CN111612346A - 消防安全监测方法、装置、计算机设备和存储介质 - Google Patents
消防安全监测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111612346A CN111612346A CN202010440812.3A CN202010440812A CN111612346A CN 111612346 A CN111612346 A CN 111612346A CN 202010440812 A CN202010440812 A CN 202010440812A CN 111612346 A CN111612346 A CN 111612346A
- Authority
- CN
- China
- Prior art keywords
- fire
- model
- information
- dimensional
- sensor
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 303
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012502 risk assessment Methods 0.000 claims abstract description 139
- 230000004044 response Effects 0.000 claims abstract description 37
- 230000002452 interceptive effect Effects 0.000 claims abstract description 21
- 238000009877 rendering Methods 0.000 claims abstract description 21
- 238000012806 monitoring device Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 50
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013210 evaluation model Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 19
- 230000003993 interaction Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 9
- 239000000779 smoke Substances 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008846 dynamic interplay Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种消防安全监测方法、装置、计算机设备和存储介质。方法包括：获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；将火灾信息和状态监测数据渲染为三维动画；将三维动画添加于交互设备中的三维监测模型进行显示，并实时捕获对三维监测模型进行操作的事件；三维监测模型是根据建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值；根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。采用本方法能够提高火灾的识别和响应能力。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种消防安全监测方法、装置、计算机设备和存储介质。
背景技术
随着我国城镇化进程的深入，大型高层建筑不断涌现，火灾发生的概率也在上升。高层建筑楼层多，室内空间结构复杂，消防设施分布点多面广，监测困难。传统的消防安全监测预警方法通过消防人员定期对消防设施进行检查，发现消防安全隐患。传统方法无法对火情和消防设施进行动态监测，从而导致对火灾的识别和响应能力低，进而造成安全隐患。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高火灾识别和响应能力的消防安全监测方法、装置、计算机设备和存储介质。
一种消防安全监测方法，所述方法包括：
获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；
将所述火灾信息和所述状态监测数据渲染为三维动画；
将所述三维动画添加于交互设备中的三维监测模型进行显示，并实时捕获对所述三维监测模型进行操作的事件；所述三维监测模型是根据所述建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；
利用风险评估模型根据所述火灾信息和所述状态监测数据进行风险评估，得到风险值；
根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
在一个实施例中，所述方法还包括：
所述传感器包括火灾监测传感器和设施监测传感器；所述获取传感器采集建筑物的火灾信息和消防设施的状态监测数据包括：
接收所述火灾监测传感器发送的第一消息包；
接收所述设施监测传感器发送的第二消息包；
对所述第一消息包和所述第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
在一个实施例中，所述方法还包括：
获取所述建筑物的所述三维空间数据、所述建筑物设施信息，以及所述消防设施信息和所述传感器设备信息；
根据所述三维空间数据构建所述建筑物的三维空间模型；
根据所述消防设施信息、所述传感器设备信息和所述建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；
分别将所述消防设施模型、所述传感器模型和所述建筑物设施模型加载到所述三维空间模型中，得到三维监测模型。
在一个实施例中，所述方法还包括：
所述将所述三维动画添加于交互设备中的三维监测模型进行显示包括：
根据采集所述火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集所述状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将所述三维动画加载到所述三维监测模型中进行显示。
在一个实施例中，所述方法还包括：
所述风险评估模型的训练步骤包括：
获取火灾信息样本和状态监测数据样本；
根据所述火灾信息样本和所述状态监测数据样本确定风险等级；
利用所述火灾信息样本、所述状态监测数据样本和对应的所述风险等级，对所述风险评估模型进行模型训练，得到训练后的风险评估模型。
在一个实施例中，所述方法还包括：
所述风险值包括火灾探测风险值和消防设施风险值；所述风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；
所述利用风险评估模型根据所述火灾信息和所述状态监测数据进行风险评估，得到风险值包括：
利用所述火灾探测风险评估模型根据所述火灾信息进行风险评估，得到火灾探测风险值；
利用消防设施风险评估模型根据所述状态监测数据进行风险评估，得到消防设施风险值。
在一个实施例中，所述方法还包括：
所述根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画包括：
对所述事件进行解析，得到事件中包含的命令；
通过查找命令列表得到所述命令对应的程序接口；
调用所述程序接口；
执行所述程序接口对应的算法程序，以实现根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
一种消防安全监测装置，所述装置包括：
