本发明专利技术公开了一种基于加速度传感器的古墓防盗掘检测方法，包括：构建用于筛选出异常事件土壤振动数据的土壤振动事件提取模型、用于识别分类异常土壤振动数据的土壤振动事件分类模型以及基于事件分类结果进行判定是否告警的土壤振动事件预警模型，将上述三个模型集成嵌入加速度传感器中，获得可独立完成土壤事件分析预警的防盗掘检测模型。本发明专利技术还提供了一种古墓防盗掘检测装置。该方法通过多个轻量化模型集成嵌入加速度传感器中，从而提高异常事件识别的反馈速度与非法盗掘行为的告警准确率。准确率。准确率。
【技术实现步骤摘要】
一种基于加速度传感器的古墓葬防盗掘检测方法及装置
[0001]本专利技术涉及古墓葬防盗掘检测
，具体涉及一种加速度传感器的古墓葬防盗掘检测方法及装置。
技术介绍
[0002]历史文化遗产是人类历史的见证者，是古人的智慧结晶。现代考古学和人类学理论认为文化遗产主要包含文化价值，社会价值，个人价值和社群价值。历史文化遗产的保护是考古学研究的前提，对我们传承文化，认清历史具有重要意义，保护历史文化遗产是全世界人民共同的责任。
[0003]古墓葬是人类古代采取一定方式对死者进行埋葬的遗迹。中国历史悠久，历朝历代的古墓葬中保存着大量历史价值较高的珍贵文物。这些文物反映了不同时代、地区和社会阶层之间的埋葬习俗，是探讨所属时代社会生活状况的重要实物资料。在历史文化遗产中，古墓葬占据着重要地位。
[0004]因为古墓葬中的文物具有很高的经济价值，盗墓分子不惜铤而走险，通过非法手段开掘，严重损害了古墓葬的文化价值和经济价值。对古墓葬的保护，很重要的一方面就是要对盗墓者及时制止与惩罚。然而，我国经历了数十个朝代的更替，古墓葬数量众多，分布范围很广，通常是在人迹罕至，交通不便的地方。通过巡守人员进行定时巡逻，显然难以及时发现盗墓者。对盗墓行为进行实时检测主要基于两类信息，一是图像或者视频信息，二是传感器信息。基于图像或者视频信息的方案，可以识别出人类，以及人类的姿态、行为，其适用于古墓葬分布密集，供电方便的场景，监控设备的部署成本很高昂，目前也没有很好的针对盗墓行为的视频检测算法。基于传感器信息的方案，比如红外监控，超声监控，雷达监控等，能够检测到人的进入，但是无法有效识别盗墓行为。而光纤振动等手段，能够识别出盗墓行为，但是部署麻烦，成本高昂。由此可见，研究部署简单，成本低廉的高精度古墓防盗掘检测方法具有重要意义。
[0005]专利文献CN112085914A公开了一种具备网络监管及智能分析的高灵敏防盗掘保护装置，包括边缘计算分析处理主机，为边缘计算分析处理主机提供分析数据的地埋数字传感器；通过地埋数字传感器获取振动信息后，传输到边缘计算分析处理主机中进行处理识别。该方法将传感器埋入地下避免被发现而被规避。但是传感器与主机之间的信息传输过程中容易被拦截或信息缺失等问题，且对于主机的运算分析能力要求很高，前期投入较大。
[0006]专利文献CN106127135B公开了一种陵区入侵振动提取与分类识别算法，采用多光栅传感探测系统，通过多光栅传感器网络采集振动信号，利用EEMD算法分解得到IMF分量，并计算EEMD能量熵，排除非人为信号的干扰，并进行特征提取，最后采用经过粒子群算法优化后的支持向量机对入侵信号进行分类识别并预警。该方法采用粒子群算法优化后的SVM对入侵信号进行分类识别。但是该方法未考虑不同地形的振动形式和振动幅度是不同的，例如倾斜地形中不同位置的振动幅度是不同的，因此会出现错误判断的问题。
技术实现思路
[0007]本专利技术提供了一种基于加速度传感器的古墓防盗掘检测方法，该方法通过多个轻量化模型集成嵌入加速度传感器中，从而提高异常事件识别分类的反馈速度，以及非法盗掘行为的告警准确率。
[0008]一种基于加速度传感器的古墓防盗掘检测方法，包括：
[0009]步骤1、基于加速度传感器工作原理，构建用于筛选出异常事件土壤振动数据的土壤振动事件提取模型，所述土壤振动数据包括土壤运动的空间加速度方向与大小；
[0010]步骤2、通过步骤1的土壤振动事件提取模型，采集随机异常事件的土壤振动数据，并对所述土壤振动数据关于盗掘行为事件与其他异常事件的两个维度标注，将所述异常事件的土壤振动数据与标注标签组成训练样本；
[0011]步骤3、构建土壤振动事件分类网络，包括数据预处理模块，特征提取模块，数据融合模块以及分类模块，所述数据预处理模块用于除去土壤振动事件提取模型提供的土壤振动数据中事件方向信息，并将处理后的土壤振动数据输入至特征提取模块，所述特征提取模块用于提取处理后的土壤振动数据的多尺度数据特征，并将提取获得的多尺度数据特征输入至数据融合模块，所述数据融合模块用于融合多尺度数据特征得到融合特征，并将融合特征输入至分类模块，所述分类模块用于对融合特征进行预测计算，以输出分类结果，所述分类结果包括盗掘行为事件分类结果与其他异常事件分类结果；
[0012]步骤4、利用步骤2获得的训练样本对土壤振动事件分类网络进行训练，训练结束后，获得用于识别分类异常土壤振动数据的土壤振动事件分类模型，所述异常土壤振动数据由土壤振动事件提取模型筛选获得；
[0013]步骤5、构建土壤振动事件预警模型，所述土壤振动事件预警分类模型用于统计一定时间内由土壤振动事件分类模型输出的分类结果，根据统计结果判断是否需要告警；
[0014]步骤6、将步骤1的土壤振动事件提取模型，步骤4的土壤振动事件分类模型以及步骤5的土壤振动事件预警模型集成嵌入加速度传感器中，获得可独立完成土壤事件分析预警的防盗掘检测模型；
[0015]步骤7、将一段待识别的土壤振动数据输入至步骤6获得的防盗掘检测模型中，经识别分析，输出是否需要告警的结果。
[0016]优选的，所述步骤1中的筛选出异常事件土壤振动数据，采用盒图法来判断是否有异常事件发生，当判定为异常事件时才会提取对应的土壤振动信息，在判定过程中的特征为事件信号中x轴与y轴数据的余弦相似度：
[0017][0018]其中，<a
x
,a
y
>表示x轴数据与y轴数据的内积，||a
x
||与||a
y
||则表示x轴数据与y轴数据的模。
[0019]具体的，所述步骤2中的盗掘行为事件包括采用洛阳铲进行挖掘，所述其他异常事件包括人为地持续进行跳跃以及行走。
[0020]优选的，所述步骤3中的除去土壤振动事件提取模型提供的土壤振动数据中事件方向信息，具体步骤如下：
[0021]步骤2.1、将土壤振动事件提取模型提供的土壤振动数据进行减基线操作，获得减基线数据[a
x
,a
y
,a
z
]T
；
[0022]步骤2.2、计算减基线数据合成加速度的模：
[0023][0024]其中，ra为合成加速的模，a
x
为x轴数据，a
y
为y轴数据，a
z
为z轴数据；
[0025]步骤2.3、计算减基线数据在重力加速度方向上的投影：
[0026]v＝[cosα,cosβ,cosγ][a
x
,a
y
,a
z
]T
[0027]其中，v为重力加速度方向上的投影，α为合成加速度与x轴之间的夹角，β为合成加速度与y轴之间的夹角，γ为合成加速度与z轴之间的夹角；
[0028]步骤2.4、计算减基线数据在水平面上投影向量的模：
[0029][00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于加速度传感器的古墓防盗掘检测方法，其特征在于，包括：步骤1、基于加速度传感器工作原理，构建用于筛选出异常事件土壤振动数据的土壤振动事件提取模型，所述土壤振动数据包括土壤运动的空间加速度方向与大小；步骤2、通过步骤1的土壤振动事件提取模型，采集随机异常事件的土壤振动数据，并对所述土壤振动数据关于盗掘行为事件与其他异常事件的两个维度标注，将所述异常事件的土壤振动数据与标注标签组成训练样本；步骤3、构建土壤振动事件分类网络，包括数据预处理模块，特征提取模块，数据融合模块以及分类模块，所述数据预处理模块用于除去土壤振动事件提取模型提供的土壤振动数据中事件方向信息，并将处理后的土壤振动数据输入至特征提取模块，所述特征提取模块用于提取处理后的土壤振动数据的多尺度数据特征，并将提取获得的多尺度数据特征输入至数据融合模块，所述数据融合模块用于融合多尺度数据特征得到融合特征，并将融合特征输入至分类模块，所述分类模块用于对融合特征进行预测计算，以输出分类结果，所述分类结果包括盗掘行为事件分类结果与其他异常事件分类结果；步骤4、利用步骤2获得的训练样本对土壤振动事件分类网络进行训练，训练结束后，获得用于识别分类异常土壤振动数据的土壤振动事件分类模型，所述异常土壤振动数据由土壤振动事件提取模型筛选获得；步骤5、构建土壤振动事件预警模型，所述土壤振动事件预警分类模型用于统计一定时间内由土壤振动事件分类模型输出的分类结果，根据统计结果判断是否需要告警；步骤6、将步骤1的土壤振动事件提取模型，步骤4的土壤振动事件分类模型以及步骤5的土壤振动事件预警模型集成嵌入加速度传感器中，获得可独立完成土壤事件分析预警的防盗掘检测模型；步骤7、将一段待识别的土壤振动数据输入至步骤6获得的防盗掘检测模型中，经识别分析，输出是否需要告警的结果。2.根据权利要求1所述的基于加速度传感器的古墓防盗掘检测方法，其特征在于，所述步骤1中的筛选出异常事件土壤振动数据，采用盒图法来判断是否有异常事件发生，当判定为异常事件时才会提取对应的土壤振动信息。3.根据权利要求1所述的基于加速度传感器的古墓防盗掘检测方法，其特征在于，所述步骤3中的除去土壤振动事件提取模型提供的土壤振动数据中事件方向信息，具体步骤如下：步骤2.1、将土壤振动事件提取模型提供的土壤振动数据进行减基线操作，获得减基线数据[a
x
,a
y
,a
z
]
T
；步骤2.2、计算减基线数据合成加速度的模：其中，ra为合成加速的模，a
x
为x轴数据，a
y
为y轴数据，a
z
为z...
【专利技术属性】
技术研发人员：董亚波，石兆舒，左同斌，
申请(专利权)人：浙江大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。