CN110481600B - 无人自主综合报警*** - Google Patents
无人自主综合报警*** Download PDFInfo
- Publication number
- CN110481600B CN110481600B CN201910733372.8A CN201910733372A CN110481600B CN 110481600 B CN110481600 B CN 110481600B CN 201910733372 A CN201910733372 A CN 201910733372A CN 110481600 B CN110481600 B CN 110481600B
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- vibration
- defense area
- alarm system
- unmanned autonomous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013307 optical fiber Substances 0.000 claims abstract description 84
- 230000007246 mechanism Effects 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000009545 invasion Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000007123 defense Effects 0.000 claims description 48
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 239000002184 metal Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000005452 bending Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 239000000835 fiber Substances 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 241000157302 Bison bison athabascae Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241000283080 Proboscidea <mammal> Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Alarm Systems (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明公开了一种无人自主综合报警***，用于铁路周界的警戒，包括采集装置、分析装置和用户终端，其中，采集装置包括光纤机构，所述光纤机构设置在铁路栅栏上，用于对铁路周界内的入侵目标进行识别；分析装置将所述光纤机构所采集到的信息进行处理，利用M‑Z干涉原理，用于识别围栏入侵光纤振动信号以确定入侵的对象；而后将通过所述分析装置确定后的入侵对象反馈至所述用户终端，所述用户终端根据所述入侵的对象进行监测并进行对应的预设处理。
Description
技术领域
本发明属于铁路周界入侵监测技术领域，具体涉及一种无人自主综合报警***。
背景技术
近年来，我国高速铁路经历了飞速发展时期，通车里程2万多公里，占世界营运里程超过60％，从技术引进、吸收并形成了独具特色的自主产业体系，成为在国际高科技领域一张亮丽中国名片，也是中国战略发展和民族复兴的重要一环。
高速铁路特点运营速度快、安全标准高，但纵观我国高速铁路安全保障现状，周界安全防范主要依靠物理隔离措施和人力巡逻，还没有成熟应用于高速铁路周界安全保障的技防措施，偶有发生人员入侵、破坏设施、逃票等事件，给高速铁路安全运营和高铁走出去战略带来严重安全隐患。
发明内容
有鉴于此，本发明提供一种无人自主综合报警***，用于铁路周界的警戒，包括采集装置、分析装置和用户终端，其中，采集装置包括光纤机构，所述光纤机构设置在铁路栅栏上，用于对铁路周界内的入侵目标进行识别；分析装置将所述光纤机构所采集到的信息进行处理，利用M-Z干涉原理，用于识别围栏入侵光纤振动信号以确定入侵的对象；而后将通过所述分析装置确定后的入侵对象反馈至所述用户终端，所述用户终端根据所述入侵的对象进行监测并进行对应的预设处理。
采用以上技术方案后，由于报警***包括采集装置，采集装置包括光纤机构，并利用M-Z干涉原理对围栏入侵光纤振动信号进行识别以确定入侵的对象，能够精确对铁路周界内的入侵目标进行识别，使铁路周界内入侵目标的识别过程更具有针对性，提高了报警***的工作效率，也确保本***具有市场领先的竞争力。
