CN108053627A - 一种火灾报警方法、装置及设备 - Google Patents

一种火灾报警方法、装置及设备 Download PDF

Info

Publication number
CN108053627A
CN108053627A CN201711181100.9A CN201711181100A CN108053627A CN 108053627 A CN108053627 A CN 108053627A CN 201711181100 A CN201711181100 A CN 201711181100A CN 108053627 A CN108053627 A CN 108053627A
Authority
CN
China
Prior art keywords
scene
fire
fire alarm
monitored
personnel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711181100.9A
Other languages
English (en)
Inventor
宋佳城
陈宇弘
靳东风
张男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TANDA TECHNOLOGY Co Ltd
Original Assignee
TANDA TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by TANDA TECHNOLOGY Co Ltd filed Critical TANDA TECHNOLOGY Co Ltd
Priority to CN201711181100.9A priority Critical patent/CN108053627A/zh
Publication of CN108053627A publication Critical patent/CN108053627A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/186—Fuzzy logic; neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Emergency Management (AREA)
  • Fuzzy Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Alarm Systems (AREA)

Abstract

一种火灾报警方法包括：通过多个传感器获取被监控现场的探测信号；将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。使得所采集的探测信号能够准确有效的确定被监控现场是否处于火灾隐患发生阶段，有利于用户更为准确及时的得到火灾报警，有利于降低火灾事故的损失。