获取模块，用于获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；
渲染模块，用于将所述火灾信息和所述状态监测数据渲染为三维动画；
添加模块，用于将所述三维动画添加于交互设备中的三维监测模型进行显示；
捕获模块，用于实时捕获对所述三维监测模型进行操作的事件；所述三维监测模型是根据所述建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；
风险评估模块，用于利用风险评估模型根据所述火灾信息和所述状态监测数据进行风险评估，得到风险值；
生成模块，用于根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
在一个实施例中，所述传感器包括火灾监测传感器和设施监测传感器；所述获取模块还用于：
接收所述火灾监测传感器发送的第一消息包；
接收所述设施监测传感器发送的第二消息包；
对所述第一消息包和所述第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
在一个实施例中，所述装置还包括：
所述获取模块，还用于获取所述建筑物的所述三维空间数据、所述建筑物设施信息，以及所述消防设施信息和所述传感器设备信息；
构建模块，用于根据所述三维空间数据构建所述建筑物的三维空间模型；根据所述消防设施信息、所述传感器设备信息和所述建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；
加载模块，用于分别将所述消防设施模型、所述传感器模型和所述建筑物设施模型加载到所述三维空间模型中，得到三维监测模型。
在一个实施例中，所述添加模块，还用于：
根据采集所述火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集所述状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将所述三维动画加载到所述三维监测模型中进行显示。
在一个实施例中，所述装置还包括：
所述获取模块，还用于获取火灾信息样本和状态监测数据样本；
确定模块，用于根据所述火灾信息样本和所述状态监测数据样本确定风险等级；
模型训练模块，用于利用所述火灾信息样本、所述状态监测数据样本和对应的所述风险等级，对所述风险评估模型进行模型训练，得到训练后的风险评估模型。
在一个实施例中，所述风险值包括火灾探测风险值和消防设施风险值；所述风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；
所述风险评估模块还用于：
利用所述火灾探测风险评估模型根据所述火灾信息进行风险评估，得到火灾探测风险值；
利用消防设施风险评估模型根据所述状态监测数据进行风险评估，得到消防设施风险值。
在一个实施例中，所述生成模块还用于：
对所述事件进行解析，得到事件中包含的命令；
通过查找命令列表得到所述命令对应的程序接口；
调用所述程序接口；
执行所述程序接口对应的算法程序，以实现根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
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7中任一项所述的方法的步骤。
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7中任一项所述的方法的步骤。
在上述实施例中，服务器首先接收传感器采集的火灾信息和消防设施的状态监测数据，然后利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到建筑物的风险值。消防管理人员通过风险值可以获知建筑物发生火灾的可能性和可能存在的安全隐患。通过利用风险评估模型进行风险评估可以使消防管理人员及时快速的根据大量、复杂的数据发现火灾风险和消防设施安全隐患。服务器通过在交互设备中显示对火灾信息和状态监测数据进行渲染生成的三维动画和与消防管理人员的操作事件对应的三维动画，实现消防安全监测的可视化和消防管理人员和交互设备的动态交互，使消防管理人员可以更方便直观的查看火灾信息和状态监测数据以及服务器对操作事件的响应结果，提高了消防管理人员对火灾的识别和处理能力。
附图说明
图1为一个实施例中消防安全监测方法的应用环境图；
图2为一个实施例中消防安全监测方法的流程示意图；
图3为一个实施例中，生成响应动画的流程示意图；
图4为一个实施例中，消防安全监测系统的结构框图；
图5为一个实施例中消防安全监测装置的结构框图；
图6为另一个实施例中消防安全监测装置的结构框图；
图7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。
本申请提供的消防安全监测方法，可以应用于如图1所示的应用环境中。其中，传感器102采集火灾信息和消防设施的状态监测数据并通过网络传递至服务器104。服务器104根据火灾信息和消防设施的状态监测数据对建筑物进行风险评估得到风险值。服务器104根据火灾信息、状态监测数据和风险值生成与消防管理人员的操作事件对应的响应动画，并在交互设备106中的三维监测模型中显示。其中，服务器104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，提供了一种消防安全监测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202，获取传感器采集建筑物的火灾信息和消防设施的状态监测数据。
其中，传感器是一种监测装置，能监测到被测量的信息，并能将监测到的信息，按一定规律变换成为电信号或其他形式的信息并输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。
其中，火灾信息包括烟雾信息、电路安全信息和有害气体信息等。例如，传感器采集的火灾信息是烟雾浓度2％obs/m、电压220V，电流20A、有害气体浓度5mg/m3等。如果火灾信息发生异常，例如，如果烟雾浓度比较高，或者电压超过安全阈值，或者产生了某种通过燃烧才能产生的有害气体，那么表明可能发生了火灾。
消防设施的状态监测数据包括消防水池水位状态、消防水泵状态和防火门状态等。例如，状态监测数据是消防水池水位1米、消防水泵可用、防火门开、防火门关闭等。如果消防设施状态发生异常，例如消防水池中无水，消防水泵损坏等，则说明消防设施存在安全隐患。
在一个实施例中，传感器包括火灾监测传感器和设施监测传感器；获取传感器采集建筑物的火灾信息和消防设施的状态监测数据包括：接收火灾监测传感器发送的第一消息包；接收设施监测传感器发送的第二消息包；对第一消息包和第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
其中，火灾监测传感器采集火灾信息，设施监测传感器采集消防设施的状态监测数据。火灾监测传感器和设施监测传感器将采集的火灾信息和消防设施的状态监测数据以消息包的形式传输至服务器，服务器对消息包进行解析获得火灾信息和消防设施的状态监测数据。例如，设施监测传感器根据采集的防火门状态生成消息包(006115、03、01、00)并发送至服务器，服务器将其解析成(61层电梯口、防火门、开、状态)。
在一个实施例中，服务器利用消息队列接收第一消息包和第二消息包。消息队列是分布式系统中重要的组件，使用消息队列主要是为了通过异步处理提高系统性能并降低系统耦合性。由于队列是一种先进先出的数据结构，所以使用消息队列消费消息时也是按照顺序来消费的。
服务器在不使用消息队列时，将接收的消息包经过解析后直接写入数据库，在高并发的情况下数据库压力剧增，响应速度变慢。服务器在使用消息队列时，首先将接收到的数据存储在消息队列中，再由消息队列的消费者进程从消息队列中获取数据，异步写入数据库。由于消息队列的处理速度快于数据库，因此服务器对数据的响应速度得到大幅提高。