优选的，所述分析装置还包括：
异常振动块获取机构，所述光纤机构为分布式光纤振动传感***，所述异常振动块分析机构对所述分布式光纤振动传感***采集后的光纤振动信号进行傅里叶变换处理，并计算傅里叶变换后得到光纤振动信号的预设值；通过设定预设值阈值，对大于预设值阈值参数的光纤振动异常的异常振动块进行获取。
优选的，所述傅里叶变换后得到光纤振动信号Xn(m)的预设值Zn的计算方法为：
其中，sgn[]是符号函数，即：
优选的，所述光纤机构包括防区传感组件和振动数据采集组件，所述防区传感组件通过所述振动数据采集组件连至所述分析装置。
优选的，所述光纤机构包括防区模块及与防区模块连接的传感光缆，所述防区模块与传感光缆均安装在防区周界的栅栏上。
优选的，所述防区模块包括防区头端模块及防区终端模块，所述防区头端模块与防区终端模块的位置相对应。
优选的，所述防区头端模块上设有第一耦合器，所述防区终端模块上设有第二耦合器及反射镜；当光束依次经过第一耦合器及第二耦合器后，光束通过反射镜返回第一耦合器。
优选的，所述报警***还包括：
传输供电设备，所述采集装置、分析装置及用户终端，均连至所述传输供电设备。
优选的，所述报警***还包括：
防雷接地设备，所述传输供电设备均通过防雷接地设备接地。
优选的，所述用户终端为客户端电脑、显示设备、声光警示、短信网关和语意喊话麦克风的其中一种或多种。
附图说明
图1为本发明较佳实施例所提供一种无人自主综合报警***的流程示意图。
图2为本发明较佳实施例所提供一种无人自主综合报警***的流程示意图。
图3为本发明较佳实施例所提供一种无人自主综合报警***的振动光纤与摄像头的安装示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
本发明的报警***属于铁路周界警戒的技术，主要针对高速铁路周界安全的需求，为控制该区域可能出现的意外情况及各类突发隐患，及时预料，提高做出风险的有效评估，周界防护作为该方案的重点防范目标。合理配置周界安全防范有效管控，实现周界防范科学化管理，智能型分析，提高边境线数字化周界综合防范水平。
采用本发明提供的无人自主综合报警***，能够为高速铁路周界提供可靠的防范保障，防止非法人员利用地形地貌复杂特征的盲区进行非法潜入，采用高覆盖率，预防和制止目标对象的入侵。
一旦有入侵对象发生，能在第一时间将报警信号传送到用户终端，用户终端根据入侵的对象进行监测并进行对应的预设处理，其中，预设处理包括发出报警信号，并联动现场的摄像机、广播和照明等设备多方位地对现场情况实现监控和处理，从而完善并建立起高速铁路周界的安全保障体系。
如图1至图3所示，本发明实施方式的一种无人自主综合报警***，用于铁路周界的警戒，包括采集装置、分析装置20和用户终端30，其中采集装置包括用于感知防区入侵警戒预警的光纤机构12及用于实时数据采集的摄像机构11，光纤机构12设置在铁路栅栏上，摄像机构12安装于栅栏内(如图3)，用于对铁路周界内的入侵目标进行识别。在本实施例中，分析装置用于将光纤机构11和摄像机构12所采集到的信息进行处理，其中，光纤机构11利用M-Z干涉原理对围栏入侵目标所产生的光纤振动信号进行识别，摄像机12将拍摄到的图片或视频根据预设的人脸识别神经网络进行入侵对象确定；而后将通过分析装置20确定后的入侵对象反馈至用户终端30，用户终端30对入侵的对象进行监测并采取对应的预设处理。
具体地，用户终端可以为客户端电脑、显示设备、声光警示、短信网关或语意喊话麦克风的一种或几种，声光警示、显示设备、声光警示、短信网关或语意喊话麦克风与分析装置20连接，当用户终端接收到光纤机构12或摄像机构11发出的报警信息时，自动控制接通声光报警电源，发出声光提示，或自动连接短信网关，向指定号码发送短信提醒消息。
可以理解，当高速铁路周界上的铁路栅栏出现异常状态，光纤机构12包括多个采集器组成的信号采集模块、光缆模块和防区分割包模块，采集器采用开关量单防区采集设备TCNET-CJ-1001，防区分割包采用型号是TCNET-CJ-1500的防区分割包，振动传感光缆为黑色铠装光缆。
当高速铁路周界上的光纤机构12触发报警时，分析装置20判断出具体报警防区，并结合摄像机构12自动对焦的原理，对报警防区进行视频或图片的拍摄，其中，视频或图片根据预设的人脸识别神经网络先进行处理，这样能够有效过滤非入侵幻象(车灯、车体、光影、设施、雨雪、昆虫、草木)，捕捉特定目标(人员、大象、汽车、野牛、轨面异物)框示报警，可同时框示多个目标，计算全部目标的大小、位置和相似度，有效降低错误报警的概率及降低人员工作强度，提高工作效率。
当然，分析装置20在获取光纤机构12发出的信息时，综合考虑风速、雨量、雪深等天气因素，对光纤机构12所发出的信息进行对应的处理及校正，过滤由于极端天气因素产生的监测数据，提高了人为入侵报警准确率。
