基于分布式周界系统的运动行为模式识别方法及系统的制作方法

基于分布式周界系统的运动行为模式识别方法及系统的制作方法
【专利摘要】本发明公开了一种基于分布式周界系统的运动行为模式识别方法及系统，方法包括以下步骤：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；根据采集的扰动数据进行标准化操作，转化为0/1矩阵，若某探测点位的扰动数据大于设定的阈值，则将该探测点位此刻的状态记为1，否则记为0；提取所有为1的坐标信息，包括时间和位置信息，根据坐标信息统计计算响应范围S，响应持续时间T以及响应形状M；利用所有为1的坐标信息，进行最小二乘法拟合，并求取斜率K，从而得到运动的速度V，构成运动行为模式的特征向量F（S，T，M，K，V）；通过特征向量F确定运动行为模式。
【专利说明】基于分布式周界系统的运动行为模式识别方法及系统

【技术领域】
[0001] 本发明涉及模式识别，尤其涉及一种基于分布式周界系统的运动行为模式识别方 法及系统。

【背景技术】
[0002] 周界安防是指在重要区域，如国防边境、军事基地、政府要害部门、油库煤田、核能 电站、太阳能电站、电厂变电站、银行、监狱、博物馆、机场、港口、别墅小区、数据中心、水处 理厂、化工厂、学校以及其他重大基础设施等，为阻止非法的入侵破坏活动，沿场所周界形 成安全防范。分布式周界系统是一种大范围，高灵敏度的周界防范系统，越来越受到重视， 但现有的技术无法对运动的行为进行判断，无法判断运动方向和运动的行为模式。例如专 利CN102280006A、CN102168953A和吴马伟等的《基于相敏光时域反射技术的分布式光纤围 栏入侵监测应用研究》等提到了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；本发明提出了一种基于分布式周界系统的运动行为模式的识别方法，解决了上述技 术无法对运行行为模式的识别，具有识别率高，误报少，应用价值高等特点。


【发明内容】

[0003] 针对现有技术分布式周界系统无法对运动行为（人行、车行、飞机、子弹等）进行有 效判别，为满足对运动行为模式的有效识别，现提供一种给予分布式周界系统运动行为模 式识别方法及系统。
[0004] 本发明解决其技术问题所采用的技术方案是： 提供一种基于分布式周界系统的运动行为模式识别方法，包括以下步骤： 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； 根据采集的扰动数据进行标准化操作，转化为0/1矩阵，若某探测点位的扰动数据大 于设定的阈值，则将该探测点位此刻的状态记为1，否则记为0 ; 提取所有为1的坐标信息，包括时间和位置信息，根据坐标信息统计计算响应范围S和 响应持续时间T，并利用边缘检测方法检测系统响应的边缘，然后利用模板匹配法对系统的 响应形状进行匹配识别，得到响应形状M，模板匹配法中用到的模板为预先存储的模板； 利用所有为1的坐标信息(包括时间和位置信息)，进行最小二乘法拟合，并求取斜率 K，从而得到运动的速度V，构成运动行为模式的特征向量F(S，T，M，K，V); 通过特征向量F确定运动行为模式。
[0005] 本发明所述的方法中，所述设定的阈值为功率谱、扰动幅度、固定频带能量或者熵 的阈值。
[0006] 本发明所述的方法中，步骤通过特征向量F确定运动行为模式具体为利用预设的 数据样本库进行相似性分析，根据分析结果判断运动行为模式。
[0007] 本发明还提供了一种基于分布式周界系统的运动行为模式识别系统，包括： 采集模块，用于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； 矩阵转化模块，用于根据采集的扰动数据进行标准化操作，转化为0/1矩阵，若某探测 点位的扰动数据大于设定的阈值，则将该探测点位此刻的状态记为1，否则记为0 ; 特征向量计算模块，用于提取所有为1的坐标信息，包括时间和位置信息，根据坐标信 息统计计算响应范围S和响应持续时间T，该特征向量计算模块还用于利用边缘检测方法 检测系统响应的边缘，然后利用模板匹配法对系统的响应形状进行匹配识别，得到响应形 状M，模板匹配法中用到的模板为预先存储的模板；该特征向量计算模块还利用所有为1的 坐标信息，进行最小二乘法拟合，并求取斜率K，从而得到运动的速度V，构成运动行为模式 的特征向量F(S，T，M，K，V); 运动行为模式确定模块，用于通过特征向量F确定运动行为模式。
[0008] 本发明所述的系统中，所述设定的阈值为功率谱、扰动幅度、固定频带能量或者熵 的阈值。
[0009] 本发明所述的系统中，运动行为模式确定模块具体用于通过特征向量F确定运动 行为模式具体为其中斜率K和运动的速度V通过预设的阈值判断，响应范围S，响应持续时 间T以及响应形状M利用预设的数据样本库进行相似性分析，根据分析结果判断运动行为 模式。
[0010] 本发明产生的有益效果是：本文提出了一种基于分布式周界系统的运动行为模式 的识别方法，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，然后利用特征样本库的数据进行相关性 分析，解决了上述技术无法对运行行为模式的识别，具有识别率高，误报少，应用价值高等 特点。

