施工工程现场入侵监测系统设计

随着社会的快速发展，隐私性和保密性问题日渐受到人们的关注，在施工领域也不例外。工程项目的图纸资料、施工现场的进程与技术本身就带有一定的保密性，而一些特殊的工程项目如机场等则更具有防泄密和防入侵的需求。针对这种问题，提出一种针对施工人员泄密行为和施工现场防入侵的监测系统设计思路。在设计中，分别从网络入侵和场地入侵两方面来进行系统设计，并采用一种融合卷积神经网络和长短时记忆网络的混合深度学习模型，用于自动处理施工现场环境中的可能泄密行为，通过模型识别训练证明了算法的可行性。

施工现场保密性的要求主要来自三个方面：一是施工现场外围非法进入现场内；二是储存工程资料的计算机受到来自网络的入侵；三是施工场地内人员的可能泄密行为，如手机拍照，手持遥控器遥控设备拍摄，打电话等等。而目前行为识别与入侵监测两方面的研究大多是分开进行的，没有统一应用在工程施工中。因此，本文从漏缆周界入侵监测系统设计、网络防入侵系统设计以及基于融合卷积神经网络(CNN, Convolutional Neural Network)和长短时记忆网络(LSTM, Long and Short Term Memory Network)的混合深度学习模型的泄密行为识别算法等方面进行阐述。

2. 漏缆周界入侵监测系统设计 智能周界入侵监测系统的主要作用是在设防地区有非法入侵行为发生时， 可以智能准确地识别入侵， 并及时报警。目前市面上常用的周界入侵监测方法主要有主动红外、振动电缆、光纤入侵、漏缆入侵等。

其中，铺设在防护区域地表浅层的泄露电缆周界入侵监测系统由于其系统的稳定性、强隐蔽性、多地形适应性、全天候工作等优点，受到社会广泛好评[1] [2]。

本文结合军用机场的特殊性，经过调研分析，决定采用漏缆周界入侵监测算法。漏缆周界入侵监测系统主要由发射机、接收机、一对泄露电缆、终端负载以及上位机组成，系统示意图见图1。

Figure 1. Leaky cable perimeter intrusion system 图1. 漏缆周界入侵系统