CN114120575B - 一种基于大数据的智慧楼宇消防安全控制方法及系统 - Google Patents
一种基于大数据的智慧楼宇消防安全控制方法及系统 Download PDFInfo
- Publication number
- CN114120575B CN114120575B CN202111352764.3A CN202111352764A CN114120575B CN 114120575 B CN114120575 B CN 114120575B CN 202111352764 A CN202111352764 A CN 202111352764A CN 114120575 B CN114120575 B CN 114120575B
- Authority
- CN
- China
- Prior art keywords
- fire
- pixel point
- scene image
- value
- moment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000009792 diffusion process Methods 0.000 claims abstract description 125
- 239000013598 vector Substances 0.000 claims abstract description 60
- 238000013507 mapping Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 238000001931 thermography Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
- G08B7/062—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources indicating emergency exits
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
- G08B7/066—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及消防安全领域,具体涉及一种基于大数据的智慧楼宇消防安全控制方法及系统,包括:获取火灾楼层的不同时刻的火灾现场图像,根据不同时刻的火灾现场图像,获取当前时刻的火灾像素点、安全像素点以及火灾像素点的扩散方向向量和扩散程度值,进而计算当前时刻的安全像素点的火灾危险程度值;根据火灾危险程度值对安全像素点进行划分以获取各个分割区域,确定各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径;计算各疏散路径的重要程度值,从而确定各个有人的分割区域对应的疏散路径。本发明通过对火灾楼层的不同时刻火灾现场数据进行分析,制定了较为安全可靠的各疏散路径,保证了被困人员可以快速安全的疏散、撤离。
Description
技术领域
本发明涉及消防安全领域,具体涉及一种基于大数据的智慧楼宇消防安全控制方法及系统。
背景技术
随着社会的高速发展,建筑结构趋向多样化,人口密度越来越大,导致众多楼宇一旦发生火灾将造成不可估量的后果,消防安全面临的形势越来越严峻,防患楼宇火灾、确保消防安全,也就成为了当前城市建筑治理中的重点和难点问题。
传统的消防安全方法的火灾现场报告是通过消防人员或是监管人员到火灾现场进行勘探,并且在实际火灾中,经过一段时间后,由于火势发展的影响,火灾现场会受到烟雾以及人群拥挤状态等不利因素的影响,使其每一位置的危险程度都是处于不断变化的,不能实时获取现场最新情况,不利于现场灭火施救。传统的消防安全方法是利用消防标志灯来建立疏散路径,在疏散路径方面的选择过于单一化、机械化,现实生活中存在许多楼宇建筑违规将安全出口长期关闭或是封死的状态,进而使部分的安全出口不能发挥安全逃生的作用,导致提前规划的疏散路径在执行过程中受到阻碍,疏散路径的安全可靠性较低。
发明内容
为了解决上述利用传统的消防安全方法所制定的疏散路径的安全可靠性较低的技术问题,本发明的目的在于提供一种基于大数据的智慧楼宇消防安全控制方法,所采用的技术方案具体如下:
本发明提供了一种基于大数据的智慧楼宇的消防安全控制方法,该方法包括以下步骤:
当楼层发生火灾时,获取火灾楼层的不同时刻的火灾现场图像;
根据火灾楼层的不同时刻的火灾现场图像,获取当前时刻的火灾现场图像的各个火灾像素点、安全像素点以及各个火灾像素点的扩散方向向量和扩散程度值;
根据当前时刻的各个火灾像素点的扩散方向向量和扩散程度值以及当前时刻的火灾像素点与安全像素点的位置,确定当前时刻的各个安全像素点的火灾危险程度值;
根据当前时刻的各个安全像素点的火灾危险程度值,对各个安全像素点进行划分以获取火灾危险程度值不同的各个分割区域,进而确定各个有人的分割区域、有出口的分割区域以及各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径;
根据各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径上的各个分割区域的灰度值、疏散路径的拥挤程度值以及各个有人的分割区域的灰度值,确定各疏散路径的重要程度值;
根据各疏散路径的重要程度值,确定各个有人的分割区域对应的疏散路径。
进一步的,当前时刻的火灾现场图像的各个安全像素点的火灾危险程度值对应的计算公式如下:
其中,My为当前时刻的安全像素点y的火灾危险程度值,vx为当前时刻的火灾像素点集合X中火灾像素点x的扩散方向向量,由当前时刻的火灾像素点x指向安全像素点y的方向向量,Dx为当前时刻的火灾像素点x的扩散程度值。
进一步的,确定各疏散路径的重要程度值的步骤包括:
计算各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径上的各个分割区域的灰度均值的均值以及所有相邻分割区域的前一分割区域与后一分割区域的灰度均值的差值的均值,进而确定各疏散路径的安全程度值;
计算各个有人的分割区域的灰度均值,并获取各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径的拥挤程度值,根据各个有人的分割区域的灰度均值、各疏散路径的安全程度值以及各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径的拥挤程度值,确定各疏散路径的重要程度值。
进一步的,各疏散路径的安全程度值对应的计算公式如下:
其中,Rijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的安全程度值,mijk为疏散路径k上所有相邻的前一分割区域与后一分割区域的灰度均值的差值的均值,gijk为疏散路径k上的各个分割区域的灰度均值的均值;
各疏散路径的重要程度值对应的计算公式如下:
其中,Zijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的重要程度值,Ni为有人的分割区域i的灰度均值,Bk为疏散路径k的拥挤程度值。
进一步的,确定各个有人的分割区域对应的疏散路径的步骤包括:
从各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径中确定多组疏散路径,每组疏散路径包括各个有人的分割区域所对应的一条疏散路径,且不同组的疏散路径中至少有一条疏散路径是不同的;
计算每组疏散路径中的所有疏散路径的重要程度值均值,并将重要程度值均值最大的一组疏散路径作为各个有人的分割区域对应的疏散路径。
进一步的,当前时刻的各个火灾像素点的扩散方向向量和扩散程度值的获取步骤包括:
根据前前一时刻的火灾现场图像的各个火灾像素点的灰度值和前一时刻的火灾现场图像的各个火灾像素点的灰度值,确定前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值;
根据前一时刻的火灾现场图像的各个火灾像素点的灰度值和当前时刻的火灾现场图像的各个火灾像素点的灰度值,确定前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值;
根据前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值以及前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值,确定当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值。
进一步的,根据前一时刻的火灾现场图像的各个火灾像素点的灰度值和后一时刻的火灾现场图像的各个火灾像素点的灰度值,确定前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值的步骤包括:
获取前一时刻的火灾现场图像的任意一个火灾像素点的灰度值,并获取与该任意一个火灾像素点的灰度值相同的后一时刻的火灾现场图像的各个目标火灾像素点,在前一时刻的火灾现场图像中找到各个目标火灾像素点的映射像素点,并在后一时刻的火灾现场图像中找到该任意一个火灾像素点的映射像素点;
根据前一时刻的火灾现场图像中该任意一个火灾像素点与各个目标火灾像素点的映射像素点的连线上各个像素点灰度梯度和连线上的各个火灾像素点的个数,以及后一时刻的火灾现场图像中该任意一个火灾像素点的映射像素点与各个目标火灾像素点的连线上各个像素点灰度梯度和连线上的各个火灾像素点的个数,确定前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率;
根据前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率,在各个目标火灾像素点中确定前一时刻的该任意一个火灾像素点的实际目标火灾像素点,进而确定前一时刻的该任意一个火灾像素点的扩散方向向量;
根据前一时刻的该任意一个火灾像素点与其实际目标火灾像素点的映射像素点之间的距离、前一时刻的火灾现场图像中该任意一个火灾像素点与其实际目标火灾像素点的映射像素点的连线上各个像素点灰度梯度,以及后一时刻的火灾现场图像中该任意一个火灾像素点的映射像素点与其目标火灾像素点的连线上各个像素点灰度梯度,确定前一时刻的该任意一个火灾像素点的扩散程度值。
进一步的,前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率的计算公式如下:
其中,f(p,qi)为前一时刻的火灾现场图像的火灾像素点p相对目标火灾像素点qi的扩展概率,h(p,qi)为前一时刻的火灾现场图像中火灾像素点p与目标火灾像素点qi的映射像素点的连线上各个像素点灰度梯度以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与目标火灾像素点qi的连线上各个像素点灰度梯度的熵值,n(p,qi)为前一时刻的火灾现场图像中火灾像素点p与目标火灾像素点qi的映射像素点的连线上火灾像素点以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与目标火灾像素点qi的连线上火灾像素点的个数;
前一时刻的火灾现场图像的各个火灾像素点的扩散程度值计算公式如下:
D(p)=dpq×k(p,q)
其中,D(p)为前一时刻的火灾现场图像的火灾像素点p的扩散程度值,dpq为前一时刻的火灾像素点p与其实际目标火灾像素点q的映射像素点之间的距离,k(p,q)为前一时刻的火灾现场图像中火灾像素点p与其实际目标火灾像素点q的映射像素点的连线上各个像素点灰度梯度以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与其目标火灾像素点q的连线上各个像素点灰度梯度的均值。
进一步的,计算当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值的步骤包括:
若前前一时刻的火灾现场图像的火灾像素点p1在前一时刻的火灾现场图像上的实际目标火灾像素点为火灾像素点q1,且火灾像素点q1在当前时刻的火灾现场图像上的实际目标火灾像素点为火灾像素点g1,则当前时刻的火灾现场图像上像素点g1的扩散方向为灾像素点p1的扩散方向向量和火灾像素点q1的扩散方向向量的向量均值,当前时刻的火灾现场图像上像素点g1的扩散程度值为灾像素点p1的扩散程度值和火灾像素点q1的扩散程度值的均值。
一种基于大数据的智慧楼宇消防安全系统,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令,以实现一种基于大数据的智慧楼宇消防安全控制方法。
本发明具有如下有益效果:
本发明通过采集不同时刻的火灾现场图像,并对不同时刻的火灾现场图像进行处理分析,以获取火灾现场中最优的一组疏散路径。本发明通过相机获取不同时刻的火灾现场图像,根据当前时刻的火灾现场图像的像素点的灰度值,获取当前时刻的火灾现场图像的火灾像素点和安全像素点,从而快速地确定了火灾现场的实时情况,有助于消防人员对火灾现场灾情的掌控,辅助消防措施的制定;本发明通过对不同时刻的火灾现场图像进行处理,确定当前时刻的火灾现场图像中的火灾像素点的扩散程度和扩散方向,进而确定安全像素点的火灾危险程度值,根据安全像素点的火灾危险程度值以及被困人员的密集程度,制定了安全可靠的疏散路线,保证了被困人员可以快速安全的疏散,使整个消防安全系统更加的智能化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其它附图。
图1为本发明一种基于大数据的智慧楼宇消防安全控制方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本实施例提供了一种基于大数据的智慧楼宇消防安全控制方法,如图1所示,该方法的步骤包括:
(1)当楼层发生火灾时,获取火灾楼层的不同时刻的火灾现场图像。
当楼宇的楼层内发生火灾时,启动安装在楼层的相机,并开始拍摄火灾现场的图像,从而获取火灾楼层的不同时刻的火灾现场图像。
在本实施例中,利用安装在楼层的烟雾传感器和温度传感器采集楼宇的实时烟雾数据和温度数据,并将这些数据通过无线通信模块上传到搭建好的大数据系统中,大数据系统通过设定阈值判定当前时刻的楼层中是否出现火灾,若获取到实时的烟雾传感器数据和温度传感器数据都大于设定阈值时,说明传感器对应的位置发生火灾,然后启动火灾发生楼层的所有相机,这里的相机是指热成像相机,通过相机获取火灾楼层的不同时刻的火灾现场图像,不同时刻的火灾现场图像可以用于消防安全的火灾状况评估和被困人员检测。
需要说明的是,本实施例也可以安装现有消防设备中其他传感器设备,此处不再一一赘述。另外,搭建大数据系统是因为考虑到需要对整个楼宇实时所产生的数据存储起来以用于后续进行数据分析,大数据系统的搭建过程为现有技术,不在本发明保护范围内,此处不再进行赘述。
(2)根据火灾楼层的不同时刻的火灾现场图像,获取当前时刻的火灾现场图像的各个火灾像素点、安全像素点以及各个火灾像素点的扩散方向向量和扩散程度值,步骤包括:
(2-1)获取当前时刻的火灾现场图像的各个火灾像素点和各个安全像素点的步骤:
获取火灾楼层的不同时刻火灾现场图像也就是热成像图像中各个像素点的灰度值,根据当前时刻火灾现场图像中像素点的灰度值的大小,来确定当前时刻的火灾现场图像的火灾像素点和安全像素点。
在本实施例中,火灾现场图像中产生火灾的区域图像的像素点的灰度值较大,没有火灾区域图像的像素点的灰度值较小,通过对不同时刻的火灾现场图像进行阈值分割,获取像素点的灰度值大于设定阈值的像素点区域(该像素点区域也就是火灾区域)以及像素点灰度值小于设定阈值的像素点区域(该像素点区域也就是安全区域),火灾现场图像的像素点的灰度值表示像素点的火灾程度大小的指标值,并且将火灾区域图像内的像素点表示为火灾像素点,将安全区域图像内的像素点表示为安全像素点。
(2-2)获取当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值的步骤包括:
(2-2-1)根据前前一时刻的火灾现场图像的各个火灾像素点的灰度值和前一时刻的火灾现场图像的各个火灾像素点的灰度值,确定前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值,步骤包括:
需要说明的是,为了方便后续的描述,本实施例将前前一时刻的火灾现场图像称为前一时刻的火灾现场图像,将前一时刻的火灾现场图像称为后一时刻的火灾现场图像,并且总能在前一时刻的火灾现场图像中的像素点中找到后一时刻的火灾现场图像的目标火灾像素点的映射像素点,在后一时刻的火灾现场图像中的像素点中找到前一时刻的火灾现场图像的任意一个火灾像素点的映射像素点。
(2-2-1-1)获取前一时刻的火灾现场图像的任意一个火灾像素点的灰度值,并获取与该任意一个火灾像素点的灰度值相同的后一时刻的火灾现场图像的各个目标火灾像素点,在前一时刻的火灾现场图像中找到各个目标火灾像素点的映射像素点,并在后一时刻的火灾现场图像中找到该任意一个火灾像素点的映射像素点。
(2-2-1-2)根据前一时刻的火灾现场图像中该任意一个火灾像素点与各个目标火灾像素点的映射像素点的连线上各个像素点灰度梯度和连线上各个火灾像素点的个数,以及后一时刻的火灾现场图像中该任意一个火灾像素点的映射像素点与各个目标火灾像素点的连线上各个像素点灰度梯度和连线上各个火灾像素点的个数,确定前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率。
需要说明的是,前一时刻的火灾现场图像中任意一个火灾像素点在后一时刻的火灾现场图像中有多个目标火灾像素点,所以前一时刻的火灾现场图像中任意一个火灾像素点有多个扩散概率,前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率的计算公式如下:
其中,f(p,qi)为前一时刻的火灾现场图像的火灾像素点p相对目标火灾像素点qi的扩展概率,h(p,qi)为前一时刻的火灾现场图像中火灾像素点p与目标火灾像素点qi的映射像素点的连线上各个像素点灰度梯度以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与目标火灾像素点qi的连线上各个像素点灰度梯度的熵值,n(p,qi)为前一时刻的火灾现场图像中火灾像素点p与目标火灾像素点qi的映射像素点的连线上火灾像素点以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与目标火灾像素点qi的连线上火灾像素点的个数。
需要说明的是,h(p,qi)越小,则说明火灾由火灾像素点p扩散到目标火灾像素点qi时方向始终保持一致,也就是火灾由火灾像素点p扩散到目标火灾像素点qi的可能性越大;h(p,qi)越大,则说明火灾由火灾像素点p扩散到目标火灾像素点qi时方向始终不确定性大,也就是火灾由火灾像素点p扩散到目标火灾像素点qi的可能性越小。
(2-2-1-3)根据前一时刻的火灾现场图像中该任意一个火灾像素点相对各个目标火灾像素点的扩散概率,在各个目标火灾像素点中确定前一时刻的该任意一个火灾像素点的实际目标火灾像素点,进而确定前一时刻的该任意一个火灾像素点的扩散方向向量。
需要说明的是,前一时刻的火灾现场图像中任意一个火灾像素点相对各个目标火灾像素点的扩散概率越大,说明前一时刻的火灾现场图像中该任意一个火灾像素点的扩散方向向量越有可能为前一时刻的火灾现场图像中该任意一个火灾像素点到其目标火灾像素点的单位向量。
将前一时刻的火灾现场图像中任意一个火灾像素点的扩散概率最大对应的目标火灾像素点作为该火灾像素点最终的目标火灾像素点,前一时刻的火灾现场图像中该火灾像素点的扩散方向向量v(p)为前一时刻的该火灾像素点到其最终的目标火灾像素点的单位向量。
(2-2-1-4)根据前一时刻的该任意一个火灾像素点与其实际目标火灾像素点的映射像素点之间的距离、前一时刻的火灾现场图像中该任意一个火灾像素点与其实际目标火灾像素点的映射像素点的连线上各个像素点灰度梯度,以及后一时刻的火灾现场图像中该任意一个火灾像素点的映射像素点与其目标火灾像素点的连线上各个像素点灰度梯度,确定前一时刻的该任意一个火灾像素点的扩散程度值。
前一时刻的火灾现场图像的各个火灾像素点的扩散程度值计算公式如下:
D(p)=dpq×k(p,q)
其中,D(p)为前一时刻的火灾现场图像的火灾像素点p的扩散程度值,dpq为前一时刻的火灾像素点p与其实际目标火灾像素点q的映射像素点之间的距离,k(p,q)为前一时刻的火灾现场图像中火灾像素点p与其实际目标火灾像素点q的映射像素点的连线上各个像素点灰度梯度和后一时刻的火灾现场图像中火灾像素点p的映射像素点与其目标火灾像素点q的连线上各个像素点灰度梯度的均值。
需要说明的是,dpq越大,则说明前一时刻的火灾像素点p扩散的越远,危险性就越大;k(p,q)越大,说明前一时刻的火灾像素点p扩散方向上温差大,受空气压强的影响,火灾越容易扩散,也就是对其他地方的危害性就越大;k(p,q)越小,说明前一时刻的火灾像素点p扩散方向上温差小,火灾扩散越困难,也就是对其他地方的危害性就越小。因此,前一时刻的火灾现场图像的火灾像素点p的扩散程度值D(p)越大,说明在前一时刻的火灾像素点p更容易向更远处扩散,也就是对其他地方的危害性就越大。
(2-2-2)根据前一时刻的火灾现场图像的各个火灾像素点的灰度值和当前时刻的火灾现场图像的各个火灾像素点的灰度值,确定前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值,其获取步骤可以参考步骤(2-2-1)。
(2-2-3)根据前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值以及前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值,确定当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值,步骤包括:
若前前一时刻的火灾现场图像的火灾像素点p1在前一时刻的火灾现场图像上的实际目标火灾像素点为火灾像素点q1,且火灾像素点q1在当前时刻的火灾现场图像上的实际目标火灾像素点为火灾像素点g1,则当前时刻的火灾现场图像上像素点g1的扩散方向为灾像素点p1的扩散方向向量和火灾像素点q1的扩散方向向量的向量均值,当前时刻的火灾现场图像上像素点g1的扩散程度值为灾像素点p1的扩散程度值和火灾像素点q1的扩散程度值的均值。
当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量计算公式如下:
其中,v(g1)为当前时刻的火灾现场图像的火灾像素点g1的扩散方向向量,v(q1)为前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量,v(p1)为前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量。
当前时刻的火灾现场图像的各个火灾像素点的扩散程度值计算公式如下:
其中,D(g1)为当前时刻的火灾现场图像的火灾像素点g1的扩散程度值,D(q1)为前一时刻的火灾现场图像的各个火灾像素点的扩散程度值,D(p1)为前前一时刻的火灾现场图像的各个火灾像素点的扩散程度值。
需要说明是,准确的来说,根据上述步骤(2-2)方法,对于当前时刻火灾区域内所有火灾像素点来说,有些部分火灾像素点是无法获取其对应的扩散方向向量和扩散程度值的,本实施例将这些火灾像素点统称为A;而当前时刻的有些部分火灾像素点是可以获取其对应的扩散方向向量和扩散程度值,这些火灾像素点统称为B。
由于考虑到局部区域内每个火灾像素点的扩散方向向量和扩散程度是相近的,本实施例利用线性差值算法根据火灾像素点B对应的扩散方向向量和扩散程度,获取火灾像素点A对应的扩散方向向量和扩散程度值。当然,实施者也可以采用高斯模糊或均值滤波的方法根据火灾像素点B对应的扩散方向向量和扩散程度,获取火灾像素点A对应的扩散方向向量和扩散程度值。线性差值算法为现有技术,不在本发明保护范围内,此处不再过多赘述。
(3)根据当前时刻的各个火灾像素点的扩散方向向量和扩散程度值以及当前时刻的火灾像素点与安全像素点的位置,确定当前时刻的各个安全像素点的火灾危险程度值。
当前时刻的火灾现场图像的各个安全像素点的火灾危险程度值对应的计算公式如下:
其中,My为当前时刻的安全像素点y的火灾危险程度值,vx为当前时刻的火灾像素点集合X中火灾像素点x的扩散方向向量,由当前时刻的火灾像素点x指向安全像素点y的方向向量,Dx为当前时刻的火灾像素点x的扩散程度值。
至此,根据当前时刻的火灾现场图像的各个安全像素点的火灾危险程度值对应的计算公式,获取了在安全区域内的每一个安全像素点的火灾危险程度值。
需要说明的是,当前时刻的安全像素点y的火灾危险程度值My越大,说明当前时刻的火灾像素点集合X中火灾像素点x的扩散方向与当前时刻的火灾像素点x指向安全像素点y的方向越一样,也就是当前时刻的安全像素点y越处于火灾像素点x的扩散方向上,那么就要关注火灾像素点x的火灾扩散程度值Dx的大小,如果火灾像素点x的火灾扩散程度值Dx越大,说明当前时刻的安全像素点y越危险,同样,也说明当前时刻的安全像素点y受到火灾的影响或是危害越大,也就是当前时刻的安全像素点y越危险。
在本实施例中,只考虑当前时刻的火灾像素点x的扩散方向向量与当前时刻的火灾像素点x指向安全像素点y的方向向量呈锐角的情况。
(4)根据当前时刻的各个安全像素点的火灾危险程度值,对各个安全像素点进行划分以获取火灾危险程度值不同的各个分割区域,进而确定各个有人的分割区域、有出口的分割区域以及各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径。
在本实施例中,根据当前时刻的各个安全像素点的火灾危险程度值,构建了一个火灾危险程度分布图,并对该图进行了均值滤波,然后,对火灾危险程度分布图进行超像素块分割,获取了多个火灾危险程度值不同的分割区域,同一个分割区域内的安全像素点的火灾危险程度值是保持一致的。
根据构建的火灾危险程度分布图,获取所有人员在火灾危险程度分布图的位置,确定各个有人的分割区域,获取各个出口在在火灾危险程度分布图的位置,确定各个有出口的分割区域。根据各个有人的分割区域以及各个有出口的分割区域,确定各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径,疏散路径是指各个有人的分割区域对应的到达各个出口的分割区域途径所有的分割区域的中心点相连接,各个有人的分割区域所对应各个连接线构成的路线为疏散路径。
(5)根据各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径上的各个分割区域的灰度值、疏散路径的拥挤程度值以及各个有人的分割区域的灰度值,确定各疏散路径的重要程度值,本步骤的目的是从各个疏散路径中选取出最优的一组疏散路径,步骤包括:
(5-1)计算各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径上的各个分割区域的灰度均值的均值以及所有相邻的前一分割区域与后一分割区域的灰度均值差值的均值,进而确定各疏散路径的安全程度值。
其中,各疏散路径的安全程度值对应的计算公式如下:
其中,Rijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的安全程度值,mijk为疏散路径k上所有相邻的前一分割区域与后一分割区域的灰度均值差值的均值,gijk为疏散路径k上的各个分割区域的灰度均值的均值。
需要说明的是,疏散路径k上的各个分割区域的灰度均值的均值是指疏散路径上所有分割区域的灰度均值的均值gijk,当然也包括有人员的分割区域以及有出口的分割区域。另外,需要说明的是,疏散路径上所有的分割区域的灰度均值的均值gijk越小,说明该疏散路径上的所有分割区域的危险程度整体越小;疏散路径上所有相邻的前一分割区域与后一分割区域的灰度均值的差值mijk越大,说明该疏散路径上的所有分割区域的火灾危险程度值越有明显递减的趋势;因此,各疏散路径的安全程度值Rijk越大,说明该疏散路径上的所有分割区域越安全,越适合作为人员疏散的路径。
(5-2)计算各个有人的分割区域的灰度均值,获取各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径的拥挤程度值,根据各个有人的分割区域的灰度均值、各疏散路径的安全程度值以及各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径的拥挤程度值,确定各疏散路径的重要程度值。
需要说明的是,利用热成像相机获得被困人员的位置,并将相机拍摄的不同时刻的有被困人员位置的火灾现场图像输入到构建并训练好的神经网络中,输出火灾现场图像中被困人员的分布密集程度,本实施例将被困人员的分布密集程度分为10个等级,例如等级1、等级2、等级3等各个级别,不同的级别代表不同的拥挤程度值,神经网络构建和训练过程为现有技术,不在本发明保护范围内,此处不再详细赘述。
其中,各疏散路径的重要程度值对应的计算公式如下:
其中,Zijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的重要程度值,Ni为有人的分割区域i的灰度均值,Bk为疏散路径k的拥挤程度值,Rijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的重要程度值
需要说明的是,有人的分割区域i的灰度均值Ni越大,表示有人的分割区域的火灾危险程度值Ni越大,说明该分割区域的人员越需要被优先进行疏散;疏散路径的拥挤程度值Bk越小,说明该路径可以优先作为疏散路径;因此,有人的分割区域到达有出口的分割区域的疏散路径的重要程度值Zijk越大,说明该疏散路径越有必要作为有人的分割区域对应的疏散路径。
(6)根据各疏散路径的重要程度值,确定各个有人的分割区域对应的疏散路径。
(6-1)从各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径中确定多组疏散路径,每组疏散路径包括各个有人的分割区域所对应的一条疏散路径,且不同组的疏散路径中至少有一条疏散路径是不同的。
在本实施例中,若危险程度分布图中共有C个有人的分割区域,C个有人的分割区域对应多条疏散路径,从C个有人的分割区域对应多条疏散路径中确定N组疏散路径,每组疏散路径包括C个有人的分割区域所对应的C条疏散路径,并且不同组的疏散路径中至少有一条疏散路径是不同的。
(6-2)计算每组疏散路径中的所有疏散路径的重要程度值均值,并将重要程度均值最大的一组疏散路径作为各个有人的分割区域对应的疏散路径。
需要说明的是,重要程度均值最大的一组疏散路径说明这一组的疏散路径可以使危险程度分布图中每一个有人的分割区域都有一个合理疏散路径,保证被困人员可以快速、安全地逃出火灾危险区域。本发明所获取各个有人的分割区域对应的疏散路径只是作为消防救援和人群疏散时的参考辅助数据,具体需要根据实际场景进行疏散,并且需要消防人员的协助。
本实施例还提供了一种基于大数据的智能楼宇消防安全系统,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令,以实现基于大数据的智能楼宇消防安全控制方法,控制方法是以上所描述的内容,这里不再作详细阐述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于大数据的智慧楼宇消防安全控制方法,其特征在于,包括以下步骤:
当楼层发生火灾时,获取火灾楼层的不同时刻的火灾现场图像;
根据火灾楼层的不同时刻的火灾现场图像,获取当前时刻的火灾现场图像的各个火灾像素点、安全像素点以及各个火灾像素点的扩散方向向量和扩散程度值;
根据当前时刻的各个火灾像素点的扩散方向向量和扩散程度值以及当前时刻的火灾像素点与安全像素点的位置,确定当前时刻的各个安全像素点的火灾危险程度值;
根据当前时刻的各个安全像素点的火灾危险程度值,对各个安全像素点进行划分以获取火灾危险程度值不同的各个分割区域,进而确定各个有人的分割区域、有出口的分割区域以及各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径;
根据各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径上的各个分割区域的灰度值、疏散路径的拥挤程度值以及各个有人的分割区域的灰度值,确定各疏散路径的重要程度值;
根据各疏散路径的重要程度值,确定各个有人的分割区域对应的疏散路径;其中,当前时刻的各个火灾像素点的扩散方向向量和扩散程度值的获取步骤包括:
根据前前一时刻的火灾现场图像的各个火灾像素点的灰度值和前一时刻的火灾现场图像的各个火灾像素点的灰度值,确定前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值;
根据前一时刻的火灾现场图像的各个火灾像素点的灰度值和当前时刻的火灾现场图像的各个火灾像素点的灰度值,确定前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值;
根据前前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值以及前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值,确定当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值;
其中,根据前一时刻的火灾现场图像的各个火灾像素点的灰度值和后一时刻的火灾现场图像的各个火灾像素点的灰度值,确定前一时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值的步骤包括:
获取前一时刻的火灾现场图像的任意一个火灾像素点的灰度值,并获取与该任意一个火灾像素点的灰度值相同的后一时刻的火灾现场图像的各个目标火灾像素点,在前一时刻的火灾现场图像中找到各个目标火灾像素点的映射像素点,并在后一时刻的火灾现场图像中找到该任意一个火灾像素点的映射像素点;
根据前一时刻的火灾现场图像中该任意一个火灾像素点与各个目标火灾像素点的映射像素点的连线上各个像素点灰度梯度和连线上的各个火灾像素点的个数,以及后一时刻的火灾现场图像中该任意一个火灾像素点的映射像素点与各个目标火灾像素点的连线上各个像素点灰度梯度和连线上的各个火灾像素点的个数,确定前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率;
根据前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率,在各个目标火灾像素点中确定前一时刻的该任意一个火灾像素点的实际目标火灾像素点,进而确定前一时刻的该任意一个火灾像素点的扩散方向向量;
根据前一时刻的该任意一个火灾像素点与其实际目标火灾像素点的映射像素点之间的距离、前一时刻的火灾现场图像中该任意一个火灾像素点与其实际目标火灾像素点的映射像素点的连线上各个像素点灰度梯度,以及后一时刻的火灾现场图像中该任意一个火灾像素点的映射像素点与其目标火灾像素点的连线上各个像素点灰度梯度,确定前一时刻的该任意一个火灾像素点的扩散程度值;其中,前一时刻的该任意一个火灾像素点相对各个目标火灾像素点的扩散概率的计算公式如下:
其中,f(p,qi)为前一时刻的火灾现场图像的火灾像素点p相对目标火灾像素点qi的扩展概率,h(p,qi)为前一时刻的火灾现场图像中火灾像素点p与目标火灾像素点qi的映射像素点的连线上各个像素点灰度梯度以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与目标火灾像素点qi的连线上各个像素点灰度梯度的熵值,n(p,qi)为前一时刻的火灾现场图像中火灾像素点p与目标火灾像素点qi的映射像素点的连线上火灾像素点以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与目标火灾像素点qi的连线上火灾像素点的个数;
前一时刻的火灾现场图像的各个火灾像素点的扩散程度值计算公式如下:
D(p)=dpq×k(p,q)
其中,D(p)为前一时刻的火灾现场图像的火灾像素点p的扩散程度值,dpq为前一时刻的火灾像素点p与其实际目标火灾像素点q的映射像素点之间的距离,k(p,q)为前一时刻的火灾现场图像中火灾像素点p与其实际目标火灾像素点q的映射像素点的连线上各个像素点灰度梯度以及后一时刻的火灾现场图像中火灾像素点p的映射像素点与其目标火灾像素点q的连线上各个像素点灰度梯度的均值;
其中,计算当前时刻的火灾现场图像的各个火灾像素点的扩散方向向量和扩散程度值的步骤包括:
若前前一时刻的火灾现场图像的火灾像素点p1在前一时刻的火灾现场图像上的实际目标火灾像素点为火灾像素点q1,且火灾像素点q1在当前时刻的火灾现场图像上的实际目标火灾像素点为火灾像素点g1,则当前时刻的火灾现场图像上像素点g1的扩散方向为灾像素点p1的扩散方向向量和火灾像素点q1的扩散方向向量的向量均值,当前时刻的火灾现场图像上像素点g1的扩散程度值为灾像素点p1的扩散程度值和火灾像素点q1的扩散程度值的均值。
2.根据权利要求1所述一种基于大数据的智慧楼宇消防安全控制方法,其特征在于,当前时刻的各个安全像素点的火灾危险程度值对应的计算公式如下:
其中,My为当前时刻的安全像素点y的火灾危险程度值,vx为当前时刻的火灾像素点集合X中火灾像素点x的扩散方向向量,由当前时刻的火灾像素点x指向安全像素点y的方向向量,Dx为当前时刻的火灾像素点x的扩散程度值。
3.根据权利要求2所述一种基于大数据的智慧楼宇消防安全控制方法,其特征在于,确定各疏散路径的重要程度值的步骤包括:
计算各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径上的各个分割区域的灰度均值的均值以及所有相邻分割区域的前一分割区域与后一分割区域的灰度均值的差值的均值,进而确定各疏散路径的安全程度值;
计算各个有人的分割区域的灰度均值,并获取各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径的拥挤程度值,根据各个有人的分割区域的灰度均值、各疏散路径的安全程度值以及各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径的拥挤程度值,确定各疏散路径的重要程度值。
4.根据权利要求3所述一种基于大数据的智慧楼宇消防安全控制方法,其特征在于,各疏散路径的安全程度值对应的计算公式如下:
其中,Rijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的安全程度值,mijk为疏散路径k上所有相邻的前一分割区域与后一分割区域的灰度均值的差值的均值,gijk为疏散路径k上的各个分割区域的灰度均值的均值;
各疏散路径的重要程度值对应的计算公式如下:
其中,Zijk为有人的分割区域i到达有出口的分割区域j的疏散路径k的重要程度值,Ni为有人的分割区域i的灰度均值,Bk为疏散路径k的拥挤程度值。
5.根据权利要求4所述一种基于大数据的智慧楼宇消防安全控制方法,其特征在于,确定各个有人的分割区域对应的疏散路径的步骤包括:
从各个有人的分割区域对应的到达各个有出口的分割区域的疏散路径中确定多组疏散路径,每组疏散路径包括各个有人的分割区域所对应的一条疏散路径,且不同组的疏散路径中至少有一条疏散路径是不同的;
计算每组疏散路径中的所有疏散路径的重要程度值均值,并将重要程度值均值最大的一组疏散路径作为各个有人的分割区域对应的疏散路径。
6.一种基于大数据的智慧楼宇消防安全系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令,以实现如权利要求1-5中任一项所述的基于大数据的智慧楼宇消防安全控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352764.3A CN114120575B (zh) | 2021-11-16 | 2021-11-16 | 一种基于大数据的智慧楼宇消防安全控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111352764.3A CN114120575B (zh) | 2021-11-16 | 2021-11-16 | 一种基于大数据的智慧楼宇消防安全控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114120575A CN114120575A (zh) | 2022-03-01 |
CN114120575B true CN114120575B (zh) | 2023-11-17 |
Family
ID=80395896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111352764.3A Active CN114120575B (zh) | 2021-11-16 | 2021-11-16 | 一种基于大数据的智慧楼宇消防安全控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114120575B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010005292A (ja) * | 2008-06-30 | 2010-01-14 | Takenaka Komuten Co Ltd | 火災時危険度評価装置、移動経路選択装置、火災時危険度評価プログラム及び移動経路選択プログラム |
CN103279800A (zh) * | 2013-01-10 | 2013-09-04 | 吉林大学 | 基于博弈论的大规模人群疏散最优逃生路线生成方法 |
CN108961631A (zh) * | 2018-08-08 | 2018-12-07 | 中国安全生产科学研究院 | 一种地铁车站智能应急疏散指示系统和方法 |
CN109472411A (zh) * | 2018-11-09 | 2019-03-15 | 武汉理工光科股份有限公司 | 大型商业综合体的自适应应急疏散导航系统 |
CN110147651A (zh) * | 2019-06-28 | 2019-08-20 | 青岛理工大学 | 一种消防火灾现场安全逃生路径预测分析方法 |
CN112085267A (zh) * | 2020-08-28 | 2020-12-15 | 深圳市富思源智慧消防股份有限公司 | 一种智慧消防疏散指示方法、系统、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7683793B2 (en) * | 2006-06-06 | 2010-03-23 | Honeywell International Inc. | Time-dependent classification and signaling of evacuation route safety |
KR102087000B1 (ko) * | 2019-08-13 | 2020-05-29 | 주식회사 지에스아이엘 | 화재 감지 방법 및 시스템 |
-
2021
- 2021-11-16 CN CN202111352764.3A patent/CN114120575B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010005292A (ja) * | 2008-06-30 | 2010-01-14 | Takenaka Komuten Co Ltd | 火災時危険度評価装置、移動経路選択装置、火災時危険度評価プログラム及び移動経路選択プログラム |
CN103279800A (zh) * | 2013-01-10 | 2013-09-04 | 吉林大学 | 基于博弈论的大规模人群疏散最优逃生路线生成方法 |
CN108961631A (zh) * | 2018-08-08 | 2018-12-07 | 中国安全生产科学研究院 | 一种地铁车站智能应急疏散指示系统和方法 |
CN109472411A (zh) * | 2018-11-09 | 2019-03-15 | 武汉理工光科股份有限公司 | 大型商业综合体的自适应应急疏散导航系统 |
CN110147651A (zh) * | 2019-06-28 | 2019-08-20 | 青岛理工大学 | 一种消防火灾现场安全逃生路径预测分析方法 |
CN112085267A (zh) * | 2020-08-28 | 2020-12-15 | 深圳市富思源智慧消防股份有限公司 | 一种智慧消防疏散指示方法、系统、装置及存储介质 |
Non-Patent Citations (2)
Title |
---|
刘毅 等.考虑灾害实时扩散的室内火灾疏散路径选择模型.控制与决策.2018,第33卷(第9期),第1599-1600页. * |
姚卫 ; 王婉娣 ; 张辉 ; 乔利锋 ; 杨锐 ; .危险度图方法在建筑工程消防性能化设计评估中的应用.清华大学学报(自然科学版).2012,(第07期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114120575A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110047240B (zh) | 一种基于物联网的智能消防警示导引系统与方法 | |
CN108765872B (zh) | 一种受困对象环境参数的推测方法、系统和智能穿戴设备 | |
CN108174162A (zh) | 一种基于签到poi的城市视频监控空间优化方法 | |
CN111639825A (zh) | 基于A-Star算法是森林火灾指示逃生路径方法及系统 | |
CN111915823A (zh) | 消防系统、服务器及移动终端设备 | |
CN116189372A (zh) | 一种应用大数据技术的森林防火多层预警监测系统及方法 | |
CN114663415B (zh) | 一种基于火焰图像灰度处理技术的公路隧道火灾预测方法及智能控制装置 | |
CN114120575B (zh) | 一种基于大数据的智慧楼宇消防安全控制方法及系统 | |
CN116664359A (zh) | 一种基于多传感融合的智能火情预警决策系统及方法 | |
CN113436750A (zh) | 基于cim平台的防疫监督监控健康系统 | |
CN111897899A (zh) | 一种人员紧急疏散引导方法及系统 | |
CN113139418B (zh) | 救援方法、装置及计算机可读存储介质 | |
CN114186735A (zh) | 基于人工智能的消防应急照明灯布局优化方法 | |
CN107213567A (zh) | 一种消防机器人空陆结合系统 | |
CN114973589B (zh) | 火情信息生成方法、装置、电子设备和计算机可读介质 | |
CN116665395A (zh) | 一种火灾自动报警联动系统 | |
CN113209533A (zh) | 一种应用于高层建筑的消防方法及系统 | |
KR102268061B1 (ko) | 헬기를 이용한 화재 대응 및 인명 구조 모니터링 시스템 | |
CN114495418A (zh) | 一种基于危急情况下的高效自救系统及方法 | |
CN112598376A (zh) | 基于大数据分析的消防远程管理可视化云平台、电子设备及计算机存储介质 | |
CN110490048A (zh) | 一种消防灭火平台 | |
CN113628407A (zh) | 一种基于区块链的智慧消防物联网云平台系统 | |
KR20220067833A (ko) | 3d 지형 데이터 기반 위치 추정 시스템 및 방법 | |
CN118229041B (zh) | 一种基于共享物联网的消防数据资源调度方法 | |
CN109785766B (zh) | 消防信息控制方法、装置、计算机设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231013 Address after: No. 01, Floor 01, T0215, Tian'an Zhigu Science and Technology Industrial Park Industrial Building, No. 18 Chuangxing Avenue, Qingyuan High tech Zone, Qingyuan City, Guangdong Province, 511520 (self-made) Applicant after: Guangdong Li'an Measurement and Control Technology Co.,Ltd. Address before: 473000 No. 27 Qilin Road, high tech Zone, Nanyang City, Henan Province Applicant before: Li Yongchao |
|
GR01 | Patent grant | ||
GR01 | Patent grant |