【专利附图】

【附图说明】
[0011] 下面将结合附图及实施例对本发明作进一步说明，附图中： 图1是本发明实施例基于分布式周界系统的运动行为模式识别方法的流程图； 图2是本发明实施例基于分布式周界系统的运动行为模式识别系统的结构示意图； 图3是本发明实施例中不同运动行为模式下的分布式周界系统激励分布图； 图4是本发明一个实施例中分布式周界一段探测范围内的响应探测分布图； 图5是本发明另一个实施例中分布式周界一段探测范围内的响应探测分布图。

【具体实施方式】
[0012] 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。
[0013] 本发明实施例基于分布式周界系统的运动行为模式识别方法，如图1所示，包括 以下步骤： 51、 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，该扰动数据包括各 种运动行为的激励数据； 52、 根据采集的扰动数据进行标准化操作，转化为0/1矩阵，若某探测点位的扰动数据 大于设定的阈值，则将该探测点位此刻的状态记为1，否则记为〇 ; S3、提取所有为1的坐标信息,包括时间和位置信息,根据坐标信息统计计算响应范围S和响应持续时间T，并利用边缘检测方法检测系统响应的边缘，然后利用模板匹配法对系 统的响应形状进行匹配识别，得到响应形状M。
[0014]S4、利用所有为1的坐标信息(包括时间和位置信息)，进行最小二乘法拟合，并求 取斜率K，从而得到运动的速度V，构成运动行为模式的特征向量F(S，T，M，K，V); S5、通过特征向量F确定运动行为模式。
[0015] 所设定的阈值可以为功率谱、扰动幅度、固定频带能量或者熵的阈值。如选择功率 谱，则对系统采集的扰动数据进行功率谱估计计算，然后对其进行阈值判断，如选择功率谱 作为阈值判断，则阈值设为5XIO8(IW)Vhz时，如果大于该设定的阈值，则探测点此时刻的 状态为1，反之为零。此处的阈值也可以为扰动幅度（如大于60mV时，取1，反之取0)、固 定频带能量(如大于4. 5XIO9 (mv)2时取1，反之取0)、熵（如果大于1. 34时取1，反之取0) 等；阈值判断的主要作用是判断是否存在扰动，不限定上述方法。
[0016] 步骤S5中通过特征向量F确定运动行为模式具体为步骤通过特征向量F确定运 动行为模式具体为其中斜率K和运动的速度V通过预设的阈值判断，具体的运动速度的阈 值设定见下表1所示。响应范围S，响应持续时间T以及响应形状M利用预设的数据样本库 进行相似性分析，根据分析结果判断运动行为模式。
[0017] 表1各种行为速度表

【权利要求】
1. 一种基于分布式周界系统的运动行为模式识别方法，其特征在于，包括以下步骤： 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； 根据采集的扰动数据进行标准化操作，转化为0/1矩阵，若某探测点位的扰动数据大 于设定的阈值，则将该探测点位此刻的状态记为1，否则记为0 ; 提取所有为1的坐标信息，包括时间和位置信息，根据坐标信息统计计算响应范围S和 响应持续时间T，并利用边缘检测方法检测系统响应的边缘，然后利用模板匹配法对系统的 响应形状进行匹配识别，得到响应形状M，模板匹配法中用到的模板为预先存储的模板； 利用所有为1的坐标信息，进行最小二乘法拟合，并求取斜率K，从而得到运动的速度 V，构成运动行为模式的特征向量F (S，T，M，K，V); 通过特征向量F确定运动行为模式。
2. 根据权利要求1所述的方法，其特征在于，所述设定的阈值为功率谱、扰动幅度、固 定频带能量或者熵的阈值。
3. 根据权利要求1所述的方法，其特征在于，步骤通过特征向量F确定运动行为模式具 体为利用预设的数据样本库进行相似性分析，根据分析结果判断运动行为模式。
4. 一种基于分布式周界系统的运动行为模式识别系统，其特征在于，包括： 采集模块，用于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； 矩阵转化模块，用于根据采集的扰动数据进行标准化操作，转化为0/1矩阵，若某探测 点位的扰动数据大于设定的阈值，则将该探测点位此刻的状态记为1，否则记为0 ; 特征向量计算模块，用于提取所有为1的坐标信息，包括时间和位置信息，根据坐标信 息统计计算响应范围S和响应持续时间T，该特征向量计算模块还用于利用边缘检测方法 检测系统响应的边缘，然后利用模板匹配法对系统的响应形状进行匹配识别，得到响应形 状M，模板匹配法中用到的模板为预先存储的模板；该特征向量计算模块还利用所有为1的 坐标信息，进行最小二乘法拟合，并求取斜率K，从而得到运动的速度V，构成运动行为模式 的特征向量F (S，T，M，K，V); 运动行为模式确定模块，用于通过特征向量F确定运动行为模式。
5. 根据权利要求4所述的系统，其特征在于，所述设定的阈值为功率谱、扰动幅度、固 定频带能量或者熵的阈值。
6. 根据权利要求4所述的系统，其特征在于，运动行为模式确定模块具体用于通过特 征向量F确定运动行为模式具体为其中斜率K和运动的速度V通过预设的阈值判断，响应 范围S，响应持续时间T以及响应形状M利用预设的数据样本库进行相似性分析，根据分析 结果判断运动行为模式。
【文档编号】G06K9/62GK104318250SQ201410571160
【公开日】2015年1月28日 申请日期:2014年10月23日 优先权日:2014年10月23日
【发明者】刘军荣, 董雷, 印新达, 杨玥 申请人:武汉理工光科股份有限公司