Description

一种火灾报警方法、装置及设备
技术领域
本发明属于安防领域，尤其涉及一种火灾报警方法、装置及设备。
背景技术
火灾探测器是火灾探测系统最重要的组成部分之一，它至少含有一个能连续或以一定频率周期探测物质燃烧过程中所产生的各种信号的传感器。通过对火灾现场的物质燃烧过程中所产生的各种气、烟、热、光(火焰)等表征火灾信号进行采集，并转化为计算机可接收的电信号，供计算机判断分析，确定是否为火灾。
目前的火灾探测器，为了提高探测火灾信号的准确度，减少误报警次数，通常会将探测器的报警阈值设置为较大值，当探测的信号超过该设定的阈值后，即可准确的发出报警信号，但是，由于报警信号的发生时机较晚，不能及时有效的发现火灾，不利于降低因火灾事故所引起的损失。
发明内容
有鉴于此，本发明实施例提供了一种火灾报警方法、装置及设备，以解决现有技术中为了提高报警准确度，报警信号的发生时机较晚，不能及时有效的发现火灾，不利于降低因火灾事故所引起损失的问题。
本发明实施例的第一方面提供了一种火灾报警方法，所述火灾报警方法包括：
通过多个传感器获取被监控现场的探测信号；
将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
结合第一方面，在第一方面的第一种可能实现方式中，当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，所述火灾报警方法还包括：
检测当前时间在所述被监控现场的是否有人员；
当检测到所述被监控现场有人员时，则向被所监控现场发送确认隐患是否属实时的提醒消息；
当接收到被监控现场的人员所确认为误报的消息时，则停止发出火灾报警信息。
结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述火灾报警方法还包括：
当所述被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段时，获取所述被监控现场的图像，生成第二判断结果；
或者，当所述被监控现场没有人员，或者当所述被监控现场有人员，且在预定时长内未接收到现场被监控现场的人员的确认指令时，获取所述被监控现场的图像，生成第二判断结果。
结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，在所述当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息的步骤之后，所述方法还包括：
根据被监控现场的照片，确定所述火灾隐患的位置和类型；
根据所述火灾隐患的位置和类型，在所述火灾隐患所在的位置启动与所述火灾隐患相匹配的灭火机制。
结合第一方面、第一方面的第一种可能实现方式、第一方面的第二种可能实现方式或第一方面的第三种可能实现方式，在第一方面的第四种可能实现方式中，所述传感器通过基于蜂窝的窄带物联网，或通过LORA远距离调制技术与控制中心相连。
本发明实施例的第二方面提供了一种火灾报警装置，所述火灾报警装置包括：
探测信号获取单元，用于通过多个传感器获取被监控现场的探测信号；
第一判断结果生成单元，用于将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
火灾报警信息生成单元，用于当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
结合第二方面，在第二方面的第一种可能实现方式中，所述火灾报警装置还包括：
人员检测单元，用于检测当前时间在所述被监控现场的是否有人员；
提醒消息发送单元，用于当检测到所述被监控现场有人员时，则向被所监控现场发送确认隐患是否属实时的提醒消息；
确认接收单元，用于当接收到被监控现场的人员所确认为误报的消息时，则停止发出火灾报警信息。
结合第二方面的第一种可能实现方式，在第二方面的第二种可能实现方式中，所述火灾报警装置还包括：
第一图像获取单元，用于当所述被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段时，获取所述被监控现场的图像，生成第二判断结果；
或者，第二图像获取单元，用于或者，当所述被监控现场没有人员，或者当所述被监控现场有人员，且在预定时长内未接收到现场被监控现场的人员的确认指令时，获取所述被监控现场的图像，生成第二判断结果。
本发明实施例的第三方面提供了一种火灾报警设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如第一方面任一项所述火灾报警方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面任一项所述火灾报警方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：通过获取多个传感器所采集的被监控现场的探测信号，将所采集的探测信号导入预先训练好的神经网络模型，生成被监控现场是否处于火灾隐患发生阶段的第一判断结果，如果被监控现场处于火灾隐患发生阶段，则生成火灾报警信息。由于本申请预先针对火灾除患阶段的探测信号进行神经网络模型训练，从而使得所采集的探测信号能够准确有效的确定被监控现场是否处于火灾隐患发生阶段，有利于用户更为准确及时的得到火灾报警，有利于降低火灾事故的损失。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种火灾报警方法的实现流程示意图；
图2是本发明实施例提供的一种火灾报警方法的实现流程示意图；
图3是本发明实施例提供的在生成第一检测结果后的进一步检测方法的实现流程示意图；
图4是本发明实施例提供的一种火灾报警方法的实现流程示意图；
图5是本发明实施例提供的一种火灾报警装置的示意图；
图6是本发明实施例提供的火灾报警设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
如图1所示，本申请实施例所述火灾报警方法的实现流程示意图，详述如下：
在步骤S101中，通过多个传感器获取被监控现场的探测信号；
其中，所述传感器可以包括烟雾传感器、图像传感器、气味传感器、温度传感器中的一种或者多种等，其中，每种传感器又可以设置多种，比如，烟雾传感器可以同时设置光干涉烟雾传感器、半导体烟雾传感器、电流型烟雾传感器等传感器中的一种或者多种。
另外，为了进一步提高监测的准确性，还可以获取所述传感器设置的位置。比如，所述传感器设置的位置可以为传感器所设置的房间类型，可以包括厨房、卫生间、卧室、客厅、仓库等。另外，仓库又可根据所存放的物品进一步区分为不同的仓库。
优选的一种实施方式中，在获取了被监控现场的探测信号后，还采集被监控现场包括的图像，根据所采集的图像分析被监控现场所包括的物品或材料。
在步骤S102中，将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
