CN111951508B - 一种火情分级方法、装置、介质和电子设备 - Google Patents
一种火情分级方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN111951508B CN111951508B CN202010631910.5A CN202010631910A CN111951508B CN 111951508 B CN111951508 B CN 111951508B CN 202010631910 A CN202010631910 A CN 202010631910A CN 111951508 B CN111951508 B CN 111951508B
- Authority
- CN
- China
- Prior art keywords
- fire
- combustion
- grid
- color
- environment image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种火情分级方法、装置、介质和电子设备。所述火情分级方法包括:获取安全箱的天眼摄像头采集的环境图像;所述安全箱对应管理网格内一个网格区域;分析所述环境图像,获取所述环境图像中的燃烧信息;基于所述燃烧信息确定网格火情评估值;在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级。本公开保证了火情识别的时效性。基于与火情相关的每个网格区域进行网格火情评估,生成的网格火情评估值为火情分级提供了参考依据。通过火情的影响范围和火情的剧烈程度确定火情等级,从而使火情分级更准确,更科学。通过智能火情分级,避免了人为判断的局限性,提高了火灾报警的时效性和准确性。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种火情分级方法、装置、介质和电子设备。
背景技术
自然灾难是人类依赖的自然界中所发生的火情现象,自然灾难对人类社会所造成的危害往往是触目惊心的。它们之中既有地震、火山爆发、泥石流、海啸、台风、洪水和火情等突发性灾难;也有地面沉降、土地沙漠化、干旱、海岸线变化等在较长时间中才能逐渐显现的渐变性灾难;还有臭氧层变化、水体污染、水土流失、酸雨等人类活动导致的环境灾难。
以消防指挥系统为例,当前,其主要以消防队为核心。当发生火情时,需通过火情分级电话向消防指挥中心报告火情,并由消防指挥中心下派消防任务到管辖区域的消防队,再由消防队具体执行消防任务。但是,由于报告火情的人员对火情的判断不够专业,无法准确的描述火情的范围和等级。等到消防人员赶到并摸清火情后再调集人员,可能已经错过了最佳的救火时间。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的目的在于提供一种火情分级方法、装置、介质和电子设备,能够解决上述提到的至少一个技术问题。具体方案如下:
根据本公开的具体实施方式,第一方面,本公开提供一种火情分级方法,包括:
获取安全箱的天眼摄像头采集的环境图像;所述安全箱对应管理网格内一个网格区域;
分析所述环境图像,获取所述环境图像中的燃烧信息;
基于所述燃烧信息确定网格火情评估值;
在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级。
根据本公开的具体实施方式,第二方面,本公开提供一种火情分级装置,包括:
获取环境图像单元,用于获取安全箱的天眼摄像头采集的环境图像;所述安全箱对应管理网格内一个网格区域;
分析环境图像单元,用于分析所述环境图像,获取所述环境图像中的燃烧信息;
确定网格火情评估值单元,用于基于所述燃烧信息确定网格火情评估值;
确定火情等级单元,用于在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级。
根据本公开的具体实施方式,第三方面,本公开提供一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如第一方面任一项所述火情分级方法。
根据本公开的具体实施方式,第四方面,本公开提供一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如第一方面任一项所述火情分级方法。
本公开实施例的上述方案与现有技术相比,至少具有以下有益效果:
本公开提供了一种火情分级方法、装置、介质和电子设备。本公开通过管理网格内每个网格区域设置的天眼摄像头实时采集环境图像,保证了火情识别的时效性。基于与火情相关的每个网格区域进行网格火情评估,生成的网格火情评估值为火情分级提供了参考依据。通过火情的影响范围和火情的剧烈程度确定火情等级。从而使火情分级更准确,更科学。通过智能火情分级,避免了人为判断的局限性,提高了火灾报警的时效性和准确性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1示出了根据本公开实施例的火情分级方法的流程图;
