专利名称：一种安防检测方法以及相关装置的制作方法
技术领域：
本发明涉及电子领域，尤其涉及一种安防检测方法以及相关装置。
背景技术：
在传统的技术中，激光探测器被广泛的应用在安防领域里。但传统的激光探测技术识别功能低下，不能区分各种物体，导致安防系统的误报率高。目前市场上存在一款激光幕帘探测设备，为真尚有位移传感公司的ZM100激光幕帘轮廓测量仪，该ZM100测量仪使用发光二极管通过光学系统形成光幕，当有入侵物经过探测区域时，入侵物被光幕照射会形成阴影图像，ZM100测量仪通过望远镜系统获取该阴影图像，并根据该阴影图像形成CCD阵列信号，最后通过分析该CCD阵列信号确定入侵物的形状。ZM100测量仪虽然具有较高的识别能力，但由于ZM100测量仪中望远镜系统对阴影图像的探测视角容易受到遮挡，导致获取到入侵物的图像不准确。而且由于望远镜系统制作成本较高，若要应用于大范围的防入侵安防检测，则需要更高精度的望远镜系统，相应的生产成本也更高，不符合经济效益。

发明内容
本发明实施例提供了一种安防检测方法以及相关装置，用于大范围且精确度高的可识别安防检测。本发明提供的安防检测方法，包括发射至少两束的激光，扫描目标物；获取目标物的扫描参数，所述扫描参数包括距离Z，距离X和距离Y，所述距离Z为所述目标物与激光发射器的距离，所述距离X和距离Y分别为目标物在参考坐标系上的水平距离和垂直距离；根据所述扫描参数生成目标物的形状信息，所述形状信息为目标物形状的坐标点的集合；计算所述形状信息的特征参数；利用所述特征参数根据预置的分析规则确定所述目标物的类型。本发明提供的安防检测装置，包括扫描单元，用于发射至少两束的激光，扫描目标物；获取单元，用于获取目标物的扫描参数，所述扫描参数包括距离Z，距离X和距离Y， 所述距离Z为所述目标物与激光发射器的距离，所述距离X和距离Y分别为目标物在参考坐标系上的水平距离和垂直距离；生成单元，用于根据所述扫描参数生成目标物的形状信息，所述形状信息为目标物形状的坐标点的集合；计算单元，用于计算所述形状信息的特征参数；分析单元，用于利用所述特征参数根据预置的分析规则确定所述目标物的类型。从以上技术方案可以看出，本发明实施例具有以下优点本发明通过发射至少两束的激光扫描目标物，获取目标物与激光发射器的距离，通过该距离建立参考坐标系分析目标物的形状信息，达到精确地确定入侵物类型的效果。由于本发明获取的是激光反射回的形状信息，受外界地干扰较小，精确度高；而且本发明的光学系统构造简单，通过发射多束激光就可以进行大范围的安防检测，制造成本较低。


图1是本发明实施例中安防检测方法的一个流程示意图；图2是本发明实施例中安防检测方法的另一个流程示意图；图3是本发明实施例中安防检测方法的另一个流程示意图；图4是本发明实施例中安防检测方法的一个应用例流程示意图；图5是本发明实施例中安防检测装置的一个逻辑结构示意图。
具体实施例方式本发明实施例提供了一种安防检测方法以及相关装置，用于大范围且精确度高的可识别安防检测。请参阅图1，本发明实施例中安防检测方法的一个实施例包括101、扫描目标物；安防检测装置的激光发射器发射至少两束特定波长的激光，扫描目标物；当该特定波长的激光照射到物体时，该激光被会反射回安防检测装置的激光接收器中。安防检测装置有两个以上的激光发射器，具体激光发射器的个数根据实际探测范围的需求而定，此处不做限定。激光发射器发射激光的特定波长可以为532、635、780、905、1064或1550nm的激光，此处具体不做限定。102、获取目标物的扫描参数；安防检测装置通过接收反射回来的激光获取目标物与激光发射器的距离Z，然后根据距离Z和激光发射器移动扫描的相关参数建立参考坐标系，确定目标物中每个反射点在参考坐标系中对应坐标点的扫描参数。该扫描参数包括距离Z，距离X和距离Y ；其中，距离X和距离Y分别为目标物在参考坐标系上的水平距离和垂直距离。