(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210921545.0 (22)申请日 2022.08.02 (71)申请人 上海微波技 术研究所 （中国电子科 技集团公司第五十 研究所） 地址 200063 上海市普陀区武宁路423号 (72)发明人 桂小刚　姜大闯　侯泽宇　彭肃家　 周航　王静　王晓东　曹德华　 徐琪　陈钱　 (74)专利代理 机构 上海段和段律师事务所 31334 专利代理师 梁勤伟 (51)Int.Cl. G08B 13/12(2006.01) G08B 13/196(2006.01) G06V 40/10(2022.01)G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于振动光纤探测的自学习入侵报警方法、 系统、 介质及设备 (57)摘要 本发明提供了一种基于振动光纤探测的自 学习入侵报警方法、 系统、 介质及设备， 包括： 步 骤1： 基于振动光纤探测模块得到报警信息； 步骤 2： 获取报警位置点对应摄像头的图片信息及摄 像头自动判断覆盖区域范围是否存在人的标志 信息； 步骤3： 对接收到的时频训练图像进行正/ 负样本文件夹分类； 步骤4： 对正/负样本进行样 本均衡筛选； 步骤5： 判断模型训练程序是否正在 运行， 若判断为否， 则根据更新后的正/负样本； 步骤6： 转发生成的模型给对应的DVS 振动光纤主 机， 设定时机更新模型并重启对应的DVS振动光 纤主机。 本发明根据对应主机IP将训练完成的模 型自动发送给对应DVS主机， 极大降低整体工程 运行成本 。 权利要求书3页 说明书8页 附图3页 CN 115471966 A 2022.12.13 CN 115471966 A 1.一种基于振动光纤探测的自学习入侵报警方法， 其特 征在于， 包括： 步骤1： 基于振动光纤探测模块得到报警信息， 包含报警时间、 对应振动光纤主机IP地 址、 光纤报警位置点及用于训练的时频图像； 步骤2： 根据光纤报警位置点查询预设摄像头编号 ‑振动光纤报警范围映射表， 获取报 警位置点对应 摄像头的图片信息及摄 像头自动判断覆盖区域范围是否存在人的标志信息； 步骤3： 根据报警信 息中的是否存在人的标志信息对接收到的时频训练图像进行正/负 样本文件夹分类； 步骤4： 对正/负 样本进行样本均衡筛 选； 步骤5： 判断模型训练程序是否正在运行， 若判断为否， 则根据更新后的正/负样本， 通 过C++调用pytho n代码完成对Ef ficientNet网络模型的自动训练， 并生成C+ +可调用形式； 步骤6： 发送C++可调用模型及对应的IP信息给振动光纤探测模块， 并根据IP地址转发 生成的模型给对应的DVS振动光纤主机， 设定时机更新模型并重启对应的DVS振动光纤主 机， 从而完成模型 更新。 2.根据权利要求1所述的基于振动 光纤探测的自学习 入侵报警方法， 其特征在于， 所有 振动光纤主机都连接在同一台交换机上并与服务器主机连接， DVS振动光纤软件运行主机 与服务器主机间的报警通过JSON格式进行信息传输， 信息的内容包括{Time： 报警发生的时 间； IP： 表示对应振动主机的IP地址； Pos： 表示产生报警的具体位置米标， 用于映射获得对 应摄像头并获取对应摄像头具体信息； Picture： 里面存储着对应振动主机产生的时频图训 练样本数据}， 其中获取的二维时频图为对应报警主机在报警位置点处将经过50Hz低频高 通滤波处理后的信号值以0.3秒为单位进行短时傅里叶变换， 将一维信号转化为二维时频 图数据， 短时傅里叶变换计算过程如公式1所示： 其中， x(t)表示时间点t的信号； h( τ ‑t)表示以时间点t为中心的分析窗函数； x( τ )h( τ ‑ t)表示信号在分析时间点t附近的一个切片； 对于给定时间t， STFT(t,f)是该时刻的频谱； τ 表示积分因变量时间； j表示复数虚部标识； f表示变换后的频率。 