本文關(guān)鍵詞： 室內(nèi)安全 入侵檢測 技術(shù) 隱馬爾科夫模型　出處：《太原理工大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：室內(nèi)安全關(guān)系到每個人的生命財產(chǎn),一直是大眾關(guān)注的焦點問題。學(xué)者們針對此問題提出了多種解決方案,常見的有視頻監(jiān)控和紅外線監(jiān)控。然而此類方案均需要額外的特制設(shè)備,如視頻監(jiān)控需要在室內(nèi)中布置攝像頭,而紅外線監(jiān)控需要布置紅外線發(fā)生器。類似的額外設(shè)備開銷限制了其應(yīng)用推廣,因而亟需一種開銷小且可靠性高的解決方案。隨著智能設(shè)備的普及,技術(shù)日漸受到大眾的青睞。從商場、辦公室到家庭,隨處可見的蹤影。如此普及的應(yīng)用基礎(chǔ)給學(xué)者們提供了廣闊的想象空間,近年來各種基于的算法和系統(tǒng)層出不窮,如手勢識別、室內(nèi)定位和睡眠監(jiān)測等。已經(jīng)有學(xué)者關(guān)注人類檢測問題并提出了相應(yīng)的檢測算法,然而這類算法只能判斷是否有人進入某一感興趣的區(qū)域,無法自動判斷識別出進入者是用戶還是入侵者,達不到理想結(jié)果�；谶@一目標(biāo),本文提出一種基于的非法入侵檢測識別算法,可以實時可靠地檢測識別入侵者。理論依據(jù)為不同的用戶有不同的生活習(xí)慣,具體表現(xiàn)為何時、何地做了何種動作。時間可以通過時間戳獲得,地點可以通過總結(jié)信號隨距離的衰減規(guī)律獲得,用戶動作會引起信號波動,相同動作引起的信號波動程度相似,因此動作可以通過學(xué)習(xí)訓(xùn)練信號波動逆向推導(dǎo)獲得。至此,就成功為不同用戶“量身定制”行為習(xí)慣模型。整個算法分為四個模塊,分別是信號預(yù)處理模塊、模型建立模塊、入侵檢測模塊和報警確認模塊。信號預(yù)處理模塊的作用是先使用主成分分析法對信號去噪,再使用滑動窗口自下而上算法對信號分段,成為不同的信號片段序列;模型建立模塊基于不同用戶有不同生活行為習(xí)慣這一前提,使用隱馬爾科夫模型為不同用戶建模;入侵檢測模塊使用閾值檢測識別非法入侵者;報警確認模塊通過識別預(yù)定義手勢,判斷是否為誤識別,從而進行報警確認。最后通過實驗驗證算法的有效性,識別精度最高可達,能夠最大限度地減少用戶財物的損失,達到了預(yù)期的效果。
[Abstract]:Indoor safety concerns everyone's life and property, which has always been the focus of public attention. Scholars have put forward a variety of solutions to this problem. Video surveillance and infrared surveillance are common. However, such schemes require additional specialized equipment, such as video surveillance, which requires the installation of cameras indoors. Infrared monitoring requires the arrangement of infrared generators. Similar additional equipment costs limit its application, so it is urgent to have a low cost and high reliability solution. With the popularity of intelligent devices. Technology is increasingly popular with the public. From shopping malls, offices to homes, everywhere can be seen. Such a popular application of the basis for scholars to provide a broad space for imagination. In recent years, a variety of algorithms and systems based on the emerging, such as gesture recognition, indoor positioning and sleep monitoring. However, this kind of algorithm can only judge whether someone enters a certain area of interest, and can not automatically judge whether the entrant is a user or an intruder, and can not achieve the desired result. In this paper, we propose an algorithm based on illegal intrusion detection, which can detect and identify intruders in real time and reliably. The theoretical basis is that different users have different living habits, and the specific performance is when. Where to do what action. Time can be obtained through the time stamp, the location can be summed up by the attenuation of the signal with the distance to obtain, the user action will cause signal fluctuations, the same action caused by the same signal fluctuation degree. So the action can be obtained by learning the inverse derivation of training signal fluctuation. So far, the behavior habit model can be "customized" for different users successfully. The whole algorithm is divided into four modules, which are signal preprocessing module. The model building module, intrusion detection module and alarm confirmation module. The function of the signal preprocessing module is to use principal component analysis to de-noise the signal first, and then to segment the signal by sliding window bottom-up algorithm. Become different signal fragment sequences; The model building module is based on the premise that different users have different living habits and uses hidden Markov model to model different users. Intrusion detection module uses threshold detection to identify illegal intruders; The alarm and confirmation module recognizes the predefined gesture and determines whether it is a false recognition. Finally, the validity of the algorithm is verified by experiments, and the recognition accuracy is the highest. It can minimize the loss of user property and achieve the desired results.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN92

