CN112418004B - 一种消防安全检测方法及相关组件 - Google Patents
一种消防安全检测方法及相关组件 Download PDFInfo
- Publication number
- CN112418004B CN112418004B CN202011225922.4A CN202011225922A CN112418004B CN 112418004 B CN112418004 B CN 112418004B CN 202011225922 A CN202011225922 A CN 202011225922A CN 112418004 B CN112418004 B CN 112418004B
- Authority
- CN
- China
- Prior art keywords
- fire
- target object
- data information
- scene data
- deep learning
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000013136 deep learning model Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000001931 thermography Methods 0.000 claims description 44
- 230000004927 fusion Effects 0.000 claims description 34
- 238000003384 imaging method Methods 0.000 claims description 34
- 238000007405 data analysis Methods 0.000 claims description 21
- 230000000241 respiratory effect Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000003111 delayed effect Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 abstract description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- 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
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Fire Alarms (AREA)
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种消防安全检测方法，包括：获取消防作业当前场景中的火场数据信息；根据火场数据信息，识别当前场景待作业的目标对象；将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息。该方法利用预建立深度学习模型得到目标对象的危险程度信息，避免了相关技术中需要人工判断目标对象的危险程度，导致加大时间成本而延误搜救时机的缺陷，极大地降低了现场判断的时间成本，有效保护消防员的生命安全，提高作业效率。本申请同时还提供了一种消防安全检测装置、一种智能消防呼吸面罩和存储介质，具有上述有益效果。
Description
技术领域
本申请涉及消防安全技术领域，特别涉及一种消防安全检测方法、装置、智能消防呼吸面罩和存储介质。
背景技术
消防搜救现场突发状况多，且烟雾或无照明等因素导致能见度差，影响消防员的判断速度，威胁生命安全。相关技术中消防员穿戴设备，比如智能消防头盔，在消防员作业过程中，可以提供红外热成像视频、微光成像视频等信息以辅助消防员判断消防现场存在的被困人员或危险目标(即将倒塌的物体)，但是这种多维度视频信息直接传递并呈现给消防员时，需要消防员判断被困人员或危险目标的危险程度以采取相应的措施。例如，危险目标为即将倒塌的木梁时，危险程度较高，需采取相应的灭火措施，这会增加现场判断的时间成本。即在火场情境下，通过人工判断方式识别被困人员或危险目标，进而判断其危险程度，无法提升判断速度，延误搜救时机，对消防员自身也会造成生命威胁。
发明内容
本申请的目的是提供一种消防安全检测方法，能够极大地降低了现场判断的时间成本，有效保护消防员的生命安全，提高作业效率，改善用户体验。其具体方案如下：
第一方面，本申请公开了一种消防安全检测方法，包括：
获取消防作业当前场景中的火场数据信息；
根据所述火场数据信息，识别所述当前场景待作业的目标对象；
将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息。
可选的，根据所述火场数据信息，识别所述当前场景待作业的目标对象，包括：
获取所述火场数据信息中的红外热成像视频和微光成像视频；