在一个可选的实施方式中，分析装置20还包括异常振动块获取机构，其中，光纤机构12为分布式光纤振动传感***，其中，分布式光纤振动传感***是利用光纤中连续分布式散射效应，能够对光纤沿线外界扰动进行分布式感知和精确定位，如人的感知神经***一样可以全方位连续监测，这样可以在传感探测距离、事件精确定位、隐蔽性、环境适应性等方面具有不可替代的优势。
在本实施例中，异常振动块分析机构可以对分布式光纤振动传感***采集后的光纤振动信号进行特征提取，包括光纤振动信号的时域分析和频域分析，其中，光纤振动信号的时域分析是指在一定时间阶段对光纤振动信号的幅度、周期、相位等基本参数进行分析。一般情况下，报警***中的光纤振动信号在未受到干扰时，信号长时间处于一种平稳状态，当产生入侵事件后，信号的振幅会发生较大的跳变，因此可以根据设定的幅度阈值来确定的光纤振动信号是否受到扰动，其中，信号均方根值可以很好的反应震动信号能量变化的大小，可以在一定程度上反应震动幅度的大小，均方根计算公式为：
其中，Xrms表示信号方根；n是输入序列X中的元素个数。
由于均方根只能反应信号变化的能量大小，无法反应振动信号的类型，同时，如果有信号受到干扰，也会造成均方根的剧烈变化，极易造成误差，因此需要给予一个波动系数，波动系数定义为单位时间内信号中同一上升或下降趋势中幅度的差值大于一定阈值的个数，波动系数的公式为：
β＝∑Num{|A1-A2|＞A}
其中，β表示波动系数，A1、A2表示波形同一上升或下降的幅值；A表示固定值，一般取波形的1/2峰值。
但是仅从时域特征分析，有时很难直接判断光纤振动信号的振动信号的类型，因此本发明结合光纤振动信号的频域特征进行分析，能够对不同类型的干扰信号进行频谱分析，即根据光纤受振动时，信号振动的强烈进行判断。
在一个可选的实施方式中，异常振动块分析机构对所述分布式光纤振动传感***采集后的光纤振动信号进行傅里叶变换处理，并计算傅里叶变换后得到光纤振动信号的预设值；通过设定预设值阈值，对大于预设值阈值参数的光纤振动异常的异常振动块进行获取。
其中，傅里叶变换后得到光纤振动信号Xn(m)的预设值Zn的计算方法为：
其中，sgn[]是符号函数，即：
采用以上技术方案后，能够避免了光纤机构12对振动正常的光纤振动信号进行识别及计算，使用户终端30对入侵对象的识别过程更具有针对性，提高了侵报警***的工作效率，此外，本发明可有效地降低大风大雨对围栏安防入侵识别的干扰，精确分辨入侵的对象。
在一个可选的实施方式中，分析装置还包括人脸特征提取装置，摄像机构11对入侵目标进行视频或图片采集后，人脸特征提取装置对获取得到的视频或图片进行分类，并根据脸识别神经网络确定入侵的对象。
通过摄像机构11采集到的视频或图片并根据人脸特征提取装置对获取得到的视频或图片进行分类以确定入侵的对象，能够有效提高报警***对入侵对象判断的准确性，同时还可以将摄像机构11发送至用户终端进行实时跟踪，提高人员的工作效率。
在一个可选的实施方式中，光纤机构12包括防区传感组件、振动数据采集组件及管理分析组件，防区传感组件通过振动数据采集组件连至管理分析组件，在本实施例中，防区传感组件沿防区双侧周界栅栏连续等距离全程布设，依据现有技术条件要求，防区长度不大于250米，当然科技发展到一定程度时，防区长度也可以超过250米；振动数据采集组件安装于视频采集点的位置上，并通过传输光缆就近接入采集点周边光纤防区，采用实时振动数据并上传；管理分析组件是为了实现振动数据的接收、分析处理、预警，具备防区参数远程配置功能。
在一个可选的实施方式中，防区传感组件包括防区模块及与防区模块连接的传感光缆，在本实施例中，所述防区模块与传感光缆均安装于周界栅栏上，采用以上技术方案后，不仅无需供电、节能环保，而且不怕雷击、具有可靠性高的新一代赌输警戒防范手段，从而确保本***具有市场领先的竞争力。
在一个可选的实施方式中，防区模块包括防区头端模块及防区终端模块，防区头端模块与防区终端模块的位置相对应，振动数据采集组件包括激光器、光电探测器及数据采集控制装置，激光器发出光信号经过防区头端模块及防区终端模块后进行干涉，光电探测器将干涉后的光信号接收并转化为电信号传递至数据采集控制装置。
作为优选的实施方式，防区头端模块上设有第一耦合器，防区终端模块上设有第二耦合器及反射镜；当激光器发出的光信号经过防区头端模块第一耦合器后分成两路光束，其中一路光束依次经过光纤延时纤、防区终端模块第二耦合器后经反射镜反射后，再依次经过第二耦合器、传感光缆后返回第一耦合器，另一路光束依次经过传感光缆、第二耦合器后经反射镜反射后依次经过第二耦合器、光纤延时纤后返回所述第一耦合器，两路光束在第一耦合器内发生干涉；所述光电探测器用于接收干涉后的光束，并将光信号转换为电信号发送到数据采集控制装置，数据采集控制装置用于采集所述电信号并进行预处理。
作为优选的实施方式，摄像机构11包括摄像机，该摄像机为高清网络型激光摄像机，可全方位旋转和变焦，在铁路双侧错位安装，连续布点覆盖，进行全天候不间断监视警戒。