其中，消息队列可以是ActiveMQ消息队列、RabbitMQ消息队列或者Kafka消息队列。
在一个实施例中，服务器将解析后的消息包存放在数据库中。
在一个实施例中，服务器将解析后的消息包存放在关系型数据库中，关系型数据库采用关系模型来组织数据，即以行和列的形式存储数据。关系型数据库这一系列的行和列组成一个临时保存数据的网格虚拟表，即为数据表。
在一个实施例中，服务器将解析后的消息包存放在SqlServer(Structured QueryLanguage Server)数据库中。SqlServer数据库是真正的客户机/服务器体系结构，具有图形化用户界面，使用SQL语句对数据库中数据进行各种各样的操作。
在另一个实施例中，服务器将解析后的消息包存放在Oracle数据库中。Oracle数据库以分布式数据库为核心，是一种客户/服务器体系结构的数据库，具有完整的数据管理功能并且实现了分布式处理功能。
在一个实施例中，服务器将解析后的消息包存放在非关系数据库中。非关系型数据库去掉了关系数据库的关系型特性，数据之间无关系，易于扩展。
在一个实施例中，服务器将解析后的消息包存放在键值存储数据库中。键值存储数据库中使用一个哈希表，哈希表中有一个特定的键和一个指针指向特定的数据。
在另一个实施例中，服务器将解析后的消息包存放在图数据库中。图数据库应用图形理论存储实体之间的关系信息。图数据库主要由结点集和连接结点的关系组成，结点集是图中一系列结点的集合，比较接近于关系数据库中所最常使用的表，关系是结点之间的关系。图数据库中的关系可以通过关系能够包含属性这一功能来提供更为丰富的关系展现方式。图数据库使用灵活的图形模型，并且能够扩展到多个服务器上。
在一个实施例中，服务器将解析后的消息包存放在Neo4j图数据库中。Neo4j是开源的，并支持多种编程语言。
S204，将火灾信息和状态监测数据渲染为三维动画。
为了实现火灾信息和消防设施状态的监测数据的可视化，方便消防管理人员根据火灾信息和消防设施的状态监测数据及时发现火灾险情和安全隐患，服务器将火灾信息和消防设施状态的监测数据渲染为三维动画。
在一个实施例中，服务器通过三维建模软件构建火灾信息和消防设施状态的监测数据的三维模型，并根据实时获取的监测数据对三维模型进行刷新，将三维模型渲染为三维动画。
S206，将三维动画添加于交互设备中的三维监测模型进行显示，并实时捕获对三维监测模型进行操作的事件；三维监测模型是根据建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建。
服务器将火灾信息和消防设施的状态监测数据的三维动画添加于交互设备中的三维监测模型进行显示。消防管理人员通过对三维监测模型进行操作，实现对火灾信息和消防设施的状态监测数据进行查看和管理。
在一个实施例中，将三维动画添加于交互设备中的三维监测模型进行显示包括：根据采集火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将三维动画加载到三维监测模型中进行显示。
在一个实施例中，服务器获取建筑物的三维空间数据、建筑物设施信息，以及消防设施信息和传感器设备信息；根据三维空间数据构建建筑物的三维空间模型；根据消防设施信息、传感器设备信息和建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；分别将消防设施模型、传感器模型和建筑物设施模型加载到三维空间模型中，得到三维监测模型。
其中，建筑物的三维空间数据是能够描述建筑物在三维空间中的结构的数据。建筑物设施信息是能够描述建筑物内部和外部设施的类型、位置、大小等的信息。消防设施信息是能够描述消防设施的类型、位置、数量等的信息。传感器设备信息是能够描述传感器的类型、位置、数量等的信息。
在一个实施例中，建筑物的三维空间数据、消防设施信息、传感器设备信息、建筑物设施信息是通过测量得到的物体各部分结构的长、宽、高、面积、角度等的数值数据。服务器在获取通过测量得到的建筑物的各部分结构的长、宽、高、面积、角度的三维空间数据之后，利用三维建模软件构建出建筑物的三维空间模型。然后再利用对消防设施、传感器设备和建筑物设施进行测量得到的消防设施信息、传感器设备信息和建筑物设施信息，通过三维建模软件分别构建消防设施模型、传感器模型和建筑物设施模型，并加载到建筑物的三维空间模型中得到三维监测模型。
通过三维建模软件构建的三维模型的精度高，细节特征完善，不仅可以表达目标物体的外部轮廓结构，还可以延伸到目标物体的内部展现独特的空间信息。服务器首先根据事先测量的建模对象的数据完成建模对象的框架，然后对建模对象的表面进行纹理贴图，使得模型表达更贴近现实。最后，服务器对构建的虚拟三维模型进行渲染，实现更加逼真的效果。
在一个实施例中，服务器利用3DMAX软件构建三维监测模型。3DMAX是基于PC系统的三维动画渲染和制作软件，功能强大，对硬件系统的要求较低。
在一个实施例中，服务器利用Sketch Up软件构建三维监测模型。SketchUp是一款可用于创建、共享和展示3D模型的软件。Sketch Up是平面建模，具有一个使用简单、内容详尽的颜色、线条和文本提示指导系统，不必键入坐标，就跟踪位置和完成相关建模操作。
在一个实施例中，服务器利用MAYA软件构建三维监测模型。MAYA软件的功能强大、体系完善，具有强大的工具集。
在一个实施例中，三维空间数据是摄像机从各个角度拍摄的建筑物、传感器设备、消防设施和建筑物设施的图像。服务器利用三维全景技术构建三维监测模型。服务器将获取的图像进行投影转换与拼接后生成虚拟的三维监测模型。三维全景技术将普通的二维平面图像模拟成三维空间，场景信息的表达完全采用多方位的图像展示，更加贴近现实，展示效果更加真实。同时，该技术还可以提供多种交互式操作，使用者可以用鼠标控制环视的方向，可左可右、可近可远观看物体或场景。
在一个实施例中，三维空间数据是通过三维激光扫描系统采集的建筑物、传感器设备、消防设施和建筑物设施的三维点云数据。服务器通过三维激光扫描技术构建三维监测模型。利用三维点云数据进行三维重建的流程包括点云配准、滤波稀释、轮廓线提取以及最终的模型构建。
在一个实施例中，服务器通过对相应的程序接口进行查询捕获消防管理人员的操作事件。消防管理人员根据实际需求对三维监测模型进行操作，产生操作的事件。例如，如果消防管理人员需要查看某个烟雾传感器的监测数据，则可以通过鼠标点击三维监测模型中该烟雾传感器对应的三维模型。例如，如果消防管理人员需要查看1号防火门的状态，则可以通过话筒输入“1号防火门”的语音。例如，如果消防管理人员需要变换观察三维监测模型的角度，则可以通过转动力矩球对三维监测模型进行操作。例如，如果消防管理人员需要调整观察的楼层，则可以通过键盘输入观察的楼层的层数，或者通过键盘上下移动楼层。
S208，利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值。
传感器将采集的火灾信息和状态监测数据发送至服务器，服务器利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值。
在一个实施例中，风险评估模型的训练步骤包括：获取火灾信息样本和状态监测数据样本；根据火灾信息样本和状态监测数据样本确定风险等级；利用火灾信息样本、状态监测数据样本和对应的风险等级，对风险评估模型进行模型训练，得到训练后的风险评估模型。
服务器从数据库中获取火灾信息样本和状态监测数据样本。并且根据历次火灾情况可以制定出火灾信息和消防设施的状态监测数据的风险等级表，服务器通过查询风险等级表确定各个火灾信息样本和状态监测数据样本对应的风险等级。例如烟雾浓度对应的风险等级表如表1所示，如果服务器接收到的一个火灾信息是烟雾浓度12obs/m，则该烟雾浓度对应的风险等级是三级。
表1
| 烟雾浓度 | 风险等级 |
| 0-4％obs/m | 一级 |
| 4％obs/m-10％obs/m | 二级 |
| 10％obs/m-30％obs/m | 三级 |
服务器将风险等级表单独进行存储，方便消防管理人员根据火灾信息和消防设施的状态监测数据的特点制定风险等级表，并且根据火灾发生情况对风险等级表进行调整。
服务器利用火灾信息样本、状态监测数据样本和对应的风险等级，对风险评估模型进行模型训练，得到训练后的风险评估模型。
在一个实施例中，服务器用有监督机器学习算法对风险评估模型进行模型训练得到训练后风险评估模型。有监督机器学习算法是指拥有一个输入变量和一个输出变量，使用某种算法去学习从输入到输出的映射函数。
在一个实施例中，服务器用朴素贝叶斯机器学习算法对风险评估模型进行模型训练得到训练后风险评估模型。朴素贝叶斯算法是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯算法结合先验概率和后验概率，避免了只使用先验概率的主观偏见，也避免了单独使用样本信息的过拟合现象，在数据集较大的情况下表现出较高的准确率，同时算法本身也比较简单。
在一个实施例中，服务器用支持向量机机器学习算法对风险评估模型进行模型训练得到训练后风险评估模型。支持向量机是一种二分类算法，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机。支持向量机包括核技巧，核技巧使它成为实质上的非线性分类器。支持向量机的学习策略是间隔最大化，间隔最大化可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。支持向量机学习算法就是求解凸二次规划的最优化算法。
在一个实施例中，服务器用无监督机器学习算法对风险评估模型进行模型训练得到训练后风险评估模型。无监督机器学习算法是指只拥有输入变量但是没有相关的输出变量，无监督学习的目标是对数据中潜在的结构和分布建模，以便对数据作更进一步的学习。
在一个实施例中，服务器用EM(Expectation Maximization，最大期望)机器学习算法对风险评估模型进行模型训练得到训练后风险评估模型。EM算法是一种迭代算法，用于含有隐变量的概率模型参数的极大似然估计，或极大后验概率。
在一个实施例中，服务器用K-MEANS聚类(K-means clustering algorithm，K均值聚类)机器学习算法对风险评估模型进行模型训练得到训练后风险评估模型。K-MEANS聚类机器学习算法是迭代求解的聚类分析算法。首先将数据分为K组，随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。
通过机器学习算法获得的风险评估模型是通过对大量的火灾信息和消防设施的状态监测数据进行训练得到的，可以对复杂的监测数据进行评估并且得到的风险值较为准确。并且，风险评估模型可以随获取的火灾信息和消防设施的状态监测数据和现实中火灾发生情况进行更新，与新的情况变化相适应。
在一个实施例中，风险值包括火灾探测风险值和消防设施风险值；风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值包括：利用火灾探测风险评估模型根据火灾信息进行风险评估，得到火灾探测风险值；利用消防设施风险评估模型根据状态监测数据进行风险评估，得到消防设施风险值。
服务器分别根据火灾信息和状态监测数据进行风险评估，使消防管理人员可以分别查看火灾探测风险值和消防设施风险值，并获知当前的火情状况和消防设施设备状态，并对火情和消防设施隐患进行针对性处理。
S210,根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
为了实现消防管理人员和交互设备的动态交互，并且将服务器对消防管理人员的操作事件的响应以可视化的方式显示，服务器根据火灾信息、状态监测数据和风险值生成与消防管理人员的操作事件对应的响应动画。
在一个实施例中，服务器在捕获对三维监测模型进行操作的事件后，根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画包括：对事件进行解析，得到事件中包含的命令；通过查找命令列表得到命令对应的程序接口；调用程序接口；执行程序接口对应的算法程序，以实现根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
服务器在捕获消防管理人员对三维监测模型进行操作的事件后，首先对事件进行解析，得到事件中包含的命令。例如，如果消防管理人员用鼠标点击了1号传感器，则服务器在捕获鼠标操作后，通过对鼠标操作事件进行解析得到消防管理人员的命令是“获取1号传感器的监测数据”。例如，如果消防管理人员用话筒输入了一段语音“火灾探测预警信息”，则服务器在捕获语音消息后，对语音消息进行解析，得到消防管理人员的命令是“获取火灾探测预警信息”。
在一个实施例中，事件中包含的命令是查看火灾探测预警信息命令。服务器调用与获取火灾探测预警信息命令相对应的程序接口对火灾信息和对应的火灾探测风险值进行处理并生成火灾探测预警信息。然后，服务器将火灾探测预警信息渲染为三维动画并在交互设备的三维监测模型中进行显示。
在一个实施例中，事件中包含的命令是查看消防设施状态预警信息命令。服务器调用与获取消防设施状态预警信息命令相对应的程序接口对消防设施的状态监测数据和对应的消防设施风险值进行处理并生成消防设施状态预警信息。然后，服务器将消防设施状态预警信息渲染为三维动画并在交互设备的三维监测模型中进行显示。
在一个实施例中，事件中包含的命令是查看风险值命令。服务器调用与获取风险值命令相对应的程序接口，将各火灾探测风险值和消防设施风险值渲染为三维动画并在交互设备的三维监测模型中进行显示。
在一个实施例中，事件中包含的命令是获取疏散路径命令。服务器调用与获取疏散路径命令相对应的程序接口，对火灾信息和消防设施的状态监测数据、建筑物的疏散通道的信息进行数学模拟运算，生成疏散路径，并且将疏散路径渲染为三维动画并在交互设备的三维监测模型中进行显示。
在一个实施例中，服务器利用风险评估模型根据火灾信息和状态监测数据进行风险评估得到风险值，并生成查看火灾探测预警信息命令和消防设施状态预警信息命令对应的响应动画的过程如图3所示。
S302，获取火灾信息样本和状态监测数据样本。
S304，根据火灾信息样本确定火灾风险等级；根据状态监测数据样本确定消防设施风险等级。
S306，利用火灾信息样本和火灾风险等级对火灾探测风险评估模型进行模型训练，得到训练后的火灾探测风险评估模型；
利用状态监测数据样本和消防设施风险等级对消防设施风险评估模型进行模型训练，得到训练后的消防设施风险评估模型。
S308，利用火灾探测风险评估模型根据火灾信息进行风险评估，得到火灾探测风险值；
利用消防设施风险评估模型根据状态监测数据进行风险评估，得到消防设施风险值。
S310，根据火灾信息和火灾探测风险值生成与查看火灾探测预警信息命令对应的响应动画；
根据状态监测数据和消防设施风险值生成与查看消防设施状态预警信息命令对应的响应动画。
上述S302至S310的具体内容可以参考上述S208至S210中的具体实现过程。
在一个实施例中，消防安全监测系统如图4所示。消防安全监测系统包括火灾监测传感器402、设施监测传感器404、信息汇集及处理单元406、风险评估模型生成单元408、三维模型构建单元410和交互单元412。
其中，火灾监测传感器402用于监测火灾信息，包括烟雾探测传感器4022、电路安全感应传感器4024、有害气体探测传感器4026。
设施监测传感器用于监测消防设施状态，包括消防水池水位监测传感器4042、消防水泵状态监测传感器4044、防火门状态监测传感器4046。
信息汇集及处理单元406用于接收火灾监测传感器402和设施监测传感器404发送的消息包，并对消息包进行解析，获得火灾信息和消防设施状态的监测数据。信息汇集及处理单元406还用于调用三维模型构建单元410构建三维监测模型，并将根据火灾信息和消防设施状态的监测数据渲染成的动画添加到三维监测模型中。还用于调用风险评估模型生成单元408，并根据火灾信息和消防设施状态的监测数据对建筑物进行风险评估生成风险值。
