为根据本发明优选实施例的综合显控终端界面图，其中图5为windows版本，图6为android版本。
综上所述，本发明提出了一种多信息融合的智能光纤周界报警系统，首次将光纤振动传感、视频成像联动、无线组网以及移动终端、基于深度学习的信号处理算法融为一体，通过多传感器的数据信息融合，增强系统的时间和空间覆盖率。该系统可应用于重要场所的安保监控技术领域。
并且，本发明采用大数据深度学习和报警裁判等方式，有效降低了系统的虚警率。此外，本发明采用固定终端与移动终端相结合、移动无线组网方式，能够方便安保人员的移动实时监控。固定终端作为系统的服务器端，存储取证信息，包括录像截图等；移动终端主要作为浏览，大大减少了系统的传输负担和数据量，实现高的性价比。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。