为满足安全单位业务需求，摄像机专门设计了语音、激光驱赶和指引功能，在突发事件时，可进行语音喊话、可见激光驱离入侵目标，或在夜间通过可见激光指示入侵目标位置，引导警员抓捕。
采用以上技术方案后，摄像机构11与光纤机构12形成一个防区联动巡搜，当防区传感组件感知到防区有目标物入侵时并进去预警，所述摄像机可以按照入侵预警类别，并调用预先设定的对应联动预案，当接收用户终端的控制指令，从而对预警防区执行联合巡搜。
在一个可选的实施方式中，光纤机构12通过固定装置安装在高速铁路周界上的铁路栅栏，固定装置包括箍套铁路栅栏的抱箍部和与其连接的固定板，固定板竖向设置，且固定板的板面上设有容纳振动光纤的凹槽。
具体地，抱箍部可为U形抱箍，结构简单实用，固定板固定连接在U形抱箍的开口端，即固定板在将U形抱箍固定在围墙栏杆上的同时，还通过其板面上的凹槽安装固定光纤机构12。固定板可为钣金件，凹槽可由钣金件的一侧弯折形成，这样一体式的制作更加简单方便，其中，凹槽的槽口朝向抱箍部一侧，即可同时利用围墙栏杆的表面与凹槽共同对振动光纤进行限位固定。
作为优选的实施方式，所述光纤机构12内置有各种不同环境的波形，如安静状况下的波形、雨天状态的波形及翻越入侵的波形等，当防区传感组件感知到防区有目标物入侵时，所述光纤机构12将收集到的波形与内置光纤机构12的波形进行对比，从而实现了智能探测的功能。
作为优选的实施方式，摄像机构11包括视频采集部分、视频传输部分及人工智能视频识别部分，根据地形变化单侧布点间距500米或1000米，所述摄像机安装在责任监控范围500米处，以便视频采集部分进行无死角的拍摄。
作为优选的实施方式，采集装置还包括语音识别机构，用于识别入侵对象的语音，语音识别机构里存放着不同生物的声音，包括人类，若入侵对象的声音与人类的声音相匹配，则将信息发至用户终端。
作为优选的实施方式，还包括传输供电设备，采集装置、分析装置20和用户终端30均连至所述传输供电设备，在本实施例中，传输供电设备为交流市电220V，根据机房设备用电功率，同时支持蓄电池储能，市电异常时灾备延时供电不低于4小时，增加向外供电的电源容量。
作为优选的实施方式，还包括防雷接地设备，传输供电设备均通过防雷接地设备接地，防雷接地设备包括交流电源防雷器及直流电源防雷器，用于保护电气电子设备免受雷电电磁脉冲感应电压、操作瞬态和谐振(＜100μs)过电压的影响。
作为优选的实施方式，还包括地图服务器，摄像机构11与光纤机构12均通过地图服务器连至用户终端30，通过该地图服务器可以实现精准定位，并直接对监控点进行调看、设置、报警联动操作，而且还可以实现实时视频预览、录像及回放、云镜控制等监控操作，并对特定的目标自动跟踪，其中，在实时预览状态下，可以对当前选定画面的摄像机，授权的情况下可进行云台、镜头控制，操作摄像机水平、垂直旋转、镜头变焦、预置位调用、巡航调用等操作，支持摄像机3D定位操作。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包括在本发明保护的范围之内。
Claims (10)
1.一种无人自主综合报警***，用于铁路周界的警戒，其特征在于，包括：
采集装置，包括光纤机构，所述光纤机构设置在铁路栅栏上，用于对铁路周界内的入侵目标进行识别；
分析装置，将所述光纤机构所采集到的信息进行处理，利用M-Z干涉原理，以识别围栏入侵光纤振动信号并确定入侵的对象；
用户终端，将通过所述分析装置确定后的入侵对象反馈至所述用户终端，所述用户终端根据所述入侵的对象进行监测并采取对应的预设处理；
所述分析装置还包括异常振动块获取机构，以对所述光纤机构采集后的光纤振动信号进行特征提取，通过均方根反应震动信号能量的变化，其中，均方根计算公式为：
其中，Xrms表示信号方根；n是输入序列X中的元素个数；
通过波动系数反应振动信号的类型，其中，波动系数的公式为：
β＝∑Num{|A1-A2|＞A}
其中，β表示波动系数，A1、A2表示波形同一上升或下降的幅值；A表示固定值，一般取波形的1/2峰值；
其中，还包括固定装置，所述光纤机构通过固定装置安装在高速铁路周界上的铁路栅栏，所述固定装置包括箍套铁路栅栏的抱箍部和与其连接的固定板，所述固定板竖向设置，且固定板的板面上设有容纳振动光纤的凹槽；
所述抱箍部为U形抱箍，所述固定板固定连接在U形抱箍的开口端，使得所述固定板在将U形抱箍固定在围墙栏杆上的同时，还通过其板面上的凹槽安装固定光纤机构；所述固定板可为钣金件，所述凹槽由钣金件的一侧弯折形成，且所述凹槽的槽口朝向抱箍部一侧，以利用围墙栏杆的表面与凹槽共同对振动光纤进行限位固定。
2.如权利要求1所述的无人自主综合报警***，其特征在于：所述分析装置还包括：
异常振动块获取机构，所述光纤机构为分布式光纤振动传感***，所述异常振动块分析机构对所述分布式光纤振动传感***采集后的光纤振动信号进行傅里叶变换处理，并计算傅里叶变换后得到光纤振动信号的预设值；通过设定预设值阈值，对大于预设值阈值参数的光纤振动异常的异常振动块进行获取。