所述神经网络模型预先根据大量的实验样本进行训练得到。比如，可以通过烟雾传感器、图像传感器、气味传感器、温度传感器中的一种或者多种进行样本信号的采集，将所采集的样本信号，作为输入向量导入到神经网络模型，通过反复训练，可以得到不同的输入向量所对应的被监控现场是否处于火灾隐患发生阶段的判断结果。
其中，本申请所述火灾隐患发生阶段，指火灾事故还未发生，但在该阶段产生火灾事故的机率极高，或者火灾事故已经发生，但在当前阶段所产生的信号，在一般情况下会被正为是正常信号的阶段。
在对神经网络模型进行训练时，还可以结合所采集的信号的位置，将所采集的信号，以及信号来源的位置作为输入向量，导入到神经网络模型中进行训练。
当然，更进一步优化的实施方式中，可以采集被监控现场的图像，解析所述图像中包括的物品和/或材料，将所解析的物品和/或材料，结合探测信号作为输入向量，导入到神经网络模型进行训练。或者，还可以将物品和/或材料，结合探测信号、信号来源的位置作为输入向量，导入到神经网络模型进行训练。
根据训练好的所述神经网络模型，采用与训练相应的输入向量，比如可以为多个探测信号，或者可以为探测信号与信号来源的位置结合，或者可以为探测信号、信号来源的位置和被监控现场的物品和/或材料，生成输入向量，导入预先训练好的神经网络模型进行计算和判断，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果。
在步骤S103中，当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
如果被监控现场处于火灾隐患发生阶段，则可以生成火灾报警信息，比如可以发出语音提醒、灯光提醒等，或者还可以显示与逃生路径相关的信息。如果被监控现场没有处于火灾隐患发生阶段，则不需要发出火灾报警信息。
根据预先训练好的所述神经网络模型，对当前采集的信号，或者结合信号来源的位置、被监控现场包括的物品和/或材料，可以更为准确的判断当前阶段是否处于火灾隐患发生阶段，从而能够更为及时准确的发现火灾事故，有利于降低因火灾事故带来的损失。
图2为本申请实施例提供的又一种火灾报警方法的实现流程示意图，详述如下：
在步骤S201中，通过多个传感器获取被监控现场的探测信号；
在步骤S202中，将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
在步骤S203中，当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
步骤S201-S203与本申请图1所述的步骤S101-S103基本相同，在此不作重复赘述。
在步骤S204中，检测当前时间在所述被监控现场的是否有人员；
检测当前时间在所述被监控现场是否有人员，可以通过红外图像传感器采集红外图像，对红外图像进行分析，或者也可以通过摄像头采集可见图像，通过对可见图像进行人像特征分析，得到被监控现场是否有人的检测结果。
在步骤S205中，当检测到所述被监控现场有人员时，则向被所监控现场发送确认隐患是否属实时的提醒消息；
第一判断结果判断被监控现场处于火灾隐患发生阶段后，且被监控现场监测有人员时，可以向被监控现场发出确认隐患是否属实的提醒消息。比如可以提示出确认按键的位置，确认操作提示信息等。
在步骤S206中，当接收到被监控现场的人员所确认为误报的消息时，则停止发出火灾报警信息。
如果被监控现场人员确认为误报时，则可以停止火灾警报信息的发出。通过将系统自动检测机制与现场人员确认的方式相结合，可以进一步避免误报信息出现的机率。
图3为本申请实施例提供的在图2所述的火灾报警方法基础上，生成了第一检测结果后进一步检测的实现流程示意图，详述如下：
在步骤S301中，当所述被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段时，获取所述被监控现场的图像，生成第二判断结果。
如果被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段，由于会采用相应的灭火方案来灭火，为了避免误灭火所带来的损害，可以在接收到确认信息后，获取被监控现场的图像进行分析，生成第二判断结果，如果第二判断结果为火灾隐患发生阶段，则启动灭火机制，如果没有，则可以对发送确认信息的人员进行分析，比如是确认人员为小孩的误操作等。
在步骤S302中，或者，当所述被监控现场没有人员，或者当所述被监控现场有人员，且在预定时长内未接收到现场被监控现场的人员的确认指令时，获取所述被监控现场的图像，生成第二判断结果。
如果检测到被监控现场没有人员时，则可自动对被监控现场进行拍照，获取被监控现场的图像。或者虽然被监控现场有人员，但是在指定的时长内没有接收到被监控现场的人员的确认指令，则自动对被监控现场进行拍照，获取被监控现场的图像，以便进一步进行分析确认。
图4为本申请实施例提供的又一种火灾报警方法的实现流程示意图，详述如下：
在步骤S401中，通过多个传感器获取被监控现场的探测信号；
在步骤S402中，将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
在步骤S403中，当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
步骤S401-S403与本申请图1所述的步骤S101-S103基本相同，在此不作重复赘述。
在步骤S404中，根据被监控现场的照片，确定所述火灾隐患的位置和类型；
由于不同位置所产生的火灾隐患的类型可能会不相同，比如，可以包括卧室引起的火灾隐患、厨房引起的火灾隐患以及卫生间引起的火灾隐患等，所对应的火灾类型可以包括电火灾、明火火灾、易燃物引起的火灾等。
在步骤S405中，根据所述火灾隐患的位置和类型，在所述火灾隐患所在的位置启动与所述火灾隐患相匹配的灭火机制。
根据火灾隐患所在的位置，启动与所述火灾隐患类型相匹配的灭火机制，比如，启动粉尘灭火、浇水灭火等。可以播放相应的灭火机制提示信息，指导被监控现场人员及时正确的控制火势。
另外，本申请设置在被监控现场的传感器，可以通过锂电池或太阳能电池进行供电，所述传感器与控制中心或服务器之间的通信，可以通过蜂窝的窄带物联网，或通过LORA远距离调制技术实现，通过低功耗的通信方式，从而可以适应远距离的监控要求。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图5为本申请实施例提供的一种火灾报警装置的结构示意图，详述如下：
本申请所述火灾报警装置，包括：
探测信号获取单元501，用于通过多个传感器获取被监控现场的探测信号；
第一判断结果生成单元502，用于将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
火灾报警信息生成单元503，用于当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
优选的，所述火灾报警装置还包括：
人员检测单元，用于检测当前时间在所述被监控现场的是否有人员；
