CN113920670A - 消防安全监控方法、装置及系统、消防监控设备及介质 - Google Patents
消防安全监控方法、装置及系统、消防监控设备及介质 Download PDFInfo
- Publication number
- CN113920670A CN113920670A CN202111075058.9A CN202111075058A CN113920670A CN 113920670 A CN113920670 A CN 113920670A CN 202111075058 A CN202111075058 A CN 202111075058A CN 113920670 A CN113920670 A CN 113920670A
- Authority
- CN
- China
- Prior art keywords
- fire
- heat source
- abnormal heat
- safety monitoring
- module
- 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 152
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 176
- 238000012806 monitoring device Methods 0.000 claims abstract description 53
- 238000003860 storage Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 57
- 238000003745 diagnosis Methods 0.000 claims description 47
- 238000001931 thermography Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 16
- 238000013136 deep learning model Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 230000035784 germination Effects 0.000 abstract description 9
- 230000036544 posture Effects 0.000 description 31
- 238000003062 neural network model Methods 0.000 description 16
- 235000019504 cigarettes Nutrition 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000000391 smoking effect Effects 0.000 description 8
- 230000005856 abnormality Effects 0.000 description 6
- 239000004744 fabric Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 235000000396 iron Nutrition 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Fire-Detection Mechanisms (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供一种消防安全监控方法、装置及系统、消防监控设备及计算机可读存储介质，所述消防安全监控方法包括：获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级；根据所述火灾风险等级执行对应的灾情处置方案。可以采集与监控到火灾初起阶段的温度数据以及温升趋势，及早地发现高温隐患和火险，实现火灾萌芽期的主动准确识别、定位，尤其适用于家庭环境内消防安全监控和预警，有效避免灾情的发生。
Description
技术领域
本申请涉及家庭消防安全技术领域，尤其是涉及一种消防安全监控方法、装置及系统、消防监控设备及计算机可读存储介质。
背景技术
随着人们水平的提高，人们对家庭安全的诉求越来越高。据统计，2020年消防救援队共接报火灾25.2万起，其中发生居民住宅的火灾10.9万起，占火灾总数的43.4％；用电起火(如电熨斗、电热毯、电取暖器等)、燃气起火、吸烟与玩火等是造成家庭火灾的主要原因。由此看来，预防家庭火灾的发生已经成为家庭生活中很至关重要的一环。
现有家庭火灾监控的技术方案多基于烟雾传感等，采用的是事后，即起火后监控、被动的检测火灾的方式，其缺点在于监控的时机相对的滞后，预警相对的滞后，压缩了宝贵的处置灾情的时间，不利于灾情处置的进行，容易延误处置灾情的时机。
发明内容
为解决现有存在的技术问题，本申请提供一种能够有效识别、定位萌芽期火灾的主动监测火灾的消防安全监控方法、装置及系统、消防监控设备及计算机可读存储介质。
为达到上述目的，本申请实施例的技术方案是这样实现的：
第一方面，本申请实施例提供一种消防安全监控方法，应用于消防监控设备，包括：
获取目标区域的红外图像；
根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；
获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级；
根据所述火灾风险等级执行对应的灾情处置方案。
第二方面，一种消防安全监控方法，应用于消防安全监控系统，包括：
云端根据训练样本集对深度学习模型进行训练，得到训练后的火灾风险诊断模型并下发给消防监控设备；
所述消防监控设备获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；获取所述异常热源对应的温度数据，将所述温度数据、所述红外图像及所述热源图像数据输入所述火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级；根据所述火灾风险等级执行对应的灾情处置方案。
第三方面，本申请实施例提供一种消防安全监控装置，包括：
采集模块，获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；
风险识别模块，用于获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级；
风险处理模块，用于根据所述火灾风险等级执行对应的灾情处置方案。
第四方面，本申请实施例提供一种消防监控设备，包括处理器、与所述处理器连接的红外热成像模块和拍摄模块、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现本申请应用于终端设备侧的任一实施例所述的消防安全监控方法。
第五方面，本申请实施例提供一种消防安全监控系统，包括本申请任一实施例所述的消防监控设备及云端；所述云端根据训练样本集对深度学习模型进行训练，得到训练后的火灾风险诊断模型并下发给消防监控设备。
第六方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器执行时实现如本申请任一实施例所述的消防安全监控方法。
上述实施例中，消防监控设备获取目标区域的红外图像确定异常热源，若确定存在异常热源则启动拍摄模块采集异常热源所在位置的热源图像数据，根据所述异常热源对应的温度数据、红外图像和热源图像数据结合确定异常热源对应的火灾风险等级，根据火灾风险等级相应执行灾情处置方案，如此，通过利用红外图像的形成对温度的敏感性，结合红外图像、可见光图像和温度，可以采集与监控到火灾初起阶段的温度数据以及温升趋势，及早地发现高温隐患和火险，实现火灾萌芽期的主动准确识别、定位，尤其适用于家庭环境内消防安全监控和预警，有效避免灾情的发生。
上述实施例中，计算机可读存储介质与对应的消防监控方法实施例属于同一构思，从而分别与对应的消防监控方法实施例具有相同的技术效果，在此不再赘述。
附图说明
图1为本申请实施例中消防安全监控方法的可选应用场景示意图；
图2为本申请一实施例中消防安全监控方法的流程图；
图3为本申请一实施例中火灾风险诊断模型的架构图；
图4为本申请又一实施例中消防安全监控方法的流程图；
图5为本申请为一可选的具体示例中消防安全监控系统的架构图；
图6为本申请为一可选的具体示例中消防安全监控方法的流程图；
图7为本申请一实施例中消防安全监控装置的示意图；
图8为本申请一实施例中消防监控设备的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”的表述，其描述了所有可能实施例的子集，需要说明的是,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一、第二、第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一、第二、第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
请参阅图1，为本申请实施例提供的消防安全监控方法的可选应用场景的示意图，其中，消防安全监控系统包括终端设备11、云端12、网关13及消防监控设备14。所述终端设备11是指具备通信和存储功能的设备，例如：智能手机、台式电脑、笔记本电脑、平板电脑或其他具有网络连接功能的智能通信设备。云端12可以包括一个或多个物理服务器，如网络接入服务器、数据库服务器、云服务器等。网关13可以为基于ZigBee协议搭建的网关设备，消防监控设备14可以通过网关13接入网络，并受控于终端设备11，终端设备11可以安装有对消防监控设备14进行管理的客户端，所述客户端可以是应用程序客户端(如手机APP)，也可以是网页客户端，小程序、微信公众号等，在此不作限定。用户可以通过操作客户端查看消防监控设备14的工作状态，终端设备11也可以通过客户端接收用户输入的对消防监控设备14的控制指令，与云端12进行通信，由云端12通过网关13将用户输入的控制指令转发给对应的消防监控设备14，实现对消防监控设备14的远程智能控制。终端设备11也可以通过客户端接收用户输入的对消防监控设备14的工作参数配置信息，消防监控设备14根据这些工作参数配置信息确定自身当前所处工作模式。
可选的，所述消防监控设备14可以是预先加入网关13，例如，消防监控设备14可以是网关出厂时预先设置的网关13所归属套件中的设备；也可以是后续通过用户操作而连接至网关13中的设备。消防监控设备14及终端设备11均可以通过网关13接入到以太网中，网关13可以通过有线或无线的通信连接方式接入云端12。例如，消防监控设备14以及终端设备11可以通过网关13将获取的信息存储到云端12中。可选的，消防监控设备14也可以通过2G/3G/4G/5G、WiFi等与云端12建立网络连接，从而可以获取云端12下发的数据。
其中，所述消防监控设备14可以是物联网系统内的各类智能家居设备，如集成有红外热成像模块和可见光拍摄模块的安防系统。
请参阅图2，为本申请一实施例提供的消防安全监控方法，可应用于图1所示的消防监控设备。其中，消防安全监控方法包括如下步骤：
S101，获取目标区域的红外图像。
目标区域是指根据消防安全监控范围所设定的区域，如针对家庭范围内的消防安全监控，可以根据潜在可能引发火灾风险的物体的存放地点而设置消防安全监控范围，将电熨斗、电热毯、电取暖器、燃气设备、烟头等可能出现的区域设置为目标区域。消防监控设备获取目标区域的红外图像可以是指，消防监控设备通过预先装设于特定位置的红外热成像模块拍摄的目标区域的红外图像。
S103，根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据。
红外图像的形成是利用对温度的敏感性，且不受外界光线的影响，在夜晚无光的环境下，也能敏锐地捕捉到高温隐患的异常热源。消防监控设备根据所述红外图像确定存在异常热源时，启动可见光拍摄模块采集所述异常热源所在位置的热源图像数据。拍摄模块根据异常热源所在位置，针对性地拍摄所述异常热源所在位置的热源图像数据，热源图像数据可以是图片或视频，以对异常热源的隐患和火险状态进一步进行监控。
S105，获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级。
消防监控设备获取所述异常热源对应的温度数据可以是，消防监控设备根据红外图像的形成与温度的映射关系，获取异常热源对应的图像部位的温度值作为所述异常热源对应的温度数据。作为另一可选的实施例，消防监控设备获取所述异常热源对应的温度数据可以是，消防监控设备通过温度传感器等检测温度的设备采集异常热源所在位置的温度值。消防监控设备根据异常热源对应的温度数据、红外图像及热源图像数据综合判断，确定所述异常热源对应的火灾风险等级。
其中，火灾风险等级是指按照引发火灾灾情的不同原因、趋势和可能导致的严重后果程度而预设的风险等级，如，针对异常热源虽存在高温异常但属于正常用火导致，可能发生火灾的风险较低，相应火灾风险等级为低风险；针对异常热源存在高温异常，虽当前未导致明火但不属于正常用火导致，高温持续可能发生火灾风险，相应火灾风险等级为中风险；针对异常热源存在高温异常且当前已呈现火灾初期征兆，相应火灾风险等级为高风险。通过预设不同的火灾风险等级，且消防监控设备根据异常热源对应的温度数据、红外图像及热源图像数据综合判断，确定当前主动识别、定位到的异常热源对应的火灾风险等级，根据不同火灾风险等级可相应设置不同的应对处理策略。
S107，根据所述火灾风险等级执行对应的灾情处置方案。
灾情处理方案是指预先设置的与不同火灾风险等级分别对应的、用于消除相应风险的应对处理策略。如，预设的火灾风险等级包括低风险、中风险和高风险，针对低风险对应的灾情处置方案可以是采用提醒的方式告知用户，以供用户知晓并判断是否进一步关注；针对中风险对应的灾情处置方案可以包括采用确保用户能够快速接收到的告警的方式通知用户，以及启动一些预设的自动控制手段以避免火灾灾情进一步严峻；针对高风险对应的灾情处理方案可以包括采用确保用户能够快速接收到的告警的方式通知用户、启动一些预设的自动控制手段以避免火灾灾情进一步严峻、以及自动触发消防报警。
上述实施例中，消防监控设备获取目标区域的红外图像确定异常热源，若确定存在异常热源则启动拍摄模块采集异常热源所在位置的热源图像数据，根据所述异常热源对应的温度数据、红外图像和热源图像数据结合确定异常热源对应的火灾风险等级，根据火灾风险等级相应执行灾情处置方案，如此，通过利用红外图像的形成对温度的敏感性，结合红外图像、可见光图像和温度，可以采集与监控到火灾初起阶段的温度数据以及温升趋势，及早地发现高温隐患和火险，实现火灾萌芽期的主动准确识别、定位，尤其适用于家庭环境内消防安全监控和预警，有效避免灾情的发生。此外，消防监控设备根据预设的火灾风险等级，智能地判定灾情的风险等级并可分别执行对应的灾情处置方案，实现针对不同风险等级执行不同强度的风险报警与处置规则，可以实现防止灾情扩大化的智能化的主动措施的执行，进一步提升了灾情预防的有效性。
在一些实施例中，所述获取目标区域的红外图像，包括：
获取预装设于目标区域的红外热成像模块按照设定频率采集并发送的红外图像；和/或，
获取预装设于目标区域的红外热成像模块感测到所述目标区域内任意点温度变化时采集并发送的红外图像。
红外热成像模块可预装设于目标区域，以确保红外热成像模块的成像范围可覆盖到目标区域。可选的，红外热成像模块可以是一个或多个，红外热成像模块可以作为与消防监控设备相对独立的子设备，按照设定频率采集红外图像并发送给消防监控设备，也可以作为集成于消防监控设备的一部分，按照设定频率采集红外图像后传送给消防监控设备的处理器。
在另一可选的实施例中，获取目标区域的红外图像还可以是，红外热成像模块作为消防监控设备通过相对独立的子设备感测到所述目标区域内任意点温度变化时，触发采集红外图像并发送给消防监控设备；或者，红外热成像模块作为消防监控设备的一部分，感测到所述目标区域内任意点温度变化时，触发采集红外图像传送给消防监控设备的处理器。
上述实施例中，消防监控设备可以通过预装设于目标区域的红外热成像模块采集目标区域的红外图像，针对家庭环境内的火灾监控而言，可根据可能引发火灾隐患的用火、用电设备存放的位置来针对性设置红外热成像模块，由此有效提升对家庭火灾隐患的预防和监控的有效性。
在一些实施例中，所述根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据，包括：
根据所述红外图像确定存在异常热源时，确定所述异常热源所在位置；
获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态；
控制所述拍摄模块以对应所述拍摄姿态采集所述异常热源所在位置的热源图像数据。
拍摄模块可以包括预先装设于目标区域的一个或多个摄像头等可见光拍摄设备。为了减少对拍摄设备的数量的需求，可设置拍摄设备的姿态可调节，如拍摄设备可转向调节、支撑拍摄设备的支架长度可伸缩调节、支撑拍摄设备的支架的弯折角度可调节等。消防监控设备根据所述红外图像确定存在异常热源时，确定所述异常热源所在位置，消防监控设备根据拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态，确保拍摄模块调整拍摄姿态后的拍摄范围可准确、完整地覆盖异常热源所在位置，并控制所述拍摄模块以对应所述拍摄姿态采集所述异常热源所在位置的热源图像数据。
其中，拍摄模块在通常情况下可处于休眠状态，消防监控设备根据所述红外图像确定存在异常热源时，控制拍摄模块从休眠状态切换至唤醒状态以根据所述红外图像确定存在异常热源时，可以减少拍摄模块的耗能，且无需拍摄模块针对家庭环境内各个区域进行持续的拍摄，有助于隐私保护。
上述实施例中，拍摄模块的姿态可调节，消防监控设备确定目标区域内存在异常热源时，根据拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态，在确保可有效采集异常热源所在位置的图像数据的前提下，可减少需要使用的拍摄模块的数量，降低成本，且可以较好地保护用户隐私。
在一些实施例中，所述获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态，包括：
获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄方向，使所述拍摄模块的拍摄方向朝向所述异常热源所在位置；和/或，
获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块的移动轨迹，使所述拍摄模块移动至与所述异常热源所在位置对应的拍摄点位置。
拍摄模块设置为可调整拍摄方向，消防监控设备根据所述红外图像确定存在异常热源时，确定所述异常热源所在位置，消防监控设备根据拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块转向，确保拍摄模块调正对异常热源所在位置的方向，确保拍摄模块调整拍摄方向后拍摄范围可准确、完整地覆盖异常热源所在位置，并控制所述拍摄模块以对应所述拍摄姿态采集所述异常热源所在位置的热源图像数据。
作为另一可选的实施方式，拍摄模块可移动式拍摄设备，如装设有摄像头的机器人，消防监控设备根据所述红外图像确定存在异常热源时，确定所述异常热源所在位置，消防监控设备根据拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块移动，使所述拍摄模块移动至与所述异常热源所在位置对应的拍摄点位置。与各个异常热源所在位置对应的拍摄点位置可以是预先设置的，如根据潜在可能引发火灾风险的物体的存放地点而预先设置的拍摄点位置，以确保拍摄设备移动至所述拍摄点位置时，拍摄范围可准确、完整地覆盖异常热源所在位置。
上述实施例中，拍摄模块可转向调节或可移动设置，消防监控设备确定目标区域内存在异常热源时，根据拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整朝向或移动，在确保可有效采集异常热源所在位置的图像数据的前提下，可减少需要使用的拍摄模块的数量，降低成本，且可以较好地保护用户隐私。
所述获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级，包括：
获取所述异常热源对应的温度数据；
将所述温度数据、所述红外图像及所述热源图像数据输入火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级。
火灾风险诊断模型是指基于所述温度数据、所述红外图像及所述热源图像数据与火灾风险等级之间的关联关系所预先构建的诊断模型。其中，可以将异常热源根据潜在可能引发火灾风险的物体不同而区分为不同类型，基于不同类型异常热源分别构建其对应的温度数据、红外图像及热源图像数据与火灾风险等级之间的关联关系，建立对应的火灾风险诊断模型。作为另一可选的实施方式，火灾风险诊断模型也可以是基于训练样本集对深度学习模型进行训练后得到，训练样本集包括对应标注有火灾风险等级的不同类型的异常热源的温度数据、红外图像及热源图像数据。如，异常热源为烟头，一类训练样本包括烟头处于抽烟用户正在抽烟状态时获得的温度数据、红外图像及热源图像数据，及对应标注为低风险；二类训练样本包括烟头处于丢弃于周围有纸品、布品附近状态时获得的温度数据、红外图像及热源图像数据，及对应标注为中风险；三类训练样本包括烟头处于丢弃于周围有纸品、布品附近、且有火苗燃起状态时获得的温度数据、红外图像及热源图像数据，及对应标注为高风险；以此类似的，根据异常热源为电熨斗、电取暖器等潜在可能引发火灾风险的不同物体而分别收集训练样本。
可选的，火灾风险诊断模型可以是通过训练样本集进行训练后得到的深度学习模型。深度学习模型可以采用分类神经网络模型，该分类神经网络模型可采用三个卷积神经网络模型共同级联一个卷积神经网络模型的架构，分别将温度数据、红外图像及热源图像数据作为三个卷积神经网络模型的输入，通过前三个卷积神经网络分别得到初级分类结果输出至后一卷积神经网络模型进行分类映射，确定温度数据、红外图像及热源图像数据作为输入对应的火灾风险等级。
上述实施例中，通过构建火灾风险诊断模型，消防监控设备确定目标区域内存在异常热源时，将异常热源对应的温度数据、红外图像及所述热源图像数据输入火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级，可以提升火灾风险预判的准确性。
在一些实施例中，所述消防安全监控方法，还包括：
获取云端下发的基于训练样本集对深度学习模型进行训练后得到的火灾风险诊断模型。
其中，云端基于训练样本集对深度学习模型进行训练后得到火灾风险诊断模型，将训练后得到的火灾风险诊断模型下发给消防监控设备。
火灾风险诊断模型是预先训练的，具体实施时，可以先构建初始的分类神经网络模型，请参阅图3，如三个卷积神经网络模型的输出级联一个卷积神经网络模型的输入的整体架构，通过以下方式对初始的分类神经网络模型进行训练：首先获取训练样本，并对训练样本进行类别标注，一组训练样本包括一组对应的温度数据、红外图像及热源图像数据，类别标注为该组训练样本的火灾风险等级，如训练样本1为异常热源为烟头的一组训练样本，包括烟头处于抽烟用户正在抽烟状态时获得的温度数据、红外图像及热源图像数据，训练样本1的类别标注对应为1，类别标签1表示低风险；训练样本2为异常热源为烟头的一组训练样本，包括烟头处于丢弃于周围有纸品、布品附近状态时获得的温度数据、红外图像及热源图像数据，训练样本2的类别标注对应为2，类别标签2表示中风险；训练样本3为异常热源为烟头的一组训练样本，包括烟头处于丢弃于周围有纸品、布品附近、且有火苗燃起状态时获得的温度数据、红外图像及热源图像数据，训练样本3的类别标注对应为3，类别标签3表示高风险；以此类推，根据异常热源为电熨斗、电取暖器等潜在可能引发火灾风险的不同物体而分别收集训练样本；然后将标注有目标类别标签的训练样本输入分类神经网络模型，以通过分类神经网络模型对训练样本进行类别预测，将预测类别与标准的目标类别标签进行比较，以基于预测类别与标准的目标类别之间的差异，确定分类神经网络模型的损失函数的值，将损失函数的值反向传中至分类神经网络模型的各个层，通过随机梯度下降法(SGD，Stochastic Gradient Descent)更新各个层的模型参数，以实现模型的训练。
上述实施例中，云端基于训练样本集对深度学习模型进行训练得到火灾风险诊断模型，消防监控设备接收云端下发的火灾风险诊断模型，执行消防安全监控方法的过程可以在局域网内实现，降低对与云端的通信质量的依赖，确保消防监控设备工作的可持续性，其次，通过云端进行训练得到火灾风险诊断模型，有利于收集到更多的训练样本，提升训练效率和精度，且方便统一的升级优化管理。
在一些实施例中，所述S107，根据所述火灾风险等级执行对应的灾情处置方案，包括：
根据所述火灾风险等级控制告警设备发出对应的告警提示；和/或，
根据所述火灾风险等级发送对应的告警提示信息给对应终端设备；和/或，
根据所述火灾风险等级控制对应的燃气管道系统关闭及电路控制系统关闭。
根据同一的火灾风险等级执行的同一火灾处理方案，可以包括采用一种或多种告警手段的结合。如告警手段可以是根据所述火灾风险等级控制告警设备发出对应的告警提示，其中告警设备可以包括设于家庭环境内的发光、发声设备，可以是喇叭、灯具等，消防监控设备根据不同的火灾风险等级对其灾情处理方案进行配置，将控制喇叭发出指定频率的声音、指定灯具按照一定频率进行闪烁等配置为灾情处理方案的其中之一告警手段。可选的，告警手段可以是根据所述火灾风险等级发送对应的告警提示信息给对应终端设备，其中终端设备可以预先绑定的用户手机移动端，消防监控设备根据不同的火灾风险等级对其灾情处理方案进行配置，将控制手机强震动、锁屏通知、微信消息、电话短信通知等形式的告警提示信息配置为灾情处理方案的其中之一告警手段。可选的，告警手段可以是根据所述火灾风险等级控制对应的燃气管道系统关闭及电路控制系统关闭，消防监控设备根据不同的火灾风险等级对其灾情处理方案进行配置，将控制燃气管道系统和电路控制系统关闭配置为灾情处理方案的其中之一告警手段。
上述实施例中，消防监控设备可以预设火灾风险等级与告警处置规则，也支持用户自定义配置与各火灾风险等级对应的告警处置规则，确保针对不同火灾风险等级的风险可以及时被获知，及时被处理，提升对萌芽期火灾风险准确识别、定位后被解决的高效性；消防监控设备还可以将智能控制燃气管道系统和电路控制系统关闭，实现自动断气断电来主动避免萌芽期火灾的扩大化和严重化。
请参阅图4，本申请另一方面，还提供一种消防安全监控方法，应用于消防安全监控系统，包括：
S201，云端根据训练样本集对深度学习模型进行训练，得到训练后的火灾风险诊断模型并下发给消防监控设备；
训练样本集包括对应标注有火灾风险等级的不同类型的异常热源的温度数据、红外图像及热源图像数据。如，异常热源为烟头，一类训练样本包括烟头处于抽烟用户正在抽烟状态时获得的温度数据、红外图像及热源图像数据，及对应标注为低风险；二类训练样本包括烟头处于丢弃于周围有纸品、布品附近状态时获得的温度数据、红外图像及热源图像数据，及对应标注为中风险；三类训练样本包括烟头处于丢弃于周围有纸品、布品附近、且有火苗燃起状态时获得的温度数据、红外图像及热源图像数据，及对应标注为高风险；以此类似的，根据异常热源为电熨斗、电取暖器等潜在可能引发火灾风险的不同物体而分别收集训练样本；将所述训练样本形成训练样本集。
将训练样本集中标注有目标类别的训练样本输入初始的分类神经网络模型，以通过分类神经网络模型对训练样本进行类别预测，将预测类别与标准的目标类别进行比较，以基于预测类别与标准的目标类别之间的差异，确定分类神经网络模型的损失函数的值，将损失函数的值反向传中至分类神经网络模型的各个层，通过随机梯度下降法(SGD，Stochastic Gradient Descent)更新各个层的模型参数，以实现模型的训练。
S203，所述消防监控设备获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；获取所述异常热源对应的温度数据，将所述温度数据、所述红外图像及所述热源图像数据输入所述火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级；根据所述火灾风险等级执行对应的灾情处置方案。
目标区域是指根据消防安全监控范围所设定的区域，如针对家庭范围内的消防安全监控，可以根据潜在可能引发火灾风险的物体的存放地点而设置消防安全监控范围，将电熨斗、电热毯、电取暖器、燃气设备、烟头等可能出现的区域设置为目标区域。红外图像的形成是利用对温度的敏感性，且不受外界光线的影响，在夜晚无光的环境下，也能敏锐地捕捉到高温隐患的异常热源。消防监控设备根据所述红外图像确定存在异常热源时，启动可见光拍摄模块采集所述异常热源所在位置的热源图像数据，以针对性地拍摄所述异常热源所在位置的热源图像数据。热源图像数据可以是图片或视频，以对异常热源的隐患和火险状态进一步进行监控。
其中，火灾风险等级是指按照引发火灾灾情的不同原因、趋势和可能导致的严重后果程度而预设的风险等级，如，针对异常热源虽存在高温异常但属于正常用火导致，可能发生火灾的风险较低，相应火灾风险等级为低风险；针对异常热源存在高温异常，虽当前未导致明火但不属于正常用火导致，高温持续可能发生火灾风险，相应火灾风险等级为中风险；针对异常热源存在高温异常且当前已呈现火灾初期征兆，相应火灾风险等级为高风险。通过预设不同的火灾风险等级，且消防监控设备根据异常热源对应的温度数据、红外图像及热源图像数据综合判断，确定当前主动识别、定位到的异常热源对应的火灾风险等级，根据不同火灾风险等级可相应设置不同的应对处理策略。消防监控设备根据所述火灾风险等级执行对应的灾情处置方案，确保用户可以及时知晓火灾风险等级的监控数据，必要时可以及时采取措施以避免火灾灾情扩大。
上述实施例中，消防监控设备获取目标区域的红外图像确定异常热源，若确定存在异常热源则启动拍摄模块采集异常热源所在位置的热源图像数据，根据所述异常热源对应的温度数据、红外图像和热源图像数据结合确定异常热源对应的火灾风险等级，根据火灾风险等级相应执行灾情处置方案，如此，通过利用红外图像的形成对温度的敏感性，结合红外图像、可见光图像和温度，可以采集与监控到火灾初起阶段的温度数据以及温升趋势，及早地发现高温隐患和火险，实现火灾萌芽期的主动准确识别、定位，尤其适用于家庭环境内消防安全监控和预警，有效避免灾情的发生。此外，消防监控设备根据预设的火灾风险等级，智能地判定灾情的风险等级并可分别执行对应的灾情处置方案，实现针对不同风险等级执行不同强度的风险报警与处置规则，可以实现防止灾情扩大化的智能化的主动措施的执行，进一步提升了灾情预防的有效性。
在一些实施例中，所述消防安全监控方法，还包括：
告警设备接收所述消防监控设备发送的控制指令，根据所述控制指令发出相应的告警提示；和/或，
终端设备接收所述消防监控设备发送的告警提示信息并显示；和/或，
燃气管道系统和电路控制系统分别接收所述消防监控设备发送的关闭指令，根据所述关闭指令断开所述燃气管道系统和所述电路控制系统。
消防安全监控还包括与消防监控设备通信连接的告警设备、终端设备、燃气管道系统和电路控制系统。用户可以采用终端设备对各个火灾风险等级对应的火灾处理方案进行配置，针对同一火灾风险等级的火灾处理方案，可以包括采用一种或多种告警手段的结合。如告警手段可以是告警设备接收所述消防监控设备发送的控制指令，根据所述控制指令发出相应的告警提示，其中告警设备可以包括设于家庭环境内的发光、发声设备，可以是喇叭、灯具等，消防监控设备根据不同的火灾风险等级对其灾情处理方案的配置，将发送控制指令以控制喇叭发出指定频率的声音、指定灯具按照一定频率进行闪烁等配置为灾情处理方案的其中之一告警手段。可选的，告警手段可以是终端设备接收所述消防监控设备发送的告警提示信息并显示，其中终端设备可以预先绑定的用户手机移动端，消防监控设备根据不同火灾风险等级对其灾情处理方案的配置，将控制手机强震动、锁屏通知、微信消息、电话短信通知等形式的告警提示信息配置为灾情处理方案的其中之一告警手段。可选的，告警手段可以是燃气管道系统和电路控制系统分别接收所述消防监控设备发送的关闭指令，根据所述关闭指令断开所述燃气管道系统和所述电路控制系统，消防监控设备根据不同的火灾风险等级对其灾情处理方案的配置，将发送关闭指令以控制燃气管道系统和电路控制系统关闭配置为灾情处理方案的其中之一告警手段。
上述实施例中，消防监控设备可以预设火灾风险等级与告警处置规则，也支持用户自定义配置与各火灾风险等级对应的告警处置规则，确保针对不同火灾风险等级的风险可以及时被获知，及时被处理，提升对萌芽期火灾风险准确识别、定位后被解决的高效性；消防监控设备还可以将智能控制燃气管道系统和电路控制系统关闭，实现自动断气断电来主动避免萌芽期火灾的扩大化和严重化。
为了能够对本申请实施例提供的消防安全监控方法具有更加整体的理解，请结合参阅图5和图6，以一可选的具体示例对所述消防安全监控方法进行说明。所述消防安全监控系统包括云端、终端设备、告警设备、燃气管道系统和电路控制系统、消防监控设备。其中，所述消防监控设备包括采集模块、可见光拍摄模块、通讯模块、处理器、存储器。
S11，云端对火灾风险诊断模型进行训练后，下发到消防监控设备；
基于深度学习模型的训练可采用如卷积神经网络，通过对接收的红外热成像图像、温度以及可见光图像等数据分别进行训练，建立不同物体的“升温-临界-起火”的温度曲线模型，结合机器视觉对可见光图像进行训练建模，以建立火灾风险诊断模型。在用户使用过程中，如果网络环境允许，执行消防安全监控方法过程中获得的数据会同步到云端进行模型的训练迭代，且更新后的模型发送到消防监控设备，实现智能升级优化。
S12，采集模块通过红外热成像模块采集目标区域的红外图像。红外热成像模块可以包括红外探测器、红外镜头、结构件、处理电路等元件，其中核心元件是红外探测器，例如长波非制冷红外探测器。红外镜头对温度特别敏感，可以及早的发现高温隐患和火险，进行温度监测及提前预警，对比已知火灾监测方法所采用的烟雾传感器，在产生颗粒前就可以提前感知温度变化趋势；红外探测器不受外界光线的影响，在夜晚无光的环境下，也能敏锐的捕捉到室内异常热源，对比点式测温仪，覆盖范围更广。
S13，处理器根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据。拍摄模块为可见光摄像头模块，用以监控并采集拍摄可见光图像；当红外探测器捕捉到异常热源时，可联动激活可见光摄像头，自动调整摄像头镜头转向，使其定位到温度异常的位置，拍摄实时的视频，并且视频数据保存到存储器；
S14，处理器获取所述异常热源对应的温度数据，将所述温度数据、所述红外图像及所述热源图像数据输入火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级；
S15，处理器根据所述火灾风险等级执行对应的灾情处置方案；
处理器利用采集到的红外图像、温度数据、热源图像数据，基于已有的火灾风险诊断模型，进行火灾风险等级判定；例如，根据可见光的热源图像数据，智能识别场景内的风险目标种类(如电器、插座、蜡烛等)，调用火灾风险诊断模型中对应的火灾模型(红外图像特征模型、温度变化模型、可见光图像特征模型)，对红外图像、温度数据、热源图像数据等数据实时分析，综合对应火灾模型的初级分类结果判断火情的风险等级，然后自动化、针对性执行灾情预警和处置方案。如识别出因室内有人正在吸烟导致的温度异常，判断火灾风险为低风险，则只推送低强度的报警信号和通知；如识别出卧室出现异常火苗，则判火灾风险为高风险，系统会自动生成断电断气的指令发送给相应的系统，并发送声光报警信号和终端设备推送告知用户。
S16，告警设备接收所述消防监控设备发送的控制指令，根据所述控制指令发出相应的告警提示；告警设备可以包括警示灯和喇叭，以声音和闪光的报警信号的方式预警告知用户火灾风险；根据处理器分析判断出的不同的灾情风险等级，声光告警设备会发送不同强度、不同频率组合的声光报警信号；如，低强度、低频率的声光报警对应低等级的风险，中强度、中频率的声光报警对应中等级的风险，以此类推。和/或，
S17，终端设备接收所述消防监控设备发送的告警提示信息并显示；终端设备可装设有不限于App、小程序、微信公众号等形态的应用程序，方便户主可以在手机上远程查看室内的实时监控视频和风险源图像，在居家或离家的情况下第一时间内接收风险报警通知(包括不限于手机强震动、锁屏通知、微信消息、电话短信通知等形式)；并可以执行一键报警、联系物业、或解除风险警报等操作；消防安全监控系统内可以设置默认的风险报警与处置规则，也允许用户通过终端设备的应用程序进行自定义创建规则风险报警与处置规则，形成满足个性化需求的灾情处置方案。和/或，
S18，燃气管道系统和电路控制系统分别接收所述消防监控设备发送的关闭指令，根据所述关闭指令断开所述燃气管道系统和所述电路控制系统。燃气管道系统与电路控制系统可以包括通讯模块和继电器，并与家庭的燃气阀门、电源总闸连接；通讯模块接收来自处理器的关闭指令，控制继电器的闭合，进而实现断气断电，避免火灾的扩大化和严重化。
消防监控设备的存储器，如EMMC、SD卡等，把采集的异常热源的数据存储在本地，可供本地的快速调用等。云端设有存储模块，可以存储一定时间周期内的异常可疑点的热源图像数据，方便在其他设备(如手机、电脑)上同步查看，避免本地设备故障导致的数据丢失。
消防监控设备的通讯模块，由通讯元件组成，支持Wi-Fi等；用于网络连接云端、传输异常热源的数据；传递处理器发出的断气断网等控制指令给燃气管道系统和电路控制系统。云端通过通讯模块，用于接收消防监控设备采集的数据，并向消防监控设备传递更新后的深度学习模型；与终端设备进行数据交互，传递风险报警通知到移动端的同时，也能接收终端设备的用户指令。
上述实施例中，当红外探测器监测到室内某处、如热水壶的温度达到风险阈值时，处理器模块自动下达指令给可见光摄像头，调动可见光摄像头进行实时的图像监控；同时基于火灾风险诊断模型，结合采集的红外热像图、温度数据与可见光数据，智能地分析确定当前的火灾风险等级(低风险/中风险/高风险)，将采集到的数据存储在本地与云端的存储区，并执行不同的风险报警与处置规则；消防安全监控系统判定的当前风险等级低，则触发低等强度的报警声与闪光，推送预警通知到用户手机移动端，用户查看实时的监控图像以了解详情；判定的当前的风险等级中度，则触发中等强度的报警声与闪光，用户在手机移动端自行决定是否下达断气断网的指令；判定当前的风险等级高，则触发高强度的报警声与闪光系统，在手机移动端推送给用户预警通知的同时，会自动地下达断气断网的指令给燃气管道系统与电路控制系统。在用户自定义风险报警与处置规则的情况下，则按用户设置的规则相应执行。
请参阅图7，本申请另一方面，提供一种消防安全监控装置，在示例性实施例中，该消防安全监控装置可以采用集成有红外热成像模块的安防监控设备实施。该消防安全监控装置包括：采集模块31，获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；风险识别模块32，用于获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级；风险处理模块33，用于根据所述火灾风险等级执行对应的灾情处置方案。
可选的，所述采集模块31，具体用于获取预装设于目标区域的红外热成像模块按照设定频率采集并发送的红外图像；和/或，获取预装设于目标区域的红外热成像模块感测到所述目标区域内任意点温度变化时采集并发送的红外图像。
可选的，所述采集模块31，具体用于根据所述红外图像确定存在异常热源时，确定所述异常热源所在位置；获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态；控制所述拍摄模块以对应所述拍摄姿态采集所述异常热源所在位置的热源图像数据。
可选的，所述采集模块31，还用于获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄方向，使所述拍摄模块的拍摄方向朝向所述异常热源所在位置；和/或，获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块的移动轨迹，使所述拍摄模块移动至与所述异常热源所在位置对应的拍摄点位置。
可选的，所述风险识别模块32，还用于获取所述异常热源对应的温度数据；将所述温度数据、所述红外图像及所述热源图像数据输入火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级。
可选的，所述风险识别模块32，还用于获取云端下发的基于训练样本集对深度学习模型进行训练后得到的火灾风险诊断模型。
可选的，所述风险处理模块33，还用于根据所述火灾风险等级控制告警设备发出对应的告警提示；和/或，根据所述火灾风险等级发送对应的告警提示信息给对应终端设备；和/或，根据所述火灾风险等级控制对应的燃气管道系统关闭及电路控制系统关闭。
需要说明的是：上述实施例提供的消防安全监控装置在实现火灾风险监控过程中，仅以上述各程序模块的划分进行举例说明，在实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即可将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分方法步骤。另外，上述实施例提供的消防安全监控装置与应用于消防监控设备侧的消防安全监控方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请另一方面提供一种消防监控设备，请参阅图8，为本申请实施例提供的消防监控设备的一个可选的硬件结构示意图，所述消防监控设备包括处理器111、与所述处理器111连接的红外热成像模块113和拍摄模块114、及存储器112，存储器112内用于存储各种类别的数据以支持消防安全监控装置的操作，且存储有用于实现本申请任一实施例提供的消防安全监控方法的计算机程序，所述计算机程序被所述处理器执行时，实现本申请任一实施例提供的消防安全监控方法的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述消防安全监控方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(RandomAccessMemory，简称RAM)、磁碟或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围之内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种消防安全监控方法，应用于消防监控设备，其特征在于，包括：
获取目标区域的红外图像；
根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；
获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级；
根据所述火灾风险等级执行对应的灾情处置方案。
2.如权利要求1所述的消防安全监控方法，其特征在于，所述获取目标区域的红外图像，包括：
获取预装设于目标区域的红外热成像模块按照设定频率采集并发送的红外图像；和/或，
获取预装设于目标区域的红外热成像模块感测到所述目标区域内任意点温度变化时采集并发送的红外图像。
3.如权利要求1所述的消防安全监控方法，其特征在于，所述根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据，包括：
根据所述红外图像确定存在异常热源时，确定所述异常热源所在位置；
获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态；
控制所述拍摄模块以对应所述拍摄姿态采集所述异常热源所在位置的热源图像数据。
4.如权利要求3所述的消防安全监控方法，其特征在于，所述获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄姿态，包括：
获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块调整拍摄方向，使所述拍摄模块的拍摄方向朝向所述异常热源所在位置；和/或，
获取拍摄模块的当前姿态，根据所述拍摄模块的当前姿态和所述异常热源所在位置控制所述拍摄模块的移动轨迹，使所述拍摄模块移动至与所述异常热源所在位置对应的拍摄点位置。
5.如权利要求1所述的消防安全监控方法，其特征在于，所述获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级，包括：
获取所述异常热源对应的温度数据；
将所述温度数据、所述红外图像及所述热源图像数据输入火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级。
6.如权利要求5所述的消防安全监控方法，其特征在于，还包括：
获取云端下发的基于训练样本集对深度学习模型进行训练后得到的火灾风险诊断模型。
7.如权利要求1所述的消防安全监控方法，其特征在于，所述根据所述火灾风险等级执行对应的灾情处置方案，包括：
根据所述火灾风险等级控制告警设备发出对应的告警提示；和/或，
根据所述火灾风险等级发送对应的告警提示信息给对应终端设备；和/或，
根据所述火灾风险等级控制对应的燃气管道系统关闭及电路控制系统关闭。
8.一种消防安全监控方法，应用于消防安全监控系统，其特征在于，包括：
云端根据训练样本集对深度学习模型进行训练，得到训练后的火灾风险诊断模型并下发给消防监控设备；
所述消防监控设备获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；获取所述异常热源对应的温度数据，将所述温度数据、所述红外图像及所述热源图像数据输入所述火灾风险诊断模型，通过所述火灾风险诊断模型确定所述异常热源对应的火灾风险等级；根据所述火灾风险等级执行对应的灾情处置方案。
9.如权利要求8所述的消防安全监控方法，其特征在于，还包括：
告警设备接收所述消防监控设备发送的控制指令，根据所述控制指令发出相应的告警提示；和/或，
终端设备接收所述消防监控设备发送的告警提示信息并显示；和/或，
燃气管道系统和电路控制系统分别接收所述消防监控设备发送的关闭指令，根据所述关闭指令断开所述燃气管道系统和所述电路控制系统。
10.一种消防安全监控装置，其特征在于，包括：
采集模块，获取目标区域的红外图像；根据所述红外图像确定存在异常热源时，启动拍摄模块采集所述异常热源所在位置的热源图像数据；
风险识别模块，用于获取所述异常热源对应的温度数据，根据所述温度数据、所述红外图像及所述热源图像数据确定所述异常热源对应的火灾风险等级；
风险处理模块，用于根据所述火灾风险等级执行对应的灾情处置方案。
11.一种消防监控设备，包括处理器、与所述处理器连接的红外热成像模块和拍摄模块、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的消防安全监控方法。
12.一种消防安全监控系统，包括如权利要求11所述的消防监控设备及云端；所述云端根据训练样本集对深度学习模型进行训练，得到训练后的火灾风险诊断模型并下发给消防监控设备。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的消防安全监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075058.9A CN113920670A (zh) | 2021-09-14 | 2021-09-14 | 消防安全监控方法、装置及系统、消防监控设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111075058.9A CN113920670A (zh) | 2021-09-14 | 2021-09-14 | 消防安全监控方法、装置及系统、消防监控设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113920670A true CN113920670A (zh) | 2022-01-11 |
Family
ID=79234690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111075058.9A Pending CN113920670A (zh) | 2021-09-14 | 2021-09-14 | 消防安全监控方法、装置及系统、消防监控设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113920670A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114783141A (zh) * | 2022-04-24 | 2022-07-22 | 王江湖 | 一种消防安全系统 |
| CN114821946A (zh) * | 2022-04-15 | 2022-07-29 | 国网河北省电力有限公司电力科学研究院 | 变电站交流电源火灾预警方法、监控终端及系统 |
| CN115016362A (zh) * | 2022-07-01 | 2022-09-06 | 广东瑞普科技股份有限公司 | 机房智能安防监控方法、装置、设备及存储介质 |
| CN115035483A (zh) * | 2022-08-10 | 2022-09-09 | 广东广宇科技发展有限公司 | 一种室内火灾安全隐患监测方法、系统、电子设备及存储介质 |
| CN115273383A (zh) * | 2022-06-16 | 2022-11-01 | 云南民族大学 | 一种适用于室内的火灾酝酿期预警及扑救系统 |
| CN115394036A (zh) * | 2022-08-24 | 2022-11-25 | 爱瑞克(大连)安全技术集团有限公司 | 一种用于建筑火灾的监测和预警方法及系统 |
| CN115933427A (zh) * | 2023-02-28 | 2023-04-07 | 协同安全科技(深圳)有限公司 | 家庭安全联动处置方法、装置、设备及存储介质 |
| CN116110200A (zh) * | 2023-02-14 | 2023-05-12 | 联通(广东)产业互联网有限公司 | 多模型融合地质灾害分析及预警方法、设备及存储介质 |
| CN116188920A (zh) * | 2022-11-26 | 2023-05-30 | 中国消防救援学院 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
| CN116343425A (zh) * | 2023-05-25 | 2023-06-27 | 深圳市捷易科技有限公司 | 火灾检测方法、系统、设备及计算机存储介质 |
| CN117319766A (zh) * | 2023-09-25 | 2023-12-29 | 广州昶视电子科技股份有限公司 | 一种基于红外热成像技术的高清夜视系统 |
| CN117309195A (zh) * | 2023-11-30 | 2023-12-29 | 中控技术股份有限公司 | 测温仪表的检测方法、装置及电子设备 |
| CN117910811A (zh) * | 2024-03-18 | 2024-04-19 | 深圳原世界科技有限公司 | 基于多模态ai大模型的智慧消防管理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105931409A (zh) * | 2016-05-30 | 2016-09-07 | 重庆大学 | 一种基于红外与可见光摄像机联动的森林火灾监测方法 |
| JP2017167616A (ja) * | 2016-03-14 | 2017-09-21 | 大阪瓦斯株式会社 | 火災警報装置 |
| CN109345760A (zh) * | 2018-12-17 | 2019-02-15 | 烟台艾睿光电科技有限公司 | 一种火灾检测系统及方法 |
| CN110598655A (zh) * | 2019-09-18 | 2019-12-20 | 东莞德福得精密五金制品有限公司 | 人工智能云计算多光谱烟雾高温火花火灾监控方法 |
-
2021
- 2021-09-14 CN CN202111075058.9A patent/CN113920670A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017167616A (ja) * | 2016-03-14 | 2017-09-21 | 大阪瓦斯株式会社 | 火災警報装置 |
| CN105931409A (zh) * | 2016-05-30 | 2016-09-07 | 重庆大学 | 一种基于红外与可见光摄像机联动的森林火灾监测方法 |
| CN109345760A (zh) * | 2018-12-17 | 2019-02-15 | 烟台艾睿光电科技有限公司 | 一种火灾检测系统及方法 |
| CN110598655A (zh) * | 2019-09-18 | 2019-12-20 | 东莞德福得精密五金制品有限公司 | 人工智能云计算多光谱烟雾高温火花火灾监控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘朝晖: "红外测温在火灾防控中的应用", 《中国安全防范技术与应用》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114821946B (zh) * | 2022-04-15 | 2024-04-19 | 国网河北省电力有限公司电力科学研究院 | 变电站交流电源火灾预警方法、监控终端及系统 |
| CN114821946A (zh) * | 2022-04-15 | 2022-07-29 | 国网河北省电力有限公司电力科学研究院 | 变电站交流电源火灾预警方法、监控终端及系统 |
| CN114783141A (zh) * | 2022-04-24 | 2022-07-22 | 王江湖 | 一种消防安全系统 |
| CN115273383A (zh) * | 2022-06-16 | 2022-11-01 | 云南民族大学 | 一种适用于室内的火灾酝酿期预警及扑救系统 |
| CN115016362A (zh) * | 2022-07-01 | 2022-09-06 | 广东瑞普科技股份有限公司 | 机房智能安防监控方法、装置、设备及存储介质 |
| CN115035483A (zh) * | 2022-08-10 | 2022-09-09 | 广东广宇科技发展有限公司 | 一种室内火灾安全隐患监测方法、系统、电子设备及存储介质 |
| CN115035483B (zh) * | 2022-08-10 | 2022-11-29 | 广东广宇科技发展有限公司 | 一种室内火灾安全隐患监测方法、系统、电子设备及存储介质 |
| CN115394036A (zh) * | 2022-08-24 | 2022-11-25 | 爱瑞克(大连)安全技术集团有限公司 | 一种用于建筑火灾的监测和预警方法及系统 |
| CN116188920A (zh) * | 2022-11-26 | 2023-05-30 | 中国消防救援学院 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
| CN116188920B (zh) * | 2022-11-26 | 2024-04-26 | 中国消防救援学院 | 一种基于智能自感温的消防灭火定向辅助方法及系统 |
| CN116110200A (zh) * | 2023-02-14 | 2023-05-12 | 联通(广东)产业互联网有限公司 | 多模型融合地质灾害分析及预警方法、设备及存储介质 |
| CN115933427A (zh) * | 2023-02-28 | 2023-04-07 | 协同安全科技(深圳)有限公司 | 家庭安全联动处置方法、装置、设备及存储介质 |
| CN116343425A (zh) * | 2023-05-25 | 2023-06-27 | 深圳市捷易科技有限公司 | 火灾检测方法、系统、设备及计算机存储介质 |
| CN116343425B (zh) * | 2023-05-25 | 2023-08-08 | 深圳市捷易科技有限公司 | 火灾检测方法、系统、设备及计算机存储介质 |
| CN117319766B (zh) * | 2023-09-25 | 2024-04-16 | 广州昶视电子科技股份有限公司 | 一种基于红外热成像技术的高清夜视系统 |
| CN117319766A (zh) * | 2023-09-25 | 2023-12-29 | 广州昶视电子科技股份有限公司 | 一种基于红外热成像技术的高清夜视系统 |
| CN117309195A (zh) * | 2023-11-30 | 2023-12-29 | 中控技术股份有限公司 | 测温仪表的检测方法、装置及电子设备 |
| CN117309195B (zh) * | 2023-11-30 | 2024-04-12 | 中控技术股份有限公司 | 测温仪表的检测方法、装置及电子设备 |
| CN117910811A (zh) * | 2024-03-18 | 2024-04-19 | 深圳原世界科技有限公司 | 基于多模态ai大模型的智慧消防管理方法及系统 |
| CN117910811B (zh) * | 2024-03-18 | 2024-05-28 | 深圳原世界科技有限公司 | 基于多模态ai大模型的智慧消防管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113920670A (zh) | 消防安全监控方法、装置及系统、消防监控设备及介质 | |
| US10397042B2 (en) | Method and apparatus for automation and alarm architecture | |
| KR101223680B1 (ko) | 스마트형 화재 감시 감지 시스템 | |
| US10803720B2 (en) | Intelligent smoke sensor with audio-video verification | |
| US9520054B2 (en) | Mobile user interface for smart-home hazard detector configuration | |
| JP2020113269A (ja) | インターネット促進防火システムおよびリアルタイム監視システム | |
| WO2017219530A1 (zh) | 安全监测方法、装置、系统、监控系统和电子设备 | |
| JP2007280167A (ja) | 空気調和機 | |
| CN109523760A (zh) | 一种基于云端的智能火灾报警系统及方法 | |
| JP2017506788A (ja) | スマート非常出口表示 | |
| KR101589363B1 (ko) | 앱을 이용한 무인 원격 관제 시스템 | |
| US11729597B2 (en) | Digital twin disaster management system customized for underground public areas | |
| US10012548B2 (en) | Passive infrared sensor self test with known heat source | |
| WO2017117674A1 (en) | Intelligent smoke sensor with audio-video verification | |
| CN108694821A (zh) | 用于在家庭安全或自动化系统中选择用于呈现通知或警报的最佳设备的系统和方法 | |
| AU2018354716A1 (en) | Fire detection system, automatic data capture, remote testing, analysis, apparatus and methods | |
| CN113405219A (zh) | 空调器的防火监测方法、装置、电子设备以及存储介质 | |
| US20180144601A1 (en) | Retroactive messaging for handling missed synchronization events | |
| US20170082997A1 (en) | Fast replacement z-wave device in home automation | |
| KR20130094097A (ko) | 어드레스형 유무선 화재 경보 시스템 | |
| CN105561514A (zh) | 智慧消防系统 | |
| JP2017211929A (ja) | セキュリティシステム、管理装置、セキュリティ方法、及び、プログラム | |
| DE102009046096A1 (de) | Alarmeinrichtung zur Erkennung und Mitteilung von umgebungs- und anlagenspezifischen Zuständen | |
| CN205391538U (zh) | 智慧消防管控系统 | |
| TW201530506A (zh) | 雲端群組監控系統 |
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 |