3.如权利要求2所述的无人自主综合报警***，其特征在于：所述傅里叶变换后得到光纤振动信号Xn(m)的预设值Zn的计算方法为：
其中，sgn[]是符号函数，即：
4.如权利要求1所述的无人自主综合报警***，其特征在于：所述光纤机构包括防区传感组件和振动数据采集组件，所述防区传感组件通过所述振动数据采集组件连至所述分析装置。
5.如权利要求1所述的无人自主综合报警***，其特征在于：所述防区传感组件包括防区模块及与防区模块连接的传感光缆，所述防区模块与传感光缆均安装在防区周界的栅栏上。
6.如权利要求5所述的无人自主综合报警***，其特征在于：所述防区模块包括防区头端模块及防区终端模块，所述防区头端模块与防区终端模块的位置相对应。
7.如权利要求6所述的无人自主综合报警***，其特征在于：所述防区头端模块上设有第一耦合器，所述防区终端模块上设有第二耦合器及反射镜；当光束依次经过第一耦合器及第二耦合器后，光束通过反射镜返回第一耦合器。
8.如权利要求1所述的无人自主综合报警***，其特征在于：所述报警***还包括：
传输供电设备，所述采集装置、分析装置及用户终端，均连至所述传输供电设备。
9.如权利要求1所述的无人自主综合报警***，其特征在于：所述报警***还包括：
防雷接地设备，所述传输供电设备均通过防雷接地设备接地。
10.如权利要求1所述的无人自主综合报警***，其特征在于：所述用户终端为客户端电脑、显示设备、声光警示、短信网关和语意喊话麦克风的其中一种或多种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910733372.8A CN110481600B (zh) | 2019-08-07 | 2019-08-07 | 无人自主综合报警*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910733372.8A CN110481600B (zh) | 2019-08-07 | 2019-08-07 | 无人自主综合报警*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110481600A CN110481600A (zh) | 2019-11-22 |
| CN110481600B true CN110481600B (zh) | 2024-06-11 |
Family
ID=68550418
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910733372.8A Active CN110481600B (zh) | 2019-08-07 | 2019-08-07 | 无人自主综合报警*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110481600B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112542046B (zh) * | 2020-12-07 | 2022-03-11 | 无锡科晟光子科技有限公司 | 基于das的长距离管道重型车辆预警监测方法 |
| CN114572277B (zh) * | 2022-03-03 | 2023-01-03 | 河北建筑工程学院 | 轨道障碍物智能识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008621A (zh) * | 2014-06-03 | 2014-08-27 | 天津求实飞博科技有限公司 | 防区型光纤扰动周界安防***及入侵扰动快速判定方法 |
| CN106530544A (zh) * | 2016-11-21 | 2017-03-22 | 国网山东省电力公司肥城市供电公司 | 一种光纤光栅阵列周界入侵*** |
| CN107672625A (zh) * | 2017-10-10 | 2018-02-09 | 深圳市信海通科技有限公司 | 高速铁路周界入侵报警*** |
| EP3321859A1 (en) * | 2015-09-02 | 2018-05-16 | Nuctech Company Limited | Optical fiber perimeter intrusion signal identification method and device, and perimeter intrusion alarm system |
| CN108765814A (zh) * | 2018-08-23 | 2018-11-06 | 中山光蓝信息技术有限公司 | 基于光纤传感的边境线周界防入侵报警***及方法 |
| CN108806144A (zh) * | 2018-07-02 | 2018-11-13 | 俞雪利 | 一种基于5g网络的社区报警*** |
| CN211710855U (zh) * | 2019-08-07 | 2020-10-20 | 深圳市信海通科技有限公司 | 无人自主综合报警*** |
-
2019
- 2019-08-07 CN CN201910733372.8A patent/CN110481600B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008621A (zh) * | 2014-06-03 | 2014-08-27 | 天津求实飞博科技有限公司 | 防区型光纤扰动周界安防***及入侵扰动快速判定方法 |
| EP3321859A1 (en) * | 2015-09-02 | 2018-05-16 | Nuctech Company Limited | Optical fiber perimeter intrusion signal identification method and device, and perimeter intrusion alarm system |
| CN106530544A (zh) * | 2016-11-21 | 2017-03-22 | 国网山东省电力公司肥城市供电公司 | 一种光纤光栅阵列周界入侵*** |
| CN107672625A (zh) * | 2017-10-10 | 2018-02-09 | 深圳市信海通科技有限公司 | 高速铁路周界入侵报警*** |
| CN108806144A (zh) * | 2018-07-02 | 2018-11-13 | 俞雪利 | 一种基于5g网络的社区报警*** |
| CN108765814A (zh) * | 2018-08-23 | 2018-11-06 | 中山光蓝信息技术有限公司 | 基于光纤传感的边境线周界防入侵报警***及方法 |
| CN211710855U (zh) * | 2019-08-07 | 2020-10-20 | 深圳市信海通科技有限公司 | 无人自主综合报警*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110481600A (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106952477B (zh) | 基于多相机图像联合处理的路侧停车管理方法 | |
| CN108802758B (zh) | 一种基于激光雷达的智能安防监控装置、方法和*** | |
| CN110481600B (zh) | 无人自主综合报警*** | |
| CN112907869B (zh) | 基于多种传感技术的入侵检测*** | |
| CN101976489A (zh) | 一种激光-视觉联动夜间入侵探测装置 | |
| CN107672625B (zh) | 高速铁路周界入侵报警*** | |
| CN112382033A (zh) | 一种区域型入侵报警*** | |
| CN110691224A (zh) | 一种变电站周界视频智能检测*** | |
| CN112349055A (zh) | 一种基于雷达与视频联动的目标监测装置和方法 | |
| CN110636264B (zh) | 一种高空抛物智能检测预警***及方法 | |
| CN108806144A (zh) | 一种基于5g网络的社区报警*** | |
| CN113219454A (zh) | 基于毫米波雷达的防车辆和人员侵入跑道的***及方法 | |
| CN111429681A (zh) | 带红外热像验证的综合周界安防***及方法 | |
| CN111596293A (zh) | 一种雷达安防一体机及其监测方法 | |
| CN105957287A (zh) | 一种用于架空输电线路的防破坏预警***与方法 | |
| CN114594490A (zh) | 一种电力线路激光防外破方法和装置 | |
| CN114283544B (zh) | 一种基于人工智能的铁路站台入侵监测***及方法 | |
| CN211630273U (zh) | 用于铁路环境的图像智能识别装置 | |
| CN211710855U (zh) | 无人自主综合报警*** | |
| CN210836448U (zh) | 光纤振动与视频综合分析服务器 | |
| CN210667065U (zh) | 具备入侵振动和精确定位功能的综合光纤报警器 | |
| CN110517506B (zh) | 基于交通视频图像检测停车事件的方法、装置及存储介质 | |
| CN208819329U (zh) | 一种能够进行实时定位预警的安监*** | |
| CN111063148A (zh) | 一种远距离夜视目标视频检测方法 | |
| CN211928699U (zh) | 带红外热像验证的综合周界安防*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |