一种隧道异物入侵事件在线识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112541480A(43)申请公布日2021.03.23(21)申请号202011560037.1G06T17/00(2006.01)(22)申请日2020.12.25(71)申请人华中科技大学地址430074湖北省武汉市洪山区珞喻路1037号(72)发明人孙琪真贺韬刘懿捷张世雄胡蝶田彬闫志君刘德明(74)专利代理机构华中科技大学专利中心42201代理人李智(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书8页附图4页(54)发明名称一种隧道异物入侵事件在线识别方法及系统(57)摘要本发明公开了一种隧道异物入侵事件在线识别方法及系统，属于安防监测技术领域，所述方法包括：基于光纤声波探测技术并结合三维映射成像技术得到整个隧道内的声场分布数据；提取声波信号的时域底噪值、频域底噪值、时域最大幅值、频域最大能量峰值，区分坏道信号、背景噪声信号以及异常信号；再基于异常信号的时空特征信息以及主频带能量随时间分布的特征信息，通过神经网络模型对其特征进行学习和训练，以识别出异常信号中的破坏性入侵事件。本发明可适用于隧道、综合管廊等各种地下基础设施中的异物入侵在线识别，具有无盲区、无盲时、高实时性、高识别精准性、智能性、低风险性以及低运营成本等特点。CN112541480ACN112541480A权利要求书1/3页1.一种隧道异物入侵事件在线识别方法，其特征在于，包括以下步骤：S1，获取整个隧道内的声波信号；S2，计算所述声波信号的时域底噪值Dt和频域底噪值Df，若时域底噪值Dt大于阈值TH，则判定该信号为坏道信号或第一类异常信号，并通过分类器进行区分；否则，进入S3；S3，计算其余信号的时域最大幅值Ys和频域最大能量峰值Yf，若时域最大幅值Ys大于时域幅度阈值T1，且频域最大能量峰值Yf大于频域能量阈值T2，则判定该信号为第二类异常信号；否则，判定该信号为背景噪声信号；其中，T1＝αDt，T2＝βDf，α、β为倍数因子；S4，获取所述第一类异常信号和第二类异常信号的时空特征信息以及主频带能量随时间分布的特征信息，以识别出所述第一类异常信号和第二类异常信号中的破坏性入侵事件。2.根据权利要求1所述的隧道异物入侵事件在线识别方法，其特征在于，所述步骤S2中，计算所述声波信号的时域底噪值Dt包括：S21，设置一个宽度为m的时域滑动窗，对时域滑动窗内的时域信号幅值取绝对值，通过移动时域滑动窗，依次找出时域滑动窗内的最大幅值；S22，找出S21中所有最大幅值中的最小值，并将所述最小值对应的时域滑动窗切分为n份，对每份切片中的最大幅值取平均值，得到信号时域底噪值Dt；计算所述声波信号的频域底噪值Df包括：S23，对时域声波信号进行快速傅里叶变换，得到频谱能量信息，取频谱中所有点的能量均值为信号频域底噪值Df。3.根据权利要求1所述的隧道异物入侵事件在线识别方法，其特征在于，所述步骤S2中，通过分类器区分坏道信号和第一类异常信号，包括：S24，设置一个宽度为M的频域滑动窗，依次对每个频域滑动窗内的能量进行积分求和，得到每个频域滑动窗积分后的能量；S25，基于所有频域滑动窗积分后的能量中的最大值，确定频谱能量阈值G；S26，找出超过频谱能量阈值G的能量峰个数f1以及对应的频率值，并分别计算出所有超过频谱能量阈值G的能量峰对应的频率值的平均数f2和方差f3，将特征矩阵[f1，f2，f3]作为分类器的识别依据，以区分坏道信号和第一类异常信号。4.根据权利要求1所述的隧道异物入侵事件在线识别方法，其特征在于，所述步骤S1包括：获取隧道内每个传感器探测的外界声波信号；对实际隧道结构进行三维建模，并计算出每个传感器对应的空间坐标；根据空间坐标信息将所述外界声波信号映射到所述三维模型中，最终得到整个隧道内的声场分布数据。5.根据权利要求4所述的隧道异物入侵事件在线识别方法，其特征在于，所述步骤S4中，获取所述第一类异常信号和第二类异常信号的时空特征信息，包括：S41，通过时间‑空间重构技术对所述声场分布数据进行量化，按照时间顺序构成多帧隧道声场空间分布灰度图；2CN112541480A权利要求书2/3页所述时空特征信息σ表示为：其中，N为第一类异常信号和第二类异常信号点数，(Xi,Yi)为第i帧隧道声场空间分布灰度图中最大灰度级对应的空间区域坐标，为所有帧对应最大灰度级的空间区域坐标点的平均值。6.根据权利要求5所述的隧道异物入侵事件在线识别方法，其特征在于，所述步骤S4中，获取所述第一类异常信号和第二类异常信号的主频带能量随时间分布的特征信息，包括：S42，对所述