提醒消息发送单元，用于当检测到所述被监控现场有人员时，则向被所监控现场发送确认隐患是否属实时的提醒消息；
确认接收单元，用于当接收到被监控现场的人员所确认为误报的消息时，则停止发出火灾报警信息。
优选的，所述火灾报警装置还包括：
第一图像获取单元，用于当所述被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段时，获取所述被监控现场的图像，生成第二判断结果；
或者，第二图像获取单元，用于或者，当所述被监控现场没有人员，或者当所述被监控现场有人员，且在预定时长内未接收到现场被监控现场的人员的确认指令时，获取所述被监控现场的图像，生成第二判断结果。
本申请所述火灾报警装置，与图1-4所述火灾报警方法对应。
图6是本发明一实施例提供的火灾报警设备的示意图。如图6所示，该实施例的火灾报警设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如火灾报警程序。所述处理器60执行所述计算机程序62时实现上述各个火灾报警方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至503的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述火灾报警设备6中的执行过程。例如，所述计算机程序62可以被分割成探测信号获取单元、第一判断结果生成单元和火灾报警信息生成单元，各单元具体功能如下：
探测信号获取单元，用于通过多个传感器获取被监控现场的探测信号；
第一判断结果生成单元，用于将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
火灾报警信息生成单元，用于当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
所述火灾报警设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述火灾报警设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是火灾报警设备6的示例，并不构成对火灾报警设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述火灾报警设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述火灾报警设备6的内部存储单元，例如火灾报警设备6的硬盘或内存。所述存储器61也可以是所述火灾报警设备6的外部存储设备，例如所述火灾报警设备6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述火灾报警设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述火灾报警设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种火灾报警方法，其特征在于，所述火灾报警方法包括：
通过多个传感器获取被监控现场的探测信号；
将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
2.根据权利要求1所述的火灾报警方法，其特征在于，当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，所述火灾报警方法还包括：
检测当前时间在所述被监控现场的是否有人员；
当检测到所述被监控现场有人员时，则向被所监控现场发送确认隐患是否属实时的提醒消息；
当接收到被监控现场的人员所确认为误报的消息时，则停止发出火灾报警信息。
3.根据权利要求2所述的火灾报警方法，其特征在于，所述火灾报警方法还包括：
当所述被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段时，获取所述被监控现场的图像，生成第二判断结果；
或者，当所述被监控现场没有人员，或者当所述被监控现场有人员，且在预定时长内未接收到现场被监控现场的人员的确认指令时，获取所述被监控现场的图像，生成第二判断结果。
4.根据权利要求1所述的火灾报警方法，其特征在于，在所述当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息的步骤之后，所述方法还包括：
根据被监控现场的照片，确定所述火灾隐患的位置和类型；
根据所述火灾隐患的位置和类型，在所述火灾隐患所在的位置启动与所述火灾隐患相匹配的灭火机制。
5.根据权利要求1-4任一项所述的火灾报警方法，其特征在于，所述传感器通过基于蜂窝的窄带物联网，或通过LORA远距离调制技术与控制中心相连。
6.一种火灾报警装置，其特征在于，所述火灾报警装置包括：
探测信号获取单元，用于通过多个传感器获取被监控现场的探测信号；
第一判断结果生成单元，用于将所述探测信号导入预先训练好的神经网络模型，生成所述被监控现场是否处于火灾隐患发生阶段的第一判断结果；
火灾报警信息生成单元，用于当所述第一判断结果为所述被监控现场处于火灾隐患发生阶段时，则生成火灾报警信息。
7.根据权利要求6所述的火灾报警装置，其特征在于，所述火灾报警装置还包括：
人员检测单元，用于检测当前时间在所述被监控现场的是否有人员；
提醒消息发送单元，用于当检测到所述被监控现场有人员时，则向被所监控现场发送确认隐患是否属实时的提醒消息；
确认接收单元，用于当接收到被监控现场的人员所确认为误报的消息时，则停止发出火灾报警信息。
8.根据权利要求7所述的火灾报警装置，其特征在于，所述火灾报警装置还包括：
第一图像获取单元，用于当所述被监控现场的人员确认为所述被监控现场处于火灾隐患发生阶段时，获取所述被监控现场的图像，生成第二判断结果；
或者，第二图像获取单元，用于或者，当所述被监控现场没有人员，或者当所述被监控现场有人员，且在预定时长内未接收到现场被监控现场的人员的确认指令时，获取所述被监控现场的图像，生成第二判断结果。
9.一种火灾报警设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述火灾报警方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述火灾报警方法的步骤。
CN201711181100.9A 2017-11-23 2017-11-23 一种火灾报警方法、装置及设备 Pending CN108053627A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711181100.9A CN108053627A (zh) 2017-11-23 2017-11-23 一种火灾报警方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711181100.9A CN108053627A (zh) 2017-11-23 2017-11-23 一种火灾报警方法、装置及设备

Publications (1)

Publication Number Publication Date
CN108053627A true CN108053627A (zh) 2018-05-18

Family

ID=62119275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711181100.9A Pending CN108053627A (zh) 2017-11-23 2017-11-23 一种火灾报警方法、装置及设备

Country Status (1)

Country Link
CN (1) CN108053627A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109920193A (zh) * 2019-03-25 2019-06-21 软通智慧科技有限公司 一种电气火灾隐患智能检测方法、系统、设备及介质
CN110220554A (zh) * 2019-06-05 2019-09-10 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN112466083A (zh) * 2020-10-15 2021-03-09 中船重工远舟（北京）科技有限公司 一种船用火灾监测报警方法及系统
CN112750272A (zh) * 2020-12-30 2021-05-04 江苏河马自动化设备有限公司 一种消防报警器的智能控制方法及系统
CN113205659A (zh) * 2021-03-19 2021-08-03 武汉特斯联智能工程有限公司 一种基于人工智能的火灾识别方法和系统
CN113593172A (zh) * 2021-07-27 2021-11-02 中船重工远舟（北京）科技有限公司 一种船舶火灾监控方法、装置及介质
CN115249394A (zh) * 2021-12-31 2022-10-28 重庆工程职业技术学院 一种基于bim的工程施工装置
CN116822964A (zh) * 2023-08-25 2023-09-29 石家庄长川电气科技有限公司 一种基于物联网的消防设备管理系统及方法
CN118445755A (zh) * 2024-05-16 2024-08-06 江苏天奉海之源通信电力技术有限公司 一种基于ai大模型识别算法的智慧消防开放式接入方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07254096A (ja) * 1994-03-15 1995-10-03 Matsushita Electric Works Ltd 防災システム
JP2004171383A (ja) * 2002-11-21 2004-06-17 Nohmi Bosai Ltd 共同住宅警報監視用複合盤
CN104933841A (zh) * 2015-04-30 2015-09-23 重庆三峡学院 一种基于自组织神经网络的火灾预测方法
CN105185021A (zh) * 2015-08-31 2015-12-23 湖南汇博电子技术有限公司 火灾提示方法和系统
JP2016173854A (ja) * 2016-06-20 2016-09-29 能美防災株式会社 支援システム
CN106355827A (zh) * 2015-07-16 2017-01-25 薛富盛 外显式即时救灾警示系统的装置与方法
CN106779260A (zh) * 2015-11-19 2017-05-31 蔡诗伟 一种带预处理的智能安防应对管理系统
CN107085909A (zh) * 2017-05-17 2017-08-22 青岛中云时代信息技术有限公司 一种烟雾气体报警器及报警系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07254096A (ja) * 1994-03-15 1995-10-03 Matsushita Electric Works Ltd 防災システム
JP2004171383A (ja) * 2002-11-21 2004-06-17 Nohmi Bosai Ltd 共同住宅警報監視用複合盤
CN104933841A (zh) * 2015-04-30 2015-09-23 重庆三峡学院 一种基于自组织神经网络的火灾预测方法
CN106355827A (zh) * 2015-07-16 2017-01-25 薛富盛 外显式即时救灾警示系统的装置与方法
CN105185021A (zh) * 2015-08-31 2015-12-23 湖南汇博电子技术有限公司 火灾提示方法和系统
CN106779260A (zh) * 2015-11-19 2017-05-31 蔡诗伟 一种带预处理的智能安防应对管理系统
JP2016173854A (ja) * 2016-06-20 2016-09-29 能美防災株式会社 支援システム
CN107085909A (zh) * 2017-05-17 2017-08-22 青岛中云时代信息技术有限公司 一种烟雾气体报警器及报警系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109920193A (zh) * 2019-03-25 2019-06-21 软通智慧科技有限公司 一种电气火灾隐患智能检测方法、系统、设备及介质
CN110220554A (zh) * 2019-06-05 2019-09-10 北京百度网讯科技有限公司 用于输出信息的方法和装置
CN112466083A (zh) * 2020-10-15 2021-03-09 中船重工远舟（北京）科技有限公司 一种船用火灾监测报警方法及系统
CN112750272A (zh) * 2020-12-30 2021-05-04 江苏河马自动化设备有限公司 一种消防报警器的智能控制方法及系统
CN112750272B (zh) * 2020-12-30 2022-07-26 江苏河马自动化设备有限公司 一种消防报警器的智能控制方法及系统
CN113205659A (zh) * 2021-03-19 2021-08-03 武汉特斯联智能工程有限公司 一种基于人工智能的火灾识别方法和系统
CN113205659B (zh) * 2021-03-19 2022-09-20 武汉特斯联智能工程有限公司 一种基于人工智能的火灾识别方法和系统
CN113593172A (zh) * 2021-07-27 2021-11-02 中船重工远舟（北京）科技有限公司 一种船舶火灾监控方法、装置及介质
CN115249394A (zh) * 2021-12-31 2022-10-28 重庆工程职业技术学院 一种基于bim的工程施工装置
CN116822964A (zh) * 2023-08-25 2023-09-29 石家庄长川电气科技有限公司 一种基于物联网的消防设备管理系统及方法
CN118445755A (zh) * 2024-05-16 2024-08-06 江苏天奉海之源通信电力技术有限公司 一种基于ai大模型识别算法的智慧消防开放式接入方法

