RU2721178C1 - Интеллектуальная автоматическая система обнаружения нарушителей - Google Patents
Интеллектуальная автоматическая система обнаружения нарушителей Download PDFInfo
- Publication number
- RU2721178C1 RU2721178C1 RU2019141273A RU2019141273A RU2721178C1 RU 2721178 C1 RU2721178 C1 RU 2721178C1 RU 2019141273 A RU2019141273 A RU 2019141273A RU 2019141273 A RU2019141273 A RU 2019141273A RU 2721178 C1 RU2721178 C1 RU 2721178C1
- Authority
- RU
- Russia
- Prior art keywords
- detection
- unit
- artificial neural
- block
- neural networks
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Burglar Alarm Systems (AREA)
Abstract
Изобретение относится к области охранной сигнализации и может быть использовано в системах охраны для автоматического обнаружения нарушителей, проникших на охраняемую территорию и своими действиями вызывающих срабатывание средств обнаружения. Технический результат изобретения заключается в повышении вероятности обнаружения несанкционированного проникновения на охраняемую территорию и перемещения по ней нарушителей природного или искусственного происхождения, способных создать угрозу охраняемому объекту. Такой результат достигается за счет интеллектуальной автоматической системы обнаружения нарушителей, содержащей средства обнаружения в виде датчиков охранной сигнализации, связанные с датчиками блок логической обработки сигналов и искусственную нейронную сеть с подаваемыми на нее обучающими сигналами, средства обнаружения в виде средств формирования изображений нарушителей, объединенные вместе с датчиками охранной сигнализации в N блоков средств обнаружения, N блоков устройств регистрации и первичной обработки сигналов от средств обнаружения, N блоков искусственных нейронных сетей, осуществляющих распознавание сигналов от средств обнаружения, блока управления потоком данных, блока средств регистрации параметров природных факторов, блока средств регистрации параметров антропогенных факторов, блока учета параметров внешней среды, блока памяти, блока итогового распознавания и блока принятия решения. 12 з.п. ф-лы, 2 ил.
Description
ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ
Изобретение относится к области охранной сигнализации и может быть использовано в системах охраны для автоматического (без участия человека-оператора) обнаружения нарушителей (как одиночных, так и групповых), проникших (пытающихся проникнуть) на охраняемую территорию и своими действиями вызывающих срабатывание средств обнаружения. При этом нарушителем считается не только человек, несанкционированно проникший (пытающийся проникнуть) на охраняемую территорию и создающий криминальную угрозу охраняемому объекту и (или) имуществу, или группа таких людей, но и любые несанкционированно проникшие (пытающиеся проникнуть) на охраняемую территорию, способные к перемещению по земле или на опасной для охраняемого объекта высоте над охраняемой территорией и создающие криминальную угрозу технические (искусственные) средства и комплексы, например, робототехнические (как автономные, в том числе с искусственным интеллектом, так и управляемые оператором, в том числе дистанционно), а также животные или птицы, способные (в силу их предварительной целенаправленной дрессировки) к проникновению на охраняемый объект и созданию вышеупомянутой угрозы. Т.е. лицо, создающее криминальную угрозу и именуемое в соответствии с действующим ГОСТом (ГОСТ Р 52551-2016 «Системы охраны и безопасности. Термины и определения») «нарушителем» (в юридическом плане) не только само может проникнуть на охраняемый объект (в том числе с использованием технических средств или на технических средствах, например, на автомобиле или автожире), но и может отправить на охраняемый объект для создания криминальной угрозы способное к перемещению и совершению необходимых противоправных действий автономное (дистанционно-управляемое) техническое средство (комплекс) или дрессированное животное (птицу). Тенденции развития робототехники и систем искусственного интеллекта показывают, что в ближайшем будущем основная масса проникновений на охраняемые территории с различными (в частности, диверсионными) целями будет осуществляться именно с использованием автономных и (или) дистанционно-управляемых (в частности, радиоуправляемых) технических средств и комплексов (например, одиночных коптеров (в частности, квадрокоптеров) или их групп). Такие средства и комплексы могут совершать противоправные действия в условиях, в которых по различным причинам не может действовать человек-нарушитель (опасность или несовместимость с жизнью человека, несоответствие размеров тела человека и его физических возможностей требуемым для проникновения и совершения противоправных действий и пр.). Потому к «нарушителям» целесообразно относить не только человека, но и все объекты, проникшие (пытающиеся проникнуть) на охраняемую территорию и (или) создающие криминальную угрозу (способные к созданию криминальной угрозы) охраняемому объекту, как по заданию человека, так и по собственному решению (для технических объектов с универсальным (общим) искусственным интеллектом - вполне реальная в не очень далеком будущем ситуация). Именно такой подход применен в изобретении.
УРОВЕНЬ ТЕХНИКИ
Известна «Интеллектуальная система охранной сигнализации с возможностью обмена информацией между средствами обнаружения» (патент RU 2594478, МПК G08B 13/00, приоритет от 16.06.2015 года). Система состоит из центрального поста охраны, множества связанных с постом охраны и друг с другом технических средств обнаружения (датчиков), размещенных на пронумерованных участках охраняемой территории и работающих на различных физических принципах (радиоволновые, радиолучевые, инфракрасные, вибрационные (виброметрические), сейсмические, акустические, магнитометрические), и цифровой метеостанции, связанной с постом охраны и средствами обнаружения и позволяющей учитывать погодные условия, причем между центральным постом охраны и каждым из средств обнаружения осуществляется двухсторонний обмен информацией с использованием адресного принципа.
Общие с заявляемым устройством признаки: технические средства обнаружения, работающие на различных физических принципах и размещенные на известных участках охраняемой территории, а также связанные с техническими средствами обнаружения и между собой центральный пункт управления (центральный пост охраны) и цифровая метеостанция.
Интеллектуальность предложенной системы, по мнению авторов, состоит в наличии возможностей: - учета погодных условий с целью корректировки алгоритмов обработки в средствах обнаружения (например, при дожде, граде, сильном ветре, тумане и т.п.); - опроса состояния соседних средств обнаружения с целью принятия окончательного решения о тревожной ситуации на определенном участке рубежа охраны (например, при грозе или сильных порывах ветра); - обеспечения автоматических или автоматизированных (без участия центрального поста охраны) некоторых процедур настройки средств обнаружения (например, юстировки блоков передающих и приемных в активных двухпозиционных средствах тревожной сигнализации); - накопления данных для учета их при анализе состояния средств обнаружения при возникновении аналогичных ситуаций в будущем; - анализа предтревожной, тревожной и послетревожной ситуации; - использования сторожевого режима и спящего режима для экономии электроэнергии системой; - распределения и перераспределения вычислительных ресурсов между центральным постом охраны и первыми средствами обнаружения; - использования нейросетевых алгоритмов и алгоритмов нечеткой логики для интеллектуальной обработки сигналов.
Однако отмеченная интеллектуальность не подкреплена существенными признаками в формуле изобретения. Отсутствуют и примеры технической реализации вышеуказанных возможностей. Обеспечивающая достижение заявленной цели изобретения («обеспечение возможности обмена информацией между средствами обнаружения и использования цифровой метеостанции для учета погодных условий») приведенная структурная схема системы и описание ее работы не раскрывают того, как «обмен информацией» и «учет погодных условий» используются для реализации отнесенных авторами к проявлению интеллекта вышеперечисленных возможностей системы. В описании изобретения к патенту, к сожалению, нет ни схем реализации вышеперечисленных возможностей, ни ссылок на источники информации с такими схемами (как по отдельности, так и их (что гораздо сложнее) не мешающих друг другу сочетаний). «Обмен информацией» - слишком широкое свойство, которое невозможно очевидным образом соотнести с улучшением какого-либо потребительского качества рассматриваемой авторами системы (кроме частичной разгрузки центрального процессора и канала связи). Заметим, что техническая реализация большинства из указанных авторами несущих интеллектуальность возможностей по отдельности (а тем более - их той или иной совокупности) с желаемым качеством сама по себе есть сложная и неоднозначно решаемая научно-техническая задача, могущая составить предмет отдельных изобретений. Потому указание авторов на вышеназванные «интеллектуальные» возможности изобретения допустимо рассматривать именно как возможности (как не лишенные оснований пожелания), но не как присущие изобретению признаки (свойства). Тем более, что цель изобретения («обеспечение возможности обмена информацией между средствами обнаружения и использования цифровой метеостанции для учета погодных условий») явным образом и не связана с вышеуказанными «интеллектуальными» возможностями.
Недостатком данной системы является слабая потенциальная возможность желательной (для принятия правильного решения) классификации объектов, вызывающих срабатывание средств обнаружения (человек, животное, птица, наземное или летающее техническое устройство, …), а также невысокая способность разделения случаев срабатывания средств обнаружения от этих объектов от случаев срабатывания средств обнаружения от помеховых факторов естественного (природного) и искусственного (в том числе целенаправленного) происхождения. Причина - недостаточность и неопределенность используемой для обнаружения и распознавания сенсорной информации. Использование в таких условиях современных нейросетевых алгоритмов и алгоритмов нечеткой логики не даст желаемого положительного эффекта. Дело в том, что применение современных искусственных нейронных сетей требует их длительного предварительного обучения с использованием больших по объему репрезентативных выборок исходных данных, а также больших временных и вычислительных затрат, причем без особой гарантии эффективности дальнейшего рабочего использования нейросетей в условиях недостаточности и (или) зашумленности) сенсорных данных. Как известно, нейронные сети в условиях некачественного обучения или недостаточности сенсорной информации в процессе работы часто при функционировании в реальных условиях проявляют свои «слабые места» - способны грубо ошибаться, их легко обмануть, что является в общем случае следствием отсутствия у искусственных нейронных сетей способности «понимать» (все, что делают современные искусственные нейросети, есть всего лишь преобразование входного вектора данных в выходной вектор) как следствие отсутствия у них той или иной (в зависимости от области применения) пространственно-временной «видовой» и «индивидуальной» «моделей мира», требующей соответствующей онтологии и пр. В данном случае этот общий недостаток усугубляется недостаточностью и неопределенностью используемой для обнаружения и распознавания сенсорной информации. Заметим, что даже наличие профессионального оператора (естественного интеллекта) на центральном посту охраны ситуацию существенно не способно улучшить, ибо информации для принятия правильного решения даже человеком-профессионалом явно недостаточно.
Известна «Интеллектуальная сетевая система мониторинга охраняемой территории» (патент RU 2629521, МПК G08B 13/00, приоритет от 17.06.2017 года), заявленная от той же, что и вышеприведенный патент, организации частично тем же авторским коллективом. Эта система содержит центральный пункт управления, технические средства обнаружения (датчики тревожной сигнализации), работающие на разных физических принципах (сейсмическом, радиоволновом, инфракрасном, магнитометрическом, радиолучевом и обрывном), размещенные на пронумерованных участках охраняемой территории и связанные между собой и с центральным пунктом управления с помощью первого радиоканала с двухсторонней радиосвязью, технические средства видеонаблюдения (системы видеонаблюдения), связанные между собой и с центральным пунктом управления с помощью второго радиоканала с двухсторонней радиосвязью. При этом маршруты передачи информации автоматически выбираются на основе известных способов самоорганизации сетей передачи данных по критерию наилучшего качества радиосвязи с использованием ретрансляционных возможностей технических средств обнаружения и видеонаблюдения.
Наличие технических средств видеонаблюдения позволяет осуществлять визуальную идентификацию «человека-нарушителя для отличия его от животных, птиц и других помеховых факторов».
Общими с заявляемым устройством являются признаки: технические средства обнаружения, работающие на различных физических принципах и размещенные на известных участках охраняемой территории, технические средства видеонаблюдения, связанный со средствами обнаружения и видеонаблюдения центральный пункт управления с процессором.
Обработка информации в системе, как утверждается в описании изобретения к патенту, осуществляется с возможностью использования интеллектуальных алгоритмов для достижения максимальной вероятности обнаружения и минимального количества ложных тревог с учетом физического принципа работы датчиков тревожной сигнализации и возможности их комбинирования, расположения датчиков на местности, существующей оперативной обстановки на охраняемой территории, а также направления движения обнаруженного объекта. Алгоритмы обработки информации выбираются в соответствии с решающими правилами «И», «ИЛИ», «2 из 3» в зависимости от тактических задач. Однако, как и в предыдущем патенте, каких-либо технических реализаций «интеллектуальности» предлагаемой системы, демонстрирующих возможность достижения указанных в патенте возможностей:
- учет погодных условий с целью корректировки алгоритмов обработки (например, при дожде, граде, сильном ветре, тумане и т.п.);
- опрос состояния соседних технических средств охраны с целью принятия окончательного решения о тревожной ситуации на определенном участке рубежа охраны (например, при грозе или сильных порывах ветра);
- накопление и хранение алгоритмов маршрутизации для использования их в возможных вариантах организации радиосетей в будущем;
- накопление данных для учета их при анализе состояния технических средств охраны и технических средств видеонаблюдения при возникновении аналогичных ситуаций в будущем;
- анализ предтревожной, тревожной и послетревожной видеоинформации, поступающей от технических средств видеонаблюдения;
- использование «спящего режима» для экономии электроэнергии системой;
- распределение и перераспределение вычислительных ресурсов между центральным пунктом управления, техническими средствами охраны и техническими средствами видеонаблюдения;
- использование информации о расстоянии до места нарушения, параметрах объекта нарушения, скорости и направлении его движения через охраняемый рубеж для идентификации объекта нарушения по классам (человек, мелкое животное или птица, транспортное средство), что дает дополнительную информацию службе охраны для задержания нарушителя;
- использование алгоритмов обработки с комбинированием сигналов от датчиков тревожной сигнализации, работающих на разных физических принципах;
- использование нейросетевых алгоритмов и алгоритмов нечеткой логики для интеллектуальной обработки информации в центральном пункте управления,
многие из которых не являются очевидными и, как и в предыдущем патенте, могут составлять предметы отдельных изобретений, в описании изобретения к патенту не приводится. Заметим, что некоторые из указанных возможностей (например, использование «спящего» режима) отношения к какому бы то ни было интеллекту (как к искусственному, так и к естественному) не имеют. Ссылка на известность и использование нейросетевого алгоритма в системах охраны с указанием на статью А.Ю. Зенова и Н.В. Мясниковой («Применение нейросетевых алгоритмов в системах охраны периметра» / Известия высших учебных заведений. Поволжский район. Технические науки. - 2012. -№3(23). - С. 15-24) является, на наш взгляд, недостаточным обоснованием реализуемости заявленных возможностей, ибо приведенные в статье схемы и рекомендации являются слишком общими.
Тем не менее наличие в «Интеллектуальной сетевой системе мониторинга охраняемой территории» видеонаблюдения позволяет с большей, чем в патенте «Интеллектуальная система охранной сигнализации с возможностью обмена информацией между средствами обнаружения», вероятностью определить, что причиной срабатывания того или иного датчика является человек, а не животные, птицы или другие помеховые факторы. Тем самым повышаются достоверность классификации объектов вторжения на охраняемую территорию и обоснованность принятия решения на противодействие человеку-нарушителю (в том числе за счет возможности визуального сопровождения человека-нарушителя при его перемещении по охраняемой территории). Цель изобретения - «обеспечение возможности мониторинга охраняемых территорий с учетом визуальной идентификации человека-нарушителя для отличия его от животных, птиц и других помеховых факторов» - достигается.
Недостатком данной системы является полная зависимость эффективности ее функционирования от человека-оператора, зависимость от «человеческого фактора», что в ряде случаев приводит к снижению вероятности обнаружения, поскольку именно оператор посредством наблюдения за сигналами технических средств обнаружения и видеонаблюдения осуществляет визуальную классификацию вызвавших срабатывание средств обнаружения объектов, отделяя человека-нарушителя от различных «помеховых факторов», вызывающих срабатывания средств обнаружения. Несмотря на наиболее высокие из возможных в настоящее время распознающих возможностей, с которыми не сравнится пока никакой искусственный интеллект, человеку-оператору присущ ряд существенных недостатков. Прежде всего, это ограниченная способность одновременного наблюдения за несколькими объектами, что в случае группового вторжения нарушителей в разных местах на охраняемую территорию или при больших размерах охраняемой территории требует наличия нескольких операторов, обладающих необходимым опытом не только индивидуальной, но и командной работы. К недостаткам обязательного наличия оператора следует отнести и другие известные негативные проявления «человеческого фактора»: подверженность усталости и, как следствие, необходимость сменной работы, возможность отвлечения и, как следствия, пропуска сигналов, зависимость степени ответственности от индивидуальных черт характера, зависимость качества работы не только от тренированности и опыта работы, но и от физического и эмоционального состояний (отрицательное влияние физических недомоганий, личных и семейных проблем, …), наконец, наличие вероятности предательства и целенаправленного вредительства. Кроме того, человека-оператора нельзя использовать при охране объектов, несущих явную или потенциальную угрозу здоровью и жизни человека (например, опасные производства, районы с опасными климатическими условиями). Для смены операторов требуется соответствующим образом оборудованное помещение с необходимыми условиями жизнеобеспечения. Операторов надо учить (индивидуальной, а, в случае необходимости, и командной работе), контролировать их физическую и моральную готовность заступить на дежурство, контролировать качество несения ими службы, им надо платить заработную плату, оплачивать период отпусков, находя им замену на это время, проводить их аттестацию, периодически повышать квалификацию и пр., что требует больших временных и финансовых расходов.
Кроме того (в том числе и из-за ограниченных возможностей человека-оператора), технические системы видеонаблюдения на том или ином участке видеонаблюдения в рассматриваемом патенте включаются (в автоматическом режиме или по команде оператора) только при срабатывании технических средств обнаружения этого участка. Очевидно, что такой способ задействования систем видеонаблюдения наряду с оправданной «экономией сил» (внимания оператора и электропитания) ведет к снижению вероятности выявления нарушителя в случае несрабатывания по тем или иным причинам (в том числе и вследствие целенаправленных воздействий нарушителя) средств обнаружения. Причиной такого несрабатывания может быть упомянутое в патенте изменение погодных условий, но необходимая для этого случая используемая в предыдущем патенте метеостанция не включена в состав описания изобретения к патенту (в описании изобретения к патенту всего лишь указано на то, что «учет погодных условий обеспечивается получением необходимой информации от внешней метеостанции»). Причиной пропуска сигнала (несрабатывания средств обнаружения при наличии нарушителя) может быть также и наличие искусственных антропогенных помех естественного и искусственного происхождения (работа рядом расположенных механизмов и машин, например, вибрации и акустические шумы от проезжающего транспорта и пролетающих самолетов, задымления от пожаров и работы промышленных предприятий, электромагнитные излучения в различных диапазонах от стационарных и мобильных объектов (в том числе вспышки света различного происхождения в вечернее и ночное время и пр.). Эти помехи, наряду с параметрами нет только погодных условий (но в целом природных, включая, например, землетрясения в активных областях) также желательно измерять для учета (в том числе - статистического) в алгоритмах обработки информации (знание статистики их появления позволит лучше определять искусственные помехи, источником которых является сам нарушитель или группа его сопровождения, находящаяся вне охраняемой территории). Но в патенте такие измерения не предусмотрены.
Наиболее близкое к заявляемому известное техническое решение - «Интеллектуальная система обнаружения нарушителя» (патент RU 2665264 по заявке №2016150799 с приоритетом от 22.12.2016), содержащая датчики охранной сигнализации и связанный с ними блок логической обработки сигналов, многослойную нейронную сеть и технические средства отображения визуальной и звуковой информации оператора (лица принимающего решение), причем выходы чувствительных элементов датчиков связаны с информационными входами многослойной нейронной сети, выход блока логической обработки сигналов подключен к информационному входу «Тревога» технических средств отображения визуальной и звуковой информации для предъявления оператору (лицу, принимающему решение), выходы многослойной нейронной сети подключены к информационным входам технических средств отображения визуальной и звуковой информации «Нарушитель», «Ложная тревога» и «Неисправность» для предъявления оператору (лицу, принимающему решение), а выходы технических средств отображения визуальной и звуковой информации в виде многовекторного информационного сигнала, выдаваемого по запросу оператора, связаны с управляющими входами многослойной нейронной сети. Оператор (лицо, принимающее решения), анализируя отображенную с помощью технических средств отображения визуальную и звуковую информацию, принимает решения по противодействию нарушителю.
Общими с заявляемым устройством признаками являются: датчики охранной сигнализации, связанные с датчиками блок логической обработки сигналов и искусственная нейронная сеть с подаваемыми на нее обучающими сигналами.
Технический результат изобретения, как указано в описании, состоит в «повышении эффективности системы обнаружения враждебных и/или невраждебных нарушителей охраняемых стационарных объектов особой важности», причем наличие нейронной сети, выдающей сигналы «Нарушитель», «Ложная тревога» и «Неисправность» на информационные входы технических средств отображения визуальной и звуковой информации, по мнению авторов, «обеспечивает повышение достоверности оценки характера воздействий нарушителей и оперативности принятия адекватного решения, направленного на противодействие замыслам нарушителей».
Очевидно, что наличие нейронной сети, которая анализирует сигналы сработавших датчиков охранной сигнализации и делает достоверный вывод о том, что явилось причиной срабатывания - действия нарушителя (нейросетью при этом выдается сигнал на информационный вход «Нарушитель» технических средств отображения визуальной и звуковой информации) или воздействие помехи (сигнал на информационный вход «Ложная тревога»), а также обнаруживает неисправность датчика или цепи передачи информации (сигнал на информационный вход «Неисправность») - и передачей этого вывода оператору (лицу, принимающему решение), позволяет уменьшить количество ошибок первого рода (принятие за действия нарушителя срабатывание датчиков от помеховых факторов), а также своевременно обнаружить неисправности датчиков. Это обеспечивает достижение цели изобретения - повышение эффективности обнаружения нарушителей. И, кроме того, частично освобождая оператора от выполнения регистрирующих функций и предоставляя ему уже первично обработанную нейросетью информацию о причинах срабатывания и состоянии датчиков, действительно повышает отмеченную в описании изобретения «оперативность принятия оператором адекватного решения».
Однако следует указать на некоторую некорректность используемых в описании изобретения утверждений, в частности, о повышении «достоверности оценки характера воздействий нарушителей» и «противодействии замыслам нарушителей с использованием нейросетевых технологий». Учитывая возможности и алгоритмы работы современных искусственных нейронных сетей и анализируя представленные в описании изобретения элементы, связи между ними и работу заявленной системы, невозможно понять, как с помощью предлагаемой искусственной нейросети можно повысить «достоверность оценки характера воздействий нарушителей» (исходя из контекста описания изобретения, под «характером воздействия нарушителей» понимается, вероятно, его «враждебность» или «невраждебность») и понять их замыслы? Конечно же, ни сегодня, ни в обозримом будущем отличить «враждебного нарушителя» от «невраждебного», а тем более помочь понять его «замысел» с помощью искусственных нейросетей, принимающих сигналы от традиционных измерителей физических величин (датчиков), невозможно (следует отметить также отсутствие в описании изобретения между датчиками и нейросетью необходимых преобразователей выходных сигналов датчиков (аналоговый или специфический цифровой сигнал) к нормализованному цифровому виду (например, в диапазоне от 0 до 1) для подачи на вход нейросети). Тем более, что выходы искусственной нейросети, судя по описанию изобретения и логике работы современных искусственных нейронных сетей, представляют собой либо «1», либо «0», подаваемые на информационные входы технических средств отображения визуальной и звуковой информации: «Нарушитель», «Ложная тревога», «Неисправность». Никакой дополнительной информации приведенная в описании изобретения искусственная нейросеть не дает. Потому нет оснований действительно достигаемый в изобретении эффект снижения вероятности ложной тревоги за счет применения нейросети расширять до получения возможности выявления «враждебности» или «невраждебности» нарушителя, а тем более его «замысла». Единственный способ сформировать с некоторой вероятностью предположение о «враждебности» или «невраждебности» выявленного на охраняемой территории человека и с еще меньшей вероятностью предположение о его возможном «замысле» состоит в видеонаблюдении за ним в течение некоторого времени, которое с помощью видеокамер должен осуществлять опытный человек-оператор системы охраны, обладающий к тому же нужными психологическими и другими знаниями о поведении людей вообще и нарушителей, в частности. Но ни в формуле, ни в описании изобретения средства видеонаблюдения не упоминаются и не используются.
Негласное отнесение видеокамеры к датчикам является некорректным (видеокамера может быть связана с датчиками или даже иметь в своем составе тот или ной датчик, например, датчик движения, но сама датчиком не является). Упоминание об использовании имеющих отношение к видеонаблюдению «имитационных голограмм» (возможность целенаправленного создания которых для систем видеонаблюдения является, по мнению авторов, недостатком выбранного ими прототипа и отказом от использования средств видеонаблюдения в заявленной системе) приводится в описании применительно к формированию обучающей выборки для нейросети, что повышает качество распознавания «образа воздействия подготовленных, враждебных нарушителей» (сложно понять, что такое «образ воздействия»). Но даже при наличии в блоке датчиков средств видеонаблюдения трудно понять, как используется видеоинформация, получаемая от них, поскольку их видеосигналы поступают не к оператору, а в блок логической обработки, который, как следует из описания, «выдает только сигнал «Тревога» при наличии нарушителя» (вероятнее всего, с использованием известных на сегодняшний день упомянутых в предыдущем патенте решающих правил: «два их трех» и пр.). В лучшем случае сигнал «Тревога» может дополняться указанием места (координат) и типа сработавшего (ых) датчика (ов), высвечиваемых в виде с помощью технических средств отображения визуальной и звуковой информации. Также непонятно, как технически осуществляется использование «многовекторного управляющего сигнала», в результате чего «повышается эффективность предлагаемой интеллектуальной системы обнаружения нарушителя при формировании обучающей выборки воздействия помеховой обстановки, путем использования выходного сигнала «Нарушитель» (по сути, «1» или «0») многослойной нейросети»? Что из себя представляет этот «многовекторный сигнал», почему и как его формируют «технические средства отображения визуальной и звуковой информации оператора» (судя по приведенной структурной схеме изобретения)? Непонятно отсутствие на приведенной в описании изобретения схеме упоминаемого в описании и формуле изобретения оператора, так что, судя по схеме, «решение по противодействию нарушителю» принимают «технические средства отображения визуальной и звуковой информации оператора». Наконец, представляется весьма слабо обоснованной справедливость приведенной в описании изобретения формулы, подтверждающей, по мнению авторов, «положительный эффект от использования изобретения» («повышается не менее чем на 10…15% (?) достоверность оценки характера воздействий нарушителей и оперативность принятия адекватного решения, направленного на противодействие нарушителям с использованием нейросетевых технологий»). Тем не менее, использование предлагаемой искусственной нейросети, дополняющей традиционный способ логической обработки сигналов от датчиков (например, по принципу «два из трех»), позволяет повысить вероятность обнаружения нарушителей (как «враждебных», так и «невраждебных») за счет снижения количества ложных тревог и определить заявленную систему как интеллектуальную (во-первых, потому, что ее состав входит представитель естественного интеллекта - человек-оператор, а, во-вторых, следуя сложившейся в настоящее время тенденции относить к «интеллектуальному» все, что содержит искусственную нейросеть). Потому данное изобретение, несмотря на выше выделенные «неточности», выбрано в качестве прототипа.
К явным недостаткам прототипа следует отнести следующее:
- недостаточно высокую вероятность обнаружения несанкционированного проникновения (попытки такого проникновения) на охраняемую территорию нарушителя-человека даже при наличии в составе системы обнаружения профессионального человека-оператора, что особенно важно для охраны упоминаемых в описании изобретения особо важных объектов. Причины этого следующие. Во-первых, использование только одной (причем всего трехслойной) искусственной нейронной сети прямого распространения, предназначенной для самостоятельного принятия решения о причине срабатывания датчиков: «Нарушитель», «Ложная тревога», «Неисправность». Очевидно, что для распознавания данных ситуаций обучение нейросети должно производиться на большом количестве примеров, включающих в себя: сигналы от сработавших датчиков вследствие действий нарушителя, причем эти сигналы должны быть именно сигналами (функцией времени), ибо использования только пороговых датчиков недостаточно); сигналы от сработавших датчиков вследствие воздействия на них других факторов (животное, ветер, устройство или технический комплекс с искусственным интеллектом (как дистанционно-управляемый, так и автономный), антропогенные источники: вибрация от проезжающих рядом автомобилей, электромагнитные наводки разной природы и пр.) также в виде функций времени, отличающихся от сигналов срабатывания от человека-нарушителя; сигналы от датчиков, свидетельствующие об их неисправности (набор весьма велик, ибо причиной может быть как примитивный обрыв (связи), так и существенно изменяющее регистрируемый сигнал и, как следствие, принимаемое решение о причине срабатывания, изменение параметров и характеристик, в частности, мультипликативный уход масштабного коэффициента). Получить достаточное количество всех этих сигналов и создать из них репрезентативную обучающую выборку весьма проблематично. К тому же, заметим, что эту нейронную сеть далее нельзя будет научить чему-то еще (дообучить в добавление к уже выученному), добавляя, например, к трем имеющимся выходам («Нарушитель», «Ложная тревога», «Неисправность») еще один или несколько других выходов или разделив какой-либо имеющийся выход на несколько (например, разделив выход «Нарушитель» на два выхода: «Враждебный нарушитель» и «Невраждебный нарушитель» (следуя принятой в описании изобретения терминологии). Все выученное при появлении нового выхода будет забыто («катастрофическая забывчивость» - существенный недостаток современных искусственных нейросетей). Во-вторых, отсутствие средств видеонаблюдения. Тем самым у оператора нет возможности наблюдать за охраняемой территорией и происходящими на ней событиями. Поскольку человек не менее 80% информации о внешнем мире получает через зрение, то сигналов срабатывания датчиков физических величин без использования средств видеонаблюдения, даже подкрепленных информацией от искусственной нейронной сети, явно недостаточно для уверенного распознавания оператором нарушителя (как «враждебного», так и «невраждебного»);
- невозможность выявления в качестве нарушителей несанкционированно проникших (пытающихся проникнуть) на охраняемую территорию по земле или воздуху автономных или управляемых (в том числе - дистанционно) технических (робототехнических) средств и комплексов, а также дрессированных животных и птиц. Срабатывания датчиков от таких нарушителей в прототипе будут отнесены к «Ложной тревоге» или «Неисправности». Но именно такие нарушения, прежде всего, с использованием робототехнических (в том числе миниатюрных) средств и комплексов уже сегодня успешно реализуются, а в ближайшие годы станут основными и наиболее опасными. Эффективность принимаемых мер по противодействию весьма существенно зависит от того, кем является нарушитель: человеком, роботом (наземный-воздушный, крупный-мелкий), животным, птицей, …;
- невозможность идентификации нарушителя. Между тем распознавание в нарушителе, например, конкретного человека позволяет получить из централизованной базы данных дополнительную информацию о нем (мотивы, психика, знакомства, физические возможности, …), что также весьма важно для принятия адекватных мер;
- невозможность работы системы обнаружения без человека-оператора. Обязательность присутствия человека-оператора, во-первых, ограничивает область применения системы охраны (систему нельзя использовать при охране объектов, несущих явную или потенциальную угрозу здоровью и жизни человека, к которым можно отнести, например, опасные производства, полигоны различного предназначения и др.). Во-вторых, существенно повышает стоимость охраны, поскольку для размещения оператора требуется соответствующим образом оборудованное помещение с необходимыми условиями жизнеобеспечения, оператора надо учить (индивидуальной, а, в случае необходимости, и командной работе), контролировать физическую и моральную готовность заступить на дежурство, контролировать качество несения службы, ему надо платить заработную плату, оплачивать период отпусков, находя ему замену на это время, проводить аттестацию, периодически повышать квалификацию. При этом следует учесть, что при большой охраняемой территории (большом количестве объектов на охраняемой территории), одновременном проникновении (в разных местах) нескольких нарушителей может потребоваться несколько операторов с высокой слаженностью командной работы, что требует дополнительных расходов (на обучение и пр.). В-третьих, ограничивает возможности системы охраны по идентификации конкретных объектов (например, людей), поскольку личная база данных человека-оператора по сравнению с централизованными современными компьютерными базами данных, используемых в интеллектуальных система распознавания мала. В-четвертых, создает определенные риски невыполнения поставленной задачи по охране вследствие существенного влияния на работу системы охраны «человеческого фактора»: способность отвлекаться (как осознанно, так и неосознанно), подверженность усталости (что требует сменной работы, дополнительно повышающей стоимость охраны), зависимости ответственности от индивидуальных черт характера, физического и эмоционального состояний, наконец, наличия возможности предательства, целенаправленного вредительства.
РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ
Технический результат (цель) изобретения состоит в повышении вероятности обнаружения несанкционированного проникновения (попыток несанкционированного проникновения) на охраняемую территорию и перемещения по ней нарушителей природного (человек, дрессированное животное или птица) или искусственного (управляемое, в том числе - дистанционно, или автономное наземное или воздушное средство) происхождения, способных создать (создающих) угрозу охраняемому объекту, с отнесением выявленного нарушителя к заранее определенному классу нарушителей, а также в получении возможности (при наличии достаточной априорной информации) идентификации нарушителя в пределах данного класса и возможности снижения расходов на эксплуатацию системы и ее применения в несовместимых с длительным нахождением человека условиях (опасные производства, подводные и (или) космические объекты и пр.) в связи с необязательностью наличия человека-оператора. При этом заявляемая интеллектуальная автоматическая система обнаружения нарушителей (ИАСОН) содержит множество искусственных нейронных сетей. Несмотря на то, что человеку присущи наиболее высокие интегральные распознающие возможности, с которыми не сравнится пока никакой искусственный интеллект, по отдельным узким направлениям распознавания искусственный интеллект, реализуемый на основе искусственных нейронных сетей так называемого «глубокого обучения», сегодня уже превзошел человека (игры, постановка медицинских диагнозов, распознавание лиц, …), искусственные нейронные сети способны проводить высококачественную обработку сигналов от средств обнаружения, количество типов и возможности которых значительно превышают количество и возможности органов чувств человека. Разнообразие средств обнаружения и возможности современных узкоспециализированных искусственных нейронных сетей по классификации и идентификации и используются в заявляемом изобретении.
Технический результат достигается тем, что заявляемая ИАСОН, кроме средств обнаружения нарушителей в виде датчиков охранной сигнализации, работающих на различных физических принципах действия, связанных с датчиками блока логической обработки сигналов и искусственной нейронной сетью с подаваемыми на нее обучающими сигналами, содержит:
- средства обнаружения нарушителей в виде средств формирования изображений нарушителей в различных частотных диапазонах (видеокамеры, тепловизоры, радиолокаторы и др.), которые вместе с контактными и дистантными датчиками охранной сигнализации, работающими на различных физических принципах действия (радиоволновые, радиолучевые, инфракрасные, вибрационные (виброметрические), сейсмические, акустические, магнитометрические, емкостные, индуктивные, химические, радиационные и др.), объединены в N блоков средств обнаружения, каждый из которых содержит средства обнаружения одного типа (датчики, работающие на одном и том же физическом принципе действия, или средства формирования изображений в одном и том же частотном диапазоне);
- устройства регистрации и первичной обработки сигналов от средств обнаружения, объединенные в N блоков регистрации и первичной обработки сигналов таким образом, что все устройства каждого блока могут принимать и обрабатывать сигналы от средств обнаружения только одного типа;
- искусственные нейронные сети, осуществляющие распознавание сигналов от средств обнаружения и объединенные в N блоков искусственных нейронных сетей таким образом, что все нейронные сети каждого блока способны распознавать сигналы от средств обнаружения только одного типа;
- блок средств регистрации параметров природных факторов (метеоданных - с помощью цифровой метеостанции, при необходимости -сейсмических данных с помощью сейсмической станции, данных о величине и возмущениях магнитного поля Земли с помощью магнитометров) и блок средств регистрации параметров антропогенных факторов (вибрации и шумы от стационарной и мобильной техники, электромагнитные излучения в различных диапазонах, пылевые образования от промышленных предприятий и пр.), способных оказать влияние на работу средств обнаружения и других элементов ИАСОН;
- центральный пункт управления, содержащий блок логической обработки сигналов, блок управления потоком данных, блок памяти, блок учета параметров внешней среды, блок итогового распознавания и блок принятия решения,
причем:
- блоки средств обнаружения, блоки устройств регистрации и первичной обработки сигналов и блоки искусственных нейронных сетей объединены в N каналов обнаружения таким образом, что каждый канал обнаружения содержит один блок средств обнаружения, один блок устройств регистрации и первичной обработки сигналов и один блок искусственных нейронных сетей;
- в каждом канале обнаружения выход блока средств обнаружения связан с входом блока устройств регистрации и первичной обработки сигналов, основной выход которого связан с основным входом блока искусственных нейронных сетей, дополнительные выходы всех блоков устройств регистрации и первичной обработки сигналов связаны с входом блока логической обработки сигналов, выход которого связан с дополнительными входами блока управления потоком данных и блока итогового распознавания, выходы всех блоков искусственных нейронных сетей связаны с основным входом блока управления потоком данных, выходы которого связаны с основными входами блока итогового распознавания, выходы блока средств регистрации параметров природных факторов и блока регистрации параметров антропогенных факторов связаны с входом блока учета параметров внешней среды, выходы которого связаны с управляющими входами всех блоков средств обнаружения и дополнительным входом блока итогового распознавания, основной выход которого связан с основным входом блока принятия решения, связанного прямыми и обратными связями с блоком памяти, который также прямыми и обратными связями связан с блоком учета параметров внешней среды и блоком итогового распознавания, а дополнительный выход блока итогового распознавания связан с обучающими входами всех блоков искусственных нейронных сетей;
- входы и выходы блоков средств обнаружения, блоков устройств регистрации и первичной обработки сигналов, блоков искусственных нейронных сетей представлены входами и выходами средств обнаружения, устройств регистрации и первичной обработки сигналов, искусственных нейронных сетей соответственно;
- каждый входящий в n-ый канал обнаружения n-ый блок средств обнаружения, n=[l,N], содержит Kn сенсорных областей, размещаемых в различных известных местах охраняемой территории, каждая k-ая, k=[1, Kn] сенсорная область состоит из Mn,k однотипных средств обнаружения, каждое средство обнаружения Dn,k,m, m=[1, Mn,k] сенсорной области характеризуется известными координатами размещения на охраняемой территории и (при необходимости) индивидуальными параметрами настройки;
- каждый входящий в n-ый канал обнаружения n-ый блок регистрации и первичной обработки сигналов содержит Kn устройств регистрации и первичной обработки сигналов Pk,n, вход каждого k-ого, k=[1, Kn] из которых связан со всеми выходами средств обнаружения k-ой, k=[1, Kn] сенсорной области средств обнаружения;
- каждый входящий в n-ый канал обнаружения n-ый блок искусственных нейронных сетей содержит Kn искусственных нейронных сетей Cn,k, вход каждой k-ой, k=[1, Kn] из которых связан с основным выходом k-ого, k=[1, Kn] устройства регистрации и первичной обработки сигналов;
- количество выходов у каждой искусственной нейронной сети Cn,k каждого блока искусственных нейронных сетей одинаково и равно L - количеству классов обнаруживаемых нарушителей.
При этом выходами ИАСОН являются выходы блока принятия решения, формируемые на которых в режиме реального времени результаты работы ИАСОН несут информацию о нарушениях и нарушителях, о неисправностях, достаточную для оперативного принятия адекватных мер командой быстрого реагирования по противодействию нарушителям, ремонтной бригадой по устранению неисправности, пожарной командой по тушению очага возгорания и пр., а также несут информацию о работе системы для ее записи на внешний сервер хранения данных.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Схемы заявляемой ИАСОН приведена на фиг. 1 и фиг. 2. На фиг. 1 обозначены: 1, 2, 3, 4 - каналы обнаружения нарушителей (обведены пунктиром: первый, второй, n-ый, N-ый соответственно); 5, 6, 7, 8 - блоки средств обнаружения (БСО): БСО 1, БСО 2, БСО n, БСО N соответственно; 9, 10, 11, 12 - блоки устройств регистрации и первичной обработки сигналов (БУРПОС): БУРПОС 1, БУРПОС 2, БУРПОС n, БУРПОС N соответственно; 13, 14, 15, 16 - блоки искусственных нейронных сетей (БИНС): БИНС 1, БИНС 2, БИНС n, БИНС N соответственно; 17 - блок логической обработки сигналов (БЛОС), 18 - блок управления потоком данных (БУПД), 19 - блок итогового распознавания (БИР), 20 - блок принятия решения (БПР), 21 - блок памяти (БП), 22 - блок средств регистрации параметров природных факторов (БСРППФ), 23 - блок средств регистрации параметров антропогенных факторов (БСРПАФ), 24 - блок учета параметров внешней среды (БУПВС), 25 - центральный пункт управления (обведен пунктиром), 26 - команда быстрого реагирования (КБР), 27 - ремонтная бригада (РБ), 28 - сервер хранения данных (СХД). На фиг. 2 приведена схема каждого n-ого, n=[l,N] канала обнаружения, на которой обозначены: 29, 30, 31 - средства обнаружения первой сенсорной области n-ого блока средств обнаружения 7; 32, 33, 34 - средства обнаружения второй сенсорной области n-ого блока средств обнаружения 7; 35, 36, 37 - средства обнаружения k-ой сенсорной области n-ого блока средств обнаружения 7; 38, 39, 40 - средства обнаружения Kn-ой сенсорной области n-ого блока средств обнаружения 7; 41, 42, 43, 44 - устройства регистрации и первичной обработки сигналов (УРПОС) n-ого блока устройств регистрации и первичной обработки сигналов 11 от первой, второй, k-ой и Kn-ой сенсорных областей блока средств обнаружения 7 соответственно; 45, 46, 47, 48 - искусственные нейронные сети (ИНС) n-ого блока искусственных нейронных сетей 15, распознающие сигналы от первой, второй, k-ой и Kn-ой сенсорных областей блока средств обнаружения 7 соответственно, подаваемые на них через устройства регистрации и первичной обработки сигналов 41, 42, 43, 44 блока устройств регистрации и первичной обработки сигналов 11 соответственно.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
ИАСОН работает следующим образом. Поскольку все каналы обнаружения работают одинаково, рассмотрим работу n-ого канала обнаружения 3. При проникновении нарушителя на охраняемую территорию (при совершении попытки такого проникновения) и перемещении по ней (или на недопустимой высоте над ней) срабатывает то или иное средство обнаружения Dn,k,m, m=[l, Mn,k], входящее в k-ую (k=[1, Kn]) сенсорную область n-ого (n=[l,N]) блока средств обнаружения. Например, примем, что сработало средство обнаружения Dn,k,l 35, входящее в сенсорную область, содержащую Mn,k средств обнаружения одного и того же типа. Сигнал с этого средства обнаружения поступает на соответствующее устройство регистрации и первичной обработки сигналов Pn,k 43, которое, во-первых, регистрирует факт, координаты и время срабатывания с передачей этой информации в блок логической обработки сигналов 17 центрального пункта управления 25, и, во-вторых, преобразует сигнал, полученный от сработавшего средства обнаружения Dn,k,1 35, в нормированный цифровой набор, подаваемый далее для распознавания вызвавшего его источника на вход соответствующей искусственной нейронной сети Cn,k 47. При этом каждая искусственная нейронная сеть 45, 46, 47, 48 блока искусственных нейронных сетей 15 на этапе предварительного (предшествующего процессу эксплуатации) обучения настраивается на распознавание нарушителей всех подлежащих распознаванию классов на основе анализа сигналов от средств обнаружения одного и того же типа. На выходе искусственной нейронной сети 47 формируются поступающие через блок управления потоком данных 18 на блок итогового распознавания 19 сигналы, показывающие, к какому 1-ому классу из возможных, ι=[1,L], относится нарушитель. Значениями сигналов могут быть как «1» на одном выходе и «0» - на остальных, так и вероятности принадлежности нарушителя к каждому из классов при равенстве единице сумме всех вероятностей. В условиях пересекаемости признаков классов и наличия помех естественного и искусственного происхождения вероятностная разделимость классов является более предпочтительной (в настоящее время вероятностные нейронные сети широко используются). Блок управления потоком данных 18 с учетом информации от блока логической обработки сигналов 17 формирует очередность (последовательность) подачи на вход блока итогового распознавания 19 сигналов с выходов искусственных нейронных сетей 45…48 блока искусственных нейронных сетей 15 в случае их одновременного (в одном такте работы) поступления.
Параметры природных факторов (метеоданные, данные о сейсмической активности, параметры магнитного поля Земли и его возмущений) и параметры антропогенных факторов (вибрации и шумы от техники, электромагнитные наводки, пылевые образования и пр.), способные влиять на работу средств обнаружения нарушителей 29…40 и других элементов ИАСОН, измеряются с помощью блока средств регистрации параметров природных факторов 22 и блока средств регистрации параметров антропогенных факторов 23 и подаются для обработки на блок учета параметров внешней среды 24. Блок итогового распознавания 19 с учетом информации от блока логической обработки сигналов 17 о месте и времени срабатывания средств обнаружения 29…40, информации о параметрах внешней среды (природных: температура, давление, влажность, скорость ветра, параметры осадков (дождь, снег, град) и др. и антропогенных: параметры электромагнитных излучений в различных диапазонах, вибраций, задымлений, запылений, шумов и др.) на момент срабатывания средств обнаружения 29…40 (это позволяет определить степень их влияния на точность и достоверность сигналов средств обнаружения) от блока учета параметров внешней среды 24 и хранящейся в блоке памяти 21 информации (базы данных, базы знаний в виде видового (филогенетического) и индивидуального (онтогенетического) опыта функционирования) осуществляет обработку (в общем случае - пространственно-временную) сигналов распознавания от искусственных нейронных сетей 45…48 и, во-первых, принимает окончательное решение о классе нарушителя, во-вторых, при необходимости и наличии достаточной априорной информации в базе данных этого класса с помощью входящих в его состав искусственных нейронных сетей (для идентификации нарушителей всех классов требуется не менее L сетей) осуществляет идентификацию нарушителя по его индивидуальным признакам и, в-третьих, распознает ситуации, связанные с неисправностью средств обнаружения и (или) каналов передачи информации, наличием нештатных ситуаций эксплуатации, выдавая в блок принятия решения 20 всю эту информацию, а в искусственные нейронные сети 45…48 соответствующих каналов обнаружения 1…4 - обучающие сигналы, позволяющие нейронным сетям 45…48 пополнять свой индивидуальный опыт. При этом появление второго и последующих срабатываний средств обнаружения от действий нарушителя сужает область определения (уменьшает количество) классов, к которым нарушителя можно отнести с ненулевой вероятностью. Накопление и обработка информации о фактах срабатывания средств обнаружения при проникновении одиночных и групповых нарушителей на охраняемую территорию и движении по ней, о пространственно-временных параметрах проникновения и движения, о принимаемых ИАСОН решениях и их результатах позволяет нейронным сетям 45…48 и используемым для идентификации нейронным сетям блока итогового распознавания пополнять (в том числе - в режиме реального времени) свой индивидуальный опыт с повышением качества процессов последующего обнаружения.
Вся информация сохраняется в блоке памяти 21. Блок принятия решения 20 в зависимости от результатов распознавания и идентификации в режиме реального времени оповещает (с предоставлением полной необходимой информации) команду быстрого реагирования 26 (она может находиться вне центрального пункта управления и даже вне охраняемой территории) и (или) ремонтную бригаду 27 (а также специальную, например пожарную, команду). Кроме того, через блок принятия решения текущая информация о работе ИАСОН передается на внешний сервер хранения данных 28.
Количество L классов нарушителей и их признаки задаются на этапе разработки ИАСОН и зависят от типа охраняемого объекта, размера охраняемой территории, природных условий, помеховых антропогенных факторов, требований к показателям качества функционирования ИАСОН. При этом используемые при распознавании признаки каждого класса могут частично пересекаться между собой. В качестве расширенного варианта можно выделить следующие типовые классы: человек, крупное животное, мелкое животное, птица, антропоморфный робот, перемещающееся по земле крупное техническое средство, перемещающееся по земле небольшое техническое средство, перемещающееся по воздуху крупное техническое средство, перемещающееся по воздуху небольшое техническое средство. Регистрируемые признаки могут быть как статическими: габаритные размеры (высота, ширина, длина), вес, форма тела нарушителя и его элементов, позы, жесты, температура, изображения («фотографии») в различных частотных (спектральных) диапазонах, химический состав, наличие ферромагнитных материалов и др., так и динамическими: скорость и ускорение перемещения, колебания тела и его частей при движении, издаваемые звуки, сигналы при ударных нагрузках на грунт или ограждение в процессе перемещения (перелезания) и др. При одновременном срабатывании двух и более средств обнаружения в одной сенсорной области или разных сенсорных областях устройство регистрации и первичной обработки регистрирует факты срабатывания, передавая информацию о фактах срабатывания и соответствующих им моментах времени в блок логической обработки сигналов 17 центрального пункта управления 25, нормирует полученные сигналы срабатывания и последовательно (очередность определяется либо моментами прихода сигналов, либо важностью сенсорной области, от которой они поступили) подает их на соответствующую нейронную сеть.
Общее количество средств обнаружения есть устройств регистрации и первичной обработки - искусственных нейронных сетей в каналах обнаружения - При этом конкретные места размещения средств обнаружения того или иного типа, их сочетание со средствами обнаружения других типов определяются их информативностью (например, видеокамера - высокоинформативное, а датчик обрывного типа -малоинформативное средство), взаимодополнительностью (возможностью получения синергетического эффекта при их объединении), надежностью, задаваемыми требованиями, условиями функционирования и пр. В целом при размещении средств обнаружения на конкретном участке охраняемой территории целесообразно их сочетать таким образом, чтобы регистрируемые от них сигналы несли информацию о разных параметрах нарушителей, что дает желаемый синергетический эффект. При этом средства обнаружения могут быть как стационарными, так и мобильными (например, с заранее заданным маршрутом патрулирования), использующими для передачи и получения информации как проводную связь, так и радиосвязь в различных частотных диапазонах, а также их комбинации. В случае использования радиосвязи возможна самоорганизация применительно как к формированию маршрутов передачи информации (например, по критерию наилучшего качества), так и к размещению (мобильных) средств обнаружения на территории по известным алгоритмам работы самоорганизующихся сенсорных сетей. Знание моментов времени и координат срабатывания разных средств обнаружения позволяет принять обоснованные решения о наличии одного или нескольких нарушителей. Информативной является и траектория движения. Учет временного фактора и последовательности действий нарушителя, уязвимости и важности объектов на охраняемой территории, имеющегося опыта эксплуатации данной и других ИАСОН позволяет осуществлять достоверное прогнозирование поведения нарушителя, оперативно принимать адекватные (в том числе - предупреждающие) действия.
Отметим, что видовой (филогенетический) опыт, закладываемый в ИАСОН при ее изготовлении, отражает опыт конструкторов по созданию как систем охраны вообще, так и опыт применения и совершенствования ИАСОН конкретного типа при охране конкретных типовых объектов в конкретных типовых условиях. Индивидуальный опыт ИАСОН формируется на основе «генетических программ» в процессе первичного обучения ИАСОН и далее совершенствуется и пополняется в процессе ее работы в реальных условиях посредством, прежде всего, дообучения (путем подачи обучающих сигналов) искусственных нейронных сетей каналов обнаружения 1…4 и (при необходимости) блока итогового распознавания 19 на основе текущих результатов их работы, а также в процессе плановых периодических обучениях ИАСОН на «курсах повышения квалификации».
Claims (13)
1. Интеллектуальная автоматическая система обнаружения нарушителей, содержащая средства обнаружения в виде датчиков охранной сигнализации, связанные с датчиками блок логической обработки сигналов и искусственную нейронную сеть с подаваемыми на нее обучающими сигналами, отличающаяся наличием дополнительно введенных средств обнаружения в виде средств формирования изображений нарушителей, объединенных вместе с датчиками охранной сигнализации в N блоков средств обнаружения, N блоков устройств регистрации и первичной обработки сигналов от средств обнаружения, N блоков искусственных нейронных сетей, осуществляющих распознавание сигналов от средств обнаружения, блока управления потоком данных, блока средств регистрации параметров природных факторов, блока средств регистрации параметров антропогенных факторов, блока учета параметров внешней среды, блока памяти, блока итогового распознавания и блока принятия решения, причем блоки средств обнаружения, блоки устройств регистрации и первичной обработки сигналов и блоки искусственных нейронных сетей объединены в N каналов обнаружения таким образом, что каждый канал обнаружения содержит один блок средств обнаружения, один блок устройств регистрации и первичной обработки сигналов и один блок искусственных нейронных сетей, при этом в каждом канале обнаружения выход блока средств обнаружения связан с входом блока устройств регистрации и первичной обработки сигналов, основной выход которого связан с основным входом блока искусственных нейронных сетей, дополнительные выходы всех блоков устройств регистрации и первичной обработки сигналов связаны с входом блока логической обработки сигналов, выход которого связан с дополнительными входами блока управления потоком данных и блока итогового распознавания, выходы всех блоков искусственных нейронных сетей связаны с основным входом блока управления потоком данных, выходы которого связаны с основными входами блока итогового распознавания, выходы блока средств регистрации параметров природных факторов и блока регистрации параметров антропогенных факторов связаны с входом блока учета параметров внешней среды, выходы которого связаны с управляющими входами всех блоков средств обнаружения и дополнительным входом блока итогового распознавания, основной выход которого связан с основным входом блока принятия решения, связанного прямыми и обратными связями с блоком памяти, который также прямыми и обратными связями связан с блоком учета параметров внешней среды и блоком итогового распознавания, а дополнительный выход блока итогового распознавания связан с обучающими входами всех блоков искусственных нейронных сетей.
2. Система по п. 1, отличающаяся тем, что в качестве средств обнаружения используются различные типы датчиков охранной сигнализации, реализующие различные физические принципы действия: радиоволновые, радиолучевые, инфракрасные, вибрационные (виброметрические), сейсмические, акустические, магнитометрические, емкостные, индуктивные, химические, радиационные.
3. Система по п. 1, отличающаяся тем, что в качестве средств обнаружения используются различные типы средств формирования изображений нарушителей, работающие в различных частотных диапазонах: оптическом (видеокамеры), инфракрасном (тепловизоры), радиодиапазон (радиолокаторы).
4. Система по п. 1, отличающаяся тем, что каждый блок средств обнаружения содержит средства обнаружения только одного типа (датчики, работающие на одном и том же физическом принципе действия, или средства формирования изображений нарушителей, работающие в одном частотном диапазоне).
5. Система по п. 1, отличающаяся тем, что устройства регистрации и первичной обработки сигналов каждого блока устройств регистрации и первичной обработки сигналов предварительно настраиваются на прием и обработку сигналов от средств обнаружения только одного типа.
6. Система по п. 1, отличающаяся тем, что искусственные нейронные сети каждого блока искусственных нейронных сетей предварительно обучаются распознаванию сигналов от средств обнаружения только одного типа.
7. Система по п. 1, отличающаяся тем, что входы и выходы блоков средств обнаружения, блоков устройств регистрации и первичной обработки сигналов, блоков искусственных нейронных сетей представлены входами и выходами средств обнаружения, устройств регистрации и первичной обработки сигналов, искусственных нейронных сетей соответственно.
8. Система по п. 1, отличающаяся тем, что каждый входящий в n-й канал обнаружения n-й блок средств обнаружения, n=[1, N], содержит Kn сенсорных областей, размещаемых в различных известных местах охраняемой территории, каждая k-я, k=[1, Kn] сенсорная область состоит из Mn,k однотипных средств обнаружения, каждое средство обнаружения Dn,k,m, m=[1, Mn,k] сенсорной области характеризуется известными координатами размещения на охраняемой территории и (при необходимости) индивидуальными параметрами настройки.
9. Система по п. 1, отличающаяся тем, что каждый входящий в n-й канал обнаружения n-й блок регистрации и первичной обработки сигналов содержит Kn устройств регистрации и первичной обработки сигналов Pn,k, вход каждого k-го, k=[1, Kn] из которых связан со всеми выходами средств обнаружения k-й, k=[1, Kn] сенсорной области средств обнаружения.
10. Система по п. 1, отличающаяся тем, что каждый входящий в n-й канал обнаружения n-й блок искусственных нейронных сетей содержит Kn искусственных нейронных сетей Cn,k, вход каждой k-й, k=[1, Kn] из которых связан с основным выходом k-го, k=[1, Kn] устройства регистрации и первичной обработки сигналов.
11. Система по п. 1, отличающаяся тем, что количество выходов у каждой искусственной нейронной сети Cn,k каждого блока искусственных нейронных сетей одинаково и равно L - количеству классов обнаруживаемых нарушителей.
12. Система по п. 1, отличающаяся тем, что блок логической обработки сигналов, блок управления потоком данных, блок памяти, блок итогового распознавания, блок учета параметров внешней среды и блок принятия решения образуют центральный пункт управления.
13. Система по п. 1, отличающаяся тем, что ее выходами являются выходы блока принятия итогового решения, несущие информацию о выявленных нарушениях и нарушителях, а также о работе системы и ее неисправностях.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019141273A RU2721178C1 (ru) | 2019-12-13 | 2019-12-13 | Интеллектуальная автоматическая система обнаружения нарушителей |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2019141273A RU2721178C1 (ru) | 2019-12-13 | 2019-12-13 | Интеллектуальная автоматическая система обнаружения нарушителей |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2721178C1 true RU2721178C1 (ru) | 2020-05-18 |
Family
ID=70735301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019141273A RU2721178C1 (ru) | 2019-12-13 | 2019-12-13 | Интеллектуальная автоматическая система обнаружения нарушителей |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2721178C1 (ru) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2792588C1 (ru) * | 2021-10-14 | 2023-03-22 | Акционерное общество "Научно-исследовательский и конструкторский институт радиоэлектронной техники" (АО "НИКИРЭТ") | Комбинированный комплекс физической защиты объектов, территорий и прилегающих акваторий с автоматизацией процессов охраны для сокращения численности людских ресурсов по его обслуживанию |
WO2023095168A1 (en) * | 2021-11-25 | 2023-06-01 | Nilesh Vidyadhar Puntambekar | An intelligent security system and a method thereof |
CN117421644A (zh) * | 2023-12-19 | 2024-01-19 | 商飞智能技术有限公司 | 无线设备入侵检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647292A (zh) * | 2012-03-20 | 2012-08-22 | 北京大学 | 一种基于半监督神经网络模型的入侵检测方法 |
RU2594478C1 (ru) * | 2015-06-16 | 2016-08-20 | Федеральное государственное унитарное предприятие федеральный научно-производственный центр "Производственное объединение "Старт" им. М.В. Проценко" (ФГУП ФНПЦ ПО "Старт" им. М.В. Проценко") | Интеллектуальная система охранной сигнализации с возможностью обмена информацией между средствами обнаружения |
RU2629521C1 (ru) * | 2016-05-17 | 2017-08-29 | Федеральное государственное унитарное предприятие федеральный научно-производственный центр "Производственное объединение "Старт" им. М.В. Проценко" (ФГУП ФНПЦ ПО "Старт" им. М.В. Проценко") | Интеллектуальная сетевая система мониторинга охраняемой территории |
RU2665264C2 (ru) * | 2016-12-22 | 2018-08-28 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ Военная академия Ракетных войск стратегического назначения имени Петра Великого МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Интеллектуальная система обнаружения нарушителя |
-
2019
- 2019-12-13 RU RU2019141273A patent/RU2721178C1/ru active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647292A (zh) * | 2012-03-20 | 2012-08-22 | 北京大学 | 一种基于半监督神经网络模型的入侵检测方法 |
RU2594478C1 (ru) * | 2015-06-16 | 2016-08-20 | Федеральное государственное унитарное предприятие федеральный научно-производственный центр "Производственное объединение "Старт" им. М.В. Проценко" (ФГУП ФНПЦ ПО "Старт" им. М.В. Проценко") | Интеллектуальная система охранной сигнализации с возможностью обмена информацией между средствами обнаружения |
RU2629521C1 (ru) * | 2016-05-17 | 2017-08-29 | Федеральное государственное унитарное предприятие федеральный научно-производственный центр "Производственное объединение "Старт" им. М.В. Проценко" (ФГУП ФНПЦ ПО "Старт" им. М.В. Проценко") | Интеллектуальная сетевая система мониторинга охраняемой территории |
RU2665264C2 (ru) * | 2016-12-22 | 2018-08-28 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ Военная академия Ракетных войск стратегического назначения имени Петра Великого МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Интеллектуальная система обнаружения нарушителя |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2808557C2 (ru) * | 2021-09-06 | 2023-11-29 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ Военная академия Ракетных войск стратегического назначения имени Петра Великого МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Интеллектуальная система идентификации нарушителя |
RU2792588C1 (ru) * | 2021-10-14 | 2023-03-22 | Акционерное общество "Научно-исследовательский и конструкторский институт радиоэлектронной техники" (АО "НИКИРЭТ") | Комбинированный комплекс физической защиты объектов, территорий и прилегающих акваторий с автоматизацией процессов охраны для сокращения численности людских ресурсов по его обслуживанию |
WO2023095168A1 (en) * | 2021-11-25 | 2023-06-01 | Nilesh Vidyadhar Puntambekar | An intelligent security system and a method thereof |
CN117421644A (zh) * | 2023-12-19 | 2024-01-19 | 商飞智能技术有限公司 | 无线设备入侵检测方法及装置 |
CN117421644B (zh) * | 2023-12-19 | 2024-05-31 | 商飞智能技术有限公司 | 无线设备入侵检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11394933B2 (en) | System and method for gate monitoring during departure or arrival of an autonomous vehicle | |
US11645904B2 (en) | Drone-augmented emergency response services | |
US20200160690A1 (en) | Methods and systems of smart campus security shield | |
US20230070772A1 (en) | Active threat tracking and response | |
RU2721178C1 (ru) | Интеллектуальная автоматическая система обнаружения нарушителей | |
US20210125477A1 (en) | Nanosatellite-based property monitoring | |
US20150077550A1 (en) | Sensor and data fusion | |
US20230409054A1 (en) | Unmanned aerial vehicle event response system and method | |
US20240111305A1 (en) | Unmanned aerial vehicle event response system and method | |
CN116862740A (zh) | 一种基于互联网的智能监狱管控*** | |
US20210271217A1 (en) | Using Real Time Data For Facilities Control Systems | |
KR102585665B1 (ko) | 위험 상황 분석 및 위험 객체 수색 시스템 | |
Linnik et al. | Air Navigation: The classification of airborne vehicles in the air traffic management system | |
RU2665264C2 (ru) | Интеллектуальная система обнаружения нарушителя | |
CN114463928A (zh) | 一种智能报警方法和*** | |
KR102452589B1 (ko) | 건축물 내부의 경비정보 통합 관리 시스템 | |
RU2708509C1 (ru) | Малообслуживаемая система физической защиты объектов | |
RU2792588C1 (ru) | Комбинированный комплекс физической защиты объектов, территорий и прилегающих акваторий с автоматизацией процессов охраны для сокращения численности людских ресурсов по его обслуживанию | |
RU2794559C1 (ru) | Интегрированная система безопасности на основе автоматизированных функциональных систем и подсистем | |
US20230315128A1 (en) | Unmanned aerial vehicle event response system and method | |
Ghosh | Unleashing the Power of Artificial Intelligence in Criminal Liability Determination in the Modern Police System with Special Reference to its Application in Combating Fishery-Related Crimes in India | |
Sharma et al. | IoT-Enabled CNN for Real-Time Forest Fire Detection: Fusing Technology to Safeguard Nature | |
Lecture et al. | Surveillance Angels | |
Blerre | AD P 0 0 1 5 9 T7 ING HUM~ AN AND ARTIFICIAL INTELLIGENCE |