该目标物为一个宏观的概念，实际的目标物上具有多个激光反射点，距离Z实际为目标物上激光反射点到激光发射点的距离，所以安防检测装置在同一个目标物上会获取到与激光反射点数相应的多组扫描参数(距离Z，距离X和距离Y)信息。103、生成目标物的形状信息；安防检测装置根据扫描参数(距离Z，距离X和距离Y)生成目标物的形状信息，形状信息为目标物形状的坐标点的集合。在以激光发射器为视角的参考平面上，安防检测装置生成了所扫描到的目标物表面轮廓图像，这些图像由无数个激光反射点形成的坐标点组成，该坐标点每个中都包含有该反射点到激光发射点的距离Z。104、计算特征参数；在生成了该目标物的表面轮廓图像后，安防检测装置会对该轮廓图像进行测量计算，提取与目标物表面形状相关的形状特征参数；或结合连续多帧的形状信息，提取与目标物运动状态相关的运动特征参数。该特征参数可以包括目标物的宽度，线段的移动距离，连续两条线段的中点的距离，线段的移动速度，每一段目标物的坐标点数，图像的曲率，边界长度，图像的线性度或标
准差等。可以理解的是，根据实际情况，安防检测装置可以计算上述一种，或几种，或其他的特征参数，此处具体不作限定。105、分析目标物的类型。安防检测装置利用上述的计算出的特征参数，根据预置的分析规则分析目标物的形状特征，区分入侵的目标物是人还是其它物体，避免树叶或其他小体积动物进入扫描范
围引起误警。本发明安防检测装置通过发射至少两束的激光扫描目标物，获取目标物与激光发射器的距离，通过该距离建立参考坐标系分析目标物的形状信息，达到精确地确定入侵物类型的效果。由于本发明获取的是激光反射回的形状信息，受外界地干扰较小，精确度高； 而且本发明的光学系统构造简单，通过发射多束激光就可以进行大范围的安防检测，制造成本较低。安防检测装置在安装固定后，会预先扫描当前检测区域的背景地图，以便更好地分析入侵物，请参阅图2，本发明实施例中安防检测方法的另一个实施例包括201、扫描背景物；当安防检测装置安装固定后，预先扫描当前检测区域的静态图像，作为分析入侵物的参考背景，该参考背景可以预设每隔一段时间更新扫描一次，以保持背景参数的准确性。202、获取背景物的扫描参数；安防检测装置获取背景物的扫描参数，此处的扫描参数主要为当前环境的测距数据。在获取到背景物的扫描参数以后，可以对该扫描参数进行滤波处理，防止抖动或天气变化等情况造成的噪声影响。具体的滤波方法可以采用双通分离窗滤波算法。203、建立并存储背景地图；安防检测装置根据滤波后的扫描参数生成背景物的形状信息，对各个目标物体进行背景拟合，建立背景地图，并将该背景地图存储到本地，以便调用。若背景地图预置为每隔一段时间更新，则在建立完一次背景地图后就初始化定时器，进入下一次的背景更新计时。204、扫描目标物；安防检测装置的激光发射器发射两束以上特定波长的激光，扫描目标物。若当前扫描区域一段时间内都处于静态，则扫描的目标物为背景物；若当前扫描区域内有物体发送移动，则扫描的目标物为背景物和入侵物。根据实际情况，可以将激光发射器的扫描方向设置为水平扫描或垂直扫描，水平扫描用于检测物体沿水平方向移动的入侵(如车辆进入)，垂直扫描用于检测物体沿垂直方向移动的入侵(如翻墙爬入)。205、获取目标物的扫描参数；本实施例中的步骤205的内容与前述图1所示的实施例中步骤102的内容相同， 此处不再赘述。
206、判断是否需要分析检测；安防检测装置将目标物的距离Z与背景物的距离Z作差，得到前景变量。上述目标物的距离Z与背景物的距离Z作差可以是均值作差(该均值为平均每个反射点与激光发射点的距离)，也可以是总量作差(该总量为所有反射点与激光发射点的距离的和)。安防检测装置比较前景变量与第一阈值(前景变量计算方法不同，第一阈值设置的值大小也不一样)的大小，若该前景变量大于第一阈值，则对触发步骤207。为了排除一些天气情况或小体积遮挡物的干扰，管理员会设定一个第一阈值，当前景变量达到第一阈值时，才触发分析入侵物的步骤。判断是否需要触发分析步骤除了可以使用上述方法，还可以使用概率阈值法判断扫描区域内固定几个目标点的距离Z是否大于一个阈值，若是，则相应的计数器加一；在预置时长内，当该计数器达到预置参数时，则触发分析入侵物的步骤。根据实际情况，判断是否需要触发分析步骤还可以有其它方法，此处具体不作限定。207、生成目标物的形状信息；本实施例中的步骤207的内容与前述图1所示的实施例中步骤103的内容相同， 此处不再赘述。208、对形状信息进行背景滤除；安防检测装置提取背景地图，对比背景地图与当前目标物的形状信息，去除目标物的形状信息中与背景物的形状信息相同的部分，得到入侵物的形状信息。对当前目标物的形状信息进行背景滤除后，计算机只需要处理目标物中距离Z发生明显变化的部分的信息，使得一帧数据中需要后续处理的点数减少，大大降低了运算量。209、计算特征参数；在进行了背景滤除后，入侵物的表面轮廓图像更加清楚，安防检测装置针对入侵物的轮廓图像进行特征参数的测量计算，提取与入侵物表面形状相关的形状特征参数，并结合某一时段内，连续多帧的入侵物的形状信息，提取与入侵物运动状态相关的运动特征参数。210、分析入侵物的类型。安防检测装置利用上述计算出的特征参数，根据预置的分析规则分析入侵物的形状特征，区分入侵物是人还是其它物体，避免树叶或其他小体积动物进入扫描范围引起误
Sfc目。在本实施例中，预先对扫描区域的背景进行扫描，实时对比背景地图与当前扫描区域的信息，判断是否发生变化，若是，则触发分析检测的步骤，使得对入侵物的分析检测更加合理和精确；而且，在进行入侵物分析的过程中加入了背景滤除，使得运算中处理的点数大大减少，提高了运算效率。在一些复杂的环境中，目标物较多且具有不同的特征，此时需要处理的坐标点的数量较大，需要进行一些分割和融合，请参阅图3，本发明实施例中安防检测方法的另一个实施例包括301、扫描目标物；
在预先进行了背景扫描之后，安防检测装置发射四束激光，分别扫描当前监控的区域。该四束激光扫描的区域互不重叠，且该四束激光扫描的范围刚好覆盖整个监控区域。302、获取目标物的扫描参数；本实施例中的步骤302的内容与前述图1所示的实施例中步骤102的内容相同， 此处不再赘述。303、判断是否需要分析检测；安防检测装置将目标物距离Z的均值与背景物距离Z的均值作差，得到前景变量。安防检测装置比较前景变量与第一阈值的大小，若该前景变量大于第一阈值，则对触发步骤304。304 305、本实施例中的步骤304至305的内容与前述图2所示的实施例中207 至208的内容相同，此处不再赘述。306、对形状信息进行特征分割；安防检测装置预先分析当前监控环境的特点，测试各种可能存在的目标物的特征量，计算并得到第二阈值。根据当前监控的需要或处理设备的性能，第二阈值可以设置为一组或多组，此处不作具体限定。假设第二阈值预置为a，则在获得入侵物的形状信息后，沿同一方向依次扫描入侵物形状信息的各个坐标点，将连续两点距离不超过第二阈值a的坐标点归为一类，使得属于同一物体的坐标点尽量分在同一段数据内，便于后续进行特征提取，降低运算的复杂度。307、计算特征参数；在进行特征分割后，安防检测装置可以针对入侵物形状信息的每一段数据进行特征提取，提取与目标物表面形状相关的形状特征参数(如目标物的宽度、连续两条线段的中点的距离、每一段目标物的坐标点数)；或结合连续多帧的形状信息，提取与目标物运动状态相关的运动特征参数(如线段的移动距离、线段的移动速度)。在形状特征参数中，应用最多的是直线段的特征提取，因为大多数的物体都可以由较为规则的直线段组合而成，而且在监控项目中需要探测的入侵人员往往表现为直立的线段特征，所以线性特征提取算法是我们关注的重点，常见的线段提取算法有线性回归、霍夫变换、增量算法、最大期望值算法等。308、对形状信息进行信息融合；一、空间融合在一帧的形状信息中，安防检测装置获取连续两条线段的中点的距离md，若距离 md小于第三阈值，则使用两条线段的中点连接的线段代替该两条线段，直至所有的距离md 都大于或等于第三阈值，空间融合结束。由于在一些复杂的环境中，目标物具有不同的特征，而目标物又是由多个部分组成的完整物体，此时需要处理的坐标点的数量较大，对一帧的形状信息中连续的点进行融合，有助于整合目标物原型，减少运算量，便于提取更多有用的特征参数。比如人的一条腿和一根圆棒，在段内的数据特征可能一致，无法区分，但是如果在连续的两个段内都发现了类似的特征，这时是一个人的两条腿的可能性就大多了。上述的空间融合方法仅是利用一种特征参数进行信息融合的一个举例，可以理解的是，在实际操作中，还可以有其它的空间融合方法，此处具体不作限定。
二、时间融合在每连续两帧的形状信息中，安防检测装置获取线段的移动距离d，若距离d小于第四阈值，则对该两帧的形状信息进行融合，并获取该线段的运动轨迹。由于在一帧形状信息中往往不能提供足够的数据进行分析，此时需要结合同一时段内，连续几帧的形状信息进行分析，将具有相同运动轨迹的连续几帧的形状信息进行融合，从而减少了运算量并可以进行更为准确的特征描述。同样，上述给出的时间融合方法也仅是一种举例，可以有其它的实现方式，此处具体不作限定。309、再次计算特征参数；安防检测装置对信息融合后的入侵物形状信息进行计算，得到更为精确的特征参数，如入侵物的宽度W，入侵物的移动距离D，入侵物的移动速度S。310、分析入侵物的类型。安防检测装置利用新的特征参数根据各参数预置的权重比例进行运算，根据运算结果判断入侵物的类型。本发明实施例中，对入侵物的形状信息进行了特征分割和信息融合，减小了运算的复杂度，提高了分析入侵物的准确性。为了更好的理解本发明的实现过程，以下会以一具体应用场景会对本发明安防检测方法进行详细地描述，请参考图4，具体为401、发射激光；安防检测装置通过4个激光发射器发射激光，每个激光发射器借助透镜发出发散角为30度的光束，4个激光光束组成有效检测范围为120度的激光幕帘。激光发射器可以贴近护栏位置安装，安装时调整使每个激光发射器的位置，使得每个激光发射器的扫描范围互不重叠，且扫描区域内无扫描缝隙。402、接收返回激光；安防检测装置的激光接收器接收所有目标物反射回的激光，并将返回的激光信号通过传感器转换为脉冲电信号，对该脉冲电信号进行放大，并根据时间参数建立脉冲频谱图像。403、计算时间差；安防检测装置的分析该脉冲频谱图像，计算从激光发射到接收之间的时间差。时间差的计算和校准是基于高集成度的时间与数字转换电路完成的。安防检测装置的光学系统只需包含激光发射和接收模块，结构简单；而信号转换则是由高集成度的电路模块完成，体积小且成本低。404、获取目标物的扫描参数；安防检测装置先通过时间差和光速计算目标物与激光发射器的距离Z，然后获取相应时间内激光发射器的偏移角度，最后使用该距离Z和偏移角度，利用极坐标建立参考坐标系，得到每个目标物反射点的距离X和距离Y。405、判断是否需要分析检测；安防检测装置将目标物距离Z的均值与背景物距离Z的均值作差，得到前景变量。安防检测装置比较前景变量与第一阈值的大小，若该前景变量大于第一阈值，则对触发步骤406。
406、生成目标物的形状信息；本实施例中的步骤406的内容与前述图2所示的实施例中207的内容相同，此处不再赘述。407、对形状信息进行背景滤除；安防检测装置提取背景地图，对比背景地图与当前目标物的形状信息，去除目标物的形状信息中与背景物的形状信息相同的部分，得到入侵物的形状信息。408、对形状信息进行特征分割；本实施例中的步骤408的内容与前述图3所示的实施例中306的内容相同，此处不再赘述。409、计算特征参数；在进行特征分割后，安防检测装置可以针对入侵物形状信息的每一段数据进行特征提取，提取目标物的宽度w和连续两条线段的中点的距离md;并结合连续多帧的形状信息，提取线段的移动距离d和线段的移动速度S。根据以下公式进行特征参数的运算
权利要求
1.一种安防检测方法，其特征在于，包括 发射至少两束的激光，扫描目标物；获取目标物的扫描参数，所述扫描参数包括距离Z，距离X和距离Y，所述距离Z为所述目标物与激光发射器的距离，所述距离X和距离Y分别为目标物在参考坐标系上的水平距离和垂直距离；根据所述扫描参数生成目标物的形状信息，所述形状信息为目标物形状的坐标点的集合；计算所述形状信息的特征参数；利用所述特征参数根据预置的分析规则确定所述目标物的类型。
2.根据权利要求1所述的方法，其特征在于， 所述目标物包括背景物和入侵物；所述方法还包括发射两束以上的激光，扫描背景物；获取背景物的扫描参数；根据所述扫描参数生成背景物的形状信息；将所述背景物的形状信息存储到本地。
3.根据权利要求2所述的方法，其特征在于，所述获取目标物的扫描参数之后包括 将所述目标物的距离Z与背景物的距离Z作差，得到前景变量；若所述前景变量大于第一阈值，则对触发所述根据扫描参数生成目标物的形状信息的步骤。
4.根据权利要求3所述的方法，其特征在于，所述计算形状信息的特征参数之前包括 根据背景物的形状信息对目标物的形状信息进行背景滤除，得到入侵物的形状信息。
5.根据权利要求4所述的方法，其特征在于，所述计算形状信息的特征参数之前包括 根据第二阈值对入侵物的形状信息进行分类，将所述坐标点中连续两点距离不超过第二阈值的坐标点归为一类。
6.根据权利要求1、3、4或5任意一项所述的方法，其特征在于，所述特征参数包括 目标物的宽度《，线段的移动距离d，连续两条线段的中点的距离md，线段的移动速度So
7.根据权利要求6所述的方法，其特征在于，所述计算形状信息的特征参数包括 根据以下公式进行特征参数的运算W= V^startx "Xend)2+^ystartx -Yend^ ；Xmid — (Xstartx+Xend) /2 ；Ymid — (ystartx+yend) /2 ；d — λ]〔 Xpastmid — Xmid) + ( Ypastmid — Ymid^^ = V(Xmid- Xmid’)2 + (Υ— _ Ymid'^ ；s = d/t ；所述Xstmtx和ystotx分别为一个目标物起始点χ轴和ι轴的坐标值，所述Xmd和ymd分别为一个目标物终点χ轴和y轴的坐标值，所述^d和ymid分别为一条线段的中点χ轴和y轴的坐标值，所述^cmid，和ymid，分别为连续另一条线段的中点χ轴和y轴的坐标值，所述^astmid 和yPastmid分别为连续另一帧形状信息的同一条线段的中点χ轴和y轴的坐标值，t为获取两帧连续形状信息的间隔时间。
8.根据权利要求6所述的方法，其特征在于，所述计算形状信息的特征参数之后包括 在一帧的形状信息中，若连续两条线段的中点的距离md小于第三阈值，则使用两条线段的中点连接的线段代替所述两条线段，直至所有的距离md都大于或等于第三阈值，空间融合结束； 和/或，在每连续两帧的形状信息中，若线段的移动距离d小于第四阈值，则对所述两帧的形状信息进行融合，并获取所述线段的运动轨迹。
9.根据权利要求8所述的方法，其特征在于，所述利用特征参数根据预置的分析规则确定所述入侵物的类型包括对信息融合后的形状信息进行特征参数的计算，得到新的特征参数包括入侵物的宽度W，入侵物的移动距离D，入侵物的移动速度S ；利用新的特征参数根据各参数预置的权重比例进行运算，根据运算结果判断所述入侵物的类型。
10.根据权利要求9所述的方法，其特征在于，所述利用新的特征参数根据预置各参数的权重比例进行运算，根据运算结果判断所述入侵物的类型包括将新的特征参数代入公式g(x) =BTX+bQ中进行计算，所述X= (W，D，S...)，X为η维特征向量，所述B = (B1, B2,..)，B为η维权重向量，Bi、B2、 分别代表各个特征参数的权重，Bt表示对矩阵B进行转置，所述IDci为预置的人体判断参数，所述g(x)为判断结果函数，所述η为大于零的整数；分类准则为当g(x)大于零时，所述入侵物为人；当g(x)小于或等于零时，所述入侵物为非人。
11.根据权利要求1、3、4或5所述的方法，其特征在于，所述扫描目标物，获取目标物的扫描参数包括接收目标物反射的激光；检测发射激光与接收反射激光的时间差；根据所述时间差计算反射激光的目标物与激光发射器的距离，得到距离Z ； 获取激光发射器的偏移角度；根据所述偏移角度和距离Z，利用极坐标建立以参考坐标系，计算目标物的距离X和距 1 Y。
12.一种安防检测装置，其特征在于，包括扫描单元，用于发射至少两束的激光，扫描目标物；获取单元，用于获取目标物的扫描参数，所述扫描参数包括距离Z，距离X和距离Y，所述距离Z为所述目标物与激光发射器的距离，所述距离X和距离Y分别为目标物在参考坐标系上的水平距离和垂直距离；生成单元，用于根据所述扫描参数生成目标物的形状信息，所述形状信息为目标物形状的坐标点的集合；计算单元，用于计算所述形状信息的特征参数；分析单元，用于利用所述特征参数根据预置的分析规则确定所述目标物的类型。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括 存储单元，用于存储预先扫描背景物的形状信息。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括触发单元，用于将所述目标物的距离Z与背景物的距离Z作差，得到前景变量，若所述前景变量大于第一阈值，则对触发生成单元。
15.根据权利要求13所述的装置，其特征在于，所述装置还包括背景滤除单元，用于根据背景物的形状信息对目标物的形状信息进行背景滤除，得到入侵物的形状信息。
16.根据权利要求13所述的装置，其特征在于，所述装置还包括特征分割单元，用于根据第二阈值对入侵物的形状信息进行分类，将所述坐标点中连续两点距离不超过第二阈值的坐标点归为一类。
17.根据权利要求16所述的装置，其特征在于，所述装置还包括空间融合单元，用于在一帧的形状信息中，若连续两条线段的中点的距离md小于第三阈值，则使用两条线段的中点连接的线段代替所述两条线段，直至所有的距离md都大于或等于第三阈值，空间融合结束； 和/或，时间融合单元，用于在每连续两帧的形状信息中，若线段的移动距离d小于第四阈值， 则对所述两帧的形状信息进行融合，并获取所述线段的运动轨迹。
18.根据权利要求12至16任意一项所述的装置，其特征在于，所述扫描单元包括 激光发射模块，用于向目标物发射至少两束激光；激光接收模块，用于接收目标物反射的激光； 所述获取单元还包括时间差检测模块，用于检测发射激光与接收反射激光的时间差； 扫描参数计算模块，用于根据所述时间差计算反射激光的目标物与激光发射器的距离 Z，且根据激光发射器的偏移角度和距离Z，利用极坐标建立以参考坐标系，计算目标物的距离X和距离Y。
全文摘要
本发明实施例公开了一种安防检测方法以及相关装置，用于大范围且精确度高的可识别安防检测。本发明实施例方法包括发射至少两束的激光，扫描目标物；获取目标物的扫描参数，所述扫描参数包括距离Z，距离X和距离Y，所述距离Z为所述目标物与激光发射器的距离，所述距离X和距离Y分别为目标物在参考坐标系上的水平距离和垂直距离；根据所述扫描参数生成目标物的形状信息，所述形状信息为目标物形状的坐标点的集合；计算所述形状信息的特征参数；利用所述特征参数根据预置的分析规则确定所述目标物的类型。本发明还提供了实现该方法的相关装置。
文档编号G01S17/08GK102538695SQ20101058917
公开日2012年7月4日 申请日期2010年12月15日 优先权日2010年12月15日
发明者何风行, 余志军, 刘海涛, 吕政 , 杨宇卓, 谭振华, 邵长东, 马润泽 申请人:感知物联网集团(无锡)有限公司, 无锡物联网产业研究院