Similar Documents

Publication Publication Date Title
CN108053627A (zh) 一种火灾报警方法、装置及设备
CN105989683A (zh) 增强型住宅安全系统
CN111080968B (zh) 一种独居老人意外发生联动控制预警方法及系统
CN108370370A (zh) 用于被动评估工业边界安全的系统和方法
CN103338362B (zh) 一种基于视频监控系统的事件处理方法及系统
CN109591025A (zh) 机房巡检方法、装置、电子设备及计算机可读存储介质
CN110147762A (zh) 一种嵌入式消防误报消除系统
CN110650243B (zh) 一种报警方法、装置、存储介质以及终端
CN105139471A (zh) 一种电力设备的巡检方法
CN112017323A (zh) 一种巡检报警方法、装置、可读存储介质及终端设备
Girija et al. Internet of Things (IOT) based weather monitoring system
CN110379121A (zh) 一种险情警报方法及服务器
CN105427507B (zh) 火灾监测方法及装置
CN108986420A (zh) 一种配电柜监测危险报警系统
CN109544870A (zh) 用于智能监控系统的报警判断方法与智能监控系统
CN111047816A (zh) 一种电池充电柜火灾监控方法及系统
CN104036623A (zh) 数据信息误报纠正的方法
CN114724332A (zh) 一种食材安全监控系统与监控方法
CN105225398B (zh) 一种森林防火监控平台
CN108452465A (zh) 一种基于物联网的消防系统
CN116863629A (zh) 一种基于多传感器的报警装置、报警方法及电子设备
CN106530641A (zh) 智能防丢装置及其工作方法、智能防丢系统
CN109041056A (zh) 一种用于远程控制的无线数据通信系统
JP2019101895A (ja) 異常検知装置、異常検知方法及びプログラム
CN114882666A (zh) 一种智能家居火灾预警方法、系统、终端设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 East and fourth floors, building A1, xinjianxing science and Technology Industrial Park, Fengxin Road, Loucun, Gongming street, Guangming District, Shenzhen City, Guangdong Province

Applicant after: TANDA Technology Co., Ltd.

Address before: 518000 Guangdong province Shenzhen Guangming New District Gongming Street Village Feng Xin Lu Xinjian Xing Technology Industrial Park A1 Building 1 floor, 3 floor, 4 East Building, 5 floor

Applicant before: TANDA Technology Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180518