CN109191357A - 一种消防预警方法、装置及终端设备 - Google Patents

一种消防预警方法、装置及终端设备 Download PDF

Info

Publication number
CN109191357A
CN109191357A CN201811195450.5A CN201811195450A CN109191357A CN 109191357 A CN109191357 A CN 109191357A CN 201811195450 A CN201811195450 A CN 201811195450A CN 109191357 A CN109191357 A CN 109191357A
Authority
CN
China
Prior art keywords
fire
data fusion
result
fighting
early warning
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
CN201811195450.5A
Other languages
English (en)
Inventor
王元鹏
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.)
Shenzhen Clp Smart Security Polytron Technologies Inc
Original Assignee
Shenzhen Clp Smart Security Polytron Technologies Inc
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 Shenzhen Clp Smart Security Polytron Technologies Inc filed Critical Shenzhen Clp Smart Security Polytron Technologies Inc
Priority to CN201811195450.5A priority Critical patent/CN109191357A/zh
Publication of CN109191357A publication Critical patent/CN109191357A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation

Abstract

本发明适用于消防预警技术领域，提供了一种消防预警方法、装置及终端设备，其中，方法包括：获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；对所述生理参数进行数据融合，以获取第一数据融合结果；获取环境参数；其中，所述环境参数包括不同类型的子环境参数；对所述环境参数进行数据融合，以获取第二数据融合结果；将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。本发明通过获取用户的生理参数和获取环境参数，经过多重处理以实现对现实生活复杂情境下的准确判断，提高了消防预警效率，提供了更人性化的服务，保证了用户的生命和财产安全。

Description

一种消防预警方法、装置及终端设备
技术领域
本发明属于消防预警技术领域，尤其涉及一种消防预警方法、装置及终端设备。
背景技术
目前，物联网技术应用领域愈加广泛。情景感知是物联网智能信息处理的关键，需要做到在用户不发出服务请求的情况下自主判断何时提供以及提供何种服务。在安排消防救援过程中，决策者关注的不单单是哪里发生了火灾，而且还需要考虑是否有人员的生命安全受到火灾的威胁，这是一种较为复杂的情景。
然而，现有的物联网技术应用方法均为较简单的情景感知，难以识别现实生活中更加丰富和复杂的情景。比如，现有的物联消防预警系统可以检测被监控的场景中是否出现浓烟、高温等物理现象，从而识别是否发生火灾，但难以有效检测是否有人员受到了浓烟、高温的影响。这就无法为消防救援提供全面有效的决策依据。
发明内容
有鉴于此，本发明实施例提供了一种消防预警方法、装置及终端设备，以解决现有技术中物联网技术应用方法均为较简单的情景感知，无法识别现实生活中更加丰富和复杂的情景的问题。
本发明实施例的第一方面提供了一种消防预警方法，包括：
获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；
对所述生理参数进行数据融合，以获取第一数据融合结果；
获取环境参数；其中，所述环境参数包括不同类型的子环境参数；
对所述环境参数进行数据融合，以获取第二数据融合结果；
将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
可选的，对所述生理参数进行数据融合，以获取第一数据融合结果，包括：
分别建立不同类型子生理参数对应的隶属度函数；
根据所述隶属度函数获取其对应类型的子生理参数的基本概率分配函数；
根据所述基本概率分配函数和DS证据理论对所述生理参数进行数据融合，以获取所述第一数据融合结果。
可选的，对所述环境参数进行数据融合，以获取第二数据融合结果，包括：
根据标准训练数据对BP神经网络进行预训练，以获取预训练BP神经网络；
根据所述预训练BP神经网络对所述环境参数进行数据融合，以获取第二数据融合结果。
可选的，将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果，包括：
根据预设数据融合算法对所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果；其中，所述预设数据融合算法为模糊推理算法。
可选的，所述方法，还包括：
根据决策表算法对所述生理参数和所述环境参数进行判断，以获取消防预警结果。
可选的，将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果之后，还包括：
若所述消防预警结果为发生火灾且对所述用户造成生理影响，则向消防中心设备发出火灾警报，并向所述用户终端发送第一预设警报，以使所述用户进行自救；
若所述消防预警结果为存在火灾隐患且对所述用户造成生理影响，则向用户终端发送第二预设警报，以使所述用户对所述火灾隐患进行检测；
若所述消防预警结果为正常，则向所述用户终端发送安全警示信息
本发明实施例的第二方面提供了一种消防预警装置，包括：
第一获取模块，用于获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；
第二获取模块，用于对所述生理参数进行数据融合，以获取第一数据融合结果；
第三获取模块，用于获取环境参数；其中，所述环境参数包括不同类型的子环境参数；
第四获取模块，用于对所述环境参数进行数据融合，以获取第二数据融合结果；
第五获取模块，用于将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
本发明实施例的第三方面提供了一种终端设备，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，所述处理器执行所述计算机程序时实现如上述方法的步骤。
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，所述计算机程序被处理器执行时实现如上述方法的步骤。
本发明实施例通过获取用户的生理参数和获取环境参数，经过多重数据融合以实现对现实生活复杂情境下的准确判断，提高了消防预警效率，提供了更人性化的服务，保证了用户的生命和财产安全。
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是本发明实施例一提供的消防预警方法的流程示意图；
图2是本发明实施例一提供的一种决策表算法的应用方式的示意图；
图3是本发明实施例二提供的消防预警方法的流程示意图；
图4是本发明实施例三提供的消防预警方法的流程示意图；
图5是本发明实施例四提供的消防预警方法的流程示意图；
图6是本发明实施例五提供的消防预警装置的结构示意图；
图7是本发明实施例六提供的终端设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。
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。
实施例一
如图1所示，本实施例提供一种消防预警方法，该方法可以应用于如智能消防预警装置、消防安全预警装置等终端设备。本实施例所提供的消防预警方法，包括：
S101、获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数。
在具体应用中，通过无线生理传感器实时获取用户的生理参数，其中，生理参数包括不同类型的子生理参数。例如，生理参数包括但不限于心率、血氧、呼吸速率。
S102、对所述生理参数进行数据融合，以获取第一数据融合结果。
在具体应用中，通过预设生理参数数据融合算法对生理参数进行数据融合，获取第一数据融合结果，即通过第一数据融合结果获知用户的生理状态。预设生理参数数据融合算法包括但不限于DS证据理论。
S103、获取环境参数；其中，所述环境参数包括不同类型的子环境参数。
在具体应用中，通过消防传感设备(有线消防传感设备和/或无线消防传感设备)实时获取环境参数，其中，环境参数包括但不同类型的子环境参数，例如：环境参数包括但不限于温度、湿度、CO浓度、烟雾浓度。在本实施例中，设定无线生理传感器和消防传感设备经由无线局域网(例如mesh)互相连接，无线局域网可以采用短距离无线通信协议。
S104、对所述环境参数进行数据融合，以获取第二数据融合结果。
在具体应用中，通过预设环境参数数据融合算法对环境参数进行数据融合，以获取第二数据融合结果，即通过第二数据融合结果获知当前环境是否存在火灾隐患或者发生火灾。
S105、将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
在具体应用中，通过预设消防数据融合算法将第一数据融合结果和第二数据融合结果进行融合，以获取消防预警结果。即判断当前环境是否有火灾发生且对用户造成生理影响、是否存在火灾隐患且对用户造成生理影响或者是否处于正常状态。
在一个实施例中，所述方法还包括：
根据决策表算法对所述生理参数和所述环境参数进行判断，以获取消防预警结果。
在具体应用中，根据决策表决算法对获取到的生理参数和环境参数进行判断，以获取消防预警结果。如图2所示，示例性的提供了一种决策表算法的应用方式。
在一个实施例中，所述步骤S105之后，还包括：
若所述消防预警结果为发生火灾且对所述用户造成生理影响，则向消防中心设备发出火灾警报，并向所述用户终端发送第一预设警报，以使所述用户进行自救；
若所述消防预警结果为存在火灾隐患且对所述用户造成生理影响，则向用户终端发送第二预设警报，以使所述用户对所述火灾隐患进行检测；
若所述消防预警结果为正常，则向所述用户终端发送安全警示信息。
在具体应用中，若消防预警结果为发生火灾且对用户造成生理影响，则向消防中心设备发出火灾警报，并向用户终端发送第一预设警报，以使用户进行自救(在本实施例中，设定可同时连接多项紧急联系人终端，若消防预警结果为发生火灾且对用户造成生理影响，则向消防中心设备和紧急联系人终端发送火灾警报、环境参数和用户的生理参数，以便消防人员和紧急联系人可以获知该用户的生理状态以及火灾的覆盖范围、火灾的影响程度)；若消防预警结果为存在火灾隐患且对用户造成生理影响，则向用户终端发送第二预设警报，以便于用户及时对火灾隐患进行检测；若消防预警结果为正常，则向用户终端发送安全警示信息。在本实施例中，可根据实际情况设定不同类型的子生理参数在不同阶段时的生理参数阈值，若获取到用户的任一项子生理参数超过其类型对应的任一阶段的生理参数阈值，则执行该阶段的生理参数阈值对应的操作。例如：设定若获取到用户的血氧低时，判断用户进入休克状态，发出用户休克的警报(可根据具体情况设定为警铃、警示灯或其他警示设备，以便于附近的用户通过获取警报对休克用户施救)，并向用户终端、消防中心设备、医院急救中心设备、紧急联系人终端发送用户休克的警示信息。
在一个实施例中，若消防预警结果为发生火灾且对用户造成生理影响或存在火灾隐患且对用户造成生理影响，则向医院急救中心设备发送急救警报及环境参数和用户的生理参数，以便于在用户出现休克、陷入昏迷状态时，医护人员对用户进行紧急抢救。
本实施例通过获取用户的生理参数和获取环境参数，经过多重数据融合以实现对现实生活复杂情境下的准确判断，提高了消防预警效率，提供了更人性化的服务，保证了用户的生命和财产安全。
实施例二
如图3所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤S102，包括：
S1021、分别建立不同类型子生理参数对应的隶属度函数。
在具体应用中，分别建立不同类型的子生理参数对应的隶属度函数，即通过模糊理论的隶属度函数对子生理参数进行分析处理。隶属度函数可以采用三角形隶属函数、梯形隶属度函数、高斯隶属函数等形式实现。例如，人体状态可以分为健康状态和非健康状态，子生理参数可以定义一正常取值范围，可以利用子生理参数的正常取值范围的上/下限结合升半梯形函数或降半梯形函数产生该子生理参数对应的隶属度函数。
S1022、根据所述隶属度函数获取其对应类型的子生理参数的基本概率分配函数。
在具体应用中，根据隶属度函数获取该其对应类型的子生理参数的基本概率分布函数。例如，根据心率的隶属度函数获取心率的基本概率分布函数。具体的，利用模糊理论的隶属度函数获取基本概率分配函数的方法为：建立识别框架Θ＝{O1，O2}；m是基本概率分配函数，O1标识健康状态，O2表示非健康状态；m(O1)＝u1；m(O2)＝u2，m(Θ)＝1-m(O1)-m(O2)。u1表示人体状态为正常的隶属度函数；u2表示人体状态为异常的隶属度函数。
S1023、根据所述基本概率分配函数和DS证据理论对所述生理参数进行数据融合，以获取所述第一数据融合结果。
在具体应用中，通过不同类型的子生理参数对应的基本概率分布函数和DS证据理论对生理参数进行数据融合，以获取第一数据融合结果，即判断当前环境是否对用户的生理状态产生影响(或不确定是否对用户的生理状态产生影响)。
本实施例通过分别建立不同类型子生理参数对应的隶属度函数，根据隶属度函数获取其对应类型的子生理参数的基本概率分配函数，根据基本概率分配函数和DS证据理论对生理参数进行数据融合，获取第一数据融合结果，实现了对用户生理状态的准确判断，进而实现了及时发现用户受到的影响，并向用户发出警报。
实施例三
如图4所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤S104，包括：
S1041、根据标准训练数据对BP神经网络进行预训练，以获取预训练BP神经网络。
在具体应用中，获取标准训练数据(即标准火灾事件的环境数据和消防评估结果)，并根据标准训练数据对BP神经网络进行预训练，以获取预训练BP神经网络。例如，预训练BP神经网络可以具有三个输入神经元、三个输出神经元和若干隐藏神经元。可以将经过预处理的环境温度、烟雾浓度、一氧化碳浓度数据分别作为三个输入神经元的输入。三个输出神经元可以分别配置为输出火灾、阴燃火、无火的概率值。
S1042、根据所述预训练BP神经网络对所述环境参数进行数据融合，以获取第二数据融合结果。
在具体应用中，根据预训练BP神经网络对环境参数进行数据融合，以获取第二数据融合结果，及判断当前环境是否存在火灾隐患或是否发生火灾。
本实施例通过根据标准训练数据对BP神经网络进行预训练，以获取预训练BP神经网络，再根据预训练BP神经网络对环境参数进行数据融合，以获取第二数据融合结果，实现了对环境是否存在火灾隐患或发生火灾的准确判断，进一步实现了在发生初期及时发现火灾事件，并进行相应处理。
实施例四
如图5所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤S105，包括：
S1051、根据预设数据融合算法对所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果；其中，所述预设数据融合算法为模糊推理算法。
在具体应用中，根据预设数据融合算法对第一数据融合结果和第二数据融合结果进行融合，以获取消防预警结果。其中，预设数据融合算法为模糊推理算法。例如，在一个实施例中，可以将第一数据融合结果和第二数据融合结果为输入变量，火灾危险程度为输出变量，将输入变量和输出变量模糊化，选择三角形隶属度函数。可建立IF A and B，then C的模糊推理规则，通过传统模糊推理算法对第一数据融合结果和第二数据融合结果进行推理，根据中心平均法消除推理结果的模糊因素，得到最终推理结果，即火灾危险程度因子。
本实施例通过第一数据融合结果和第二数据融合结果的处理，实现了对用户的生理参数和环境参数的综合分析、推理，能够获取是否有火灾事件发生、是否对用户产生生理影响的结果，综合火情和用户健康状态评估火灾危险程度，并针对性地提供更人性化的服务，为消防救援行动安排提供客观的依据。
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。
实施例五
如图6所示，本实施例提供一种消防预警装置100，用于执行实施例一中的方法步骤。本实施例提供的消防预警装置100，包括：
第一获取模块101，用于获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；
第二获取模块102，用于对所述生理参数进行数据融合，以获取第一数据融合结果；
第三获取模块103，用于获取环境参数；其中，所述环境参数包括不同类型的子环境参数；
第四获取模块104，用于对所述环境参数进行数据融合，以获取第二数据融合结果；
第五获取模块105，用于将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
在一个实施例中，所述装置100，还包括：
融合模块，用于根据决策表算法对所述生理参数和所述环境参数进行判断，以获取消防预警结果。
在一个实施例中，所述装置100，还包括：
第一发送模块，用于若所述消防预警结果为发生火灾且对所述用户造成生理影响，则向消防中心设备发出火灾警报，并向所述用户终端发送第一预设警报，以使所述用户进行自救；
第二发送模块，用于若所述消防预警结果为存在火灾隐患且对所述用户造成生理影响，则向用户终端发送第二预设警报，以使所述用户对所述火灾隐患进行检测；
第三发送模块，用于若所述消防预警结果为正常，则向所述用户终端发送安全警示信息。
在一个实施例中，所述第二获取模块102，包括：
建函单元1021，用于分别建立不同类型子生理参数对应的隶属度函数；
第一获取单元1022，用于根据所述隶属度函数获取其对应类型的子生理参数的基本概率分配函数；
第二获取单元1023，用于根据所述基本概率分配函数和DS证据理论对所述生理参数进行数据融合，以获取所述第一数据融合结果。
在一个实施例中，所述第四获取模块104，包括：
第三获取单元1041，用于根据标准训练数据对BP神经网络进行预训练，以获取预训练BP神经网络；
第四获取单元1042，用于根据所述预训练BP神经网络对所述环境参数进行数据融合，以获取第二数据融合结果。
在一个实施例中，所述第五获取模块105，包括；
第五获取单元1051，用于根据预设数据融合算法对所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果；其中，所述预设数据融合算法为模糊推理算法。
本实施例通过获取用户的生理参数和获取环境参数，经过多重数据融合以实现对现实生活复杂情境下的准确判断，提高了消防预警效率，提供了更人性化的服务，保证了用户的生命和财产安全。
实施例六
图7是本发明一实施例提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如消防预警程序。所述处理器70执行所述计算机程序72时实现上述各个消防预警方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示模块101至105的功能。
示例性的，所述计算机程序72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71中，并由所述处理器70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72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成第一获取模块、第二获取模块、第三获取模块、第四获取模块和第五获取模块，各模块具体功能如下：
第一获取模块，用于获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；
第二获取模块，用于对所述生理参数进行数据融合，以获取第一数据融合结果；
第三获取模块，用于获取环境参数；其中，所述环境参数包括不同类型的子环境参数；
第四获取模块，用于对所述环境参数进行数据融合，以获取第二数据融合结果；
第五获取模块，用于将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
所述终端设备7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。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7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，例如所述终端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70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71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字卡(Secure Digital，SD)，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71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)

1.一种消防预警方法，其特征在于，包括：
获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；
对所述生理参数进行数据融合，以获取第一数据融合结果；
获取环境参数；其中，所述环境参数包括不同类型的子环境参数；
对所述环境参数进行数据融合，以获取第二数据融合结果；
将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
2.如权利要求1所述的消防预警方法，其特征在于，对所述生理参数进行数据融合，以获取第一数据融合结果，包括：
分别建立不同类型子生理参数对应的隶属度函数；
根据所述隶属度函数获取其对应类型的子生理参数的基本概率分配函数；
根据所述基本概率分配函数和DS证据理论对所述生理参数进行数据融合，以获取所述第一数据融合结果。
3.如权利要求1所述的消防预警方法，其特征在于，对所述环境参数进行数据融合，以获取第二数据融合结果，包括：
根据标准训练数据对BP神经网络进行预训练，以获取预训练BP神经网络；
根据所述预训练BP神经网络对所述环境参数进行数据融合，以获取第二数据融合结果。
4.如权利要求1所述的消防预警方法，其特征在于，将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果，包括：
根据预设数据融合算法对所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果；其中，所述预设数据融合算法为模糊推理算法。
5.如权利要求1所述的消防预警方法，其特征在于，所述方法，还包括：
根据决策表算法对所述生理参数和所述环境参数进行判断，以获取消防预警结果。
6.如权利要求1至5任一项所述的消防预警方法，其特征在于，将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果之后，还包括：
若所述消防预警结果为发生火灾且对所述用户造成生理影响，则向消防中心设备发出火灾警报，并向所述用户终端发送第一预设警报，以使所述用户进行自救；
若所述消防预警结果为存在火灾隐患且对所述用户造成生理影响，则向用户终端发送第二预设警报，以使所述用户对所述火灾隐患进行检测；
若所述消防预警结果为正常，则向所述用户终端发送安全警示信息。
7.一种消防预警装置，其特征在于，包括：
第一获取模块，用于获取用户的生理参数；其中，所述生理参数包括不同类型的子生理参数；
第二获取模块，用于对所述生理参数进行数据融合，以获取第一数据融合结果；
第三获取模块，用于获取环境参数；其中，所述环境参数包括不同类型的子环境参数；
第四获取模块，用于对所述环境参数进行数据融合，以获取第二数据融合结果；
第五获取模块，用于将所述第一数据融合结果和所述第二数据融合结果进行融合，以获取消防预警结果。
8.如权利要求7所述的消防预警装置，其特征在于，所述第二获取模块，包括：
建函单元，用于分别建立不同类型子生理参数对应的隶属度函数；
第一获取单元，用于根据所述隶属度函数获取其对应类型的子生理参数的基本概率分配函数；
第二获取单元，用于根据所述基本概率分配函数和DS证据理论对所述生理参数进行数据融合，以获取所述第一数据融合结果。
9.一种终端设备，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6任一项所述方法的步骤。
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6任一项所述方法的步骤。
CN201811195450.5A 2018-10-15 2018-10-15 一种消防预警方法、装置及终端设备 Pending CN109191357A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811195450.5A CN109191357A (zh) 2018-10-15 2018-10-15 一种消防预警方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811195450.5A CN109191357A (zh) 2018-10-15 2018-10-15 一种消防预警方法、装置及终端设备

Publications (1)

Publication Number Publication Date
CN109191357A true CN109191357A (zh) 2019-01-11

Family

ID=64944480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811195450.5A Pending CN109191357A (zh) 2018-10-15 2018-10-15 一种消防预警方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN109191357A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978005A (zh) * 2019-02-25 2019-07-05 深圳市中电数通智慧安全科技股份有限公司 一种火灾报警方法、装置、存储介质及终端设备
CN110135016A (zh) * 2019-04-26 2019-08-16 南京科谷智能科技有限公司 一种基于神经网络的多维消防数据融合分析方法
CN110188115A (zh) * 2019-04-19 2019-08-30 特斯联（北京）科技有限公司 一种基于模糊匹配的消防预警方法、装置及系统
CN110246297A (zh) * 2019-06-18 2019-09-17 深圳市小兔充充科技有限公司 充电设备的消防预警装置及其消防预警方法和存储介质
CN113656459A (zh) * 2021-08-17 2021-11-16 北京城建设计发展集团股份有限公司 一种消防应用呈现方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070114046A1 (en) * 2005-11-18 2007-05-24 Munroe David B Fire suppression system
CN206433185U (zh) * 2017-02-16 2017-08-22 成都航空职业技术学院 基于无线传感网的多参数监测智能头盔系统
CN107092806A (zh) * 2017-05-26 2017-08-25 北京居家云舍科技服务有限公司 一种面向老人家居智能化的信息融合与预警方法
CN108510718A (zh) * 2018-05-28 2018-09-07 深圳市零度智控科技有限公司 基于大数据的报警方法、装置、终端设备及可读存储介质
CN108538038A (zh) * 2018-05-31 2018-09-14 京东方科技集团股份有限公司 火灾告警方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070114046A1 (en) * 2005-11-18 2007-05-24 Munroe David B Fire suppression system
CN206433185U (zh) * 2017-02-16 2017-08-22 成都航空职业技术学院 基于无线传感网的多参数监测智能头盔系统
CN107092806A (zh) * 2017-05-26 2017-08-25 北京居家云舍科技服务有限公司 一种面向老人家居智能化的信息融合与预警方法
CN108510718A (zh) * 2018-05-28 2018-09-07 深圳市零度智控科技有限公司 基于大数据的报警方法、装置、终端设备及可读存储介质
CN108538038A (zh) * 2018-05-31 2018-09-14 京东方科技集团股份有限公司 火灾告警方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王新，马庆林: "一种新型的基本概率分配函数获取方法及其应用", 《第二十九届中国控制会议论文集》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978005A (zh) * 2019-02-25 2019-07-05 深圳市中电数通智慧安全科技股份有限公司 一种火灾报警方法、装置、存储介质及终端设备
CN110188115A (zh) * 2019-04-19 2019-08-30 特斯联（北京）科技有限公司 一种基于模糊匹配的消防预警方法、装置及系统
CN110135016A (zh) * 2019-04-26 2019-08-16 南京科谷智能科技有限公司 一种基于神经网络的多维消防数据融合分析方法
CN110246297A (zh) * 2019-06-18 2019-09-17 深圳市小兔充充科技有限公司 充电设备的消防预警装置及其消防预警方法和存储介质
CN113656459A (zh) * 2021-08-17 2021-11-16 北京城建设计发展集团股份有限公司 一种消防应用呈现方法与系统
CN113656459B (zh) * 2021-08-17 2022-03-08 北京城建设计发展集团股份有限公司 一种消防应用呈现方法与系统

Similar Documents

Publication Publication Date Title
CN109191357A (zh) 一种消防预警方法、装置及终端设备
Hady et al. Intrusion detection system for healthcare systems using medical and network data: A comparison study
Tidjon et al. Intrusion detection systems: A cross-domain overview
Dilek et al. Applications of artificial intelligence techniques to combating cyber crimes: A review
CN109686036A (zh) 一种火灾监控方法、装置及边缘计算装置
Shamshirband et al. An appraisal and design of a multi-agent system based cooperative wireless intrusion detection computational intelligence technique
Begli et al. A layered intrusion detection system for critical infrastructure using machine learning
CN105939331B (zh) 通信网络和用于保卫通信网络的方法
Shamshirband et al. Co-FAIS: Cooperative fuzzy artificial immune system for detecting intrusion in wireless sensor networks
Si-Ahmed et al. Survey of Machine Learning based intrusion detection methods for Internet of Medical Things
CN108961643A (zh) 一种基于区块链的参数管理方法、装置及终端设备
CN109698836A (zh) 一种基于深度学习的无线局域网入侵检测方法和系统
CN111565390A (zh) 一种基于设备画像的物联网设备风险控制方法及系统
Gowda et al. Industrial quality healthcare services using Internet of Things and fog computing approach
Tertytchny et al. Classifying network abnormalities into faults and attacks in IoT-based cyber physical systems using machine learning
CN108053627A (zh) 一种火灾报警方法、装置及设备
CN109698823A (zh) 一种网络威胁发现方法
CN109523141A (zh) 一种消防区域布防方法、装置及终端设备
CN106911774A (zh) 一种物联网无线智能家居安防系统
Yang et al. A Pythagorean fuzzy Petri net based security assessment model for civil aviation airport security inspection information system
CN108877172A (zh) 一种错误报警分析方法、装置及终端设备
CN111404906A (zh) 一种基于人工智能的通信安全监控系统
CN110163251A (zh) 一种火灾危险等级的优化识别方法、装置及终端设备
CN110533268A (zh) 一种风险控制方法、风控系统及终端设备
Sun et al. An immune danger theory inspired model for network security monitoring

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

Application publication date: 20190111