CN109920191B - 火灾报警方法、装置、计算机设备和存储介质 - Google Patents
火灾报警方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109920191B CN109920191B CN201910040858.3A CN201910040858A CN109920191B CN 109920191 B CN109920191 B CN 109920191B CN 201910040858 A CN201910040858 A CN 201910040858A CN 109920191 B CN109920191 B CN 109920191B
- Authority
- CN
- China
- Prior art keywords
- fire
- image
- mobile terminal
- suspected
- preset
- 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
Landscapes
- Alarm Systems (AREA)
Abstract
本申请涉及一种火灾报警方法、装置、计算机设备和存储介质。所述方法包括:采集移动终端周围的环境温度;当所述环境温度满足预设火灾报警条件时,则调用所述移动终端的图像采集设备;通过所述图像采集设备采集所述移动终端周围的环境图像;通过预训练的图像识别模型对所述环境图像进行图像识别,确定所述环境图像中的疑似火灾图像;对所述疑似火灾图像进行烟火区域检测得到检测结果;当所述检测结果表示发生火灾时,触发火灾报警动作。采用基于安全监控技术的本方法能够智能、准确地识别火灾并触发报警,不受场地和成本的限制,使用范围广,大大提高了火灾预防的灵活性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种火灾报警方法、装置、计算机设备和存储介质。
背景技术
随着科学技术和社会经济的发展,人们对火灾防护的安全越来越重视。因为一旦发生火灾,很可能会造成财产物质的损坏或生命的损失,造成不可挽回的后果。因此,对火灾防患于未然是非常必要且重要的。
传统的火灾预防措施,通常是使用专用的火灾检测防护系统,以进行火灾检测。但专用的火灾检测防护系统往往由于造价高昂而无法广泛使用,使得火灾预防不够灵活。
发明内容
基于此,有必要针对上述技术问题,提供一种能够广泛、灵活使用的火灾报警方法、装置、计算机设备和存储介质。
一种火灾报警方法,应用于移动终端,所述方法包括:
采集移动终端周围的环境温度;
当所述环境温度满足预设火灾报警条件时,则调用所述移动终端的图像采集设备;
通过所述图像采集设备采集所述移动终端周围的环境图像;
通过预训练的图像识别模型对所述环境图像进行图像识别,确定所述环境图像中的疑似火灾图像;
对所述疑似火灾图像进行烟火区域检测得到检测结果;当所述检测结果表示发生火灾时,触发火灾报警动作。
一种火灾报警装置,所述装置包括:
采集模块,用于采集移动终端周围的环境温度;
调用模块,用于当所述环境温度满足预设火灾报警条件时,则调用所述移动终端的图像采集设备;
所述采集模块还用于通过所述图像采集设备采集所述移动终端周围的环境图像;
确定模块,用于通过预训练的图像识别模型对所述环境图像进行图像识别,确定所述环境图像中的疑似火灾图像;
检测模块,用于对所述疑似火灾图像进行烟火区域检测得到检测结果;
触发模块,用于当所述检测结果表示发生火灾时,触发火灾报警动作。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
采集移动终端周围的环境温度;
当所述环境温度满足预设火灾报警条件时,则调用所述移动终端的图像采集设备;
通过所述图像采集设备采集所述移动终端周围的环境图像;
通过预训练的图像识别模型对所述环境图像进行图像识别,确定所述环境图像中的疑似火灾图像;
对所述疑似火灾图像进行烟火区域检测得到检测结果;
当所述检测结果表示发生火灾时,触发火灾报警动作。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
采集移动终端周围的环境温度;
当所述环境温度满足预设火灾报警条件时,则调用所述移动终端的图像采集设备;
通过所述图像采集设备采集所述移动终端周围的环境图像;
通过预训练的图像识别模型对所述环境图像进行图像识别,确定所述环境图像中的疑似火灾图像;
对所述疑似火灾图像进行烟火区域检测得到检测结果;
当所述检测结果表示发生火灾时,触发火灾报警动作。
上述火灾报警方法、装置、计算机设备和存储介质,当采集的移动终端周围的环境温度满足预设火灾报警条件时,则可自动调用移动终端的图像采集设备,以采集周围的环境图像。通过预训练的图像识别模型对环境图像进行图像识别,初步确定环境图像中的疑似火灾图像,可以快速地排除干扰图像。再对疑似火灾图像进行烟火区域检测,当检测结果表示发生火灾时,触发火灾报警动作。这样,通过温度检测、环境图像识别、以及对疑似火灾图像的烟火区域检测这三重检测来判断移动终端所处的环境是否发生火灾,无需额外的专用的火灾检测防护系统,即可智能、准确地识别火灾并触发报警,不受场地和成本的限制,使用范围广,大大提高了火灾预防的灵活性。
附图说明
图1为一个实施例中火灾报警方法的应用场景图;
图2为一个实施例中火灾报警方法的流程示意图;
图3为另一个实施例中火灾报警方法的流程示意图;
图4为一个实施例中火灾报警装置的结构框图;