图2示出了根据本公开实施例的火情分级装置的单元框图;
图3示出了根据本公开的实施例的电子设备连接结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面结合附图详细说明本公开的可选实施例。
对本公开提供的第一实施例,即一种火情分级方法的实施例。
下面结合图1对本公开实施例进行详细说明。
步骤S101,获取安全箱的天眼摄像头采集的环境图像。
本公开实施例将消防管理区域按照网格的形式划分成多个网格区域,所有网格区域组成了消防的管理网格。安全箱对应管理网格内一个网格区域,每个安全箱具有唯一标识,且所述安全柜的唯一标识对应所述管理网格内一个网格区域,安全箱用于安全文化传播、火情发生时向志愿者提供消防应急物品、现场监控、与消防指挥中心的无线通讯和智能火情报警,其中包括:消防应急物品、显示屏、广播音箱、麦克风、不间断电源、天眼摄像头、报警按钮、信息采集器和中控系统。
天眼摄像头用于实时监控现场环境的变化情况,实时采集环境图像,用于智能判断火情,并生成火情等级。为了扩大监控现场的范围,天眼摄像头包括广角摄像头。
因此,网格区域越小,安全箱安装的越密集,从而能够减少监控死角,提高消防报警的智能化程度和有效性。对于高层建筑至少每层设置一个网格区域。
步骤S102,分析所述环境图像,获取所述环境图像中的燃烧信息。
本步骤通过天眼摄像头采集的环境图像实时分析现场环境的变化情况。
可选的,所述燃烧信息包括所述环境图像中的燃烧区和所述燃烧区内每个像素的燃烧颜色值。
所述燃烧区是指在环境图像中记录的与火情相关的区域。在燃烧区中显示的像素的颜色值也就是燃烧颜色值。每个像素的燃烧颜色值与实际燃烧所显示的颜色对应。
颜色值也就是RGB值,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加得到各式各样的颜色,RGB即是代表红、绿、蓝三个通道的颜色。
通常情况下,RGB各有256级亮度,用数字表示为从0、1、2...255。其中,数字最高是255,且0也是数值之一,因此共256级。
按照计算,256级的RGB色彩总共能组合出约1678万种色彩,即256×256×256=16777216。通常也被简称为1600万色或千万色。也称为24位色(即224)。
所述分析所述环境图像,获取所述环境图像中的燃烧信息,包括以下步骤:
步骤S102-1,分析所述环境图像,获取所述燃烧区和所述燃烧区内每个像素的燃烧颜色值。
进一步的,所述分析所述环境图像,获取所述燃烧区和所述燃烧区内每个像素的燃烧颜色值,包括以下步骤:
步骤S102-1-1,根据燃烧分析模型对所述环境图像进行燃烧边界分析,获取所述环境图像的燃烧区,以及所述燃烧区内每个像素的燃烧颜色值。
所述燃烧分析模型包括基于历史火情图像训练的神经网络模型。
关于如何训练燃烧分析模型以及采用燃烧分析模型对所述环境图像进行燃烧边界分析的过程本实施例不做详述,可参照现有技术中各种现有实现方式实施。
步骤S103,基于所述燃烧信息确定网格火情评估值。
网格火情评估值是对天眼摄像头所监控的网格区域进行火情评估后生成的值。目的是对与火情相关的每个网格区域进行准确评估,以便为火情分级提供参考依据。
可选的,所述基于所述燃烧信息确定网格火情评估值,包括以下步骤:
步骤S103-1,在所述燃烧区中,分别统计所述燃烧颜色值满足预设燃烧颜色阈值的第一像素数量。
所述预设燃烧颜色阈值包括预先设置的表示燃烧剧烈程度的燃烧颜色阈值。
本公开实施例根据燃烧剧烈程度所表现的燃烧颜色值的不同,预先设定了多个没有交集的预设燃烧颜色阈值,每个预设燃烧颜色阈值对应一种燃烧程度的颜色值区间。
燃烧区中所有像素的燃烧颜色值至少满足一个预设燃烧颜色阈值,也就是燃烧区中所有像素的燃烧颜色值至少在一个预设燃烧颜色阈值内。燃烧区中像素的燃烧颜色值可能分布在多个预设燃烧颜色阈值内。
步骤S103-2,计算每个第一像素数量占所述燃烧区内像素数量的百分比,获取燃烧颜色值百分比。
为了能够获取准确的网格火情评估值,计算每个预设燃烧颜色阈值内第一像素数量占所述燃烧区内像素数量的百分比。
步骤S103-3,基于所述燃烧颜色值百分比和预设燃烧颜色阈值权重获取所述网格火情评估值。
当燃烧颜色值分布在多个预设燃烧颜色阈值内时,通过上述步骤能够较准确的获取网格火情评估值。
步骤S104,在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级。
如果相邻网格区域均存在网格火情评估值,则能够确定该相邻网格区域是同一个火情。
因此,基于火情网格区域的范围和每个网格区域的网格火情评估值能够确定火情等级。
所述基于相邻网格区域对应的网格火情评估值确定火情等级,包括以下步骤:
步骤S104-1,基于相邻网格区域对应的网格火情评估值拟合成火情热力图。
为了能够评估包括多个网格区域范围内的同一火情,本公开实施例将属于同一火情的多个网格区域对应的网格火情评估值通过火情热力图的形式显示。
所述基于相邻网格区域对应的网格火情评估值拟合成火情热力图,包括以下步骤:
步骤S104-1-1,在地图对应所述网格区域中添加所述网格火情评估值对应的颜色值。
网格火情评估值对应的颜色值是预先设置的颜色值。通常,颜色越深表明网格火情评估值越高,燃烧的剧烈程度越高。
步骤S104-1-2,对相邻网格区域边缘所述颜色值进行平滑处理,拟合成火情热力图。
由于网格火情评估值是通过网格区域中天眼摄像头采集的环境图像生成的,其中网格区域间存在天眼摄像头无法采集的盲区,因此,每个网格区域显示的颜色值可能差距很大,不符合实际火情。为了使火情热力图更接近于实际情况,本公开实施例,对火情热力图进行平滑处理,避免了网格区域间火情热力图的突兀感,使显示效果更接近于实际火情。
步骤S104-2,基于所述火情热力图确定所述火情等级。
通过火情热力图确定所述火情等级,使显示的火情更直观,有助于对火情的理解和判断。
可选的,所述基于所述火情热力图确定所述火情等级,包括以下步骤:
步骤S104-2-1,在所述火情热力图中,分别统计颜色值满足预设热力图颜色阈值的第二像素数量。
所述预设热力图颜色阈值包括预先设置的基于颜色值划分的表示热力程度的颜色阈值。
本公开实施例根据燃烧剧烈程度在所述火情热力图中所表现的颜色值的不同,预先设定了多个没有交集的预设热力图颜色阈值,每个预设热力图颜色阈值对应一种燃烧程度的颜色区间。
火情热力图中所有像素的颜色值至少满足一个预设热力图颜色阈值,也就是火情热力图中所有像素的颜色值至少在一个预设热力图颜色阈值内。火情热力图中像素的颜色值可能分布在多个预设热力图颜色阈值内。
步骤S104-2-2,计算每个第二像素数量占所述热力图内像素数量的百分比,获取热力图颜色值百分比。
计算每个预设热力图颜色阈值内第二像素数量占所述火情热力图内像素数量的百分比。
步骤S104-2-3,基于预设热力图颜色阈值权重、所述热力图颜色值百分比和所述网格火情评估值对应的相邻网格区域数量确定所述火情等级。
通过所述网格火情评估值对应的相邻网格区域数量能够获取火情的影响范围。
通过预设热力图颜色阈值权重和所述热力图颜色值百分比能够更科学的获取火情的剧烈程度。
通过火情的影响范围和火情的剧烈程度确定火情等级。
本公开实施例通过管理网格内每个网格区域设置的天眼摄像头实时采集环境图像,保证了火情识别的时效性。基于与火情相关的每个网格区域进行网格火情评估,生成的网格火情评估值为火情分级提供了参考依据。通过火情的影响范围和火情的剧烈程度确定火情等级。从而使火情分级更准确,更科学。通过智能火情分级,避免了人为判断的局限性,提高了火灾报警的时效性和准确性。
与本公开提供的第一实施例相对应,本公开还提供了第二实施例,即一种火情分级装置。由于第二实施例基本相似于第一实施例,所以描述得比较简单,相关的部分请参见第一实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
图2示出了本公开提供的一种火情分级装置的实施例。
请参见图2所示,本公开提供一种火情分级装置,包括:
获取环境图像单元201,用于获取安全箱的天眼摄像头采集的环境图像;所述安全箱对应管理网格内一个网格区域;
分析环境图像单元202,用于分析所述环境图像,获取所述环境图像中的燃烧信息;
确定网格火情评估值单元203,用于基于所述燃烧信息确定网格火情评估值;
确定火情等级单元204,用于在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级。
可选的,所述燃烧信息包括所述环境图像中的燃烧区和所述燃烧区内每个像素的燃烧颜色值;
在所述分析环境图像单元202中,包括:
分析环境图像子单元,用于分析所述环境图像,获取所述燃烧区和所述燃烧区内每个像素的所述燃烧颜色值。
可选的,在所述分析环境图像子单元中,包括:
模型分析子单元,用于根据燃烧分析模型对所述环境图像进行燃烧边界分析,获取所述环境图像的燃烧区,以及所述燃烧区内每个像素的燃烧颜色值;所述燃烧分析模型包括基于历史火情图像训练的神经网络模型。
可选的,在所述确定网格火情评估值单元中,包括:
统计第一像素数量子单元,用于在所述燃烧区中,分别统计所述燃烧颜色值满足预设燃烧颜色阈值的第一像素数量;所述预设燃烧颜色阈值包括预先设置的表示燃烧剧烈程度的燃烧颜色阈值;
计算燃烧颜色值百分比子单元,用于计算每个第一像素数量占所述燃烧区内像素数量的百分比,获取燃烧颜色值百分比;
获取网格火情评估值子单元,用于基于所述燃烧颜色值百分比和预设燃烧颜色阈值权重获取所述网格火情评估值。
可选的,在所述确定火情等级单元中,包括:
拟合成火情热力图子单元,用于基于相邻网格区域对应的网格火情评估值拟合成火情热力图;
第一确定火情等级子单元,用于基于所述火情热力图确定所述火情等级。
可选的,在所述拟合成火情热力图子单元中,包括:
添加颜色值子单元,用于在地图对应所述网格区域中添加所述网格火情评估值对应的颜色值;
平滑处理子单元,用于对相邻网格区域边缘所述颜色值进行平滑处理,拟合成火情热力图。
可选的,在所述确定火情等级单元204中,包括:
统计第二像素数量子单元,用于在所述火情热力图中,分别统计颜色值满足预设热力图颜色阈值的第二像素数量;所述预设热力图颜色阈值包括预先设置的基于颜色值划分的表示燃烧剧烈程度的颜色阈值;
计算热力图颜色值百分比子单元,用于计算每个第二像素数量占所述热力图内像素数量的百分比,获取热力图颜色值百分比;
第二确定火情等级子单元,用于基于预设热力图颜色阈值权重、所述热力图颜色值百分比和所述网格火情评估值对应的相邻网格区域数量确定所述火情等级。
本公开实施例通过管理网格内每个网格区域设置的天眼摄像头实时采集环境图像,保证了火情识别的时效性。基于与火情相关的每个网格区域进行网格火情评估,生成的网格火情评估值为火情分级提供了参考依据。通过火情的影响范围和火情的剧烈程度确定火情等级。从而使火情分级更准确,更科学。通过智能火情分级,避免了人为判断的局限性,提高了火灾报警的时效性和准确性。
本公开实施例提供了第三实施例,即一种电子设备,该设备用于火情分级方法,所述电子设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一实施例所述火情分级方法。
本公开实施例提供了第四实施例,即一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行如第一实施例中所述火情分级方法。
下面参考图3,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (7)
1.一种火情分级方法,其特征在于,包括:
获取安全箱的天眼摄像头采集的环境图像;所述安全箱对应管理网格内一个网格区域;
分析所述环境图像,获取所述环境图像中的燃烧信息,其中,所述燃烧信息包括所述环境图像中的燃烧区和所述燃烧区内每个像素的燃烧颜色值;
基于所述燃烧信息确定网格火情评估值;
在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级;
其中,所述分析所述环境图像,获取所述环境图像中的燃烧信息,包括:
根据燃烧分析模型对所述环境图像进行燃烧边界分析,获取所述环境图像的燃烧区,以及所述燃烧区内每个像素的燃烧颜色值;所述燃烧分析模型包括基于历史火情图像训练的神经网络模型;
其中,所述基于所述燃烧信息确定网格火情评估值,包括:
在所述燃烧区中,分别统计所述燃烧颜色值满足任一预设燃烧颜色阈值的第一像素数量;每个预设燃烧颜色阈值包括预先设置的表示燃烧剧烈程度的燃烧颜色阈值,且多个预设燃烧颜色阈值没有交集;
计算每个第一像素数量占所述燃烧区内像素数量的百分比,获取燃烧颜色值百分比;
基于所述燃烧颜色值百分比和预设燃烧颜色阈值权重获取所述网格火情评估值。
2.根据权利要求1所述的火情分级方法,其特征在于,所述基于相邻网格区域对应的网格火情评估值确定火情等级,包括:
基于相邻网格区域对应的网格火情评估值拟合成火情热力图;
基于所述火情热力图确定所述火情等级。
3.根据权利要求2所述的火情分级方法,其特征在于,所述基于相邻网格区域对应的网格火情评估值拟合成火情热力图,包括:
在地图对应所述网格区域中添加所述网格火情评估值对应的颜色值;
对相邻网格区域边缘所述颜色值进行平滑处理,拟合成火情热力图。
4.根据权利要求2所述的火情分级方法,其特征在于,所述基于所述火情热力图确定所述火情等级,包括:
在所述火情热力图中,分别统计颜色值满足预设热力图颜色阈值的第二像素数量;所述预设热力图颜色阈值包括预先设置的基于颜色值划分的表示燃烧剧烈程度的颜色阈值;
计算每个第二像素数量占所述热力图内像素数量的百分比,获取热力图颜色值百分比;
基于预设热力图颜色阈值权重、所述热力图颜色值百分比和所述网格火情评估值对应的相邻网格区域数量确定所述火情等级。
5.一种火情分级装置,其特征在于,包括:
获取环境图像单元,用于获取安全箱的天眼摄像头采集的环境图像;所述安全箱对应管理网格内一个网格区域;
分析环境图像单元,用于分析所述环境图像,获取所述环境图像中的燃烧信息,其中,所述燃烧信息包括所述环境图像中的燃烧区和所述燃烧区内每个像素的燃烧颜色值;
确定网格火情评估值单元,用于基于所述燃烧信息确定网格火情评估值;
确定火情等级单元,用于在所述管理网格内,基于相邻网格区域对应的网格火情评估值确定火情等级;
其中,在所述分析环境图像单元中,包括:
模型分析子单元,用于根据燃烧分析模型对所述环境图像进行燃烧边界分析,获取所述环境图像的燃烧区,以及所述燃烧区内每个像素的燃烧颜色值;所述燃烧分析模型包括基于历史火情图像训练的神经网络模型;
其中,在所述确定网格火情评估值单元中,包括:
统计第一像素数量子单元,用于在所述燃烧区中,分别统计所述燃烧颜色值满足任一预设燃烧颜色阈值的第一像素数量;每个预设燃烧颜色阈值包括预先设置的表示燃烧剧烈程度的燃烧颜色阈值,且多个预设燃烧颜色阈值没有交集;
计算燃烧颜色值百分比子单元,用于计算每个第一像素数量占所述燃烧区内像素数量的百分比,获取燃烧颜色值百分比;
获取网格火情评估值子单元,用于基于所述燃烧颜色值百分比和预设燃烧颜色阈值权重获取所述网格火情评估值。
6.一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,所述程序被处理器执行时实现如权利要求1至4中任一项所述的方法。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010631910.5A CN111951508B (zh) | 2020-07-03 | 2020-07-03 | 一种火情分级方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010631910.5A CN111951508B (zh) | 2020-07-03 | 2020-07-03 | 一种火情分级方法、装置、介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951508A CN111951508A (zh) | 2020-11-17 |
CN111951508B true CN111951508B (zh) | 2023-01-17 |
Family
ID=73337374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010631910.5A Active CN111951508B (zh) | 2020-07-03 | 2020-07-03 | 一种火情分级方法、装置、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951508B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115597799B (zh) * | 2022-11-25 | 2023-03-28 | 广东采日能源科技有限公司 | 液冷储能集装箱的漏液检测方法、装置及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275692A (ja) * | 2005-03-29 | 2006-10-12 | Sumitomo Chemical Co Ltd | 燃焼状態監視システム及び燃焼状態監視プログラム |
CN101840571A (zh) * | 2010-03-30 | 2010-09-22 | 杭州电子科技大学 | 一种基于视频图像的火焰检测方法 |
CN101950421A (zh) * | 2010-09-08 | 2011-01-19 | 北京航空航天大学 | 一种火焰模型可信度的评价方法 |
CN103136765A (zh) * | 2011-11-28 | 2013-06-05 | 财团法人工业技术研究院 | 燃烧图像特征撷取方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8070482B2 (en) * | 2007-06-14 | 2011-12-06 | Universidad de Concepción | Combustion control system of detection and analysis of gas or fuel oil flames using optical devices |
CN101625789A (zh) * | 2008-07-07 | 2010-01-13 | 北京东方泰坦科技有限公司 | 基于烟火智能识别的森林火灾实时监测方法 |
CN104008368A (zh) * | 2014-05-13 | 2014-08-27 | 重庆大学 | 一种基于最大熵阈值分割的火灾识别方法 |
CN104143248B (zh) * | 2014-08-01 | 2016-09-14 | 江苏恒创软件有限公司 | 基于无人机的森林火灾探测及防控方法 |
CN109643482A (zh) * | 2016-06-28 | 2019-04-16 | 烟雾检测器有限责任公司 | 使用照相机的烟雾检测系统和方法 |
PE20191572A1 (es) * | 2017-03-20 | 2019-10-29 | Oy Halton Group Ltd | Dispositivos, metodos y sistemas de seguridad contra incendios |
CN109191765B (zh) * | 2018-12-06 | 2019-03-15 | 深兰人工智能芯片研究院(江苏)有限公司 | 火灾预警方法、装置及计算机可读存储介质 |
CN111126187A (zh) * | 2019-12-09 | 2020-05-08 | 上海眼控科技股份有限公司 | 火情检测方法、系统、电子设备及存储介质 |
CN111179279A (zh) * | 2019-12-20 | 2020-05-19 | 成都指码科技有限公司 | 一种基于紫外、双目视觉的综合火焰检测方法 |
-
2020
- 2020-07-03 CN CN202010631910.5A patent/CN111951508B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006275692A (ja) * | 2005-03-29 | 2006-10-12 | Sumitomo Chemical Co Ltd | 燃焼状態監視システム及び燃焼状態監視プログラム |
CN101840571A (zh) * | 2010-03-30 | 2010-09-22 | 杭州电子科技大学 | 一种基于视频图像的火焰检测方法 |
CN101950421A (zh) * | 2010-09-08 | 2011-01-19 | 北京航空航天大学 | 一种火焰模型可信度的评价方法 |
CN103136765A (zh) * | 2011-11-28 | 2013-06-05 | 财团法人工业技术研究院 | 燃烧图像特征撷取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111951508A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112530119B (zh) | 森林火灾应急演练评估分析系统、方法及计算机设备 | |
US20130141460A1 (en) | Method and apparatus for virtual incident representation | |
CN115348247A (zh) | 基于天空地一体化技术的森林火灾检测预警及决策系统 | |
CN103578228A (zh) | 一种暴雨洪涝灾害监测预警及应急响应系统与方法 | |
CN104038952A (zh) | 突发事件的预测方法及预测系统 | |
CN111951508B (zh) | 一种火情分级方法、装置、介质和电子设备 | |
CN111951390A (zh) | 一种警情显示方法、系统、装置和存储介质 | |
CN112288320A (zh) | 一种地铁运行风险监控和管理系统 | |
Ferreira et al. | Smart services: A case study on smarter public safety by a mobile app for University of São Paulo | |
CN206712972U (zh) | 一种可提供ar实时图像的景区安保防控系统 | |
CN114841662A (zh) | 基建工程管控方法、装置、计算机设备和存储介质 | |
CN211180586U (zh) | 综合管廊运维系统 | |
JP2002334184A (ja) | リアルタイム状況収集システム | |
CN116206421A (zh) | 人群聚集的风险预警方法、装置、电子设备及介质 | |
CN114758296B (zh) | 一种基于vr技术的电网设备远程监测方法及系统 | |
CN115630814A (zh) | 城市管理方法、装置、终端设备以及存储介质 | |
CN113988599A (zh) | 景区监控方法及装置 | |
CN109934752B (zh) | 一种住房信息管理方法及装置 | |
US10368037B2 (en) | Public safety camera monitoring system and method | |
CN112102299A (zh) | 基于三维建模的城市绿化监测方法、装置、设备和介质 | |
CN110969265B (zh) | 一种输电线路监督方法、装置和计算机可读存储介质 | |
CN114973589B (zh) | 火情信息生成方法、装置、电子设备和计算机可读介质 | |
CN104254050B (zh) | 一种联系方式信息获取方法及终端 | |
Valdevies | A Single platform approach for the management of emergency in complex environments such as large events, digital cities, and networked regions | |
CN109936731A (zh) | 一种图像可视化应用的处理方法、系统及装置 |
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 |