基于机器学习的机场周界入侵报警系统的制作方法

本发明涉及机场安全防范，尤其涉及一种基于机器学习的机场周界入侵报警系统。

背景技术：

1、机场周界入侵指的是对机场周边安全防御系统的入侵。这种入侵一般是指试图越过机场周边的安全围栏、监控摄像头、警报系统或其他安全设施，进入机场禁区的行为。现有技术中往往利用各种技术手段监测机场周边区域，以及机场围栏、围墙等周界是否有未经授权的人员或物体进入的行为。这种监测系统通常包括了多种传感器和监控设备，以确保对机场周边的全面监控和安全保障。

2、然而在目前的技术中，很多时候监测系统难以准确区分真正的入侵行为，容易将无害的行人、车辆或动物视为潜在威胁，这可能导致对安全事件的误判。本发明提出了基于机器学习的机场周界入侵报警系统，通过信息库储存历史入侵行为特征数据和入侵位置特征数据，入侵信息采集端口采集实时入侵行为特征数据，并通过机器学习模块对入侵信息确定模型、入侵信息定位模型进行学习训练，以对机场周界入侵信息进行查找、定位。有效地解决了背景技术中提到的问题，提高了机场周界入侵行为检测的精确性，对机场安全防范工作提供了指导作用。

技术实现思路

1、针对现有技术的不足，本发明提出了基于机器学习的机场周界入侵报警系统，本发明通过信息库储存历史入侵行为特征数据和入侵位置特征数据，入侵信息采集端口采集实时入侵行为特征数据，并通过机器学习模块对入侵信息确定模型、入侵信息定位模型进行学习训练，以对机场周界入侵信息进行查找、定位。有效地提高了机场周界入侵行为检测的精确性，对机场安全防范工作提供了指导作用。

2、为实现上述目的，本发明的技术方案如下：

3、基于机器学习的机场周界入侵报警系统，所述系统包括信息库、入侵信息采集端口、机器学习模块、入侵信息定位端口；所述信息库，用于储存历史入侵行为特征数据和入侵位置特征数据，其中，历史入侵行为特征数据表示为序列(x1,x2,x3,...,xn)，xn为储存的第n个历史入侵行为特征数据，入侵位置特征数据表示为序列(x1,x2,x3,...,xn),xn为储存的第n个历史入侵行为特征数据所对应的入侵位置特征数据；所述入侵信息采集端口，用于采集机场周界的实时入侵行为特征数据；所述机器学习模块，用于对入侵信息确定模型、入侵信息定位模型进行学习训练，以对机场周界入侵信息进行查找、定位；所述入侵信息定位端口，用于在机器学习模块的辅助下，对机场周界入侵信息的位置进行查找。

4、本发明进一步的改进在于，所述入侵信息采集端口包括入侵行为特征数据提取模块、数据传输模块和入侵行为特征数据处理模块；所述入侵行为特征数据提取模块，用于提取采集得到的机场周界的实时入侵行为特征数据；所述数据传输模块，用于将提取得到的机场周界的实时入侵行为特征数据传输给入侵行为特征数据处理模块；所述入侵行为特征数据处理模块，用于将入侵行为特征数据转化为入侵行为统计特征数据。

5、本发明进一步的改进在于，所述机器学习模块包括入侵信息确定模型训练单元和入侵信息定位模块训练单元；所述入侵信息确定模型训练单元，用于构建入侵信息确定模型，运行入侵信息确定策略；所述入侵信息定位模块训练单元，用于构建入侵信息定位模型，运行入侵信息定位策略。

6、本发明进一步的改进在于，所述入侵信息定位端口包括入侵信息定位模型提取模块，所述入侵信息定位模型提取模块，用于对机器学习模块中的入侵信息定位模型进行提取，获取入侵信息位置信息。

7、本发明进一步的改进在于，所述将入侵行为特征数据转化为入侵行为统计特征数据包括以下具体内容：收集历史入侵行为特征数据的各项数理统计值，将各项数理统计值组成历史入侵行为统计特征向量，将所有历史入侵行为统计特征向量组合成历史入侵行为统计特征数据。

8、本发明进一步的改进在于，所述入侵信息确定模型训练单元用于构建入侵信息确定模型，所述构建入侵信息确定模型包括以下具体内容：构造层数为2层的入侵信息确定模型，将所有数理统计值的数量作为入侵信息确定模型中第1层的节点数量，将待确定入侵信息的数量作为入侵信息确定模型中第2层的节点数量。

9、本发明进一步的改进在于，所述入侵信息确定模型训练单元运行入侵信息确定策略，所述入侵信息确定策略包括以下具体内容：

10、s1、将历史入侵行为统计特征数据中的每组历史入侵行为统计特征向量作为入侵信息确定模型的输入；将该组历史入侵行为统计特征向量对应的历史入侵行为特征数据作为输出，以最小化入侵信息确定模型的预测值与预测目标之间的预测误差之和作为预测目标，对入侵信息确定模型进行训练，直至预测误差之和达到收敛时停止训练；

