CN108230637B - 一种消防火灾报警方法及系统 - Google Patents
一种消防火灾报警方法及系统 Download PDFInfo
- Publication number
- CN108230637B CN108230637B CN201711490152.4A CN201711490152A CN108230637B CN 108230637 B CN108230637 B CN 108230637B CN 201711490152 A CN201711490152 A CN 201711490152A CN 108230637 B CN108230637 B CN 108230637B
- Authority
- CN
- China
- Prior art keywords
- information
- alarm
- fire
- fault
- data
- 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.)
- Active
Links
Images
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
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/50—Testing or indicating devices for determining the state of readiness of the equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Alarm Systems (AREA)
Abstract
本发明提出了一种消防火灾报警方法及系统,用于管理平台对前端采集设备发送的前端报警和/或故障信息进行数据分析和挖掘,该方法主要包括:管理平台采用基于信息融合技术的机器学习算法,对前端采集设备发送的报警和/或故障信息进行数据挖掘,采用基于深度学习模型的大数据检索方法对上述前端报警和/或故障信息进行数据分析,根据分析结果,进一步判断是否存在现场消防火灾报警或故障状态。本发明提出的方法及系统,使用前端采集设备发送的信息,结合信息融合数据库,运用数据挖掘和数据分析技术,对消防火情和设备运行情况进行评估,输出更加准确的火灾报警或预警信息,用于消防报警和安全评估。
Description
技术领域
本发明涉及消防安全管理领域,具体涉及一种消防火灾报警方法及系统。
背景技术
城市消防远程监控系统作为加强公共消防安全管理的一项重要科技手段,在强化单位消防安全管理,前移火灾预防关口,快速处置火灾,提高城市防控火灾综合能力方面发挥了十分重要的作用。该系统是依据GB50440-2007《城市消防远程监控系统技术规范》设计和建设,目前已经在许多城市得到了应用。
城市消防远程监控系统对联网用户的火灾报警信息和建筑消防设施运行状态信息进行接收并进行处理,向城市消防通信指挥中心或其他接处警中心传送经确认的火灾报警信息,为公安消防部门提供查询联网用户的火灾报警信息、建筑消防设施运行状态信息及消防安全管理信息,并为联网用户提供自身的火灾报警信息、建筑消防设施运行状态信息查询及消防安全管理信息。
目前的城市消防远程监控系统还存在局限,包括:现有系统没有对建筑消防设施运行状态和火灾报警信息进行数据分析和挖掘,存在消防火警误报或错报的现象,不利于对消防应急事件进行安全评估。
发明内容
本发明主要解决的技术问题是现有系统没有定义对建筑消防设施运行状态和火灾报警信息进行数据分析和挖掘,存在消防火警误报或错报的现象,不利于对消防应急事件进行安全评估。
为解决上述技术问题,本发明提出一种消防火灾报警方法,用于管理平台对前端采集设备发送的前端报警和/或故障信息进行数据分析和挖掘,所述方法包括:信息接收步骤:管理平台接收前端采集设备发送的前端报警和/或故障信息;接收到的前端信息类型包括:文本信息、图像信息和/或视频信息;数据挖掘步骤:采用基于信息融合技术的机器学习算法对上述前端报警和/或故障信息进行数据挖掘,其输出用于数据分析;数据分析步骤:采用基于深度学习模型的大数据检索方法对上述前端报警和/或故障信息进行数据分析;结果判断步骤:根据分析结果,判断是否存在报警或故障状态,如果确定是报警状态,则发送系统报警信息;如果确定是故障状态,则发送系统故障信息。
依据上述实施例的一种消防火灾报警系统,包括:前端采集设备,用于进行火情监测,以及对监测结果进行初步分析,当现场监测信息达到消防报警和/故障阈值时,产生报警和/或故障信息,并发送至管理平台;所述前端采集设备包括烟感、温感火灾探测器的一种或多种;管理平台,用于接收、存储和处理来自前端采集设备的报警和/或故障信息,经过数据分析和挖掘,输出消除误报后的消防火灾报警和/或故障信息。
依据上述实施例的一种消防火灾报警产品,包括:存储器,用于存储程序和信息融合数据库;处理器,用于通过执行所述存储器存储的程序以实现如上所述的方法。
依据上述实施例的一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现如上所述的方法。
本发明提出的一种消防火灾报警方法及系统,使用前端采集设备发送的信息,结合信息融合数据库,运用数据挖掘和数据分析技术,对消防火情和设备运行情况进行评估,输出更加准确的火灾报警或预警信息,用于消防报警和安全评估。
附图说明
图1为一种消防火灾报警方法流程图;
图2为一种消防火灾报警系统模块示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
在本发明实施例中,如图1所示,一种消防火灾报警方法,用于管理平台对前端采集设备发送的前端报警和/或故障信息进行数据分析和挖掘,所述方法包括如下步骤:
信息接收步骤100:管理平台接收前端采集设备发送的前端报警和/或故障信息;接收到的前端信息类型包括:文本信息、图像信息和/或视频信息;
数据挖掘步骤110:采用基于信息融合技术的机器学习算法对上述前端报警和/或故障信息进行数据挖掘,其输出用于数据分析;
数据分析步骤120:采用基于深度学习模型的大数据检索方法对上述前端报警和/或故障信息进行数据分析;
结果判断步骤130:根据分析结果,判断是否存在报警或故障状态,如果确定是报警状态,则发送系统报警信息;如果确定是故障状态,则发送系统故障信息。
在本实施例中,所述基于信息融合技术的机器学习方法,包括:
生成信息融合数据库,所述信息融合数据库收集不同时间和空间的多个信息源信息,包括:来自前端采集设备的报警和故障信息、不同类型的火灾预设参数、火灾报警或设备故障判断参数和规则、前端场景信息、设备信息、系统历史报警信息和系统历史故障信息;
采用机器学习算法,对信息融合数据库中的信息进行数据挖掘,持续优化大数据检索方法所需要的消防火灾报警参数数据结构和数据内容,包括:数据的网络结构信息、目标信息、特征信息、地图信息、建筑物信息、组织单位信息和设备信息。通过对上述海量数据和信息进行关联、相关和综合,为获得更加精确的综合评估提供必要和全面的信息。所述数据挖掘的过程是信息处理不断完善的一个过程,以支持评估结果的不断优化,例如,不断提高警情综合识别结果。
在本实施例中,所述基于深度学习模型的大数据检索方法,包括:
采用Faster R-CNN和FCN模型,基于信息融合数据库,对前端采集设备发送的文本信息进行检索,可以将文字定位转换为对特定关键词目标的检测问题;
采用AlexNet模型,基于信息融合数据库,对前端采集设备发送的图像和/或视频信息进行检索;使用AlexNet模型,可以有效的对海量数据进行图片分类和特征提取;
通过所述大数据检索方法提取目标数据和特征信息,系统输出是否存在报警和/故障误报的评估结果,以及不同种类、不同场景火灾报警状态的评估结果,用于误报判断。
在海量数据情况下,采用上述模块,可以有效的保证关键文本信息、图片信息或视频信息的定位精度,同时提升运算速度,对于消防火灾报警这类应急事件的准确评估提供技术解决方案。
本实施例采用如图2所示的一种消防火灾报警系统,包括:前端采集设备,用于进行火情监测,以及对监测结果进行初步分析,当现场监测信息达到消防报警和/故障阈值时,产生报警和/或故障信息,并发送至管理平台;所述前端采集设备包括烟感、温感火灾探测器的一种或多种;管理平台,用于接收、存储和处理来自前端采集设备的报警和/或故障信息,经过数据分析和挖掘,输出消除误报后的消防火灾报警和/或故障信息。
输出单元可以包括消防火灾报警模块,实现声光报警、电话、短信、网络等远程报警功能,也可以包括消防应急管理模块,例如,消防广播模块和消防应急灯管理模块,还可以包括设备运维供应商模块,用于接收设备故障信息并执行维护工作。
本实施例中的消防火灾报警系统还包括:
信息接收单元,用于支持管理平台接收前端采集设备发送的前端报警和/或故障信息;接收到的前端信息类型包括:文本信息、图像信息和/或视频信息;
数据挖掘单元,用于采用基于信息融合技术的机器学习算法对上述前端报警和/或故障信息进行数据挖掘,其输出用于数据分析;
数据分析单元,用于采用基于深度学习模型的大数据检索方法对上述前端报警和/或故障信息进行数据分析;
结果判断单元,用于根据分析结果,判断是否存在报警或故障状态,如果确定是报警状态,则发送系统报警信息;如果确定是故障状态,则发送系统故障信息。
本实施例中的数据挖掘单元还包括:信息融合数据库生成单元,用于收集不同时间和空间的多个信息源信息生成信息融合数据库,所述多个信息源信息包括:来自前端采集设备的报警和故障信息、不同类型的火灾预设参数、火灾报警或设备故障判断参数和规则、前端场景信息、设备信息、系统历史报警信息和系统历史故障信息;机器学习算法单元,采用机器学习算法,用于在信息融合数据库中进行数据挖掘,持续优化大数据检索方法所需要的消防火灾报警参数数据结构和数据内容,包括:数据的网络结构信息、目标信息、特征信息、地图信息、建筑物信息、组织单位信息和设备信息。
数据分析单元还包括:文本信息检索单元,用于采用Faster R-CNN和FCN模型,基于信息融合数据库,对前端采集设备发送的文本信息进行检索;图像和/或视频信息检索单元,用于采用AlexNet模型,基于信息融合数据库,对前端采集设备发送的图像和/或视频信息进行检索;分析结果输出单元,用于通过所述大数据检索方法提取目标数据和特征信息,输出是否存在报警和/故障误报的评估结果,以及不同种类、不同场景火灾报警状态的评估结果给结果判断单元。
在本实施例中,数据分析单元收到前端采集设备发送的报警信息后,首先检索周边相距较近的前端采集设备在前2分钟内是否也发送过报警消息,如果有,则误报可能性较低;当周边的前端采集设备没有发送报警消息时,数据分析单元依据信息融合数据库的历史报警数据进行分析,如果当前设备曾经有过误报,则误报的可能性较高。通过这样的信息融合、检索和分析方法,本系统可以对来自前端采集设备的报警数量、误报率、故障数量等多方面综合进行评估,既保证现场火灾报警的准确性,还可以提升消防系统的安全性。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (8)
1.一种消防火灾报警方法,用于管理平台对前端采集设备发送的前端报警和/或故障信息进行数据分析和挖掘,其特征在于所述方法包括:
信息接收步骤:管理平台接收前端采集设备发送的前端报警和/或故障信息;接收到的前端信息类型包括:文本信息、图像信息和/或视频信息;
数据挖掘步骤:采用基于信息融合技术的机器学习算法对上述前端报警和/或故障信息进行数据挖掘,实现对海量信息的关联、相关和综合,其输出用于数据分析;具体包括,生成信息融合数据库,对信息融合数据库中的信息进行数据挖掘,其中所述信息融合数据库收集不同时间和空间的多个信息源信息,包括:来自前端采集设备的报警和故障信息、不同类型的火灾预设参数、火灾报警或设备故障判断参数和规则、前端场景信息、设备信息、系统历史报警信息和系统历史故障信息;
数据分析步骤:采用基于深度学习模型的大数据检索方法对上述前端报警和/或故障信息进行数据分析;
结果判断步骤:根据分析结果,判断是否存在报警或故障状态,如果确定是报警状态,则发送系统报警信息;如果确定是故障状态,则发送系统故障信息。
2.如权利要求1所述的消防火灾报警方法,其特征在于:所述对信息融合数据库中的信息进行数据挖掘包括:
采用机器学习算法,对信息融合数据库中的信息进行数据挖掘,持续优化大数据检索方法所需要的消防火灾报警参数数据结构和数据内容,包括:数据的网络结构信息、目标信息、特征信息、地图信息、建筑物信息、组织单位信息和设备信息。
3.如权利要求1所述的消防火灾报警方法,其特征在于:所述基于深度学习模型的大数据检索方法,包括:
采用Faster R-CNN和FCN模型,基于信息融合数据库,对前端采集设备发送的文本信息进行检索;
采用AlexNet模型,基于信息融合数据库,对前端采集设备发送的图像和/或视频信息进行检索;
通过所述大数据检索方法提取目标数据和特征信息,输出是否存在报警和故障误报的评估结果,以及不同种类、不同场景火灾报警状态的评估结果,用于数据分析模块进行误报判断。
4.一种消防火灾报警系统,其特征在于包括:
前端采集设备,用于进行火情监测,以及对监测结果进行初步分析,当现场监测信息达到消防报警和/故障阈值时,产生报警和/或故障信息,并发送至管理平台;所述前端采集设备包括烟感、温感火灾探测器的一种或多种;
管理平台,用于接收、存储和处理来自前端采集设备的报警和/或故障信息,经过数据分析和挖掘,输出消除误报后的消防火灾报警和/或故障信息,其中,所述管理平台包括:信息接收单元,用于支持管理平台接收前端采集设备发送的前端报警和/或故障信息;接收到的前端信息类型包括:文本信息、图像信息和/或视频信息;
数据挖掘单元,用于采用基于信息融合技术的机器学习算法对上述前端报警和/或故障信息进行数据挖掘,实现对海量信息的关联、相关和综合,其输出用于数据分析;所述数据挖掘单元包括:信息融合数据库生成单元,用于收集不同时间和空间的多个信息源信息生成信息融合数据库,所述多个信息源信息包括:来自前端采集设备的报警和故障信息、不同类型的火灾预设参数、火灾报警或设备故障判断参数和规则、前端场景信息、设备信息、系统历史报警信息和系统历史故障信息;
数据分析单元,用于采用基于深度学习模型的大数据检索方法对上述前端报警和/或故障信息进行数据分析;
结果判断单元,用于根据分析结果,判断是否存在报警或故障状态,如果确定是报警状态,则发送系统报警信息;如果确定是故障状态,则发送系统故障信息。
5.如权利要求4所述的消防火灾报警系统,其特征在于,所述数据挖掘单元还包括:
机器学习算法单元,采用机器学习算法,用于在信息融合数据库中进行数据挖掘,持续优化大数据检索方法所需要的消防火灾报警参数数据结构和数据内容,包括:数据的网络结构信息、目标信息、特征信息、地图信息、建筑物信息、组织单位信息和设备信息。
6.如权利要求5所述的消防火灾报警系统,其特征在于,所述数据分析单元还包括:
文本信息检索单元,用于采用Faster R-CNN和FCN模型,基于信息融合数据库,对前端采集设备发送的文本信息进行检索;
图像和/或视频信息检索单元,用于采用AlexNet模型,基于信息融合数据库,对前端采集设备发送的图像和/或视频信息进行检索;
分析结果输出单元,用于通过所述大数据检索方法提取目标数据和特征信息,输出是否存在报警和故障误报的评估结果,以及不同种类、不同场景火灾报警状态的评估结果给结果判断单元。
7.一种消防火灾报警设备,其特征在于包括:
存储器,用于存储程序和信息融合数据库;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-3中任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711490152.4A CN108230637B (zh) | 2017-12-29 | 2017-12-29 | 一种消防火灾报警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711490152.4A CN108230637B (zh) | 2017-12-29 | 2017-12-29 | 一种消防火灾报警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108230637A CN108230637A (zh) | 2018-06-29 |
CN108230637B true CN108230637B (zh) | 2020-11-17 |
Family
ID=62646497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711490152.4A Active CN108230637B (zh) | 2017-12-29 | 2017-12-29 | 一种消防火灾报警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108230637B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271368B (zh) * | 2018-10-19 | 2022-02-01 | 中联科锐消防科技有限公司 | 一种消防安全评估系统的数据库系统与维护方法 |
CN109686036B (zh) * | 2019-01-09 | 2020-12-22 | 深圳市中电数通智慧安全科技股份有限公司 | 一种火灾监控方法、装置及边缘计算装置 |
CN111488955A (zh) * | 2019-01-29 | 2020-08-04 | 深圳富桂精密工业有限公司 | 消防终端、消防服务器及消防监控装置 |
CN109920192B (zh) * | 2019-03-15 | 2021-12-28 | 深圳力维智联技术有限公司 | 火灾报警方法、系统及计算机可读存储介质 |
CN110335450A (zh) * | 2019-06-28 | 2019-10-15 | 电子科技大学 | 一种基于安全阈值的动态报警方法 |
CN110910615B (zh) * | 2019-11-22 | 2021-04-06 | 华中科技大学 | 一种楼宇火警报警分类方法及系统 |
CN111192428A (zh) * | 2020-01-09 | 2020-05-22 | 山东睿控电气有限公司 | 一种基于大数据下隐变量模型的消防报警方法及系统 |
CN111353386B (zh) * | 2020-02-04 | 2023-01-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于深度学习的消防风险智能评估方法和系统 |
CN112216059A (zh) * | 2020-10-12 | 2021-01-12 | 绍兴文理学院 | 一种基于物联网的消防信息管理平台设备 |
CN112657110A (zh) * | 2021-01-22 | 2021-04-16 | 北京星日消防技术有限公司 | 一种基于物联通讯的消防探测控制系统 |
CN114202907B (zh) * | 2021-11-24 | 2022-12-02 | 华中科技大学 | 一种火灾报警实时分类方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986358A (zh) * | 2010-08-31 | 2011-03-16 | 彭浩明 | 一种融合神经网络和模糊控制的电气火灾智能报警方法 |
CN105023384A (zh) * | 2015-07-30 | 2015-11-04 | 天津世未科技有限公司 | 基于数据挖掘和数据分析的消防安全预警报警系统及方法 |
CN105261140A (zh) * | 2015-11-05 | 2016-01-20 | 四川雷克斯安防科技有限公司 | 用于消防的多传感器融合方法 |
CN106385558A (zh) * | 2016-09-14 | 2017-02-08 | 深圳市泛海三江电子有限公司 | 一种视频监控与消防报警联动方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8547238B2 (en) * | 2010-06-30 | 2013-10-01 | Knowflame, Inc. | Optically redundant fire detector for false alarm rejection |
CN102117529A (zh) * | 2011-02-22 | 2011-07-06 | 黄剑锋 | 一种智能可视探测火灾信息的火灾自动报警系统 |
CN104881943B (zh) * | 2015-05-27 | 2019-03-29 | 中广核工程有限公司 | 一种核电站可视化图像消防报警系统及方法 |
-
2017
- 2017-12-29 CN CN201711490152.4A patent/CN108230637B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986358A (zh) * | 2010-08-31 | 2011-03-16 | 彭浩明 | 一种融合神经网络和模糊控制的电气火灾智能报警方法 |
CN105023384A (zh) * | 2015-07-30 | 2015-11-04 | 天津世未科技有限公司 | 基于数据挖掘和数据分析的消防安全预警报警系统及方法 |
CN105261140A (zh) * | 2015-11-05 | 2016-01-20 | 四川雷克斯安防科技有限公司 | 用于消防的多传感器融合方法 |
CN106385558A (zh) * | 2016-09-14 | 2017-02-08 | 深圳市泛海三江电子有限公司 | 一种视频监控与消防报警联动方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108230637A (zh) | 2018-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108230637B (zh) | 一种消防火灾报警方法及系统 | |
US9953517B2 (en) | Risk early warning method and apparatus | |
US11295405B2 (en) | Cognitive recommendations for first responders | |
KR101765722B1 (ko) | 인지형 차량 및 인상착의 객체 및 이벤트 인식, 추적, 검색, 예측을 위한 나레이티브 보고서 작성 시스템 및 방법 | |
CN104750768B (zh) | 用于从社交媒体中识别、监控和排名事件的方法和系统 | |
CN111680535B (zh) | 在视频监控中实时预测一个或多个潜在威胁的方法和系统 | |
JP2018117338A (ja) | ライブ・ビデオ・フィードにおける自動的なオブジェクトおよびアクティビティの追跡 | |
CN106503666A (zh) | 一种安全监控方法、装置及电子设备 | |
US9622048B2 (en) | SNS based incident management | |
CN111352759A (zh) | 一种告警根因的判定方法及装置 | |
CN110543803A (zh) | 监控方法、装置、服务器和存储介质 | |
CN112765485A (zh) | 网络社会事件预测方法、系统、终端、计算机设备及介质 | |
KR20180118979A (ko) | 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치 | |
KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
CN112820066A (zh) | 基于对象的报警处理方法、装置、设备及存储介质 | |
CN110519560A (zh) | 一种智能预警方法、装置及系统 | |
CN103455546B (zh) | 用于为活动和行为建立简档的方法和系统 | |
CN112580470A (zh) | 城市视觉感知方法、装置、电子设备和存储介质 | |
CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
CN115294528A (zh) | 一种行人安全监控方法及装置 | |
KR102025588B1 (ko) | 사물 인터넷 기반 지능형 재난 대응 출입통제 방법 | |
Zulfiqar et al. | Risecure: Metro incidents and threat detection using social media | |
CN110619738A (zh) | 一种联防报警方法及装置 | |
CN107920224B (zh) | 一种异常告警方法、设备及视频监控系统 | |
CN117172984A (zh) | 基于设备检修数字孪生场景的安全风险识别方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 518000 6th floor, building 3, Nanyou 4th Industrial Zone, Nanshan Avenue, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Sanjiang Intelligent Control Technology Co.,Ltd. Address before: 518054 6th floor, building 3, Nanyou 4th Industrial Zone, Nanshan Avenue, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN FANHAI SANJIANG TECHNOLOGY DEVELOPMENT Co.,Ltd. |