3.根据权利要求1所述的基于振动 光纤探测的自学习 入侵报警方法， 其特征在于， 搭建 EfficientNet网络结构利用混合维度放大的方法， 通过混合系数φ平衡网络宽度， 网络深 度及图像分辨 率三个维度的放缩倍 率以获得 更高的精度， 具体 计算过程如公式2所示： 其中， d表示网络深度； w表示网络宽度； r表示图像分辨率； α、 β及γ分别为影响网络深 度、 网络宽度及图像分辨 率而人为设定的常量。 4.根据权利要求1所述的基于振动 光纤探测的自学习 入侵报警方法， 其特征在于， 所述 步骤4包括： 保存上次存储好的训练样本数量， 当两类样 本相比前一次训练样本数量 都增加权　利　要　求　书 1/3 页 2 CN 115471966 A 2相同样本量时， 把少量样本文件夹中的样本全部拷贝到正/负样本文件夹中， 对另外一类样 本先拷贝最新增加的样本， 接着随机拷贝剩余的样本到负/正样本文件夹， 直至同正/负文 件夹样本数量相同为止 。 5.一种基于振动光纤探测的自学习入侵报警系统， 其特 征在于， 包括： 模块M1： 基于振动光纤探测模块得到报警信息， 包含报警时间、 对应振动光纤主机IP地 址、 光纤报警位置点及用于训练的时频图像； 模块M2： 根据光纤报警位置点查询预设摄像头编号 ‑振动光纤报警范围映射表， 获取报 警位置点对应 摄像头的图片信息及摄 像头自动判断覆盖区域范围是否存在人的标志信息； 模块M3： 根据报警信息中的是否存在人的标志信息对接收到的时频训练图像进行正/ 负样本文件夹分类； 模块M4： 对正/负 样本进行样本均衡筛 选； 模块M5： 判断模型训练程序是否正在运行， 若判断为否， 则根据更新后的正/负样本， 通 过C++调用pytho n代码完成对Ef ficientNet网络模型的自动训练， 并生成C+ +可调用形式； 模块M6： 发送C++可调用模型及对应的IP信息给振动光纤探测模块， 并根据IP地址转发 生成的模型给对应的DVS振动光纤主机， 设定时机更新模型并重启对应的DVS振动光纤主 机， 从而完成模型 更新。 6.根据权利要求5所述的基于振动 光纤探测的自学习 入侵报警系统， 其特征在于， 所有 振动光纤主机都连接在同一台交换机上并与服务器主机连接， DVS振动光纤软件运行主机 与服务器主机间的报警通过JSON格式进行信息传输， 信息的内容包括{Time： 报警发生的时 间； IP： 表示对应振动主机的IP地址； Pos： 表示产生报警的具体位置米标， 用于映射获得对 应摄像头并获取对应摄像头具体信息； Picture： 里面存储着对应振动主机产生的时频图训 练样本数据}， 其中获取的二维时频图为对应报警主机在报警位置点处将经过50Hz低频高 通滤波处理后的信号值以0.3秒为单位进行短时傅里叶变换， 将一维信号转化为二维时频 图数据， 短时傅里叶变换计算过程如公式1所示： 其中， x(t)表示时间点t的信号； h( τ ‑t)表示以时间点t为中心的分析窗函数； x( τ )h( τ ‑ t)表示信号在分析时间点t附近的一个切片； 对于给定时间t， STFT(t,f)是该时刻的频谱； τ 表示积分因变量时间； j表示复数虚部标识； f表示变换后的频率。 7.根据权利要求5所述的基于振动 光纤探测的自学习 入侵报警系统， 其特征在于， 搭建 EfficientNet网络结构利用混合维度放大的方法， 通过混合系数φ平衡网络宽度， 网络深 度及图像分辨 率三个维度的放缩倍 率以获得 更高的精度， 具体 计算过程如公式2所示： 其中， d表示网络深度； w表示网络宽度； r表示图像分辨率； α、 β及γ分别为影响网络深权　利　要　求　书 2/3 页 3 CN 115471966 A 3