交互单元412包括火灾探测预警信息显示单元4120、仿真单元4122、消防设施状态预警信息显示单元4124、风险值显示单元4126、疏散路径显示单元4128。交互单元412用于对消防管理人员对三维监测模型的操作事件进行处理，并且根据火灾信息、状态监测数据和风险值生成与操作事件对应的响应动画，并在交互设备的三维监测模型中进行显示。
其中，仿真单元4122用于识别消防安全管理人员的操作时间，并调用相关的程序接口进行处理。
火灾探测预警信息显示单元4120用于显示火灾探测预警信息。消防设施状态预警信息显示单元4124用于显示消防设施状态预警信息。风险值显示单元4126用于显示风险值。疏散路径信息显示单元4128用于显示疏散路径。
消防安全监测系统的各部分的具体内容可以参考上述S202至S210中的具体实现过程。
服务器通过捕捉消防管理人员的操作事件，并且以动画形式对事件进行响应实现了消防管理人员和交互设备的动态人机交互。服务器用可视化的界面向消防管理人员显示火灾信息和消防设施的状态监测数据、火灾探测风险值和消防设施风险值，使消防管理人员及时获知火灾情况和消防设施状态以及消防设施存在的隐患，动态呈现出火灾发生、发展变化的过程及消防设施的工作状态。方便消防管理人员及时发现火情和消防设施隐患，并且采取相应的措施进行处理。
在上述实施例中，服务器首先接收传感器采集的火灾信息和消防设施的状态监测数据，然后利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到建筑物的风险值。消防管理人员通过风险值可以获知建筑物发生火灾的可能性和可能存在的安全隐患。通过利用风险评估模型进行风险评估可以使消防管理人员及时快速的根据大量、复杂的数据发现火灾风险和消防设施安全隐患。服务器通过在交互设备中显示对火灾信息和状态监测数据进行渲染生成的三维动画和与消防管理人员的操作事件对应的三维动画，实现消防安全监测的可视化和消防管理人员和交互设备的动态交互，使消防管理人员可以更方便直观的查看火灾信息和状态监测数据以及服务器对操作事件的响应结果，提高了消防管理人员对火灾的识别和处理能力。
应该理解的是，虽然图2-4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2-4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的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5所示，提供了一种消防安全监测装置，包括：获取模块502、渲染模块504、添加模块506、捕获模块508、风险评估模块510和生成模块512，其中：
获取模块502，用于获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；
渲染模块504，用于将火灾信息和状态监测数据渲染为三维动画；
添加模块506，用于将三维动画添加于交互设备中的三维监测模型进行显示；
捕获模块508，用于实时捕获对三维监测模型进行操作的事件；三维监测模型是根据建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；
风险评估模块510，用于利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值；
生成模块512，用于根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
在上述实施例中，服务器首先接收传感器采集的火灾信息和消防设施的状态监测数据，然后利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到建筑物的风险值。消防管理人员通过风险值可以获知建筑物发生火灾的可能性和可能存在的安全隐患。通过利用风险评估模型进行风险评估可以使消防管理人员及时快速的根据大量、复杂的数据发现火灾风险和消防设施安全隐患。服务器通过在交互设备中显示对火灾信息和状态监测数据进行渲染生成的三维动画和与消防管理人员的操作事件对应的三维动画，实现消防安全监测的可视化和消防管理人员和交互设备的动态交互，使消防管理人员可以更方便直观的查看火灾信息和状态监测数据以及服务器对操作事件的响应结果，提高了消防管理人员对火灾的识别和处理能力。
在一个实施例中，如图6所示，传感器包括火灾监测传感器和设施监测传感器；获取模块502还用于：
接收火灾监测传感器发送的第一消息包；
接收设施监测传感器发送的第二消息包；
对第一消息包和第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
在一个实施例中，装置还包括：
获取模块502，还用于获取建筑物的三维空间数据、建筑物设施信息，以及消防设施信息和传感器设备信息；
构建模块514，用于根据三维空间数据构建建筑物的三维空间模型；根据消防设施信息、传感器设备信息和建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；
加载模块516，用于分别将消防设施模型、传感器模型和建筑物设施模型加载到三维空间模型中，得到三维监测模型。
在一个实施例中，添加模块506，还用于：
根据采集火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将三维动画加载到三维监测模型中进行显示。
在一个实施例中，装置还包括：
获取模块502，还用于获取火灾信息样本和状态监测数据样本；
确定模块518，用于根据火灾信息样本和状态监测数据样本确定风险等级；
模型训练模块520，用于利用火灾信息样本、状态监测数据样本和对应的风险等级，对风险评估模型进行模型训练，得到训练后的风险评估模型。
在一个实施例中，风险值包括火灾探测风险值和消防设施风险值；风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；
风险评估模块510还用于：
利用火灾探测风险评估模型根据火灾信息进行风险评估，得到火灾探测风险值；
利用消防设施风险评估模型根据状态监测数据进行风险评估，得到消防设施风险值。
在一个实施例中，生成模块512还用于：
对事件进行解析，得到事件中包含的命令；
通过查找命令列表得到命令对应的程序接口；
调用程序接口；
执行程序接口对应的算法程序，以实现根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
关于消防安全监测装置的具体限定可以参见上文中对于消防安全监测方法的限定，在此不再赘述。上述消防安全监测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服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、计算机程序和数据库。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。该计算机设备的数据库用于存储消防安全监测数据。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消防安全监测方法。
本领域技术人员可以理解，图7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，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；将火灾信息和状态监测数据渲染为三维动画；将三维动画添加于交互设备中的三维监测模型进行显示，并实时捕获对三维监测模型进行操作的事件；三维监测模型是根据建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值；根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
传感器包括火灾监测传感器和设施监测传感器；获取传感器采集建筑物的火灾信息和消防设施的状态监测数据包括：接收火灾监测传感器发送的第一消息包；接收设施监测传感器发送的第二消息包；对第一消息包和第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取建筑物的三维空间数据、建筑物设施信息，以及消防设施信息和传感器设备信息；根据三维空间数据构建建筑物的三维空间模型；根据消防设施信息、传感器设备信息和建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；分别将消防设施模型、传感器模型和建筑物设施模型加载到三维空间模型中，得到三维监测模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：将三维动画添加于交互设备中的三维监测模型进行显示包括：根据采集火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将三维动画加载到三维监测模型中进行显示。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取火灾信息样本和状态监测数据样本；火灾信息样本和状态监测数据样本确定风险等级；利用火灾信息样本、状态监测数据样本和对应的风险等级，对风险评估模型进行模型训练，得到训练后的风险评估模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：风险值包括火灾探测风险值和消防设施风险值；风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值包括：利用火灾探测风险评估模型根据火灾信息进行风险评估，得到火灾探测风险值；利用消防设施风险评估模型根据状态监测数据进行风险评估，得到消防设施风险值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对事件进行解析，得到事件中包含的命令；通过查找命令列表得到命令对应的程序接口；调用程序接口；执行程序接口对应的算法程序，以实现根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；将火灾信息和状态监测数据渲染为三维动画；将三维动画添加于交互设备中的三维监测模型进行显示，并实时捕获对三维监测模型进行操作的事件；三维监测模型是根据建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值；根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：传感器包括火灾监测传感器和设施监测传感器；获取传感器采集建筑物的火灾信息和消防设施的状态监测数据包括：接收火灾监测传感器发送的第一消息包；接收设施监测传感器发送的第二消息包；对第一消息包和第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取建筑物的三维空间数据、建筑物设施信息，以及消防设施信息和传感器设备信息；根据三维空间数据构建建筑物的三维空间模型；根据消防设施信息、传感器设备信息和建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；分别将消防设施模型、传感器模型和建筑物设施模型加载到三维空间模型中，得到三维监测模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将三维动画添加于交互设备中的三维监测模型进行显示包括：根据采集火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将三维动画加载到三维监测模型中进行显示。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取火灾信息样本和状态监测数据样本；火灾信息样本和状态监测数据样本确定风险等级；利用火灾信息样本、状态监测数据样本和对应的风险等级，对风险评估模型进行模型训练，得到训练后的风险评估模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：风险值包括火灾探测风险值和消防设施风险值；风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；利用风险评估模型根据火灾信息和状态监测数据进行风险评估，得到风险值包括：利用火灾探测风险评估模型根据火灾信息进行风险评估，得到火灾探测风险值；利用消防设施风险评估模型根据状态监测数据进行风险评估，得到消防设施风险值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对事件进行解析，得到事件中包含的命令；通过查找命令列表得到命令对应的程序接口；调用程序接口；执行程序接口对应的算法程序，以实现根据火灾信息、状态监测数据和风险值生成与事件对应的响应动画。
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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)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)
1.一种消防安全监测方法，其特征在于，所述方法包括：
获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；
将所述火灾信息和所述状态监测数据渲染为三维动画；
将所述三维动画添加于交互设备中的三维监测模型进行显示，并实时捕获对所述三维监测模型进行操作的事件；所述三维监测模型是根据所述建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；
利用风险评估模型根据所述火灾信息和所述状态监测数据进行风险评估，得到风险值；
根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
2.根据权利要求1所述的方法，其特征在于，所述传感器包括火灾监测传感器和设施监测传感器；所述获取传感器采集建筑物的火灾信息和消防设施的状态监测数据包括：
接收所述火灾监测传感器发送的第一消息包；
接收所述设施监测传感器发送的第二消息包；
对所述第一消息包和所述第二消息包进行解析，得到建筑物的火灾信息和消防设施的状态监测数据。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述建筑物的所述三维空间数据、所述建筑物设施信息，以及所述消防设施信息和所述传感器设备信息；
根据所述三维空间数据构建所述建筑物的三维空间模型；
根据所述消防设施信息、所述传感器设备信息和所述建筑物设施信息分别构建消防设施模型、传感器模型和建筑物设施模型；
分别将所述消防设施模型、所述传感器模型和所述建筑物设施模型加载到所述三维空间模型中，得到三维监测模型。
4.根据权利要求2所述的方法，其特征在于，所述将所述三维动画添加于交互设备中的三维监测模型进行显示包括：
根据采集所述火灾信息的火灾监测传感器和对应的传感器模型之间的逻辑映射关系，以及采集所述状态监测数据的设施监测传感器和对应的传感器模型之间的逻辑映射关系，将所述三维动画加载到所述三维监测模型中进行显示。
5.根据权利要求1所述的方法，其特征在于，所述风险评估模型的训练步骤包括：
获取火灾信息样本和状态监测数据样本；
根据所述火灾信息样本和所述状态监测数据样本确定风险等级；