利用双波段融合算法，对所述红外热成像视频和所述微光成像视频进行图像融合，得到融合图像；
根据所述融合图像，识别所述当前场景待作业的目标对象。
可选的，将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息之后，还包括：
将所述融合图像和所述目标对象的危险程度信息进行结合，得到最终图像；
将所述最终图像输出至显示模块，以使所述显示模块显示所述最终图像。
可选的，将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息之后，还包括：
将所述最终图像发送至其他终端。
可选的，根据所述火场数据信息，识别所述当前场景待作业的目标对象，包括：
将所述火场数据信息中的所述红外热成像视频和温度数据输入预建立深度学习模型，得到目标对象模型结果；
根据所述融合图像和所述目标对象模型结果，识别所述当前场景待作业的被困人员。
可选的，将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息，包括：
将所述火场数据信息中的红外热成像视频、微光成像视频和温度数据输入所述目标对象中相应的所述预建立深度学习模型，得到所述目标对象的危险程度信息。
可选的，还包括：
若所述消防作业结束后，发送所述火场数据信息至数据分析服务器，使所述数据分析服务器根据所述火场数据信息更新当前的所述预建立深度学习模型；
接收所述数据分析服务器发送的更新后的预建立深度学习模型，并存储。
第二方面，本申请公开了一种消防安全检测装置，包括：
获取模块，用于获取消防作业当前场景中的火场数据信息；
识别模块，用于根据所述火场数据信息，识别所述当前场景待作业的目标对象；
危险程度获取模块，用于将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息。
第三方面，本申请公开了一种智能消防呼吸面罩，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述消防安全检测方法的步骤。
第四方面，本申请提供一种存储介质，所述存储介质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如上述消防安全检测方法的步骤。
本申请提供一种消防安全检测方法，包括：获取消防作业当前场景中的火场数据信息；根据所述火场数据信息，识别所述当前场景待作业的目标对象；将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息。
可见，本申请通过根据火场数据信息，识别出待作业的目标对象，并将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息，即利用预建立深度学习模型得到目标对象的危险程度信息，避免了相关技术中需要人工判断目标对象的危险程度，导致加大时间成本而延误搜救时机的缺陷，极大地降低了现场判断的时间成本，有效保护消防员的生命安全，提高作业效率，改善用户体验。本申请同时还提供了一种消防安全检测装置、一种智能消防呼吸面罩和存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种消防安全检测方法的流程图；
图2为本申请实施例所提供的另一种消防安全检测方法的流程图；
图3为本申请实施例所提供的智能消防呼吸面罩、数据分析服务器和其他终端之间数据交互的示意图；
图4为本申请实施例所提供的智能消防呼吸面罩、数据分析服务器和其他终端内部模块之间数据交互的示意图；
图5为本申请实施例提供的一种消防安全检测装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在常见的消防安全检测方法中，消防穿戴设备例如智能消防头盔，直接将采集到的火场信息数据，红外热成像视频、微光成像视频等信息直接呈现给消防员，消防员需人工判断目标对象的危险程度，进而采取相应的措施，增加了现场判断的时间成本，延误搜救时机，并对消防员自身造成安全威胁。基于上述技术问题，本实施例提供一种消防安全检测方法，通过利用预建立深度学习模型得到目标对象的危险程度信息，降低现场判断的时间成本，有效保护消防员的生命安全，具体请参考图1，图1为本申请实施例所提供的一种消防安全检测方法的流程图，具体包括：
S101、获取消防作业当前场景中的火场数据信息。
本实施例并不限定火场数据信息的具体内容，可以是红外热成像视频数据，可以是微光成像视频数据，可以是温度数据，也可以是其中的一种或几种的组合。可以理解的是，考虑到部分消防场景无需佩戴相关技术中的消防头盔，为了扩大应用范围，本实施例的执行主体为智能消防呼吸面罩，具体为智能消防呼吸面罩中的处理器模块。
本实施例中获取消防作业当前场景中的火场数据信息，可以是智能消防呼吸面罩中的热成像模块，采集红外热成像视频和温度数据；智能消防呼吸面罩中的微光成像模块采集微光成像视频。其中，微光成像模块包含一个低照度可见光摄像头，作用是采集微光成像视频(可见光视频)，并向处理器模块传输可见光图像，其特点是可以在低照度的环境下进行成像，为消防员提供更多维度的信息。热成像模块包含光学组件、红外探测器、运算单元，作用是采集红外热成像视频和温度数据，并向处理器模块传输红外热成像视频和温度数据。相应的，本实施例并不限定热成像模块所使用的具体器件，可以是陶瓷封装或金属封装红外探测器，也可以是晶圆级封装探测器，可以根据实际情况进行选择。可选的，本实施例中热成像模块采用的是晶圆级封装探测器，体积更小、功耗更低、成本更低，为智能消防呼吸面罩提供更好的使用体验。
S102、根据火场数据信息，识别当前场景待作业的目标对象。
本实施例并不限定目标对象所针对的对象，可以是被困人员，也可以是危险目标(例如即将倒塌的燃烧木梁)。本实施例也不限定识别目标对象的方式，可以是仅根据红外热成像视频来识别目标对象，可以是仅根据微光成像视频来识别目标对象，也可以是根据温度数据来识别目标对象，当然，也可以是根据其中的一种或几种的组合。为了充分利用火场数据信息，提高识别目标对象的准确性，本实施例中通过利用红外热成像视频和微光成像视频即利用两个波段的成像信息来识别当前场景待作业的目标对象。具体的，可以是直接简单堆叠红外热成像视频图像和微光成像视频图像的方式，来识别目标对象，也可以是利用图像融合技术，将红外热成像视频图像和微光成像视频图像进行图像融合，进而根据融合图像来识别目标对象。
为了提升红外热成像视频图像的可用性，本实施例中根据火场数据信息，识别当前场景待作业的目标对象，可以包括：获取火场数据信息中的红外热成像视频和微光成像视频；利用双波段融合算法，对红外热成像视频和微光成像视频进行图像融合，得到融合图像；根据融合图像，识别当前场景待作业的目标对象。即，通过双波段融合算法，将红外热成像视频和微光成像视频进行图像融合，根据融合后得到的融合图像，识别当前场景待作业的目标对象。丰富了信息的维度，使目标对象更易分辨，可见光图像信息和红外热成像信息互为补充，有效避免了单一的视频图像对目标分辨能力不足的问题，且提升了红外热成像视频的可用性，提高了浓烟和低照度情况下的能见度。
为了更准确的识别被困人员，提高搜救成功率，本实施例中根据所述火场数据信息，识别所述当前场景待作业的目标对象，可以包括：将所述火场数据信息中的所述红外热成像视频和温度数据输入预建立深度学习模型，得到目标对象模型结果；根据所述融合图像和所述目标对象模型结果，识别所述当前场景待作业的被困人员。可以理解的是，当在火场环境下，微光成像视频即可见光成像视频不易捕捉到被困人员，因此，在得到融合图像后，将红外热成像视频和温度数据输入各自对应的预建立深度学习模型，得到目标对象模型结果，将目标对象模型结果和融和图像进行结合，共同识别被困人员，更易捕捉到被困人员所在位置，提高搜救效率，同时也能有效保障消防员的生命安全。
S103、将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息。
本实施例并不限定预建立深度学习模型的具体算法，可以是卷积神经网络，可以是隐马尔可夫算法，可以是小波分析算法，可以根据实际获取数据进行选择。可以理解的是，预建立深度学习模型是智能消防呼吸面罩投入使用前，经过模型训练得到的存储于本地设备，或者是消防作业结束后，根据实际作业采集的火场数据信息，训练更新得到新的模型，并存储于本地设备中。
可以理解的是，本实施例并不限定火场数据信息的具体内容，可以是红外热成像视频数据，可以是微光成像视频数据，可以是温度数据，也可以是其中的一种或几种的组合。为了降低现场判断的时间成本，提高作业效率，本实施例中将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息，可以包括：将火场数据信息中的红外热成像视频、微光成像视频和温度数据输入目标对象中相应的预建立深度学习模型，得到目标对象的危险程度信息。即，将红外热成像视频、微光成像视频和温度数据分别输入各自对应的预建立深度学习模型，得到目标对象的危险程度信息。可以理解的是，目标对象的危险程度信息可以是红外热成像视频、微光成像视频和温度数据经过预建立深度学习模型处理各自得到的危险程度信息，也可以是上述三个模型处理后得到的危险程度进行综合而得到的危险程度信息。可以充分利用火场数据信息，并通过预建立深度学习模型的手段进行处理，极大地降低了现场判断的时间成本，有效保护消防员的生命安全，提高消防作业效率。
进一步的，为了提升智能消防呼吸面罩的使用体验，提高消防作业效率，本实施例中将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息之后，还可以包括：将融合图像和目标对象的危险程度信息进行结合，得到最终图像；将最终图像输出至显示模块，以使显示模块显示最终图像。即，经过双波段融合算法得到的融合图像，可以更有利于识别目标对象，与经过预建立深度学习模型处理得到的危险程度信息进行结合，得到目标对象的最终图像，并传输至显示模块呈现最终图像。
例如，当消防员面向一个燃烧的木梁，处理器模块可以根据木梁的形貌、温度分布等判断是否有垮塌的风险，若判断风险较高，将在最终图像中重点标注危险目标并于显示模块显示以提示消防员。可以将目标对象的危险程度信息更直观清晰的呈现给消防员，有效保障消防员的生命安全，提升智能消防呼吸面罩的使用体验，提高作业效率。
可以理解的是，本实施例并不限定融合图像和危险程度信息的结合方式，可以是危险程度信息位于融合图像的右侧或左侧，也可以是危险程度信息位于融合图像中目标对象的右侧或左侧，可以根据实际需求进行设定。当然，本实施例也不限定危险程度信息的呈现方式，可以是以数字的形式呈现，也可以是以文字的方式呈现，用户可以根据实际需求进行设定。
还可以理解的是，本实施例中的智能消防呼吸面罩包括显示模块，用来呈现图像信息，提示消防员。本实施例并不限定显示模块所采用的材质，可以是LCD屏幕，可以是OLED屏幕，也可以是阵列光波导。可选的，本实施例中显示模块采用阵列光波导，能够不分散消防员注意力，提高作业效率。
本实施例中智能消防呼吸面罩还包括语音模块和数据通讯模块，其中，语音模块的作用是音频编码和解码，保证智能消防呼吸面罩的使用者和消防指挥员或其他使用者的语音通讯；数据通讯模块，用来和语音模块、处理器模块交互，完成语音、图像等数据的收发；通过移动数据网络(4G/5G)、WiFi等，向其他终端传输共享画面(即最终图像)和收发语音数据；传输红外热成像视频、温度数据、微光成像视频等。
进一步的，为了降低信息传递的成本，提高消防人员协作的效率，将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息之后，还可以包括：将最终图像发送至其他终端。本实施例并不限定其他终端的具体种类，可以是其他消防员的智能消防呼吸面罩终端，消防员之间可以通过数据通讯模块实时共享最终图像，最终图像显示在智能消防呼吸面罩的显示模块上，从而避免信息传递不及时，消防员之间也可以通过语音模块通讯，语音数据由数据通讯模块收发；也可以是消防指挥员的接收终端，消防指挥员通过语音模块和消防员通讯，指挥行动进行，语音数据也由数据通讯模块收发。本实施例中当前智能消防呼吸面罩的使用者获取到消防作业当前场景中针对目标对象的最终图像后，将最终图像转发至消防指挥员的数据通讯模块，并在其显示模块(常规的显示器)显示，和/或转发至其他消防作业员的智能消防呼吸面罩终端即其他面罩终端，减少了其他消防作业人员进入火场时再进行相同数据模块处理的过程，能够降低信息传递的成本，提高消防人员协作的效率。
基于上述技术方案，本实施例通过利用双波段融合算法，对红外成像视频和微光成像视频进行图像融合，来提高识别目标对象的准确性，并利用预建立深度学习模型得到目标对象的危险程度信息，极大降低了现场识别并判断目标对象危险程度的时间成本，提高了作业效率。
基于上述实施例，为了能够提高对危险目标或被困人员的预判能力，本实施例提供一种消防安全检测方法，具体请参考图2，图2为本申请实施例所提供的另一种消防安全检测方法的流程图，具体包括：
S201、获取消防作业当前场景中的火场数据信息。
S202、根据火场数据信息，识别当前场景待作业的目标对象。
S203、将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息。
步骤S201以及步骤S203的具体内容可以参考上述实施例，本实施例不再进行赘述。
S204、若消防作业结束后，发送火场数据信息至数据分析服务器，使数据分析服务器根据火场数据信息更新当前的预建立深度学习模型。
S205、接收数据分析服务器发送的更新后的预建立深度学习模型，并存储。
可以理解的是，当每次消防作业结束后，将作业中红外热成像视频、温度数据和微光成像视频图像等传送到数据分析服务器进行深度学习，然后数据分析服务器为智能消防呼吸面罩终端更新对应的图像模型和温度模型即得到更新后的预建立深度学习模型，智能消防呼吸面罩获取更新后的预建立深度学习模型，并保存至本地设备。
其中，数据分析服务器可包括深度学习模块和数据通讯模块。深度学习模块作用是接受智能呼吸面罩传输的红外热成像视频、温度数据、微光成像视频，建立火灾现场危险目标或被困人员的模型，得到更新后的预建立深度学习模型，并将该模型提供给智能消防呼吸面罩的处理器模块，使智能消防呼吸面罩基于视频图像和温度可以实时的判断危险目标或被困人员。数据通讯模块作用是接收红外热成像视频、温度数据和微光成像视频，并将上述数据发送给深度学习模块；接收深度学习模块处理的模型，并将深度学习后的图像和温度模型即更新后的预建立深度学习模型传送给智能消防呼吸面罩的数据通讯模块。
为了更清晰的说明智能消防呼吸面罩、数据分析服务器和其他终端之间数据交互的过程，图3为智能消防呼吸面罩、数据分析服务器和其他终端之间数据交互的示意图，图4为智能消防呼吸面罩、数据分析服务器和其他终端内部模块之间数据交互的示意图。
基于上述技术方案，本实施例通过接收并存储数据分析服务器更新后的深度学习模型，可实现更新智能消防呼吸面罩本地存储的图像模型和温度模型，提高对被困人员或危险目标的预判能力和准确性，提高消防作业效率，改善客户体验。
下面对本申请实施例提供的一种消防安全检测装置进行介绍，下文描述的消防安全检测装置与上文描述的消防安全检测方法可相互对应参照，相关模块均设置于中，参考图5，图5为本申请实施例所提供的一种消防安全检测装置的结构示意图，包括：
在一些具体的实施例中，具体包括：
获取模块501，用于获取消防作业当前场景中的火场数据信息；
识别模块502，用于根据火场数据信息，识别当前场景待作业的目标对象；
危险程度获取模块503，用于将火场数据信息输入目标对象对应的预建立深度学习模型，得到目标对象的危险程度信息。
在一些具体的实施例中，识别模块502，包括：
获取单元，用于获取火场数据信息中的红外热成像视频和微光成像视频；
图像融合单元，用于利用双波段融合算法，对红外热成像视频和微光成像视频进行图像融合，得到融合图像；
识别单元，用于根据融合图像，识别当前场景待作业的目标对象。
在一些具体的实施例中，还包括：
结合模块，用于将融合图像和目标对象的危险程度信息进行结合，得到最终图像；
显示模块，用于将最终图像输出至显示模块，以使显示模块显示最终图像。
在一些具体的实施例中，还包括：
最终图像模块，用于将最终图像发送至其他终端。
在一些具体的实施例中，识别模块502，包括：
输入单元，用于将火场数据信息中的红外热成像视频和温度数据输入预建立深度学习模型，得到目标对象模型结果；
结合单元，用于根据融合图像和目标对象模型结果，识别当前场景待作业的被困人员。
在一些具体的实施例中，危险程度获取模块503，包括：
危险程度获取单元，用于将火场数据信息中的红外热成像视频、微光成像视频和温度数据输入目标对象中相应的预建立深度学习模型，得到目标对象的危险程度信息。
在一些具体的实施例中，还包括：
发送模块，用于若消防作业结束后，发送火场数据信息至数据分析服务器，使数据分析服务器根据火场数据信息更新当前的预建立深度学习模型；
存储模块，用于接收数据分析服务器发送的更新后的预建立深度学习模型，并存储。
由于消防安全检测装置部分的实施例与消防安全检测方法部分的实施例相互对应，因此消防安全检测装置部分的实施例请参见消防安全检测方法部分的实施例的描述，这里暂不赘述。
下面对本申请实施例提供的一种智能消防呼吸面罩进行介绍，下文描述的智能消防呼吸面罩与上文描述的消防安全检测方法可相互对应参照。
本申请提供一种智能消防呼吸面罩，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如上述消防安全检测方法的步骤。
由于智能消防呼吸面罩部分的实施例与消防安全检测方法部分的实施例相互对应，因此智能消防呼吸面罩部分的实施例请参见消防安全检测方法部分的实施例的描述，这里暂不赘述。
下面对本申请实施例提供的一种存储介质进行介绍，下文描述的存储介质与上文描述的消防安全检测方法可相互对应参照。
本申请提供一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述消防安全检测方法的步骤。
由于存储介质部分的实施例与消防安全检测方法部分的实施例相互对应，因此存储介质部分的实施例请参见消防安全检测方法部分的实施例的描述，这里暂不赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种消防安全检测方法、装置、智能消防呼吸面罩及存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (9)
1.一种消防安全检测方法，其特征在于，包括：
获取消防作业当前场景中的火场数据信息；
根据所述火场数据信息，识别所述当前场景待作业的目标对象；
将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息；
根据所述火场数据信息，识别所述当前场景待作业的目标对象，包括：
获取所述火场数据信息中的红外热成像视频和微光成像视频；
利用双波段融合算法，对所述红外热成像视频和所述微光成像视频进行图像融合，得到融合图像；
根据所述融合图像，识别所述当前场景待作业的目标对象。
2.根据权利要求1所述的消防安全检测方法，其特征在于，将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息之后，还包括：
将所述融合图像和所述目标对象的危险程度信息进行结合，得到最终图像；
将所述最终图像输出至显示模块，以使所述显示模块显示所述最终图像。
3.根据权利要求2所述的消防安全检测方法，其特征在于，将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息之后，还包括：
将所述最终图像发送至其他终端。
4.根据权利要求2所述的消防安全检测方法，其特征在于，根据所述火场数据信息，识别所述当前场景待作业的目标对象，包括：
将所述火场数据信息中的所述红外热成像视频和温度数据输入预建立深度学习模型，得到目标对象模型结果；
根据所述融合图像和所述目标对象模型结果，识别所述当前场景待作业的被困人员。
5.根据权利要求1所述的消防安全检测方法，其特征在于，将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息，包括：
将所述火场数据信息中的红外热成像视频、微光成像视频和温度数据输入所述目标对象中相应的所述预建立深度学习模型，得到所述目标对象的危险程度信息。
6.根据权利要求1所述的消防安全检测方法，其特征在于，还包括：
若所述消防作业结束后，发送所述火场数据信息至数据分析服务器，使所述数据分析服务器根据所述火场数据信息更新当前的所述预建立深度学习模型；
接收所述数据分析服务器发送的更新后的预建立深度学习模型，并存储。
7.一种消防安全检测装置，其特征在于，包括：
获取模块，用于获取消防作业当前场景中的火场数据信息；
识别模块，用于根据所述火场数据信息，识别所述当前场景待作业的目标对象；
危险程度获取模块，用于将所述火场数据信息输入所述目标对象对应的预建立深度学习模型，得到所述目标对象的危险程度信息；
根据所述火场数据信息，识别所述当前场景待作业的目标对象，包括：
获取所述火场数据信息中的红外热成像视频和微光成像视频；
利用双波段融合算法，对所述红外热成像视频和所述微光成像视频进行图像融合，得到融合图像；
根据所述融合图像，识别所述当前场景待作业的目标对象。
8.一种智能消防呼吸面罩，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的消防安全检测方法的步骤。
9.一种存储介质，其特征在于，所述存储介质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如权利要求1至6任一项所述消防安全检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225922.4A CN112418004B (zh) | 2020-11-05 | 2020-11-05 | 一种消防安全检测方法及相关组件 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011225922.4A CN112418004B (zh) | 2020-11-05 | 2020-11-05 | 一种消防安全检测方法及相关组件 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112418004A CN112418004A (zh) | 2021-02-26 |
| CN112418004B true CN112418004B (zh) | 2022-11-11 |
Family
ID=74827630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011225922.4A Active CN112418004B (zh) | 2020-11-05 | 2020-11-05 | 一种消防安全检测方法及相关组件 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112418004B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110032977A (zh) * | 2019-04-18 | 2019-07-19 | 北京华正明天信息技术股份有限公司 | 一种基于深度学习图像火灾识别的安全预警管理系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673396B (zh) * | 2009-09-07 | 2012-05-23 | 南京理工大学 | 基于动态目标检测的图像融合方法 |
| CN105069769A (zh) * | 2015-08-26 | 2015-11-18 | 哈尔滨工业大学 | 一种微光与红外夜视图像融合方法 |
| CN106530569A (zh) * | 2016-10-17 | 2017-03-22 | 北京小米移动软件有限公司 | 火患监测的方法及装置 |
| CN109672875A (zh) * | 2018-11-30 | 2019-04-23 | 迅捷安消防及救援科技（深圳）有限公司 | 消防及救援智能头盔、消防救援方法及相关产品 |
| CN110379125A (zh) * | 2019-07-24 | 2019-10-25 | 广东电网有限责任公司 | 一种危险区域越界识别方法、系统及相关装置 |
| CN110673739A (zh) * | 2019-10-09 | 2020-01-10 | 应急管理部天津消防研究所 | 一种消防员应急救援智能安全防护穿戴装备实现方法 |
-
2020
- 2020-11-05 CN CN202011225922.4A patent/CN112418004B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110032977A (zh) * | 2019-04-18 | 2019-07-19 | 北京华正明天信息技术股份有限公司 | 一种基于深度学习图像火灾识别的安全预警管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112418004A (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108648402B (zh) | 智能火灾报警方法、终端及存储介质 | |
| US20080218331A1 (en) | Augmented reality-based system and method to show the location of personnel and sensors inside occluded structures and provide increased situation awareness | |
| CN103150856B (zh) | 火灾火焰视频监测预警系统 | |
| CN111263114B (zh) | 异常事件报警方法和装置 | |
| US20190377538A1 (en) | Information Presentation Through Ambient Sounds | |
| US20210216770A1 (en) | Method and system for smart living safety response from control center and savior in view of facility and industrial safety based on extended reality and internet of thing | |
| CN109819043A (zh) | 三维智能应急消防平台系统及其操作方法 | |
| KR102407327B1 (ko) | 화재감지장치 및 이를 포함하는 화재감지시스템 | |
| KR20210021745A (ko) | 스마트 소화장치 및 이를 포함하는 스마트 소화시스템 | |
| CN110519560B (zh) | 一种智能预警方法、装置及系统 | |
| CN111412014A (zh) | 一种危险检测及应急疏散方法及装置 | |
| CN115379125B (zh) | 交互信息发送方法、装置、服务器和介质 | |
| US20220217495A1 (en) | Method and network storage device for providing security | |
| KR20200052418A (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
| CN110928305B (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
| CN113569718A (zh) | 提醒方法、装置、设备、系统和存储介质 | |
| CN112418004B (zh) | 一种消防安全检测方法及相关组件 | |
| CN115019462A (zh) | 视频处理方法、装置、存储介质及设备 | |
| CN202549029U (zh) | 一种用于大型商场的可视化智能火灾报警系统 | |
| CN114973589B (zh) | 火情信息生成方法、装置、电子设备和计算机可读介质 | |
| CN108510701B (zh) | 一种智能烟雾报警方法、装置及系统 | |
| CN115546722A (zh) | 一种烟火检测方法、系统、计算机设备以及存储介质 | |
| CN111050120B (zh) | 一种非制冷型中长波红外视频通信方法及系统 | |
| KR102285725B1 (ko) | IoT 기반의 무선 영상식 화재감시시스템 | |
| CN107295320A (zh) | 投影终端的控制方法和装置 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210226 Assignee: INFIRAY TECHNOLOGIES CO.,LTD. Assignor: Yantai Airui Photo-Electric Technology Co.,Ltd. Contract record no.: X2024980006380 Denomination of invention: A fire safety detection method and related components Granted publication date: 20221111 License type: Common License Record date: 20240530 |