CN112863105A - 一种基于消防关联性的消防预警系统 - Google Patents
一种基于消防关联性的消防预警系统 Download PDFInfo
- Publication number
- CN112863105A CN112863105A CN202110073419.XA CN202110073419A CN112863105A CN 112863105 A CN112863105 A CN 112863105A CN 202110073419 A CN202110073419 A CN 202110073419A CN 112863105 A CN112863105 A CN 112863105A
- Authority
- CN
- China
- Prior art keywords
- fire
- fighting
- data
- early warning
- equipment
- 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
- 238000012806 monitoring device Methods 0.000 claims abstract description 23
- 239000000446 fuel Substances 0.000 claims abstract description 5
- 239000000779 smoke Substances 0.000 claims description 48
- 238000013075 data extraction Methods 0.000 claims description 41
- 238000012544 monitoring process Methods 0.000 claims description 28
- 239000000126 substance Substances 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 15
- 230000035943 smell Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 5
- 235000019504 cigarettes Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000003350 kerosene Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于消防关联性的消防预警系统。显性消防信息采集模块：用于通过设置在消防预警区域的视频监控设备，获取场景视频，并在所述场景视频中提取隐形消防关联性数据；其中，所述隐形消防关联性数据包括消防设备数据、安防设备数据和消防通道数据。隐形消防信息采集模块：用于通过设置在消防预警区域的传感设备，获取传感数据，并在所述传感数据中提取显性消防关联性数据；其中，所述显性消防关联性数据包括：易燃物数据、温度数据和在燃物数据；识别预警模块：用于根据所述隐形消防关联性数据和显性消防关联性数据，判断是否存在消防隐患，并在具有消防隐患时，进行消防报警。
Description
技术领域
本发明涉及消防安全技术领域，特别涉及一种基于消防关联性的消防预警系统。
背景技术
目前，消防隐患属于城市人民生活的重大安全隐患之一，尤其在高层建筑内，人员相对集中，火灾的预防形势刻不容缓，因此，在高层建筑内均安装有消防预警系统，用于对火灾险情及早发现，进行消防报警，并提醒建筑内的人员及时撤离，或及时采取救援措施。现有技术的消防预警系统，在使用过程中存在一定的不足：
在消防预警系统中，包括多种预警设备，如烟雾探测器、温度探测器、声光报警器等，由于现有技术中消防预警设备的集成度较低，各种预警设备需要独立进行安装，无法进行全局监控。也无法根据具体的消防隐患，做出最精确的消防预警。
发明内容
本发明提供一种基于消防关联性的消防预警系统，用以解决现有技术中消防预警设备的集成度较低，各种预警设备需要独立进行安装，无法进行全局监控。也无法根据具体的消防隐患进行解决的的情况。
一种基于消防关联性的消防预警系统，包括：
隐性消防信息采集模块：用于通过设置在消防预警区域的视频监控设备，获取场景视频，并在所述场景视频中提取隐形消防关联性数据；其中，
所述隐形消防关联性数据包括消防设备数据、安防设备数据和消防通道数据
显性消防信息采集模块：用于通过设置在消防预警区域的传感设备和易燃物识别数据，获取可燃隐患数据，并在所述可燃隐患数据中提取显性消防关联性数据；其中，
所述显性消防关联性数据包括：易燃物数据、温度数据和在燃物数据；
识别预警模块：用于根据所述隐形消防关联性数据和显性消防关联性数据，判断是否存在消防隐患，并在具有消防隐患时，进行消防报警。
优选的：所述显性消防信息采集模块包括：
视频获取单元：用于通过在消防预警区域内设置的监控设备，根据监控时间，持续获取所述消防预警区域的场景视频；其中，
所述监控设备包括照相机或摄像机；
提取单元：用于从所述场景视频中，提取与消防相关元素；
第一模型搭建模块：用于根据所述消防相关元素构建消防数据提取模型，并通过所述消防数据提取模型提取第一消防关联性数据；其中，
提取所述第一消防关联性数据时还包括：
根据所述消防数据提取模型，确定所述场景视频中的消防设备元素，并根据所述消防设备元素与所述消防数据提取模型的相关性，将所述消防设备数据划分为消防设备元素和非消防设备元素；
根据所述消防数据提取模型，确定所述场景视频中的安防设备元素，并根据所述安防设备元素与所述消防数据提取模型的相关性，将所述安防设备数据划分为安防设备元素和非安防设备元素；
根据所述消防数据提取模型，确定所述场景视频中的通道元素，并根据所述通道元素与所述消防数据提取模型的相关性，将所述设备数据划分为消防通道元素和非消防通道元素。
优选的：所述隐性消防信息采集模块还包括：
消防设备数据单元：用于预设消防设备数据库，并通过目标检测算法判断所述场景视频中的消防设备是否在所述消防设备数据库中，并在所述消防设备处于所述消防设备数据库中时，确定所述场景视频中的消防设备的实时特征；
安防设备数据单元：用于预设安防设备数据库，并通过目标检测算法判断所述场景视频中的安防设备是否在所述安防设备数据库中，并在所述安防设备处于所述安防设备数据库中时，确定所述场景视频中的安防设备的实时特征；
消防通道数据单元：用于预设消防通道数据库，并通过目标检测算法判断所述场景视频中的消防通道的通道标准是否在所述消防通道数据库中的通道标准，并在消防通道的通道标准数据所述消防通道数据库中的通道标准时，确定所述场景视频中的消防通道的实时特征。
优选的：所述隐性消防信息采集模块确定所述消防设备的实时特征、安防设备的实时特征和消防通道的实时特征，包括以下步骤：
步骤1：根据所述消防设备数据库和所述场景视频中的消防设备，通过下式(1)计算所述场景视频中消防设备的特征：
其中，α表示场景视频中消防设备的特征；wj表示场景视频中的第j帧图像的图像参数；r表示消防设备筛选系数；qi表示消防设备数据库中第i个消防设备的设备参数；i＝1，2，3，……n；n表示消防设备数据库消防设备的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数；
步骤2：根据所述安防设备数据库和所述场景视频中的安防设备，通过下式(2)计算所述场景视频中安防设备的实时特征：
其中，β表示场景视频中安防设备的特征；wj表示场景视频中的第j帧图像的图像参数；s表示安防设备筛选系数；xk表示安防设备数据库中第k个安防设备的设备参数；k＝1，2，3，……A；n表示消防设备数据库安防设备的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数；
步骤3：根据所述消防通道数据库和所述场景视频中的消防通道，通过下式(3)计算所述场景视频中消防通道的实时特征：
其中，γ表示场景视频中消防通道的特征；wj表示场景视频中的第j帧图像的图像参数；f表示消防通道筛选系数；Tl表示消防通道数据库中第l个通道标准的标准参数；yj表示场景视频中的第j帧图像中通道内空间分布参数；l＝1，2，3，……B；B表示消防设备数据库中通道标准的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数。
优选的：所述显性消防信息采集模块包括：
传感数据获取单元：用于通过在消防预警区域内设置的传感设备，根据监控时间，持续获取所述消防预警区域的传感数据；其中，
所述传感设备包括温度传感器、烟雾传感器；
易燃物识别数据获取单元：用于通过在消防预警区域内设置的易燃物识别设备，根据监控时间，持续获取所述消防预警区域的易燃物数据；其中，
所述易燃物识别设备包括气味传感器和标签识别装置，所述标签识别装置通过所述场景视频，抓取易燃物标签；
火灾提取单元：用于从所述易燃物数据和传感数据，提取与火灾相关元素；
第二模型搭建模块：用于根据所述火灾相关元素构建火灾数据提取模型，并通过所述火灾数据提取模型提取显性消防关联性数据；其中，
提取所述显性消防关联性数据时还包括：
根据所述火灾数据提取模型，确定所述传感数据中的温度数据，并根据所述温度数据；
根据所述火灾数据提取模型，确定所述传感数据中的烟雾浓度数据，并根据所述温度数据；
根据所述火灾数据提取模型，确定所述易燃物数据中的气味数据，并根据所述温度数据。
优选的：所述显性消防信息采集模块还包括：
时间轴搭建单元：用于根据所述传感设备的起始监测时间为时间初始点，并根据所述时间初始点搭建时间轴；
传感设备数据单元：用于根据所述时间轴，时刻监测温度数据和烟雾数据，并根据所述时间轴确定所述消防预警区域的温度特征和烟雾特征；
易燃物识别装置数据单元：用于预设易燃物数据库，并通过目标检测算法判断易燃物数据是否在所述易燃物数据库中，并在所述易燃物处于所述消防通道数据库中时，确定所述消防预警区域中的易燃物的实时特征；其中，
所述易燃物数据库包括：易燃物标签数据和易燃物气味数据。
优选的：所述显性消防信息采集模块还包括
步骤S1：根据所述时间轴和温度数据，通过下式(4)计算所述消防预警区域的的温度特征：
其中，δ表示消防预警区域的的温度特征；Wt表示t时刻的温度数据；Wmax表示历史最高温度；Wmin表示立体最低温度；μ表示区域分布矩阵；t表示时刻；T表示时间轴的总时长；
步骤S2：根据所述时间轴和烟雾数据，通过下式(5)计算所述消防预警区域的的烟雾特征：
其中，θ表示消防预警区域的的烟雾特征；Wt表示t时刻的烟雾数据；ρ表示烟雾分布矩阵；t表示时刻；T表示时间轴的总时长；H表示历史最高温度；H_min表示烟雾的最低浓度；
步骤S3：根据所述易燃物数据库和易燃物标签或易燃物气味，通过下式(3)计算所述消防预警区域中易燃物特征：
其中，
τ表示消防预警区域中易燃物特征；pg表示第g个易燃物为易燃物标签识别时的易燃物特征；dg表示第g个易燃物为易燃物气味识别时的易燃物特征；
表示消防预警区域标签识别的易燃物占总易燃物的比例；ω表示消防预警区域气味识别的易燃物占总易燃物的比例；Q表示指数特征；Uv表示易燃物数据库中第v个易燃物的特征参数；g＝1，2，3，……C；C表示易燃物数据库中易燃物的总个数；v＝1，2，3，……D；D表示消防预警区域易燃物标签和易燃物气味总个数。
优选的：所述识别预警模块包括：
数据处理单元：用于将所述隐形消防关联性数据和显性消防关联性数据进行分类处理，并通过分类后的隐形消防关联性数据和显性消防关联性数据生成数据序列；
隐患判定单元：用于将所述数据序列带入预设消防隐患判定模型，判定是否存在消防隐患；
预警单元：用于在具有消防隐患时，通过预设的预警策略进行消防预警；其中，
所述预设的预警策略包括：人工预警和网络预警。
优选的：所述识别预警模块还包括：
将所述隐形消防关联性数据和显性消防关联性数据划分为训练数据集和测试数据集；
使用训练数据集对神经网络进行训练，建立初始的消防隐患判定模型；
对初始的消防隐患判定模型型进行压缩处理，得到压缩后的消防隐患判定模型；
使用测试数据集对压缩后的消防隐患判定模型进行优化，得到最优的消防预警识别模型。
优选的：所述隐患判定单元判定是否存在消防隐患，包括以下步骤：
根据所述数据序列，构建数据特征集合；
将所述数据特征集合导入消防隐患判定模型，判断是否存在消防隐患：
当存在消防隐患时，执行预警报警；
当不存咋消防隐患时，执行继续监督策略。
本发明的有益效果在于：本发明能够在可能会发生火灾，这时就会执行消防预警，从而可以在只是具有火灾隐患的时候就可以通过本发明发现具体的火灾隐患信息，进而通知运维人员，解除火灾隐患，从火灾发生的源头降低火灾可能发生的机率，实现火灾的精确预防。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于消防关联性的消防预警系统的系统组成图；
图2为本发明实施例中隐性消防信息采集模块的组成图；
图3为本发明实施例中显性消防信息采集模块的组成图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如附图1所示，本发明为一种基于消防关联性的消防预警系统，包括：
隐性消防信息采集模块：用于通过设置在消防预警区域的视频监控设备，获取场景视频，并在所述场景视频中提取隐形消防关联性数据；其中，
所述隐形消防关联性数据包括消防设备数据、安防设备数据和消防通道数据。
在本发明中：本发明将和消防相关的隐性关联性(即不会直接引起火灾的数据，例如：消防设备(灭火器、消防栓，消防窗口等)的好坏，安放设备如报警设备、水雾喷雾设备等)；而消防通道数据是消防通道中是否具有堵塞，消防通道门被锁住等。
显性消防信息采集模块：用于通过设置在消防预警区域的传感设备和易燃物识别装置，获取可燃隐患数据，并在所述可燃隐患数据中提取显性消防关联性数据；其中，
所述显性消防关联性数据包括：易燃物数据、温度数据和在燃物数据；易燃物数据表示消防区域存在易燃物，如燃油、易燃化学物等等。温度数据是消防预警区域的实时温度，包括电力设备的温度。在燃物数据正在燃烧的烟头、电力故障时的燃烧的电线等
识别预警模块：用于根据所述隐形消防关联性数据和显性消防关联性数据，判断是否存在消防隐患，并在具有消防隐患时，进行消防报警。识别预警模块是通过判断消防预警区域是否存隐形消防关联性数据和显性消防关联性数据中相关的信息，可能会发生火灾，这时就会执行消防预警，从而可以在只是具有火灾隐患的时候就可以通过本发明发现具体的火灾隐患信息，进而通知运维人员，解除火灾隐患，从火灾发生的源头降低火灾可能发生的机率，实现火灾的精确预防。
优选的：如附图2所示，所述隐性消防信息采集模块包括：
视频获取单元：用于通过在消防预警区域内设置的监控设备，根据监控时间，持续获取所述消防预警区域的场景视频；其中，
所述监控设备包括照相机或摄像机；
本发明通过在消防预警区域设置监控设备，监控设备也可以是消防预警区域原本的安防摄像头，基于物联网万物互联的方式，实现对现场视频的获取。
提取单元：用于从所述场景视频中，提取与消防相关元素；
与消防相关元素包括：灭火器、室内消防栓这些用于灭火的元素。也包括在消防预警区域堆置的燃油、易燃化学物和燃烧的烟头。
第一模型搭建模块：用于根据所述消防相关元素构建消防数据提取模型，并通过所述消防数据提取模型提取第一消防关联性数据；
消防数据提取模型，就是消防通过预先设定的标准，构建一个以AI识别为基础的消防数据提取的数据模型。其可以对消防相关的数据进行识别：包括某个地点应该设置的灭火器是多少个，某个地点应该设置灭火器却没有设置。还包括识别室内消防栓的状态，室内消防栓是否有水等。
其中，
提取所述第一消防关联性数据时还包括：
根据所述消防数据提取模型，确定所述场景视频中的消防设备元素，并根据所述消防设备元素与所述消防数据提取模型的相关性，将所述消防设备数据划分为消防设备元素和非消防设备元素；
本发明在进行相关性计算的时候，计算相关性的方式包括马氏距离、皮尔森相关系数等方式进行计算，划分消防设备元素和非消防设备元素的原因是，可以根据消防设备元素的具体情况，判断出可能不可能发生火灾。
根据所述消防数据提取模型，确定所述场景视频中的安防设备元素，并根据所述安防设备元素与所述消防数据提取模型的相关性，将所述安防设备数据划分为安防设备元素和非安防设备元素；
安防设备本发明中也是需要提取的，因为本发明存在有些数据是通过安防设备提取，例如摄像设备或者照明设备。照明设备照明损坏就有可能导致摄像设备获取的场景视频不清晰。
根据所述消防数据提取模型，确定所述场景视频中的通道元素，并根据所述通道元素与所述消防数据提取模型的相关性，将所述设备数据划分为消防通道元素和非消防通道元素。
通道元素就是消防通道中的元素，主要是用于观察消防通道是否被杂物堵塞、消防通道是否能够通行或者消防通道的门是否打开。其也对于消防安全有一定的影响。本发明通过对第一消防关联性数据，能够判断隐性消防关联性数据对于消防安全的影响。
优选的：所述隐性消防信息采集模块还包括：
消防设备数据单元：用于预设消防设备数据库，并通过目标检测算法判断所述场景视频中的消防设备是否在所述消防设备数据库中，并在所述消防设备处于所述消防设备数据库中时，确定所述场景视频中的消防设备的实时特征；
安防设备数据单元：用于预设安防设备数据库，并通过目标检测算法判断所述场景视频中的安防设备是否在所述安防设备数据库中，并在所述安防设备处于所述安防设备数据库中时，确定所述场景视频中的安防设备的实时特征；
消防通道数据单元：用于预设消防通道数据库，并通过目标检测算法判断所述场景视频中的消防通道的通道标准是否在所述消防通道数据库中的通道标准，并在消防通道的通道标准数据所述消防通道数据库中的通道标准时，确定所述场景视频中的消防通道的实时特征。
因为在对数据进行处理时，都是将数据转化为数值型特征来进行建模计算。因此，本发明分别通过消防设备数据库、安防设备数据库和消防通道数据库，基于目标检测算法，判断即存在于消防设备数据库、安防设备数据库和消防通道数据库，又存在于场景视频中的图像元素，进而根据场景视频中的图像元素，获取消防相关的消防设备、安防设备和消防通道的具体特征。实时特征的意思是因为本发明都是基于某一时刻进行判断，因此，计算得到的是本发明中各项元素的实时特征。
优选的：所述隐性消防信息采集模块确定所述消防设备的实时特征、安防设备的实时特征和消防通道的实时特征，包括以下步骤：
步骤1：根据所述消防设备数据库和所述场景视频中的消防设备，通过下式(1)计算所述场景视频中消防设备的实时特征：
其中，α表示场景视频中消防设备的特征；wj表示场景视频中的第j帧图像的图像参数；r表示消防设备筛选系数；qi表示消防设备数据库中第i个消防设备的设备参数；i＝1，2，3，……n；n表示消防设备数据库消防设备的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数；
步骤2：根据所述安防设备数据库和所述场景视频中的安防设备，通过下式(2)计算所述场景视频中安防设备的实时特征：
其中，β表示场景视频中安防设备的特征；wj表示场景视频中的第j帧图像的图像参数；s表示安防设备筛选系数；xk表示安防设备数据库中第k个安防设备的设备参数；k＝1，2，3，……A；n表示消防设备数据库安防设备的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数；
步骤3：根据所述消防通道数据库和所述场景视频中的消防通道，通过下式(3)计算所述场景视频中消防通道的实时特征：
其中，γ表示场景视频中消防通道的特征；wj表示场景视频中的第j帧图像的图像参数；f表示消防通道筛选系数；Tl表示消防通道数据库中第l个通道标准的标准参数；yj表示场景视频中的第j帧图像中通道内空间分布参数；l＝1，2，3，……B；B表示消防设备数据库中通道标准的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数。
上述3个步骤分别为计算：场景视频中消防设备的实时特征、场景视频中安防设备的实时特征、场景视频中消防通道的实时特征，在计算过程中，例如：
是一个判断筛选的过程，判断当
时，基于安防设备数据库，在场景视频中第j个图像元素中存在安防特征，进而通过
将场景视频中的安防特征提取计算出来。场景视频中消防通道的实时特征和消防设备的实时特征的提取方法相同。
优选的：如附图3所示，所述显性消防信息采集模块包括：
传感数据获取单元：用于通过在消防预警区域内设置的传感设备，根据监控时间，持续获取所述消防预警区域的传感数据；其中，
所述传感设备包括温度传感器、烟雾传感器；
显性消防关联性数据，表示可以直接引起火灾的元素的数据，例如：易燃物，磷、煤油、石油、易燃化学物质、燃烧的烟头和短路急剧升温的电路等。因为易燃物大多数具有刺激性气味所以本发明设置了传感器；温度传感器和烟雾传感器是在火灾已经发生或者火灾发生的过程中，进行提取温度数据和烟雾数据，基于和火灾直接相关的显性因素，判断是否可能发生火灾。
易燃物识别数据获取单元：用于通过在消防预警区域内设置的易燃物识别设备，根据监控时间，持续获取所述消防预警区域的易燃物数据；其中，
所述易燃物识别设备包括气味传感器和标签识别装置，所述标签识别装置通过所述场景视频，抓取易燃物标签；
因为易燃物在室内多是以气味传感器和标签识别来进行判断，因此，本发明通过气味传感器识别具有强烈气味的化学易燃物，通过标签识别装置，识别易燃物包装箱上的标签来识别是不是易燃物，从而防止易燃物堆积在消防预警区域。
火灾提取单元：用于从所述易燃物数据和传感数据，提取与火灾相关元素；因为易燃物数据和传感数据都是与火灾直接相关，很可能发生巨大火灾的情况，因此，本发明将其定义为火灾相关元素。
第二模型搭建模块：用于根据所述火灾相关元素构建火灾数据提取模型，并通过所述火灾数据提取模型提取显性消防关联性数据；其中，
提取所述显性消防关联性数据时还包括：
根据所述火灾数据提取模型，确定所述传感数据中的温度数据，并将所述所述温度数据作为第一显性消防关联性数据；温度数据包括每个地点的温度上升数据，温度是否超过火灾限度。
根据所述火灾数据提取模型，确定所述传感数据中的烟雾浓度数据，并将所述所述烟雾数据作为第二显性消防关联性数据；烟雾浓度数据还包括烟雾是什么类型的烟雾，从而基于烟雾浓度判断是否发生火灾，也可以在火灾因素很小是进行预警。
根据所述火灾数据提取模型，确定所述易燃物数据中的气味数据，并将所述所述气味数据作为第三显性消防关联性数据。
优选的：所述显性消防信息采集模块还包括：
时间轴搭建单元：用于根据所述传感设备的起始监测时间为时间初始点，并根据所述时间初始点搭建时间轴；
时间轴就是以整个检测时间段的时长为轴，每一时刻为时间轴上的时间齿，实现基于时间的数据标记功能。
传感设备数据单元：用于根据所述时间轴，时刻监测温度数据和烟雾数据，并根据所述时间轴确定所述消防预警区域的温度特征和烟雾特征；时刻检测温度数据和烟雾数据，就是以时间轴为基础将每一时刻的温度数据和烟雾数据进行统计，并标记在时间轴上。而温度特征和烟雾特征都是以时间为基础的特征。
易燃物识别装置数据单元：用于预设易燃物数据库，并通过目标检测算法判断易燃物数据是否在所述易燃物数据库中，并在所述易燃物处于所述消防通道数据库中时，确定所述消防预警区域中的易燃物的实时特征；其中，
温度数据和烟雾数据可以基于时间进行标记提取，计算出其时间特征，但是易燃物只能判断其出现没有出现，因此本发明根据易燃物在数据库中的技术数据对比验证进而实现出对易燃物实时特征的计算。
所述易燃物数据库包括：易燃物标签数据和易燃物气味数据。
优选的：所述显性消防信息采集模块还包括
步骤S1：根据所述时间轴和温度数据，通过下式(4)计算所述消防预警区域的的温度特征：
其中，δ表示消防预警区域的的温度特征；Wt表示t时刻的温度数据；Wmax表示历史最高温度；Wmin表示立体最低温度；μ表示区域分布矩阵；t表示时刻；T表示时间轴的总时长；
步骤S2：根据所述时间轴和烟雾数据，通过下式(5)计算所述消防预警区域的的烟雾特征：
其中，θ表示消防预警区域的的烟雾特征；Wt表示t时刻的烟雾数据；ρ表示烟雾分布矩阵；t表示时刻；T表示时间轴的总时长；H表示历史最高温度；H_min表示烟雾的最低浓度；
步骤S3：根据所述易燃物数据库和易燃物标签或易燃物气味，通过下式(3)计算所述消防预警区域中易燃物特征：
其中，
τ表示消防预警区域中易燃物特征；pg表示第g个易燃物为易燃物标签识别时的易燃物特征；dg表示第g个易燃物为易燃物气味识别时的易燃物特征；
表示消防预警区域标签识别的易燃物占总易燃物的比例；ω表示消防预警区域气味识别的易燃物占总易燃物的比例；Q表示指数特征；Uv表示易燃物数据库中第v个易燃物的特征参数；g＝1，2，3，……C；C表示易燃物数据库中易燃物的总个数；v＝1，2，3，……D；D表示消防预警区域易燃物标签和易燃物气味总个数。
上述三个步骤是计算是分别计算温度特征、烟雾特征和易燃物特征的三个步骤，在步骤S1中，基于时间轴和温度数据，确定温度特征，实在一段时间内温度变化情况的总特征。烟雾特征是一段时间内烟雾浓度变化的特征，而易燃物特征，本发明引入了易燃物标签和易燃物气味两种元素，实现对易燃物特征的计算。这些特征在运用到识别预警模块中后，就可以判断是否需要发出火灾预警。
优选的：所述识别预警模块包括：
数据处理单元：用于将所述隐形消防关联性数据和显性消防关联性数据进行分类处理，并通过分类后的隐形消防关联性数据和显性消防关联性数据生成数据序列；
隐患判定单元：用于将所述数据序列带入预设消防隐患判定模型，判定是否存在消防隐患；
预警单元：用于在具有消防隐患时，通过预设的预警策略进行消防预警；其中，
所述预设的预警策略包括：人工预警和网络预警。
上述技术方案中：本发明的数据处理是一种分类处理的方式，而而根据类型生成数据序列的时候，能根据属于序列依次输入消防隐患判定模型进行消防隐患的确定，也能够提高预警的效率。
优选的：所述识别预警模块还包括：
将所述隐形消防关联性数据和显性消防关联性数据划分为训练数据集和测试数据集；
使用训练数据集对神经网络进行训练，建立初始的消防隐患判定模型；
对初始的消防隐患判定模型型进行压缩处理，得到压缩后的消防隐患判定模型；
使用测试数据集对压缩后的消防隐患判定模型进行优化，得到最优的消防预警识别模型。
上述技术方案采用了神经网络模型，基于神将网络将数据进行训练最后以学习的方式实现消防隐患的判定。本发名压缩处理是因为压缩处理后，数据更小，传输速度越快，进而通过其优化消防隐患判定模型，也可以使得消防隐患判定模型更加迅速。消防隐患判定模型是鱼鱼人工智能的神经网络算法构建。
优选的：所述隐患判定单元判定是否存在消防隐患，包括以下步骤：
根据所述数据序列，构建数据特征集合；
将所述数据特征集合导入消防隐患判定模型，判断是否存在消防隐患：
当存在消防隐患时，执行预警报警；
当不存咋消防隐患时，执行继续监督策略。
本发明的消防隐患判定，是包括两种判定方式，可以将数据序列直接代入，也可以将数据特征集合导入消防隐患判定模型，根据具体的场景和情况判断采用何种方式，有益于不同的场景，不同的方式，使得预警更加有便利性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于消防关联性的消防预警系统，其特征在于，包括：
隐性消防信息采集模块：用于通过设置在消防预警区域的视频监控设备，获取场景视频，并在所述场景视频中提取隐形消防关联性数据；其中，
所述隐形消防关联性数据包括消防设备数据、安防设备数据和消防通道数据
显性消防信息采集模块：用于通过设置在消防预警区域的传感设备和易燃物识别数据，获取可燃隐患数据，并在所述可燃隐患数据中提取显性消防关联性数据；其中，
所述显性消防关联性数据包括：易燃物数据、温度数据和在燃物数据；
识别预警模块：用于根据所述隐形消防关联性数据和显性消防关联性数据，判断是否存在消防隐患，并在具有消防隐患时，进行消防报警。
2.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述显性消防信息采集模块包括：
视频获取单元：用于通过在消防预警区域内设置的监控设备，根据监控时间，持续获取所述消防预警区域的场景视频；其中，
所述监控设备包括照相机或摄像机；
提取单元：用于从所述场景视频中，提取与消防相关元素；
第一模型搭建模块：用于根据所述消防相关元素构建消防数据提取模型，并通过所述消防数据提取模型提取第一消防关联性数据；其中，
提取所述第一消防关联性数据时还包括：
根据所述消防数据提取模型，确定所述场景视频中的消防设备元素，并根据所述消防设备元素与所述消防数据提取模型的相关性，将所述消防设备数据划分为消防设备元素和非消防设备元素；
根据所述消防数据提取模型，确定所述场景视频中的安防设备元素，并根据所述安防设备元素与所述消防数据提取模型的相关性，将所述安防设备数据划分为安防设备元素和非安防设备元素；
根据所述消防数据提取模型，确定所述场景视频中的通道元素，并根据所述通道元素与所述消防数据提取模型的相关性，将所述设备数据划分为消防通道元素和非消防通道元素。
3.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述隐性消防信息采集模块还包括：
消防设备数据单元：用于预设消防设备数据库，并通过目标检测算法判断所述场景视频中的消防设备是否在所述消防设备数据库中，并在所述消防设备处于所述消防设备数据库中时，确定所述场景视频中的消防设备的实时特征；
安防设备数据单元：用于预设安防设备数据库，并通过目标检测算法判断所述场景视频中的安防设备是否在所述安防设备数据库中，并在所述安防设备处于所述安防设备数据库中时，确定所述场景视频中的安防设备的实时特征；
消防通道数据单元：用于预设消防通道数据库，并通过目标检测算法判断所述场景视频中的消防通道的通道标准是否在所述消防通道数据库中的通道标准，并在消防通道的通道标准数据所述消防通道数据库中的通道标准时，确定所述场景视频中的消防通道的实时特征。
4.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述隐性消防信息采集模块确定所述消防设备的实时特征、安防设备的实时特征和消防通道的实时特征，包括以下步骤：
步骤1：根据所述消防设备数据库和所述场景视频中的消防设备，通过下式(1)计算所述场景视频中消防设备的特征：
其中，α表示场景视频中消防设备的特征；wj表示场景视频中的第j帧图像的图像参数；r表示消防设备筛选系数；qi表示消防设备数据库中第i个消防设备的设备参数；i＝1，2，3，……n；n表示消防设备数据库消防设备的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数；
步骤2：根据所述安防设备数据库和所述场景视频中的安防设备，通过下式(2)计算所述场景视频中安防设备的实时特征：
其中，β表示场景视频中安防设备的特征；wj表示场景视频中的第j帧图像的图像参数；s表示安防设备筛选系数；xk表示安防设备数据库中第k个安防设备的设备参数；k＝1，2，3，……A；n表示消防设备数据库安防设备的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数；
步骤3：根据所述消防通道数据库和所述场景视频中的消防通道，通过下式(3)计算所述场景视频中消防通道的实时特征：
其中，γ表示场景视频中消防通道的特征；wj表示场景视频中的第j帧图像的图像参数；f表示消防通道筛选系数；Tl表示消防通道数据库中第l个通道标准的标准参数；yj表示场景视频中的第j帧图像中通道内空间分布参数；l＝1，2，3，……B；B表示消防设备数据库中通道标准的总个数；j＝1，2，3，……m；m表示场景视频中场景图像的总帧数。
5.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述显性消防信息采集模块包括：
传感数据获取单元：用于通过在消防预警区域内设置的传感设备，根据监控时间，持续获取所述消防预警区域的传感数据；其中，
所述传感设备包括温度传感器、烟雾传感器；
易燃物识别数据获取单元：用于通过在消防预警区域内设置的易燃物识别设备，根据监控时间，持续获取所述消防预警区域的易燃物数据；其中，
所述易燃物识别设备包括气味传感器和标签识别装置，所述标签识别装置通过所述场景视频，抓取易燃物标签；
火灾提取单元：用于从所述易燃物数据和传感数据，提取与火灾相关元素；
第二模型搭建模块：用于根据所述火灾相关元素构建火灾数据提取模型，并通过所述火灾数据提取模型提取显性消防关联性数据；其中，
提取所述显性消防关联性数据时还包括：
根据所述火灾数据提取模型，确定所述传感数据中的温度数据，并根据所述温度数据；
根据所述火灾数据提取模型，确定所述传感数据中的烟雾浓度数据，并根据所述温度数据；
根据所述火灾数据提取模型，确定所述易燃物数据中的气味数据，并根据所述温度数据。
6.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述显性消防信息采集模块还包括：
时间轴搭建单元：用于根据所述传感设备的起始监测时间为时间初始点，并根据所述时间初始点搭建时间轴；
传感设备数据单元：用于根据所述时间轴，时刻监测温度数据和烟雾数据，并根据所述时间轴确定所述消防预警区域的温度特征和烟雾特征；
易燃物识别装置数据单元：用于预设易燃物数据库，并通过目标检测算法判断易燃物数据是否在所述易燃物数据库中，并在所述易燃物处于所述消防通道数据库中时，确定所述消防预警区域中的易燃物的实时特征；其中，
所述易燃物数据库包括：易燃物标签数据和易燃物气味数据。
7.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述显性消防信息采集模块还包括
步骤S1：根据所述时间轴和温度数据，通过下式(4)计算所述消防预警区域的的温度特征：
其中，δ表示消防预警区域的的温度特征；Wt表示t时刻的温度数据；Wmax表示历史最高温度；Wmin表示立体最低温度；μ表示区域分布矩阵；t表示时刻；T表示时间轴的总时长；
步骤S2：根据所述时间轴和烟雾数据，通过下式(5)计算所述消防预警区域的的烟雾特征：
其中，θ表示消防预警区域的的烟雾特征；Wt表示t时刻的烟雾数据；ρ表示烟雾分布矩阵；t表示时刻；T表示时间轴的总时长；H表示历史最高温度；H_min表示烟雾的最低浓度；
步骤S3：根据所述易燃物数据库和易燃物标签或易燃物气味，通过下式(3)计算所述消防预警区域中易燃物特征：
其中，
τ表示消防预警区域中易燃物特征；pg表示第g个易燃物为易燃物标签识别时的易燃物特征；dg表示第g个易燃物为易燃物气味识别时的易燃物特征；
表示消防预警区域标签识别的易燃物占总易燃物的比例；ω表示消防预警区域气味识别的易燃物占总易燃物的比例；Q表示指数特征；Uv表示易燃物数据库中第v个易燃物的特征参数；g＝1，2，3，……C；C表示易燃物数据库中易燃物的总个数；v＝1，2，3，……D；D表示消防预警区域易燃物标签和易燃物气味总个数。
8.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述识别预警模块包括：
数据处理单元：用于将所述隐形消防关联性数据和显性消防关联性数据进行分类处理，并通过分类后的隐形消防关联性数据和显性消防关联性数据生成数据序列；
隐患判定单元：用于将所述数据序列带入预设消防隐患判定模型，判定是否存在消防隐患；
预警单元：用于在具有消防隐患时，通过预设的预警策略进行消防预警；其中，
所述预设的预警策略包括：人工预警和网络预警。
9.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述识别预警模块还包括：
将所述隐形消防关联性数据和显性消防关联性数据划分为训练数据集和测试数据集；
使用训练数据集对神经网络进行训练，建立初始的消防隐患判定模型；
对初始的消防隐患判定模型型进行压缩处理，得到压缩后的消防隐患判定模型；
使用测试数据集对压缩后的消防隐患判定模型进行优化，得到最优的消防预警识别模型。
10.如权利要求1所述的一种基于消防关联性的消防预警系统，其特征在于，所述隐患判定单元判定是否存在消防隐患，包括以下步骤：
根据所述数据序列，构建数据特征集合；
将所述数据特征集合导入消防隐患判定模型，判断是否存在消防隐患：
当存在消防隐患时，执行预警报警；
当不存咋消防隐患时，执行继续监督策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110073419.XA CN112863105A (zh) | 2021-01-20 | 2021-01-20 | 一种基于消防关联性的消防预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110073419.XA CN112863105A (zh) | 2021-01-20 | 2021-01-20 | 一种基于消防关联性的消防预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112863105A true CN112863105A (zh) | 2021-05-28 |
Family
ID=76007565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110073419.XA Pending CN112863105A (zh) | 2021-01-20 | 2021-01-20 | 一种基于消防关联性的消防预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112863105A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656459A (zh) * | 2021-08-17 | 2021-11-16 | 北京城建设计发展集团股份有限公司 | 一种消防应用呈现方法与系统 |
| CN114973133A (zh) * | 2022-05-25 | 2022-08-30 | 河南鑫安利安全科技股份有限公司 | 一种消防隐患处理方法 |
| CN118445755A (zh) * | 2024-05-16 | 2024-08-06 | 江苏天奉海之源通信电力技术有限公司 | 一种基于ai大模型识别算法的智慧消防开放式接入方法 |
-
2021
- 2021-01-20 CN CN202110073419.XA patent/CN112863105A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656459A (zh) * | 2021-08-17 | 2021-11-16 | 北京城建设计发展集团股份有限公司 | 一种消防应用呈现方法与系统 |
| CN114973133A (zh) * | 2022-05-25 | 2022-08-30 | 河南鑫安利安全科技股份有限公司 | 一种消防隐患处理方法 |
| CN118445755A (zh) * | 2024-05-16 | 2024-08-06 | 江苏天奉海之源通信电力技术有限公司 | 一种基于ai大模型识别算法的智慧消防开放式接入方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112863105A (zh) | 一种基于消防关联性的消防预警系统 | |
| CN111311085B (zh) | 一种基于物联网监测的建筑火灾动态风险评估方法及装置 | |
| CN113936239A (zh) | 一种基于神经网络算法的智慧消防火情识别方法和系统 | |
| CN107481472B (zh) | 一种安防与消防联动控制方法 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN105976116B (zh) | 基于物联网的消防安全动态评价方法及系统 | |
| CN112216055B (zh) | 一种燃气场站火灾预警检测方法及系统 | |
| CN112466082A (zh) | 一种基于时间空间与联动关系的人工智能火灾报警分级预警方法 | |
| CN212782246U (zh) | 一种基于人工智能的烟火识别系统 | |
| CN112785809B (zh) | 一种基于ai图像识别火情复燃预测方法及系统 | |
| CN111257507A (zh) | 一种基于无人机的气体浓度检测及事故预警系统 | |
| CN112037455A (zh) | 一种基于数据采集的火灾自动报警系统 | |
| CN118097875A (zh) | 一种基于互联网的区域消防安全预警系统及方法 | |
| CN115394036A (zh) | 一种用于建筑火灾的监测和预警方法及系统 | |
| CN117392591A (zh) | 一种现场安防ai检测方法及装置 | |
| CN118135475B (zh) | 一种基于物联网的消防隐患检测预警系统及方法 | |
| CN111080957A (zh) | 一种基于窄带物联网的火灾防控方法 | |
| CN117690245A (zh) | 一种楼宇消防智能监测预警方法及系统 | |
| CN115376268B (zh) | 一种基于图像识别的监控报警消防联动系统 | |
| CN117373191A (zh) | 一种变电站设备火灾预警方法及系统 | |
| CN117152904A (zh) | 一种智能建筑火灾态势预测分析方法 | |
| CN110796397A (zh) | 一种报警系统及方法 | |
| CN116449679A (zh) | 一种基于数字孪生的智慧医院消安联动控制方法及系统 | |
| CN110895686A (zh) | 一种消防值班人员专人在岗识别方法 | |
| CN118262466B (zh) | 一种联动型火灾报警控制系统及方法 |
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 |