公开(公告)号：CN113780094B

公开(公告)日：2023-04-07

申请号：CN202110941289.7

申请日：2021-08-17

Applicant: 武汉理工大学

Inventor： 刘芳 ,  王立新 ,  王洪海 ,  徐一旻 ,  宋珂 ,  张海文

IPC: G06F18/24 ,  G06F18/23213 ,  G06F18/214 ,  G06F18/213

Abstract: 本发明公开了一种基于混合高斯模型和隐马尔可夫模型的周界入侵识别方法，包括以下步骤：在栅栏上和栅栏埋地处各铺设一根光栅阵列光缆，每根上包括中心波长不同的多个测区；实时采集每个测区的振动数据，并根据初始阈值判断测区是否发生异常振动，若是则进入事件识别判断；根据振动数据分析异常振动影响不同测区所呈现的高斯分布关系，选取该测区所在光栅阵列光缆的时序数据流中与高斯关系相对应的观测序列，对观测序列按时间帧进行处理，并提取处理后的振动数据的时频域混合特征，再进行时频域混合特征归一化，得到特征向量数据；将特征向量数据输入训练好的高斯‑隐马尔可夫混合模型库，进行周界在线入侵事件识别，得到入侵识别结果。

公开(公告)号：CN113780094A

公开(公告)日：2021-12-10

申请号：CN202110941289.7

申请日：2021-08-17

Applicant: 武汉理工大学

Inventor： 刘芳 ,  王立新 ,  王洪海 ,  徐一旻 ,  宋珂 ,  张海文

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于混合高斯模型和隐马尔可夫模型的周界入侵识别方法，包括以下步骤：在栅栏上和栅栏埋地处各铺设一根光栅阵列光缆，每根上包括中心波长不同的多个测区；实时采集每个测区的振动数据，并根据初始阈值判断测区是否发生异常振动，若是则进入事件识别判断；根据振动数据分析异常振动影响不同测区所呈现的高斯分布关系，选取该测区所在光栅阵列光缆的时序数据流中与高斯关系相对应的观测序列，对观测序列按时间帧进行处理，并提取处理后的振动数据的时频域混合特征，再进行时频域混合特征归一化，得到特征向量数据；将特征向量数据输入训练好的高斯‑隐马尔可夫混合模型库，进行周界在线入侵事件识别，得到入侵识别结果。