图5为另一个实施例中火灾报警装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的火灾报警方法,可以应用于如图1所示的应用环境中。其中,移动终端110与服务器120通过网络进行通信。移动终端110采集周围的环境温度,当环境温度满足预设火灾报警条件时,则调用移动终端110的图像采集设备。通过图像采集设备采集移动终端110周围的环境图像。移动终端110将环境图像发送至服务器120,服务器120对环境图像进行识别将识别结果反馈给移动终端110。当识别结果为表示发生火灾的识别结果时,移动终端110触发火灾报警动作。
其中,移动终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种火灾报警方法,以该方法应用于图1中的移动终端为例进行说明,包括以下步骤:
S202,采集移动终端周围的环境温度。
其中,移动终端周围是指与移动终端相邻近的区域范围。具体地,移动终端可通过内置或外置的温度传感器采集移动终端周围的环境温度,并记录所采集的环境温度。在一个实施例中,当采集的温度大于预设阈值时,移动终端可开始按一定周期或频率采集周围的环境温度,并记录保存下来。
在一个实施例中,移动终端上运行有火灾报警应用。用户初次使用该火灾报警应用时,该火灾报警应用可获取用户通讯录、定位、以及相机使用等权限,生成相应的授权令牌并存储。
在一个实施例中,不论移动终端是在锁屏或正常运行时,该火灾报警应用都会在移动终端的后台开起一个服务。可通过该服务执行该火灾识别方法。其中,火灾报警应用可以是独立的应用,也可以作为子功能集成在其他应用程序中。
S204,当环境温度满足预设火灾报警条件时,则调用移动终端的图像采集设备。
其中,预设火灾报警条件具体可以是当前的环境温度高于火灾报警阈值、历史环境温度上升的速率大于预设速率、或者历史环境温度曲线与预设环境温度曲线匹配等中的至少一种。图像采集设备是采集图像的设备,比如前置摄像头、后置摄像头、视频采集卡、或扫描仪等。
在一个实施例中,当移动终端采集的当前的环境温度高于火灾报警阈值时,移动终端则可判定当前的环境温度满足预设火灾报警条件,进而调用移动终端的图像采集设备。
在一个实施例中,移动终端采集当前的环境温度并记录环境温度。移动终端可获取预设时间范围内的历史环境温度,计算历史环境温度的上升速率。当历史环境温度的上升速率大于预设速率时,判定当前的环境温度满足预设火灾报警条件,进而调用移动终端的图像采集设备。
在一个实施例中,移动终端采集当前的环境温度并记录环境温度。移动终端可获取预设时间范围内的历史环境温度,并根据历史环境温度绘制历史环境温度曲线。当绘制的历史环境温度曲线与预设环境温度曲线匹配时,则判定当前的环境温度满足预设火灾报警条件,进而调用移动终端的图像采集设备。
在一个实施例中,移动终端可对采集的环境温度进行分析,当环境温度满足预设火灾报警条件时,移动终端可通过API(Application Programming Interface,应用程序编程接口)接口调用移动终端的图像采集设备,比如调用移动终端的摄像头。在这里,移动终端可开启前置摄像头、后置摄像头中的任一摄像头。
在一个实施例中,移动终端中可存储有摄像头使用权限相应的授权令牌,当环境温度满足预设火灾报警条件时,移动终端可获取相应的授权令牌,并依据授权令牌调用移动终端的摄像头。
在一个实施例中,移动终端包括多个摄像头,比如前置摄像头和后置摄像头。移动终端可预先设置调用顺序,比如优先调用后置摄像头,当后置摄像头采集的图像帧表现为全黑时,则调用前置摄像头。
S206,通过图像采集设备采集移动终端周围的环境图像。
具体地,移动终端可通过图像采集设备采集当前视野下的图像帧,当图像帧满足成像条件时,移动终端可将当前的图像帧转换成环境图像。其中,成像条件具体可以是图像帧的清晰度达到清晰度阈值或图像帧的亮度值达到亮度阈值等等。
其中,亮度值是表示像素的明亮情况的值,像素的亮度值在0至255之间,亮度值靠近255的像素的亮度较高,亮度值靠近0的像素的亮度较低。在一个实施例中,移动终端可检测图像采集设备采集的图像帧中各像素分别在R、G、B三个通道的亮度值的平均值Y,再根据各像素的平均值Y计算图像帧的平均亮度值。
进一步地,移动终端可检测图像帧的模糊度。具体可以通过EAV点锐度算法、Brenner(布伦纳)梯度函数、二次模糊清晰度算法、Sobel(索贝尔)算子、或拉普拉斯算子等方式进行计算。当当前采集的图像帧的平均亮度值达到亮度阈值,且模糊度小于模糊度阈值时,则可将图像帧转换成环境图像。
在一个实施例中,移动终端可按预设时间间隔,定时根据采集的图像帧生成环境图像,直到达到预设次数为止。
S208,通过预训练的图像识别模型对环境图像进行图像识别,确定环境图像中的疑似火灾图像。
具体地,移动终端可以在本地对环境图像进行图像识别得到识别结果,也可以将环境图像发送至服务器,通过服务器对环境图像进行识别得到识别结果。
在一个实施例中,步骤S208具体包括:将环境图像发送至服务器;发送的环境图像用于指示服务器通过图像识别模型对环境图像进行图像识别,得到识别结果;接收服务器反馈的识别结果。
其中,图像识别模型是经过训练后具有分类能力的机器学习算法模型。机器学习英文全称为Machine Learning,简称ML。机器学习分类器可通过样本学习具备分类能力,本实施例的图像识别模型用于对环境图像进行分类。图像识别模型可以采用CNN(Convolutional Neural Network,卷积神经网络)分类器、RNN(Recurrent NeuralNetwork,循环神经网络)分类器、LSTM(Long Short-Term Memory,长短期记忆网络)分类器、BiLSTM(Bi-directional Long Short-Term Memory,双向长短期记忆网络)分类器等神经网络分类器模型。实践中采用CNN分类器对环境图像可以达到很好的分类效果。
具体地,移动终端可以在本地通过预训练的图像识别模型对环境图像进行图像识别,确定环境图像中的疑似火灾图像。也可以将环境图像发送至服务器,服务器通过预训练的图像识别模型对环境图像进行图像识别,将识别结果发送给移动终端,移动终端根据识别结果确定环境图像中的疑似火灾图像。
在一个实施例中,移动终端或服务器可通过训练数据(也就是火灾图像样本和相应的类别标签)对图像识别模型进行训练,得到具有分类能力的图像识别模型。移动终端或服务器将通过训练好的图像识别模型对环境图像进行特征提取分析后,可得到环境图像分类到每个类别所对应的概率,选择上述概率中的最大概率,当最大概率大于分类阈值时,将环境图像分类到最大概率所对应的类别。其中,类别具体可以包括疑似火光图像的类别、疑似烟雾图像的类别、疑似烟火图像的类别、以及常规图像的类别。这样,通过机器学习模型可以识别出环境图像中的火光和烟雾等特征,从而初步对环境图像进行分类,排除常规图像(也就是干扰图像)。其中,属于疑似火光图像的类别、疑似烟雾图像的类别和疑似烟火图像的类别的图像均可称作疑似火灾图像。
S210,对疑似火灾图像进行烟火区域检测得到检测结果。
其中,烟火区域检测是检测疑似火灾图像是否存在烟火区域、以及该烟火区域的区域范围。具体地,移动终端可对从环境图像中筛选出的疑似火灾图像进行烟火区域检测得到检测结果。
在一个实施例中,疑似火灾图像的数量为多张。步骤S210具体包括:对多张疑似火灾图像分别进行疑似烟火区域检测;当多张疑似火灾图像中存在疑似烟火区域时,按疑似火灾图像的生成时间的先后顺序,确定多张疑似火灾图像中疑似烟火区域的区域变化趋势;当多张疑似火灾图像中疑似烟火区域的区域变化趋势为增长趋势时,将当前移动终端所处的环境发生火灾作为当前的识别结果。
其中,疑似烟火区域是疑似火灾图像中疑似存在烟火目标的图像区域。具体地,移动终端可预先存储烟雾像素点分别在R、G和B三个通道的信息的范围。移动终端可确定疑似火灾图像中每个像素的RGB值,并判断各像素的RGB值是否在预先存储烟雾像素点的RGB信息的范围内。如果是,则确定该像素为疑似烟雾像素。
进一步地,移动终端还可预先存储火焰像素点的灰度值范围。移动终端可确定疑似火灾图像中每个像素的灰度值,并判断各像素的灰度值是否在预先存储的火焰像素的灰度值范围内。如果是,则确定该像素为疑似火焰像素。移动终端可确定疑似火灾图像中所有的疑似烟雾像素和疑似火焰像素,并根据所有的疑似烟雾像素和疑似火焰像素,确定疑似火灾图像中的疑似烟火区域。在一个实施例中,当疑似火灾图像中的疑似烟火区域的范围大于预设范围时,则判定疑似火灾图像中存在疑似烟火区域。
相应地,移动终端可采用上述方法对多张疑似火灾图像分别进行疑似烟火区域检测。当多张疑似火灾图像全部或部分均存在疑似烟火区域时,按各疑似火灾图像的生成时间的先后顺序,确定多张疑似火灾图像中疑似烟火区域的区域变化趋势。当多张疑似火灾图像中疑似烟火区域的区域变化趋势为增长趋势时,则可判定当前移动终端所处的环境发生火灾。
上述实施例中,当多张疑似火灾图像中存在疑似烟火区域、且疑似烟火区域的区域变化趋势为增长趋势时,可快速准确地识别出当前移动终端所处的环境是否发生火灾。
S212,当检测结果表示发生火灾时,触发火灾报警动作。
具体地,当检测结果表示发生火灾时,移动终端可触发火灾报警动作。比如,移动终端可调用音频发生器,发出有规律的刺激性报警声音。或者,移动终端可触发震动提醒或指示灯闪烁提醒等。或者,移动终端可预先设置火灾报警电话和邮箱地址,当检测结果表示发生火灾时,则向预设火灾报警电话和邮箱地址发送报警信息。
上述火灾报警方法,当采集的移动终端周围的环境温度满足预设火灾报警条件时,则可自动调用移动终端的图像采集设备,以采集周围的环境图像。通过预训练的图像识别模型对环境图像进行图像识别,初步确定环境图像中的疑似火灾图像,可以快速地排除干扰图像。再对疑似火灾图像进行烟火区域检测,当检测结果表示发生火灾时,触发火灾报警动作。这样,通过温度检测、环境图像识别、以及对疑似火灾图像的烟火区域检测这三重检测来判断移动终端所处的环境是否发生火灾,无需额外的专用的火灾检测防护系统,即可智能、准确地识别火灾并触发报警,不受场地和成本的限制,使用范围广,大大提高了火灾预防的灵活性。
在一个实施例中,该火灾报警方法还包括存储第一授权令牌的步骤,该步骤具体包括:向用户发起照明设备授权请求;当接收到用户反馈的响应于照明设备授权请求、且表示同意授权的指令时,生成相应的第一授权令牌并存储至本地的非易失性存储介质。步骤S204具体包括:当环境温度满足预设火灾报警条件时,检测移动终端周围的光线强度;当光线强度小于光线强度阈值时,从本地的非易失性存储介质中查找第一授权令牌;根据查找到的第一授权令牌调用移动终端的照明设备;当光线强度达到光线强度阈值时,调用移动终端的图像采集设备。
在一个实施例中,该火灾报警方法通过火灾报警应用实现,当用户初次火灾报警应用时,移动终端可向用户发起照明设备授权请求。用户可选择授权或者不授权。移动终端可检测用户的反馈指令,当接收到用户反馈的响应于照明设备授权请求、且表示同意授权的指令时,移动终端可生成相应的第一授权令牌,并将第一授权令牌存储至本地的非易失性存储介质。
在一个实施例中,移动终端可内置光线传感器,用于检测移动终端周围的光线强度。当环境温度满足预设火灾报警条件时,移动终端可通过光线传感器来检测移动终端周围的光线强度。当光线强度小于光线强度阈值时,则不开启图像采集设备。此时,移动终端从本地的非易失性存储介质中查找第一授权令牌,当查找到第一授权令牌时,根据第一授权令牌通过API接口调用移动终端的照明设备(如手电筒),通过照明设备加强移动终端所处环境的光线强度。当光线强度达到阈值时,再直接开启图像采集设备(如摄像头)。这样,可保障在黑暗环境中也能采集环境图像。
上述实施例中,移动终端可预先存储与照明设备相关的第一授权令牌,当移动终端周围的光线强度小于光线强度阈值时,可根据的第一授权令牌调用照明设备以加强移动终端周围的光线强度,只有当光线强度达到光线强度阈值时,才调用图像采集设备采集环境图像,可以保障采集的环境图像的图像质量。
在一个实施例中,该火灾报警方法还包括存储第二授权令牌的步骤,该步骤具体包括:向用户发起图像采集设备授权请求;图像采集设备授权请求包括图像采集设备的设备标识;当接收到用户反馈的响应于图像采集设备授权请求、且表示同意授权的指令时,生成与设备标识关联的第二授权令牌并存储至本地的非易失性存储介质。当光线强度达到光线强度阈值时,调用移动终端的图像采集设备的步骤具体包括:当光线强度达到光线强度阈值时,确定图像采集设备的设备标识;获取与设备标识相关联的授权令牌;根据授权令牌,调用与设备标识相对应的图像采集设备。
其中,设备标识用于唯一标识图像采集设备,具体可以是数字、字母、符号或字符串等。在一个实施例中,移动终端中运行有火灾报警应用,用户初次使用该火灾报警应用时,移动终端可向用户发起图像采集设备授权请求。该图像采集设备授权请求包括图像采集设备的设备标识。用户可选择授权或者不授权。移动终端可检测用户的反馈指令,当接收到用户反馈的响应于图像采集设备授权请求、且表示同意授权的指令时,移动终端可生成与设备标识关联的第二授权令牌,并将第二授权令牌存储至本地的非易失性存储介质。
在一个实施例中,当光线强度达到光线强度阈值时,移动终端可确定图像采集设备的设备标识。比如,移动终端的后置摄像头的设备标识是“0”,前置摄像头的设备标识是“1”。当移动终端要调用前置摄像头时,则确定前置摄像头的设备标识“1”。进一步地,移动终端从本地查找与设备标识关联的第二授权令牌。当查找到第二授权令牌时,才可调用相应的图像采集设备。
举例说明,以安卓系统为例,当环境温度满足预设火灾报警条件时,移动终端可进入摄像头调用程序,具体过程如下:首先移动终端开始一个camera(拍照)的线程,定义SufaceView用来实现预览照片。再获取Camera ID(设备标识),该ID是用来打开相机的关键,一般后置摄像头是0,前置摄像头是1。移动终端可通过使用CamerManager(相机关联),来打开摄像头。其中,打开摄像头需要权限,此时可通过预先存储的摄像头使用的第二授权令牌,打开摄像头。打开摄像头后,移动终端会收到有一个回调stateCallback,该回调是用来返回相机是否正常打开的状态的。相机开启成功后,移动终端可执行回调中的onOpen方法,在该方法中,可以实现让图像显示在移动终端的显示屏上,也就是通过摄像头采集图像帧。
上述实施例中,移动终端可预先存储与图像采集设备的设备标识关联的第二授权令牌,当光线强度达到光线强度阈值时,确定图像采集设备的设备标识,再从本地查找与设备标识相关联的第二授权令牌,进而通过第二授权令牌调用图像采集设备。这样,可以在用户预先授权的前提下,当疑似发生火灾时,就可自动开启图像采集设备采集环境图像,可以实现自动化火灾识别,便捷、智能、且安全。
在一个实施例中,步骤S212具体包括以下步骤:当检测结果表示发生火灾时,确定相应的火灾报警信息;获取移动终端所处的位置信息;反馈位置信息和火灾报警信息。
其中,火灾报警信息是与火灾警报相关的信息,具体可以包括火灾灾情等级和火灾抢救措施等。具体地,移动终端确定的检测结果为表示发生火灾的检测结果时,可确定相应的火灾灾情等级。移动终端可通过GPS系统(Global Positioning System,全球定位系统)定位移动终端的当前位置。进而,移动终端可通过网络连接将位置信息和火灾报警信息反馈至火灾报警系统。或者,移动终端还可将位置信息和火灾报警信息以邮件或短信的形式发送至预设的邮箱地址或手机号,以提醒用户当前位置发生火灾,便于及时抢救。
在一个实施例中,该火灾报警方法的实现还可作为子功能集成至任何一款应用程序中,比如保险应用程序。这样,无需额外的专用的火灾检测防护系统即可提前发现火灾危险,使得火灾预警人人可防范、随时随地可防范,大大提高了火灾检测的可检测范围,使得火灾预防足够灵活,能使人们提前预防,避免造成财产或生命的损失。
上述实施例中,当检测结果表示发生火灾时,可反馈相应的火灾报警信息和当前移动终端所处的位置信息,便于收到反馈信息的用户可及时报警或出警抢救,极大地提高火灾险情抢救的效率。
参考图3,在一个具体地实施例中,该火灾报警方法具体包括以下步骤:
S302,向用户发起照明设备授权请求。
S304,当接收到用户反馈的响应于照明设备授权请求、且表示同意授权的指令时,生成相应的第一授权令牌并存储至本地的非易失性存储介质。
S306,向用户发起图像采集设备授权请求;图像采集设备授权请求包括图像采集设备的设备标识。
S308,当接收到用户反馈的响应于图像采集设备授权请求、且表示同意授权的指令时,生成与设备标识关联的第二授权令牌并存储至本地的非易失性存储介质。
S310,采集移动终端周围的环境温度。
S312,当环境温度满足预设火灾报警条件时,检测移动终端周围的光线强度。
S314,当光线强度小于光线强度阈值时,从本地的非易失性存储介质中查找第一授权令牌。
S316,根据查找到的第一授权令牌调用移动终端的照明设备。
S318,当光线强度达到光线强度阈值时,确定图像采集设备的设备标识。
S320,从本地的非易失性存储介质中查找与设备标识关联的第二授权令牌。
S322,根据第二授权令牌,调用与设备标识相对应的图像采集设备。
S324,通过图像采集设备采集移动终端周围的环境图像。
S326,通过预训练的图像识别模型对环境图像进行图像识别,确定环境图像中的疑似火灾图像;疑似火灾图像的数量为多张。
S328,对多张疑似火灾图像分别进行疑似烟火区域检测。
S330,当多张疑似火灾图像中存在疑似烟火区域时,按疑似火灾图像的生成时间的先后顺序,确定多张疑似火灾图像中疑似烟火区域的区域变化趋势。
S332,当多张疑似火灾图像中疑似烟火区域的区域变化趋势为增长趋势时,则判定当前移动终端所处的环境发生火灾。
S334,确定相应的火灾报警信息。
S336,获取移动终端所处的位置信息。
S338,反馈位置信息和火灾报警信息。
上述火灾报警方法,当采集的移动终端周围的环境温度满足预设火灾报警条件时,则可自动调用移动终端的图像采集设备,以采集周围的环境图像。通过预训练的图像识别模型对环境图像进行图像识别,初步确定环境图像中的疑似火灾图像,可以快速地排除干扰图像。再对疑似火灾图像进行烟火区域检测,当检测结果表示发生火灾时,触发火灾报警动作。这样,通过温度检测、环境图像识别、以及对疑似火灾图像的烟火区域检测这三重检测来判断移动终端所处的环境是否发生火灾,无需额外的专用的火灾检测防护系统,即可智能、准确地识别火灾并触发报警,不受场地和成本的限制,使用范围广,大大提高了火灾预防的灵活性。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种火灾报警装置400,包括:采集模块401、调用模块402、确定模块403、检测模块404和触发模块405,其中:
采集模块401,用于采集移动终端周围的环境温度。
调用模块402,用于当环境温度满足预设火灾报警条件时,则调用移动终端的图像采集设备。
采集模块401还用于通过图像采集设备采集移动终端周围的环境图像。
确定模块403,用于通过预训练的图像识别模型对环境图像进行图像识别,确定环境图像中的疑似火灾图像。
检测模块404,用于对疑似火灾图像进行烟火区域检测得到检测结果。
触发模块405,用于当检测结果表示发生火灾时,触发火灾报警动作。
如图5所示,在一个实施例中,该火灾报警装置400还包括发起模块406和生成模块407,其中:
发起模块406,用于向用户发起照明设备授权请求。
生成模块407,用于当接收到用户反馈的响应于照明设备授权请求、且表示同意授权的指令时,生成相应的第一授权令牌并存储至本地的非易失性存储介质。
调用模块402还用于当环境温度满足预设火灾报警条件时,检测移动终端周围的光线强度;当光线强度小于光线强度阈值时,从本地的非易失性存储介质中查找第一授权令牌;根据查找到的第一授权令牌调用移动终端的照明设备;当光线强度达到光线强度阈值时,调用移动终端的图像采集设备。
在一个实施例中,发起模块406还用于向用户发起图像采集设备授权请求;图像采集设备授权请求包括图像采集设备的设备标识;生成模块407还用于当接收到用户反馈的响应于图像采集设备授权请求、且表示同意授权的指令时,生成与设备标识关联的第二授权令牌并存储至本地的非易失性存储介质;调用模块402还用于当光线强度达到光线强度阈值时,确定图像采集设备的设备标识;从本地的非易失性存储介质中查找与设备标识关联的第二授权令牌;根据第二授权令牌,调用与设备标识相对应的图像采集设备。
在一个实施例中,疑似火灾图像的数量为多张,检测模块404还用于对多张疑似火灾图像分别进行疑似烟火区域检测;当多张疑似火灾图像中存在疑似烟火区域时,按疑似火灾图像的生成时间的先后顺序,确定多张疑似火灾图像中疑似烟火区域的区域变化趋势;当多张疑似火灾图像中疑似烟火区域的区域变化趋势为增长趋势时,将当前移动终端所处的环境发生火灾作为当前的识别结果。
在一个实施例中,触发模块405还用于当检测结果表示发生火灾时,确定相应的火灾报警信息;获取移动终端所处的位置信息;反馈位置信息和火灾报警信息。
上述火灾报警装置,当采集的移动终端周围的环境温度满足预设火灾报警条件时,则可自动调用移动终端的图像采集设备,以采集周围的环境图像。通过预训练的图像识别模型对环境图像进行图像识别,初步确定环境图像中的疑似火灾图像,可以快速地排除干扰图像。再对疑似火灾图像进行烟火区域检测,当检测结果表示发生火灾时,触发火灾报警动作。这样,通过温度检测、环境图像识别、以及对疑似火灾图像的烟火区域检测这三重检测来判断移动终端所处的环境是否发生火灾,无需额外的专用的火灾检测防护系统,即可智能、准确地识别火灾并触发报警,不受场地和成本的限制,使用范围广,大大提高了火灾预防的灵活性。
关于火灾警报装置的具体限定可以参见上文中对于火灾警报方法的限定,在此不再赘述。上述火灾警报装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和图像采集设备。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种火灾警报方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的图像采集设备可以是摄像头等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述火灾报警方法的步骤。此处火灾报警方法的步骤可以是上述各个实施例的火灾报警方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述火灾报警方法的步骤。此处火灾报警方法的步骤可以是上述各个实施例的火灾报警方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种火灾报警方法,应用于移动终端,所述方法包括:
采集移动终端周围的环境温度,当采集的温度大于预设阈值时,保存并记录采集的温度,获取预设时间段内的记录的历史环境温度;
当所述历史环境温度满足预设火灾报警条件时,则按照预先设置的调用顺序,确定待调用的图像采集设备的设备标识,从本地的非易失性存储介质中查找与所述设备标识关联的第二授权令牌,根据所述第二授权令牌,调用与所述设备标识相对应的图像采集设备,所述预设火灾报警条件包括历史环境温度上升的速率大于预设速率,以及历史环境温度曲线与预设环境温度曲线匹配中的至少一种;其中,所述调用顺序为优先调用所述移动终端的后置摄像头,当后置摄像头采集的图像帧表现为全黑时,再调用所述移动终端的前置摄像头;所述非易失性存储介质中存储的第二授权令牌为预先发起包括图像采集设备的设备标识的图像采集设备授权请求后,接收到反馈的响应于所述图像采集设备授权请求、且表示同意授权的指令时生成并存储的;
按预设时间间隔,通过所述图像采集设备采集当前视野下的图像帧,当图像帧满足成像条件时,将当前的图像帧转换成环境图像;其中,所述成像条件包括图像帧的平均亮度值达到亮度阈值,且模糊度小于模糊度阈值;
通过预训练的图像识别模型对所述环境图像进行图像识别,排除常规图像,以确定所述环境图像中的疑似火灾图像,所述图像识别模型通过火灾图像样本和相应的类别标签进行训练得到,所述类别标签包括疑似火光图像的类别、疑似烟雾图像的类别、疑似烟火图像的类别、以及常规图像的类别;
对所述疑似火灾图像进行烟火区域检测得到检测结果;
当所述检测结果表示发生火灾时,触发火灾报警动作。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向用户发起照明设备授权请求;
当接收到用户反馈的响应于所述照明设备授权请求、且表示同意授权的指令时,生成相应的第一授权令牌并存储至本地的非易失性存储介质;
所述当所述历史环境温度满足预设火灾报警条件时,则调用所述移动终端的图像采集设备,包括:
当所述历史环境温度满足预设火灾报警条件时,检测所述移动终端周围的光线强度;
当所述光线强度小于光线强度阈值时,从本地的所述非易失性存储介质中查找第一授权令牌;
根据查找到的第一授权令牌调用所述移动终端的照明设备;
当所述光线强度达到光线强度阈值时,调用所述移动终端的图像采集设备。
3.根据权利要求1所述的方法,其特征在于,所述疑似火灾图像的数量为多张;所述对所述疑似火灾图像进行烟火区域检测得到检测结果包括:
对多张疑似火灾图像分别进行疑似烟火区域检测;
当多张疑似火灾图像中存在疑似烟火区域时,按所述疑似火灾图像的生成时间的先后顺序,确定多张疑似火灾图像中疑似烟火区域的区域变化趋势;
当多张疑似火灾图像中疑似烟火区域的区域变化趋势为增长趋势时,将当前移动终端所处的环境发生火灾作为当前的识别结果。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述当所述检测结果表示发生火灾时,触发火灾报警动作,包括:
当所述检测结果表示发生火灾时,确定相应的火灾报警信息;
获取所述移动终端所处的位置信息;
反馈所述位置信息和所述火灾报警信息。
5.一种火灾报警装置,其特征在于,所述装置包括:
采集模块,用于采集移动终端周围的环境温度,当采集的温度大于预设阈值时,保存并记录采集的温度,获取预设时间段内的记录的历史环境温度;
调用模块,用于当所述历史环境温度满足预设火灾报警条件时,则按照预先设置的调用顺序,确定待调用的图像采集设备的设备标识,从本地的非易失性存储介质中查找与所述设备标识关联的第二授权令牌,根据所述第二授权令牌,调用与所述设备标识相对应的图像采集设备,所述预设火灾报警条件包括历史环境温度上升的速率大于预设速率,以及历史环境温度曲线与预设环境温度曲线匹配中的至少一种;其中,所述调用顺序为优先调用所述移动终端的后置摄像头,当后置摄像头采集的图像帧表现为全黑时,再调用所述移动终端的前置摄像头;所述非易失性存储介质中存储的第二授权令牌为预先发起包括图像采集设备的设备标识的图像采集设备授权请求后,接收到反馈的响应于所述图像采集设备授权请求、且表示同意授权的指令时生成并存储的;
所述采集模块还用于按预设时间间隔,通过所述图像采集设备采集当前视野下的图像帧,当图像帧满足成像条件时,将当前的图像帧转换成环境图像;其中,所述成像条件包括图像帧的平均亮度值达到亮度阈值,且模糊度小于模糊度阈值;
确定模块,用于通过预训练的图像识别模型对所述环境图像进行图像识别,排除常规图像,以确定所述环境图像中的疑似火灾图像,所述图像识别模型通过火灾图像样本和相应的类别标签进行训练得到,所述类别标签包括疑似火光图像的类别、疑似烟雾图像的类别、疑似烟火图像的类别、以及常规图像的类别;
检测模块,用于对所述疑似火灾图像进行烟火区域检测得到检测结果;
触发模块,用于当所述检测结果表示发生火灾时,触发火灾报警动作。
6.根据权利要求5所述的装置,其特征在于,所述火灾报警装置还包括:
发起模块,用于向用户发起照明设备授权请求;
生成模块,用于当接收到用户反馈的响应于所述照明设备授权请求、且表示同意授权的指令时,生成相应的第一授权令牌并存储至本地的非易失性存储介质;
所述调用模块还用于当所述历史环境温度满足预设火灾报警条件时,检测所述移动终端周围的光线强度;当所述光线强度小于光线强度阈值时,从本地的所述非易失性存储介质中查找第一授权令牌;根据查找到的第一授权令牌调用所述移动终端的照明设备;当所述光线强度达到光线强度阈值时,调用所述移动终端的图像采集设备。
7.根据权利要求5所述的装置,其特征在于,所述疑似火灾图像的数量为多张;所述检测模块,还用于对多张疑似火灾图像分别进行疑似烟火区域检测;当多张疑似火灾图像中存在疑似烟火区域时,按所述疑似火灾图像的生成时间的先后顺序,确定多张疑似火灾图像中疑似烟火区域的区域变化趋势;当多张疑似火灾图像中疑似烟火区域的区域变化趋势为增长趋势时,将当前移动终端所处的环境发生火灾作为当前的识别结果。
8.根据权利要求5至7中任一项所述的装置,其特征在于,所述触发模块,还用于当所述检测结果表示发生火灾时,确定相应的火灾报警信息;获取所述移动终端所处的位置信息;反馈所述位置信息和所述火灾报警信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040858.3A CN109920191B (zh) | 2019-01-16 | 2019-01-16 | 火灾报警方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910040858.3A CN109920191B (zh) | 2019-01-16 | 2019-01-16 | 火灾报警方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109920191A CN109920191A (zh) | 2019-06-21 |
CN109920191B true CN109920191B (zh) | 2023-02-03 |
Family
ID=66960418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910040858.3A Active CN109920191B (zh) | 2019-01-16 | 2019-01-16 | 火灾报警方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109920191B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533871B (zh) * | 2019-08-13 | 2023-12-12 | 浙江大华技术股份有限公司 | 烟雾监测方法、装置、计算机设备和存储介质 |
CN111079614A (zh) * | 2019-12-10 | 2020-04-28 | 数知(北京)物联科技有限公司 | 火灾识别方法、装置、存储介质、电子设备 |
CN113626377A (zh) * | 2020-05-06 | 2021-11-09 | 杭州海康微影传感科技有限公司 | 裸数据存储控制方法、装置及设备、存储介质 |
CN111639610A (zh) * | 2020-06-03 | 2020-09-08 | 北京思湃德信息技术有限公司 | 一种基于深度学习的火情识别方法及系统 |
CN111860143B (zh) * | 2020-06-10 | 2022-08-02 | 北京航空航天大学 | 一种面向巡检机器人的火焰实时检测方法 |
CN111882803A (zh) * | 2020-08-25 | 2020-11-03 | 北京华正明天信息技术股份有限公司 | 一种基于温感、视频图像信息的智能识别火灾预警的方法 |
CN112036286A (zh) * | 2020-08-25 | 2020-12-04 | 北京华正明天信息技术股份有限公司 | 一种基于yoloV3算法实现温度感应及智能分析识别火焰的方法 |
CN112861676B (zh) * | 2021-01-28 | 2022-06-21 | 济南和普威视光电技术有限公司 | 一种烟火识别标记方法、系统、终端及存储介质 |
CN113177496A (zh) * | 2021-05-10 | 2021-07-27 | 浙江大华技术股份有限公司 | 一种火点检测方法、装置、设备及存储介质 |
CN114005237B (zh) * | 2021-10-30 | 2023-03-28 | 南京林业大学 | 一种基于热成像分析技术的林火识别方法、设备及计算机存储介质 |
CN114093113A (zh) * | 2021-11-19 | 2022-02-25 | 四川虹美智能科技有限公司 | 监测火情并进行安全报警的方法及智能冰箱 |
CN115424404A (zh) * | 2022-09-06 | 2022-12-02 | 湖南省永神科技有限公司 | 一种具有火灾报警功能的照明系统 |
CN115457661A (zh) * | 2022-10-08 | 2022-12-09 | 广州市保伦电子有限公司 | 特定场合的行为识别方法、装置、设备及存储介质 |
CN117152896A (zh) * | 2023-09-11 | 2023-12-01 | 北京北元电器有限公司 | 一种电气火灾监控方法及系统 |
CN117373196B (zh) * | 2023-11-17 | 2024-04-05 | 北京北元电器有限公司 | 一种电气火灾报警方法及系统 |
CN117688485B (zh) * | 2024-02-02 | 2024-04-30 | 北京中卓时代消防装备科技有限公司 | 一种基于深度学习的火灾诱因分析方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685306A (zh) * | 2011-03-15 | 2012-09-19 | 联想(北京)有限公司 | 一种切换图像采集单元的方法和移动终端 |
CN102833416A (zh) * | 2012-08-29 | 2012-12-19 | 惠州Tcl移动通信有限公司 | 一种手机翻转静音控制的方法及手机 |
CN105809881A (zh) * | 2016-05-10 | 2016-07-27 | 北京小米移动软件有限公司 | 报警方法及装置、控制设备及传感设备 |
CN107094236A (zh) * | 2017-05-19 | 2017-08-25 | 努比亚技术有限公司 | 全景拍摄方法、移动终端及计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101339405B1 (ko) * | 2012-03-19 | 2013-12-09 | 주식회사 팔콘 | 실시간 화재감지 및 화재정보전달 방법 |
CN105427507B (zh) * | 2015-12-04 | 2018-04-20 | 广东欧珀移动通信有限公司 | 火灾监测方法及装置 |
CN106339664A (zh) * | 2016-08-10 | 2017-01-18 | 杭州电子科技大学 | 一种基于颜色混合模型和多特征组合的视频烟雾检测方法 |
CN106997461B (zh) * | 2017-03-28 | 2019-09-17 | 浙江大华技术股份有限公司 | 一种烟火检测方法及装置 |
CN107331100A (zh) * | 2017-08-01 | 2017-11-07 | 深圳市盛路物联通讯技术有限公司 | 一种基于物联网的火灾报警方法及系统 |
CN108549799B (zh) * | 2018-04-13 | 2022-02-01 | 深圳壹账通智能科技有限公司 | 安卓权限的管理方法、装置、终端和计算机存储介质 |
CN108416963B (zh) * | 2018-05-04 | 2020-01-24 | 湖北民族学院 | 基于深度学习的森林火灾预警方法及系统 |
-
2019
- 2019-01-16 CN CN201910040858.3A patent/CN109920191B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685306A (zh) * | 2011-03-15 | 2012-09-19 | 联想(北京)有限公司 | 一种切换图像采集单元的方法和移动终端 |
CN102833416A (zh) * | 2012-08-29 | 2012-12-19 | 惠州Tcl移动通信有限公司 | 一种手机翻转静音控制的方法及手机 |
CN105809881A (zh) * | 2016-05-10 | 2016-07-27 | 北京小米移动软件有限公司 | 报警方法及装置、控制设备及传感设备 |
CN107094236A (zh) * | 2017-05-19 | 2017-08-25 | 努比亚技术有限公司 | 全景拍摄方法、移动终端及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109920191A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109920191B (zh) | 火灾报警方法、装置、计算机设备和存储介质 | |
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
CN104966053B (zh) | 人脸识别方法及识别系统 | |
US20130163823A1 (en) | Image Capture and Recognition System Having Real-Time Secure Communication | |
US20130170711A1 (en) | Edge detection image capture and recognition system | |
CN110163100B (zh) | 一种防拍照显示器 | |
US9870700B2 (en) | Method and device for avoiding false alarms in monitoring systems | |
CN110619277A (zh) | 一种多社区智慧布控方法以及系统 | |
CN113139403A (zh) | 违规行为识别方法、装置、计算机设备和存储介质 | |
CN113011833A (zh) | 施工现场的安全管理方法、装置、计算机设备和存储介质 | |
US20190116310A1 (en) | Method of processing object in image and apparatus for same | |
CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
CN111797726A (zh) | 一种火焰检测方法、装置、电子设备及存储介质 | |
CN112489351A (zh) | 基于图片识别的学校火灾预警方法 | |
CN112288975A (zh) | 一种事件预警的方法和装置 | |
CN115346060A (zh) | 画面异常识别方法、装置、电子设备和存储介质 | |
CN110795980A (zh) | 基于网络视频的逃犯识别方法、设备、存储介质及装置 | |
CN114495395A (zh) | 一种人形检测方法、监控预警方法、装置及系统 | |
CN117351462A (zh) | 施工作业检测模型训练方法、装置、设备及存储介质 | |
JPWO2023008540A5 (ja) | ウエアラブル情報処理装置及びプログラム並びに記憶媒体 | |
EP3729851A1 (en) | Method for detecting the possible taking of screenshots | |
CN112241671B (zh) | 一种人员身份识别方法、装置及系统 | |
TWI581174B (zh) | 系統資訊的顯示方法與系統 | |
CN110188605B (zh) | 目标物体识别方法、装置、系统、计算机设备和存储介质 | |
CN114038098B (zh) | 一种尾随检测方法、装置、设备和可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |