基于DVS数据多模态特征融合的安防入侵事件分类算法研究

作     者：张玉 

作者单位：齐鲁工业大学 

学位级别：硕士

导师姓名：倪家升;赵文安

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：光纤传感 分布式光纤振动传感系统 周界安防 特征提取 多模态特征融合 

摘      要：基于分布式光纤传感的周界安防系统是一种智能化检测技术,在周界安防领域展现出了巨大的应用潜力。随着光纤传感技术的高速发展,基于相位敏感光时域反射计(Phase Sensitive Optical Time Domain Reflectometry,Φ-OTDR)的分布式光纤振动传感系统(Distributed Fiber Optic Vibration Sensing System,DVS),因其探测距离长、灵敏度高和抗电磁干扰能力强等优势,结合更具鲁棒性的深度学习技术,能够进一步提升对复杂环境下周界安全监测的应用效果。然而,由于系统自身的高灵敏度与复杂性,加之多变的入侵形式和环境条件,往往导致识别精度不足,引发虚报、漏报现象,进而造成资源浪费与安全隐患。特征提取和分类模型识别算法的有效性直接决定了周界安防监测系统的效能。因此,选择有效模式识别方法,深入研究入侵事件分类识别算法,对提升DVS的周界安防监测系统的性能至关重要。 针对DVS的周界安防监测系统对入侵事件识别率不够理想的问题,本文提出了一种基于深度学习和多模态特征融合的振动信号分类识别方法。构建了两种适用于不同光缆布设方式的多模态特征融合模型,以处理DVS采集的入侵振动信号。两个模型均以一维时域振动信号和二维时频图作为输入,时域数据强调了振动信号的时间演变特性,避免信息丢失;时频图则揭示信号在时间和频率上的变化规律,丰富并补充原始信号的时频特征,进而显著提高入侵事件的识别率。具体研究内容及工作情况如下: (1)鉴于单模态数据在光纤振动信号表征方面的局限性,本文采用多种数据转换方法,包括短时傅里叶变换(STFT)和连续小波变换(CWT)等时频分析技术,以及格兰姆角场(GAF)、马尔科夫转移场(MTF)和递归图(RP)等图像编码方式,对DVS采集的入侵事件振动信号进行转换。通过这些数据转换方法,实现了高品质振动信号的二维形式数据的获取,并与原始时域数据共同构成训练数据集,进而提升了模式识别模型输入数据的质量。 (2)本文利用DVS采集地埋光缆上的入侵事件振动信号,采用CWT方法将信号转换为二维时频图数据,并与原始时域信号结合,形成地埋光缆入侵事件的多模态数据集。在此基础上,设计了1DCNN-DN多模态特征融合模型进行特征提取与分类识别。此外,还搭建了实验场景,对自然环境背景噪声和人工挖掘、人员行走、投掷石块三类入侵事件进行相关实验验证。实验结果表明,将多模态数据集作为1DCNN-DN网络模型的输入,可有效提高地埋光缆入侵事件的识别准确率。与现有模型相比,本方法在测试集上的识别准确率高达99.36%,识别准确率有显著提升,最高可提升48.32%,从而验证了该方法的有效性和可靠性。 (3)对于挂网光缆入侵事件的振动信号,采用CWT方法获取其二维时频图数据,并搭建了Co-BiLSTMAN多模态特征融合模型。该模型对一维时域信号数据和二维时频图数据进行特征提取,在汇聚层进行多模态特征融合后再进行分类识别。为验证模型性能,利用DVS采集了挂网光缆上自然环境背景噪声以及持械操作、轰砸栅栏和摇晃栅栏三种相似入侵事件的振动信号进行测试。实验结果表明,所提出的方法能够准确地识别挂网光缆上入侵事件类型,在测试集上的分类准确率高达99.62%,相较于现有模型方法,识别准确率提高了9.32%,从而验证了其有效性和优越性。