11、s2、将实时入侵行为统计特征数据输入训练好的入侵信息确定模型，计算信息库中与入侵行为确定模型输出的结果匹配度最高的历史入侵行为特征数据。

12、本发明进一步的改进在于，所述s2中的匹配度计算公式为：xi为储存的第i个历史入侵行为特征数据，y为入侵信息确定模型输出的结果。

13、本发明进一步的改进在于，所述入侵信息定位模块训练单元运行入侵信息定位策略，所述入侵信息定位策略包括以下具体步骤：

14、s3、将查找得到的，与入侵信息确定模型输出的结果匹配度最高的历史入侵行为特征数据作为入侵信息定位模型的输入；

15、s4、输出入侵位置特征数据，对入侵信息进行定位。

16、本发明进一步的改进在于，所述s3中入侵信息定位模型的训练方式为：

17、s31：提取信息库中t组历史入侵行为特征数据和入侵位置特征数据；

18、s32：将每一组历史入侵行为特征数据转化为特征向量的形式，将t组特征向量的集合作为入侵信息定位模型的输入，所述入侵信息定位模型以每组特征向量预测的入侵位置特征数据作为输出，以每组特征向量对应的实际入侵位置特征数据作为预测目标，以最小化所有预测的入侵位置特征数据预测准确度之和作为训练目标；

19、s33：所述预测准确度的计算公式为：其中下标k为特征向量的组数，f为预测的入侵位置特征数据，f为实际的入侵位置特征数据，pk为第k组特征向量预测的入侵位置特征数据与实际的入侵位置特征数据之间的预测准确度，对入侵信息定位模型进行训练，直至预测准确度之和达到收敛时停止训练。

20、本发明的技术效果如下：

21、本发明通过信息库储存历史入侵行为特征数据和入侵位置特征数据，入侵信息采集端口采集实时入侵行为特征数据，并通过机器学习模块对入侵信息确定模型、入侵信息定位模型进行学习训练，以对机场周界入侵信息进行查找、定位。有效地提高了机场周界入侵行为检测的精确性，对机场安全防范工作提供了指导作用。

技术特征：

1.基于机器学习的机场周界入侵报警系统，其特征在于，所述系统包括信息库、入侵信息采集端口、机器学习模块、入侵信息定位端口；所述信息库，用于储存历史入侵行为特征数据和入侵位置特征数据，其中，历史入侵行为特征数据表示为序列(x1,x2,x3,...,xn)，xn为储存的第n个历史入侵行为特征数据，入侵位置特征数据表示为序列(x1,x2,x3,...,xn),xn为储存的第n个历史入侵行为特征数据所对应的入侵位置特征数据；所述入侵信息采集端口，用于采集机场周界的实时入侵行为特征数据；所述机器学习模块，用于对入侵信息确定模型、入侵信息定位模型进行学习训练，以对机场周界入侵信息进行查找、定位；所述入侵信息定位端口，用于在机器学习模块的辅助下，对机场周界入侵信息的位置进行查找。

2.根据权利要求1所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述入侵信息采集端口包括入侵行为特征数据提取模块、数据传输模块和入侵行为特征数据处理模块；所述入侵行为特征数据提取模块，用于提取采集得到的机场周界的实时入侵行为特征数据；所述数据传输模块，用于将提取得到的机场周界的实时入侵行为特征数据传输给入侵行为特征数据处理模块；所述入侵行为特征数据处理模块，用于将入侵行为特征数据转化为入侵行为统计特征数据。

3.根据权利要求2所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述机器学习模块包括入侵信息确定模型训练单元和入侵信息定位模块训练单元；所述入侵信息确定模型训练单元，用于构建入侵信息确定模型，运行入侵信息确定策略；所述入侵信息定位模块训练单元，用于构建入侵信息定位模型，运行入侵信息定位策略。

4.根据权利要求3所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述入侵信息定位端口包括入侵信息定位模型提取模块，所述入侵信息定位模型提取模块，用于对机器学习模块中的入侵信息定位模型进行提取，获取入侵信息位置信息。

5.根据权利要求4所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述将入侵行为特征数据转化为入侵行为统计特征数据包括以下具体内容：收集历史入侵行为特征数据的各项数理统计值，将各项数理统计值组成历史入侵行为统计特征向量，将所有历史入侵行为统计特征向量组合成历史入侵行为统计特征数据。

6.根据权利要求5所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述入侵信息确定模型训练单元用于构建入侵信息确定模型，所述构建入侵信息确定模型包括以下具体内容：构造层数为2层的入侵信息确定模型，将所有数理统计值的数量作为入侵信息确定模型中第1层的节点数量，将待确定入侵信息的数量作为入侵信息确定模型中第2层的节点数量。

7.根据权利要求6所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述入侵信息确定模型训练单元运行入侵信息确定策略，所述入侵信息确定策略包括以下具体内容：

8.根据权利要求7所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述s2中的匹配度计算公式为：xi为储存的第i个历史入侵行为特征数据，y为入侵信息确定模型输出的结果。

9.根据权利要求8所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述入侵信息定位模块训练单元运行入侵信息定位策略，所述入侵信息定位策略包括以下具体步骤：

10.根据权利要求9所述的基于机器学习的机场周界入侵报警系统，其特征在于，所述s3中入侵信息定位模型的训练方式为：

技术总结本发明涉及机场安全防范技术领域，尤其涉及一种基于机器学习的机场周界入侵报警系统，系统包括信息库、入侵信息采集端口、机器学习模块、入侵信息定位端口，所述信息库，用于储存历史入侵行为特征数据和入侵位置特征数据；所述入侵信息采集端口，用于采集机场周界的实时入侵行为特征数据；所述机器学习模块，用于对入侵信息确定模型、入侵信息定位模型进行学习训练，以对机场周界入侵信息进行查找、定位；所述入侵信息定位端口，用于在机器学习模块的辅助下，对机场周界入侵信息的位置进行查找。技术研发人员：林海,华辰,江兴,孔德琦,居金霞,余以兰受保护的技术使用者：苏州朗捷通智能科技有限公司技术研发日：技术公布日：2024/6/26