《Optics & Laser Technology》：FusionOptics: Optical-visual fusion framework for high-speed railway perimeter intrusion detection
编辑推荐：
•用于高速铁路周边入侵检测的分布式光纤传感与视频监控融合框架。•基于时空间图像的光纤振动信号识别算法。•原型系统在真实铁路场景中的部署。引言高速铁路自动驾驶列车运行（ATO）系统的快速发展，使得确保极端速度下运行安全的挑战受到越来越多的关注[41]。一个关键问题在于，当轨道上
- •
用于高速铁路周边入侵检测的分布式光纤传感与视频监控融合框架。
- •
基于时空间图像的光纤振动信号识别算法。
- •
原型系统在真实铁路场景中的部署。
引言
高速铁路自动驾驶列车运行（ATO）系统的快速发展，使得确保极端速度下运行安全的挑战受到越来越多的关注[41]。一个关键问题在于，当轨道上出现行人、落石或大型动物等意外障碍物时，很难及时进行紧急制动。由于高速列车的动量较大，制动距离往往过长，难以避免潜在碰撞。以中国制造的CR450列车为例，在400 km/h的速度下，其紧急制动距离高达6500米。
为减轻此类风险，周边入侵检测系统被开发出来，以提供对轨道沿线异常情况的早期预警[8]、[45]。这些系统作为智能铁路基础设施的视觉和听觉感知组件，能够实现潜在威胁的及时识别。随着ATO技术的不断进步，入侵检测已成为高速铁路运营中主动安全策略不可或缺的一部分。
表1对铁路周边入侵检测中采用的各种感知模态的优势和局限性进行了全面比较，包括可见光成像[2]、[9]、[10]、红外热成像[29]、热成像视频[33]、激光雷达（LiDAR）[61]、毫米波雷达[5]和分布式光纤传感（DFOS）[15]。每种传感器在空间分辨率、环境鲁棒性、检测距离和数据可解释性方面各具优势。可见光传感器提供高分辨率图像，适用于目标识别，但对光照变化高度敏感。红外热成像相机能够在完全黑暗和低光照条件下通过检测热信号有效工作，但通常分辨率较低，且可能因背景热噪声而产生误报。毫米波雷达凭借其强大的穿透能力和较长的检测距离，在恶劣天气和低能见度环境下表现出色；但其空间分辨率有限，且无法准确估计目标高度或提供详细的形状信息。激光雷达提供精确的三维空间测量和目标轮廓描绘，但在大雨或雾天其性能可能会下降，且成本相对较高。分布式光纤传感可以利用现有的铁路通信光纤电缆作为传感介质，实现低成本的大规模监控；然而，这类系统容易受到环境干扰，且缺乏直观的视觉反馈。
在真实铁路环境中，振动信号可能来源于多种源头，包括行人、动物、落石碎屑、植被移动或日常维护活动，这些信号往往表现出高度相似的模式。因此，DFOS系统的高灵敏度并不一定意味着低误报率或可靠的入侵语义识别。相比之下，视频监控提供了丰富的视觉和上下文信息，这对于在语义层面区分入侵目标至关重要，例如区分人类入侵与动物或环境干扰。然而，视觉感知本质上容易受到低光照、雾、雨和遮挡等不良条件的影响。这些观察结果表明，在复杂的真实铁路场景中，单一模态无法保证稳健的性能，从而激发了多模态融合的必要性。
尽管已有少数多传感器融合方法被提出以缓解单一感知模态的局限性[16]、[18]、[49]、[60]，但仍存在若干挑战：(1) 置信度级融合方法往往不足以解决识别结果存在强烈冲突的情况；(2) 缺乏图像质量评估机制来门控不可靠视觉证据在融合过程中的参与；(3) 单个传感器的抗干扰能力仍需进一步提高。
为应对上述局限，本文提出了一种光-视融合框架，将DFOS与视频监控集成在一起，使两种模态的互补优势得以发挥，从而提升高速铁路周边入侵检测的准确性和可靠性。本文的主要贡献总结如下：
- (1)
提出了一种决策级融合框架，将DFOS与视频监控集成。具体而言，采用Dempster–Shafer（D–S）证据理论来建模不确定性，同时引入图像质量评分模块，根据图像质量门控视觉证据在融合过程中的参与程度。
- (2)
提出了一种基于时空间图像的光纤振动信号识别算法，该算法集成了Sinc卷积、多尺度特征融合和通道注意力机制，以增强噪声抑制和特征表示能力。
- (3)
在具有陡峭路堑的真实铁路场景中验证并部署了远程周边入侵检测原型系统，用于实际工程应用。
本文其余部分组织如下。第2节回顾了DFOS和铁路场景中多传感器融合目标检测的相关工作。第3节详细介绍了所提出的光-视融合框架。第4节描述了实验和原型系统。最后，第5节总结了结论并展望了未来工作。
章节摘要
分布式光纤传感
DFOS是一项新兴技术，能够实现高分辨率的大规模监控。它依赖于瑞利散射、布里渊散射和拉曼散射来检测外部扰动引起的光纤沿线物理参数的变化。布里渊散射是一种由光与声学声子相互作用产生的非弹性过程，能够实现应变和温度的测量[36]。然而，其相对较低的时间分辨率限制了其在
所提出光-视融合框架概述
如图1所示，所提出的光-视融合框架主要由六个部分组成：多模态输入、光纤信号识别模块、图像质量评估模块、视频监控识别模块、决策级融合模块和多模态融合输出。
在数据处理初期，相位敏感光时域反射仪（-OTDR）系统将监控区域划分为多个独立检测区。A
数据集
使用部署在防护栏旁的DFOS系统构建了一个光纤信号数据集。采集了七种铁路周边入侵事件对应的时空间数据，包括背景噪声、降雨、敲击围栏、摇晃围栏、攀爬围栏、模拟凿墙和列车通过。为确保时间连续性和保留信息特征，原始信号使用固定长度滑动窗口分段方法进行了预处理。
结论与未来工作
本文提出了一种集成分布式光纤传感和视频监控的协作框架，用于开放铁路环境中的远程周边入侵检测。具体工作总结如下：
- (1)
为验证所提方法的有效性，构建了一个光纤振动信号数据集，涵盖七种事件类型：背景噪声、降雨、敲击围栏、摇晃围栏、攀爬围栏、模拟凿墙和列车
CRediT作者贡献声明
胡靖宇（Jingyu Hu）：写作——审阅与编辑，写作——初稿，可视化，验证，方法论，调研，数据管理，概念构思。朱立强（Liqiang Zhu）：写作——审阅与编辑，监督指导，资金获取，概念构思。邹恒（Heng Zou）：验证，软件，方法论，调研。王科勋（Kexun Wang）：调研。翟伟杰（Weijie Zhai）：验证，调研。陈子晓（Zixiao Chen）：验证，调研。郭保清（Baoqing Guo）：监督指导。于祖军（Zujun Yu）：监督指导。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：
朱立强（Liqiang Zhu）报告称，该项研究得到了中国中央高校基本科研业务费专项资金的支持。如有其他作者，则声明不存在已知的竞争性财务利益或可能影响本文所报告工作的个人关系。
致谢
本工作得到了中国中央高校基本科研业务费专项资金（2022JBQY002）的支持。
胡靖宇|朱立强|邹恒|王科勋|翟伟杰|陈子晓|郭保清|于祖军
