[发明专利]一种安全防护方法、中控设备及计算机存储介质

说明书

本说明书实施例公开一种安全防护方法，应用于中控设备，中控设备与设置在中控设备与设置在不同安防区域的声学传感器连接，该方法包括：确定声学信号训练样本集，声学信号训练样本集中包括M类安防事件对应的声学信号；通过设计的一维卷积神经网络结构，利用安防区域的分布式声学振动传感器采集多类安防事件的样本集，用于算法的学习和训练，实现算法对传感器振动信号进行自动特征挖掘，可以准确快速的识别安防事件，有效进行安全防控。通过目标安全事件分类模型进行安全事件分类识别，在识别出存在目标类型的安全事件情况下进行报警。

技术领域

本发明涉及周界安全防护技术领域，尤其涉及一种安全防护方法、中控设备及计算机存储介质。

背景技术

目前，光纤分布式声学传感系统广泛应用于多个领域，比如机场安防，国界安防，城市安全监控，油气管道与铁路沿线监控等周边安防。光纤分布式声学传感系统是一种可以通过光缆传感器采集振动信号，通过对直接或间接接触的物体所发出的振动型号进行传输，对振动信号进行实时长时间监控。通过采集数据，然后经过算法分析处理和模式识别智能学习，可以识别出不同类型的干扰信号，比如攀爬围墙，行人行走，车辆经过等干扰信号，可以实现系统实施的进行预警，起到对防入侵地区预警监测的作用。

现在常用的识别方法有很多种，当前常采用人工在时域，频域等方面提取特征，通过机器学习方法进行识别，但是这种方法存在缺陷人工提取特征复杂，实施困难，准确率并不能满足实际应用场景中的需要。另外还有采用小波分析计算能量占比作为信号识别特征。某些方案还通过把一维振动信号转化为能量谱图像用深度学习技术分析，这种方法存在处理速度慢，检测范围小等技术问题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的安全防护方法、设备及计算机存储介质。

第一方面，本发明实施例提供一种安全防护方法，应用于分布式声学传感安防系统的中控设备，所述中控设备与设置在不同安防区域的声学传感器连接，所述方法包括：

确定声学信号训练样本集，所述声学信号训练样本集中包括M类安防事件对应的声学信号，每个声学信号标记有所属安全事件的分类标签，每个声学信号通过所述分布式声学传感检测系统中对应的声学传感器采集获得，M为大于1的整数；

通过预先搭建的一维卷积神经网络对所述训练样本集中的信号进行多轮训练，其中，所述一维卷积神经网络包括依次设置的初步特征提取层、最大池化层、深层特征提取层、全局平均池化层、全连接层和M分类的Softmax层，在每轮训练中，将所述训练样本集中的信号输入所述初步特征提取层进行特征初提取，通过所述最大池化层对初步提取的特征进行压缩后，输入所述深层特征提取层进行特征深层提取，再通过所述全局平均池化层对压缩后的特征进行平均池化后，输入所述全连接层进行融合，最后通过所述Softmax层进行分类，得到分类结果，通过损失函数计算分类结果与实际分类标签的损失值，利用反向传播算法更新所述一维卷积神经网络模型的网络参数，通过验证样本集中的信号对更新网络参数的模型进行验证，直至达到收敛条件，得到每轮训练的安全事件分类模型，从多轮训练得到的多个安全事件分类模型中确定出目标安全事件分类模型；

通过所述目标安全事件分类模型对不同安防区域的声学传感器采集的信号进行安全事件分类识别，在识别出存在目标类型的安全事件情况下，按对应的报警策略控制报警装置进行报警。

可选的，所述确定声学信号训练样本集，包括：

获得在不同时间段对应的声学传感器采集的第一预设时长的各类事件安防事件对应的声学信号；

按第二预设时长的滑动窗口，每次滑动第三预设时长的方式对获得每个声学信号进行分帧处理，对获得的分帧信号标注对应的分类标签后，按第一预设比例从所有的分帧信号提取形成所述声学信号训练样本集。