利用所述火灾信息样本、所述状态监测数据样本和对应的所述风险等级，对所述风险评估模型进行模型训练，得到训练后的风险评估模型。
6.根据权利要求5所述的方法，其特征在于，所述风险值包括火灾探测风险值和消防设施风险值；所述风险评估模型包括火灾探测风险评估模型和消防设施风险评估模型；
所述利用风险评估模型根据所述火灾信息和所述状态监测数据进行风险评估，得到风险值包括：
利用所述火灾探测风险评估模型根据所述火灾信息进行风险评估，得到火灾探测风险值；
利用消防设施风险评估模型根据所述状态监测数据进行风险评估，得到消防设施风险值。
7.根据权利要求1所述的方法，其特征在于，所述根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画包括：
对所述事件进行解析，得到事件中包含的命令；
通过查找命令列表得到所述命令对应的程序接口；
调用所述程序接口；
执行所述程序接口对应的算法程序，以实现根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
8.一种消防安全监测装置，其特征在于，所述装置包括：
获取模块，用于获取传感器采集建筑物的火灾信息和消防设施的状态监测数据；
渲染模块，用于将所述火灾信息和所述状态监测数据渲染为三维动画；
添加模块，用于将所述三维动画添加于交互设备中的三维监测模型进行显示；
捕获模块，用于实时捕获对所述三维监测模型进行操作的事件；所述三维监测模型是根据所述建筑物的三维空间数据、消防设施信息、传感器设备信息和建筑物设施信息构建；
风险评估模块，用于利用风险评估模型根据所述火灾信息和所述状态监测数据进行风险评估，得到风险值；
生成模块，用于根据所述火灾信息、所述状态监测数据和所述风险值生成与所述事件对应的响应动画。
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7中任一项所述的方法的步骤。
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7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010440812.3A CN111612346A (zh) | 2020-05-22 | 2020-05-22 | 消防安全监测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010440812.3A CN111612346A (zh) | 2020-05-22 | 2020-05-22 | 消防安全监测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111612346A true CN111612346A (zh) | 2020-09-01 |
Family
ID=72196122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010440812.3A Pending CN111612346A (zh) | 2020-05-22 | 2020-05-22 | 消防安全监测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111612346A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561276A (zh) * | 2020-12-08 | 2021-03-26 | 珠海优特电力科技股份有限公司 | 作业操作风险演示方法及装置、存储介质、电子装置 |
| CN113162229A (zh) * | 2021-03-24 | 2021-07-23 | 北京潞电电气设备有限公司 | 一种监测装置及其方法 |
| CN113395491A (zh) * | 2021-06-11 | 2021-09-14 | 上海海事大学 | 船舶机舱远程监测报警系统 |
| CN114697635A (zh) * | 2020-12-31 | 2022-07-01 | 三一汽车制造有限公司 | 臂架设备的场景再现方法、系统、电子设备及存储介质 |
| CN114862005A (zh) * | 2022-04-27 | 2022-08-05 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 一种城市地下管廊应急救援管理系统 |
| CN115290135A (zh) * | 2022-07-21 | 2022-11-04 | 中成空间（深圳）智能技术有限公司 | 一种应用于气膜系统的智能防火监测方法及系统 |
| CN116943088A (zh) * | 2023-09-20 | 2023-10-27 | 宁波麦思捷科技有限公司武汉分公司 | 一种消防训练设备数字孪生方法及系统 |
| CN117455270A (zh) * | 2023-12-22 | 2024-01-26 | 成都理工大学 | 一种火灾应急处理方法、系统、电子设备及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060091361A (ko) * | 2005-02-14 | 2006-08-21 | 엘지전자 주식회사 | 3차원 오브젝트 애니메이션 구현 방법 및 그 시스템 |
| CN103927410A (zh) * | 2014-03-26 | 2014-07-16 | 中国石油化工股份有限公司 | 化学事故应急预案动态推演模拟系统和方法 |
| US20150317418A1 (en) * | 2014-05-02 | 2015-11-05 | Honeywell International Inc. | Providing three-dimensional monitoring of a facility |
| CN107146357A (zh) * | 2017-07-14 | 2017-09-08 | 重庆和航科技股份有限公司 | 基于物联网的火灾事前、事中和事后追溯方法及监测系统 |
| CN108256727A (zh) * | 2017-12-04 | 2018-07-06 | 上海瑞眼科技有限公司 | 一种火灾风险评估分析的方法及设备 |
| CN108663979A (zh) * | 2018-05-08 | 2018-10-16 | 江南大学 | 物联网技术与3d集成的高塔综合监控系统 |
| CN108986377A (zh) * | 2018-07-09 | 2018-12-11 | 天维尔信息科技股份有限公司 | 一种三维消防接处警联动系统 |
| CN110490432A (zh) * | 2019-07-30 | 2019-11-22 | 武汉理工光科股份有限公司 | 基于Hausdorff距离的双向基准特征消防风险评估方法及系统 |
-
2020
- 2020-05-22 CN CN202010440812.3A patent/CN111612346A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060091361A (ko) * | 2005-02-14 | 2006-08-21 | 엘지전자 주식회사 | 3차원 오브젝트 애니메이션 구현 방법 및 그 시스템 |
| CN103927410A (zh) * | 2014-03-26 | 2014-07-16 | 中国石油化工股份有限公司 | 化学事故应急预案动态推演模拟系统和方法 |
| US20150317418A1 (en) * | 2014-05-02 | 2015-11-05 | Honeywell International Inc. | Providing three-dimensional monitoring of a facility |