【相似文獻】

相關(guān)期刊論文 前10條

1 譚磊;王耀南;沈春生;;輸電線路除冰機器人障礙視覺檢測識別算法[J];儀器儀表學(xué)報;2011年11期

2 封帆;施保華;;基于智能機器視覺的針劑生產(chǎn)線安瓶檢測識別系統(tǒng)[J];自動化博覽;2007年01期

3 陳小龍;馮桑;何春;;道路交通標(biāo)志檢測識別技術(shù)的應(yīng)用分析[J];汽車與配件;2012年36期

4 王有春;;基于虛擬儀器的二代身份證檢測識別系統(tǒng)設(shè)計[J];自動化與儀表;2010年10期

5 任清論 ,朱方文 ,袁政鵬;在復(fù)雜場景中多目標(biāo)物的檢測識別方法[J];微計算機信息;2004年06期

6 楊衛(wèi)東,左崢嶸,張?zhí)煨?基于檢測識別的實孔徑雷達景象匹配定位方法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年02期

7 張鵬;王英瑞;;高空域噪聲影響下的目標(biāo)檢測識別方法研究[J];現(xiàn)代防御技術(shù);2008年01期

8 劉國營;陳秀宏;莊甘霖;;檢測識別跟蹤分離的在線多樣本視頻目標(biāo)跟蹤[J];計算機工程;2012年23期

9 王珂娜;王耀南;魯娟;張瑩;;基于Camshift跟蹤算法與SVM的大輸液雜質(zhì)檢測識別方法研究[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2009年07期

10 王岳環(huán);宋云峰;陳君靈;;高分辨率遙感圖像中油庫的檢測識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2011年S2期

相關(guān)會議論文 前2條

1 劉軍;趙吉賓;劉偉軍;王天然;;基因芯片熒光靶點圖像檢測識別算法改進研究[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

2 張聰;呂長水;;旋轉(zhuǎn)彈錐掃成像的紅外目標(biāo)檢測識別技術(shù)研究[A];2007年光電探測與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會論文集[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 徐金波;面向目標(biāo)檢測識別應(yīng)用的算法加速器體系結(jié)構(gòu)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

2 江琦;人臉檢測識別與跟蹤技術(shù)中關(guān)鍵問題的研究[D];吉林大學(xué);2010年

3 呂江濤;基于熒光機理的水中油類污染物檢測識別技術(shù)研究[D];燕山大學(xué);2010年

相關(guān)碩士學(xué)位論文 前9條

1 席陽;基于運動特征的目標(biāo)檢測識別[D];長安大學(xué);2015年

2 劉文好;復(fù)雜背景中紅外微弱目標(biāo)檢測與識別[D];上海交通大學(xué);2014年

3 霍世敏;基于Wi-Fi的室內(nèi)非法入侵檢測識別算法研究[D];太原理工大學(xué);2016年

4 張偉;整精米檢測識別系統(tǒng)的研究[D];大連理工大學(xué);2009年

5 李倩倩;關(guān)節(jié)式物體檢測識別及應(yīng)用[D];復(fù)旦大學(xué);2011年

6 賴平;基于DSP的管道典型異常事件檢測識別系統(tǒng)研究[D];天津大學(xué);2009年

7 陳放;道路交通標(biāo)線檢測識別與建圖方法研究[D];上海交通大學(xué);2012年

8 王彩琴;智能視頻監(jiān)控中物體檢測識別算法的研究與應(yīng)用[D];太原理工大學(xué);2012年

9 李慎篤;基于多特征的人臉檢測識別研究[D];中南大學(xué);2009年

，

本文編號：1488277