CN111611923A - 一种应急预案演练评估方法及装置 - Google Patents
一种应急预案演练评估方法及装置 Download PDFInfo
- Publication number
- CN111611923A CN111611923A CN202010437402.3A CN202010437402A CN111611923A CN 111611923 A CN111611923 A CN 111611923A CN 202010437402 A CN202010437402 A CN 202010437402A CN 111611923 A CN111611923 A CN 111611923A
- Authority
- CN
- China
- Prior art keywords
- drilling
- live
- determining
- emergency plan
- 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.)
- Granted
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 184
- 238000011156 evaluation Methods 0.000 title claims abstract description 32
- 230000009471 action Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 230000000977 initiatory effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of 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
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
为了解决现有技术中问题中应急预案演练评估效率低的问题，本公开提供了一种应急预案演练评估方法及装置，提高评估效率。包括：生成应急预案演练任务；将应急预案演练任务发送到用户端；接收用户端反馈的应急预案演练的现场照片和/或现场视频；根据预设的模型确定所述现场照片和/或现场视频中的演练要素；演练要素包括演练人数、演练场景、演练动作和关键物件；根据现场演练的演练要素评估应急预案演练是否合格。本公开的技术方案，基于应急预案演练的现场照片和/或现场视频中的演练要素，通过预设的模型自动评估应急预案演练是否合格，大大提高了评估效率，且评估结果更为客观。
Description
技术领域
本公开涉及计算机领域，尤其涉及一种应急预案演练评估方法及装置。
背景技术
应急预案指面对突发事件如自然灾害、重特大事故、环境公害及人为破坏的应急管理、指挥、救援计划等，应急预案需要进行演练以提高相关人员的突发事件的应急能力。
现有技术中，采用OA形式发送公告并结合线下纸质报送方式做应急预案演练，其不足在于，需要人工审查纸质报送文件，以及人工评估应急预案演练的完成情况，导致应急预案演练的评估效率低下，且难以被客观评估。
发明内容
为了解决上述技术问题中的至少一个，本公开提供了一种应急预案演练评估方法及装置，提高评估效率。
本公开的一方面，一种应急预案演练评估方法，包括：
生成应急预案演练任务；
将所述应急预案演练任务发送到用户端；
接收用户端反馈的应急预案演练的现场照片和/或现场视频；
根据预设的模型确定所述现场照片和/或现场视频中的演练要素；所述演练要素包括演练人数、演练场景、演练动作和关键物件；
根据现场演练的演练要素评估应急预案演练是否合格。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的卷积神经网络模型，确定现场照片和/或现场视频中的人数。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的场景类型识别模型，确定现场照片和/或现场视频中的场景类型。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的基于深度学习的人体行为识别模型，确定现场照片和/或现场视频中的人员动作。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的计算机视觉物体检测模型，确定现场照片和/或现场视频中的关键物件。
本公开的另一方面，一种应急预案演练评估装置，包括：
任务生成模块，用于生成应急预案演练任务；
任务发送模块，用于将所述应急预案演练任务发送到用户端；
接收模块，用于接收用户端反馈的应急预案演练的现场照片和/或现场视频；
确认模块，用于根据预设的模型确定所述现场照片和/或现场视频中的演练要素；所述演练要素包括演练人数、演练场景、演练动作和关键物件；
评估模块，用于根据现场演练的演练要素评估应急预案演练是否合格。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的卷积神经网络模型，确定现场照片和/或现场视频中的人数。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的场景类型识别模型，确定现场照片和/或现场视频中的场景类型。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的基于深度学习的人体行为识别模型，确定现场照片和/或现场视频中的人员动作。
可选的，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的计算机视觉物体检测模型，确定现场照片和/或现场视频中的关键物件。
本公开的技术方案，基于应急预案演练的现场照片和/或现场视频中的演练要素，通过预设的模型自动评估应急预案演练是否合格，大大提高了评估效率，且评估结果更为客观。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1是本公开的实施方式中的一种应急预案演练评估方法的流程图；
图2是本公开的实施方式中的一种应急预案演练评估装置的框图。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开。
参见图1，一种应急预案演练评估方法，包括：
步骤S1：生成应急预案演练任务；
步骤S2：将所述应急预案演练任务发送到用户端；
步骤S3：接收用户端反馈的应急预案演练的现场照片和/或现场视频；
步骤S4：根据预设的模型确定所述现场照片和/或现场视频中的演练要素；所述演练要素包括演练人数、演练场景、演练动作和关键物件；
步骤S5：根据现场演练的演练要素评估应急预案演练是否合格。
本公开的方法，基于应急预案演练的现场照片和/或现场视频中的演练要素，通过预设的模型自动评估应急预案演练是否合格，大大提高了评估效率，且评估结果更为客观。其中，需要说明的，根据现场演练的演练要素评估应急预案演练是否合格是：根据现场照片和/或现场视频中的演练要素的确定结果与预设的演练要素的目标结果进行比对，以确定应急预案演练是否合格。可以知道的，此处的应急预案演练是否合格，指的是提供现场照片和/或现场视频的机构执行应急预案演练是否符合演练要求。
其中，根据现场演练的演练要素评估应急预案演练是否合格可以通过如下条件进行判断：条件一：图片或/和视频中的演练人数大于目标人数(预设的演练要素的目标结果中的人数)，条件二：图片或/和视频中的演练场景与目标场景(预设的演练要素的目标结果中的场景)一致，条件三：图片或/和视频中的演练动作与目标动作(预设的演练要素的目标结果中的演练动作)一致，条件四：图片或/和视频中的演练关键物件与目标关键物件(预设的演练要素的目标结果中的关键物件)一致；可以在上述60％以上个条件满足时，确定应急预案演练合格，否则确定应急预案演练不合格。当然也可以上述所有条件满足时，确定应急预案演练合格，否则确定应急预案演练不合格。
可以知道的，按上述判断条件，在确定现场照片和/或现场视频中的演练要素可以是：确定现场照片和/或现场视频中的演练人数是否大于目标人数，确定现场照片和/或现场视频中的演练场景是否是目标场景，确定现场照片和/或现场视频中的演练动作是否不包含目标动作，确定现场照片和/或现场视频中的关键物件是否包含目标关键物件。
可以知道的，本公开的方法可以在服务器端执行，可一个根据需要向所需的各个客户端发送任务，并接收反馈的现场照片和/或现场视频，以及基于反馈的现场照片和/或现场视频确定对应的客户端的机构是否合格地完成应急预案演练。服务器端还可以统计各类应急预案的相关指标，若完成的及时率、完成的合格率等。
在步骤S1中，生成应急预案演练任务，可以根据急演练任务模板建立应急演练任务，应急演练任务模板内容可以包括：应急演练任务编号(根据编号规则自动生成，“YJYL+发起任务用户的所属机构编号+4位年份+3位顺序号(顺序号按年度累计)”)、应急演练主题、应急演练类型(固定选项包括：盗窃类、抢劫类、涉枪类、突发事件类、运营安全类、群体事件类、自然灾害类、其他类)、应急预案库(包括应急预案编号、应急预案名称、演练人数要求、应急演练地点、演练动作、关键物件、演练内容描述)、应急演练补充说明、演练机构范围、任务执行频率(单次、每月、每季、每年)、任务发起时间、预计完成演练时长、任务联络人、联络人电话、联络人邮箱。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的卷积神经网络模型，确定现场照片和/或现场视频中的人数。
预设的卷积神经网络模型的输入项是照片和/或视频，输出项是照片和/或视频中的人数；该卷积神经网络模型可以预先设置的训练样本进行训练，该训练样本可以是应急预案演练的现场照片和/或视频。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的场景类型识别模型，确定现场照片和/或现场视频中的场景类型。
预设的场景类型识别模型的输入项是照片和/或视频，输出项是照片和/或视频中的场景类型。本场景类型识别模型可以采用现有的模型，
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的基于深度学习的人体行为识别模型，确定现场照片和/或现场视频中的人员动作。
预设的基于深度学习的人体行为识别模型，输入项是照片和/或视频，输出项是照片和/或视频中的人员动作。该人体行为识别模型可以预先设置的训练样本进行训练，该训练样本可以是应急预案演练的现场照片和/或视频。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的计算机视觉物体检测模型，确定现场照片和/或现场视频中的关键物件。
预设的计算机视觉物体检测模型，输入项是照片和/或视频，输出项是照片和/或视频是否存在关键物件。其中，关键物件的目标结果是根据应急预案演练任务所确定的演练所必须的物件；预设的计算机视觉物体检测模型确定照片和/或视频中是否存在关键物件的目标结果。计算机视觉物体检测模型可以是通过样本训练后的神经网络模型。
参见图2，一种应急预案演练评估装置，包括：
任务生成模块1，用于生成应急预案演练任务；
任务发送模块2，用于将所述应急预案演练任务发送到用户端；
接收模块3，用于接收用户端反馈的应急预案演练的现场照片和/或现场视频；
确认模块4，用于根据预设的模型确定所述现场照片和/或现场视频中的演练要素；所述演练要素包括演练人数、演练场景、演练动作和关键物件；
评估模块5，用于根据现场演练的演练要素评估应急预案演练是否合格。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的卷积神经网络模型，确定现场照片和/或现场视频中的人数。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的场景类型识别模型，确定现场照片和/或现场视频中的场景类型。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的基于深度学习的人体行为识别模型，确定现场照片和/或现场视频中的人员动作。
在一个实施方式中，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的计算机视觉物体检测模型，确定现场照片和/或现场视频中的关键物件。
本实施例的装置是实现上述实施方式中的一种应急预案演练评估方法的装置，其原理与效果与所述一种应急预案演练评估方法相一致，此处不再重复描述。
以下以系统实现应急预案演练评估方法为例，进行说明：
1、建立演练库：
系统提供演练库模板管理能力给到用户提前建立应急演练库，应急演练库内容包括：应急预案编号、应急预案名称、演练人数要求、应急演练地点、演练动作、关键物件(1～3张png格式图片)、演练内容描述。
2、建立应急演练任务：
系统提供应急演练任务模板流程能力给到用户建立应急演练任务，应急演练任务模板内容包括：应急演练任务编号(根据编号规则自动生成，“YJYL+发起任务用户的所属机构编号+4位年份+3位顺序号(顺序号按年度累计)”)、应急演练主题、应急演练类型(固定选项包括：盗窃类、抢劫类、涉枪类、突发事件类、运营安全类、群体事件类、自然灾害类、其他类)、应急预案库(引用演练库)、应急演练补充说明、演练机构范围、任务执行频率(单次、每月、每季、每年)、任务发起时间、预计完成演练时长、任务联络人、联络人电话、联络人邮箱。
3、审批常规检查任务：
系统提供审批应急预案演练任务能力给到领导层面进行把关发布应急预案演练任务。在审批过程中，若审批通过，则将任务发布给任务接收用户；若审批不通过，则需填写不通过原因后，将流程退回给上一个节点编制人员进行修改。
4、启用/停用检查任务：
系统提供启用/停用应急预案演练任务能力给到用户便捷地管理应急预案演练任务。在应急演练根据周期频率定时执行时，若由于某些客观原因需要停用应急演练任务时，可通过停用功能停止正在执行的任务。
5、反馈应急演练结果：
系统提供反馈应急演练结果能力给到执行应急演练任务的用户用于将演练结果反馈到流程中。根据应急预案演练任务中关联到的演练库，按条目填制对应的应急演练结果，内容包括：参与应急演练人员姓名、现场演练照片或视频。整体演练的反馈内容，包括：举行应急演练时间、应急演练总结、现场演练照片、现场演练视频。
6、演练结果自动比对
6.1、计算每条演练项的分值
在应急预案演练任务中会关联演练库中的多条演练项，使用总分100分除以关联到的演练项，得出每条演练项分值。
6.2、计算每条演练项关键要素的分值
每条演练项中包括多个关键要素，包括：演练人数要求、应急演练地点、演练动作、关键物件附件(1～3张png格式图片，每张图片为1个关键要素)。使用每条演练项分值除以关键要素数量，得出关键要素分值。
6.3、提取并比对每一条演练项的关键物件
利用AI算法对执行演练机构用户反馈的演练结果(图片或视频)进行识别，提取关键字进行比对，算法类型(各类算法需要经过大量真实数据多次训练后才可应用)及具体比对方案如下：
6.3.1、演练人数：基于卷积神经网络人数统计方式对图片或视频中的人数进行统计，当统计到的人数大于演练人数要求，则该关键要素分值不扣分，否则计为0；
6.3.2、演练场景：基于场景类型识别算法对演练反馈图片或视频中的演练环境进行识别，当识别到的结果与演练场景(即应急演练地点)匹配，则该关键要素分值不扣分，否则计为0；
6.3.3、演练动作：基于深度学习的人体行为识别算法对演练反馈照片或视频中的人员动作进行识别，当识别人体动作与演练任务中的演练内容描述关键字匹配到，则该关键要素分值不扣分，否则计为0；
6.3.4、关键物件：基于计算机视觉物体检测算法对反馈照片或视频进行识别，若识别到物体与关键物件全部匹配，则该关键要素分值不扣分，否则计为0；
6.4、统计演练情况得分并换算为评估指标
在根据上述统计方式完成统计后，需将每个关键要素分值进行相加登出每条检查项分值，然后再将每条检查项分值进行相加得出执行演练机构的演练情况得分，若大于或等于60，则转化为评估指标为：合格；若小于60，则转化为评估指标为：不合格。
7、数据分析
7.1、反馈及时率：系统根据各执行演练机构在各条应急预案演练任务中的反馈时长自动统计各执行演练机构的反馈及时率，公式：实际反馈时长/任务要求完成检查反馈时长，再根据各条应急预案演练任务求平均值。
7.2、安全检查合格率：系统根据各常规检查任务的检查项反馈情况(是否存在问题或隐患)，来统计各被检查机构的安全检查合格率，公式：存在问题或隐患数量的检查项数量/常规检查任务检查项总数。
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。
Claims (10)
1.一种应急预案演练评估方法，其特征在于，包括：
生成应急预案演练任务；
将所述应急预案演练任务发送到用户端；
接收用户端反馈的应急预案演练的现场照片和/或现场视频；
根据预设的模型确定所述现场照片和/或现场视频中的演练要素；所述演练要素包括演练人数、演练场景、演练动作和关键物件；
根据现场演练的演练要素评估应急预案演练是否合格。
2.如权利要求1所述的方法，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的卷积神经网络模型，确定现场照片和/或现场视频中的人数。
3.如权利要求1所述的方法，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的场景类型识别模型，确定现场照片和/或现场视频中的场景类型。
4.如权利要求1所述的方法，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的基于深度学习的人体行为识别模型，确定现场照片和/或现场视频中的人员动作。
5.如权利要求1所述的方法，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的计算机视觉物体检测模型，确定现场照片和/或现场视频中的关键物件。
6.一种应急预案演练评估装置，其特征在于，包括：
任务生成模块，用于生成应急预案演练任务；
任务发送模块，用于将所述应急预案演练任务发送到用户端；
接收模块，用于接收用户端反馈的应急预案演练的现场照片和/或现场视频；
确认模块，用于根据预设的模型确定所述现场照片和/或现场视频中的演练要素；所述演练要素包括演练人数、演练场景、演练动作和关键物件；
评估模块，用于根据现场演练的演练要素评估应急预案演练是否合格。
7.如权利要求6所述的装置，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的卷积神经网络模型，确定现场照片和/或现场视频中的人数。
8.如权利要求6所述的装置，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的场景类型识别模型，确定现场照片和/或现场视频中的场景类型。
9.如权利要求6所述的装置，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的基于深度学习的人体行为识别模型，确定现场照片和/或现场视频中的人员动作。
10.如权利要求6所述的装置，其特征在于，根据预设的模型确定所述现场照片和/或现场视频中的演练要素包括：根据预设的计算机视觉物体检测模型，确定现场照片和/或现场视频中的关键物件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010437402.3A CN111611923B (zh) | 2020-05-21 | 2020-05-21 | 一种应急预案演练评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010437402.3A CN111611923B (zh) | 2020-05-21 | 2020-05-21 | 一种应急预案演练评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111611923A true CN111611923A (zh) | 2020-09-01 |
| CN111611923B CN111611923B (zh) | 2024-02-09 |
Family
ID=72205086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010437402.3A Active CN111611923B (zh) | 2020-05-21 | 2020-05-21 | 一种应急预案演练评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111611923B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508162A (zh) * | 2020-11-17 | 2021-03-16 | 珠海格力电器股份有限公司 | 基于系统联动的应急管理方法、装置及系统 |
| CN113095977A (zh) * | 2021-02-22 | 2021-07-09 | 中铁信(北京)网络技术研究院有限公司 | 轨道交通车站沉浸式应急演练与自动化评估方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093409A (zh) * | 2012-12-21 | 2013-05-08 | 东莞中国科学院云计算产业技术创新与育成中心 | 应急模拟演练平台应急预案的演练方案生成和执行方法 |
| CN103700054A (zh) * | 2013-12-10 | 2014-04-02 | 中国地质大学武汉 | 一种突发地质灾害应急预案数字化系统 |
| CN104573032A (zh) * | 2015-01-14 | 2015-04-29 | 清华大学 | 用于核应急处置的应急模拟演练一体机 |
| CN108269215A (zh) * | 2018-01-16 | 2018-07-10 | 深圳市龙岗远望软件技术有限公司 | 一种基于移动互联网技术的应急桌面推演方法和系统 |
-
2020
- 2020-05-21 CN CN202010437402.3A patent/CN111611923B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093409A (zh) * | 2012-12-21 | 2013-05-08 | 东莞中国科学院云计算产业技术创新与育成中心 | 应急模拟演练平台应急预案的演练方案生成和执行方法 |
| CN103700054A (zh) * | 2013-12-10 | 2014-04-02 | 中国地质大学武汉 | 一种突发地质灾害应急预案数字化系统 |
| CN104573032A (zh) * | 2015-01-14 | 2015-04-29 | 清华大学 | 用于核应急处置的应急模拟演练一体机 |
| CN108269215A (zh) * | 2018-01-16 | 2018-07-10 | 深圳市龙岗远望软件技术有限公司 | 一种基于移动互联网技术的应急桌面推演方法和系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112508162A (zh) * | 2020-11-17 | 2021-03-16 | 珠海格力电器股份有限公司 | 基于系统联动的应急管理方法、装置及系统 |
| CN112508162B (zh) * | 2020-11-17 | 2024-04-05 | 珠海格力电器股份有限公司 | 基于系统联动的应急管理方法、装置及系统 |
| CN113095977A (zh) * | 2021-02-22 | 2021-07-09 | 中铁信(北京)网络技术研究院有限公司 | 轨道交通车站沉浸式应急演练与自动化评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111611923B (zh) | 2024-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102117323A (zh) | 一种推荐求职简历的处理方法和系统 | |
| CN112052396A (zh) | 课程匹配方法、系统、计算机设备和存储介质 | |
| CN111611923A (zh) | 一种应急预案演练评估方法及装置 | |
| CN112270533A (zh) | 一种数据处理方法、装置、电子设备以及存储介质 | |
| CN108304539A (zh) | 人才数据库建立方法、装置及存储介质 | |
| KR101429569B1 (ko) | 교육이력사항을 기반으로 한 직업 매칭 시스템 | |
| Castro | Just machines | |
| CN116975910A (zh) | 数据表的安全等级确定方法、装置、设备及介质 | |
| WO2024098282A1 (zh) | 一种几何解题方法、装置、设备及存储介质 | |
| CN107767278B (zh) | 社群层次结构构建方法和装置 | |
| CN109670044A (zh) | 一种问题线索协同办理系统、方法及电子设备和存储介质 | |
| CN115293275A (zh) | 数据识别方法、装置、电子设备和存储介质 | |
| CN111552814B (zh) | 基于考核指标图谱的考核方案生成方法及装置 | |
| CN114520059A (zh) | 一种基于大数据的中医诊断学数据平台 | |
| CN114782224A (zh) | 基于用户特征的网页考评作弊监测方法、装置及电子设备 | |
| Xie et al. | Multi-faceted classification for the identification of informative communications during crises: Case of COVID-19 | |
| CN114781833B (zh) | 基于业务人员的能力测评方法、装置、设备及存储介质 | |
| KR102155881B1 (ko) | 인공지능 학습데이터 생성을 위한 크라우드소싱 기반 프로젝트의 검수자 능력 평가를 통한 검수자 트레이드 방법 | |
| KR20200108937A (ko) | 가짜 뉴스 판단 시스템, 판단 방법 및 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체 | |
| Janssen et al. | Towards guidance in assessing and communicating uncertainties | |
| CN117764710B (zh) | 一种住房金融风险行为的监控方法 | |
| US20230419044A1 (en) | Tagging for subject matter or learning schema | |
| Oyekunle et al. | Sentiment Analysis of Students' Tweets on Unilorin CBT Examinations | |
| Yang | Developing Responsible and Reliable Entity and Relation Extraction Methods: A Human-in-the-Loop Perspective | |
| CN118446582A (zh) | 一种基于深度学习的船员考核方法和设备 |
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 |