| CN107146357A (zh) * | 2017-07-14 | 2017-09-08 | 重庆和航科技股份有限公司 | 基于物联网的火灾事前、事中和事后追溯方法及监测系统 |
| CN108256727A (zh) * | 2017-12-04 | 2018-07-06 | 上海瑞眼科技有限公司 | 一种火灾风险评估分析的方法及设备 |
| CN108663979A (zh) * | 2018-05-08 | 2018-10-16 | 江南大学 | 物联网技术与3d集成的高塔综合监控系统 |
| CN108986377A (zh) * | 2018-07-09 | 2018-12-11 | 天维尔信息科技股份有限公司 | 一种三维消防接处警联动系统 |
| CN110490432A (zh) * | 2019-07-30 | 2019-11-22 | 武汉理工光科股份有限公司 | 基于Hausdorff距离的双向基准特征消防风险评估方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 汤华清;: "高层建筑火灾人员疏散风险监测的研究" * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561276A (zh) * | 2020-12-08 | 2021-03-26 | 珠海优特电力科技股份有限公司 | 作业操作风险演示方法及装置、存储介质、电子装置 |
| CN112561276B (zh) * | 2020-12-08 | 2023-12-01 | 珠海优特电力科技股份有限公司 | 作业操作风险演示方法及装置、存储介质、电子装置 |
| CN114697635A (zh) * | 2020-12-31 | 2022-07-01 | 三一汽车制造有限公司 | 臂架设备的场景再现方法、系统、电子设备及存储介质 |
| CN114697635B (zh) * | 2020-12-31 | 2023-11-10 | 三一汽车制造有限公司 | 臂架设备的场景再现方法、系统、电子设备及存储介质 |
| CN113162229A (zh) * | 2021-03-24 | 2021-07-23 | 北京潞电电气设备有限公司 | 一种监测装置及其方法 |
| CN113395491A (zh) * | 2021-06-11 | 2021-09-14 | 上海海事大学 | 船舶机舱远程监测报警系统 |
| CN114862005A (zh) * | 2022-04-27 | 2022-08-05 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 一种城市地下管廊应急救援管理系统 |
| CN115290135A (zh) * | 2022-07-21 | 2022-11-04 | 中成空间（深圳）智能技术有限公司 | 一种应用于气膜系统的智能防火监测方法及系统 |
| CN115290135B (zh) * | 2022-07-21 | 2023-04-25 | 中成空间（深圳）智能技术有限公司 | 一种应用于气膜系统的智能防火监测方法及系统 |
| CN116943088A (zh) * | 2023-09-20 | 2023-10-27 | 宁波麦思捷科技有限公司武汉分公司 | 一种消防训练设备数字孪生方法及系统 |
| CN116943088B (zh) * | 2023-09-20 | 2023-12-12 | 宁波麦思捷科技有限公司武汉分公司 | 一种消防训练设备数字孪生方法及系统 |
| CN117455270A (zh) * | 2023-12-22 | 2024-01-26 | 成都理工大学 | 一种火灾应急处理方法、系统、电子设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111612346A (zh) | 消防安全监测方法、装置、计算机设备和存储介质 | |
| CN111124840B (zh) | 业务运维中告警的预测方法、装置与电子设备 | |
| Zhan et al. | A high-precision forest fire smoke detection approach based on ARGNet | |
| WO2015062209A1 (zh) | 随机森林分类模型的可视化优化处理方法及装置 | |
| US20110202326A1 (en) | Modeling social and cultural conditions in a voxel database | |
| US20230153387A1 (en) | Training method for human body attribute detection model, electronic device and medium | |
| CN112530021B (zh) | 用于处理数据的方法、装置、设备以及存储介质 | |
| CN111523277A (zh) | 火灾预测方法、存储装置、处理器 | |
| CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
| CN113158391A (zh) | 多维网络节点分类的可视化方法、系统、设备和存储介质 | |
| CN114143220A (zh) | 实时数据可视化平台 | |
| CN112861998A (zh) | 神经网络模型构建方法、安全通道异常监测方法及系统 | |
| CN117351521B (zh) | 基于数字孪生的输电线鸟类检测方法、系统、介质及设备 | |
| KR102213204B1 (ko) | 인공 신경망을 이용하여, gis 기반의 소방 시설을 관리하고 화재를 예방하는 방법 및 장치 | |
| CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
| Eaglin et al. | Space-time kernel density estimation for real-time interactive visual analytics | |
| KR102495864B1 (ko) | 디지털 트윈 모델을 도출하는 장치, 방법 및 컴퓨터 프로그램 | |
| CN112788356B (zh) | 一种直播审核的方法、装置、服务器和存储介质 | |
| CN112926681B (zh) | 一种基于深度卷积神经网络的目标检测方法及装置 | |
| CN112989957A (zh) | 适用于设备柜的安全监测方法及系统 | |
| Georgiades et al. | Predicting and visualizing cost propagation due to engineering design changes | |
| CN116467610B (zh) | 基于5g消息的数据拓扑分析方法、装置、设备及存储介质 | |
| Lestari et al. | Fire detection system on surveillance videos using faster region-based convolutional neural network for high buildings evacuation | |
| de Moraes et al. | A fuzzy gamma naive bayes classifier | |
| US20230195838A1 (en) | Discovering distribution shifts in embeddings |
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 |