CN114446002B - 火灾在线监测方法、装置、介质及系统 - Google Patents
火灾在线监测方法、装置、介质及系统 Download PDFInfo
- Publication number
- CN114446002B CN114446002B CN202210050033.1A CN202210050033A CN114446002B CN 114446002 B CN114446002 B CN 114446002B CN 202210050033 A CN202210050033 A CN 202210050033A CN 114446002 B CN114446002 B CN 114446002B
- Authority
- CN
- China
- Prior art keywords
- fire
- type
- monitoring area
- smoke
- video data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000000779 smoke Substances 0.000 claims abstract description 106
- 239000000463 material Substances 0.000 claims description 34
- 238000004891 communication Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 17
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000002485 combustion reaction Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 claims 19
- 230000002596 correlated effect Effects 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000013136 deep learning model Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 206010069201 Smoke sensitivity Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000013598 vector Substances 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
- 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
- G08B17/10—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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/12—Manually actuated calamity alarm transmitting arrangements emergency non-personal manually actuated alarm, activators, e.g. details of alarm push buttons mounted on an infrastructure
-
- 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
Abstract
本申请涉及人工智能和安防领域，揭示了一种火灾在线监测方法、装置、介质及系统。该方法包括：获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；根据所述第一视频数据，确定所述火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；获取针对所述火灾监测区域采集到的第二视频数据；基于所述物体位置、所述火焰类型和所述烟雾类型对所述第二视频数据进行火灾识别，以判断所述火灾监测区域是否发生火灾。此方法可以提高火灾监测的实时性和准确性，能减少火灾造成的损失，而且成本低，容易推广普及。
Description
技术领域
本申请涉及人工智能和安防技术领域，特别涉及一种火灾在线监测方法、装置、介质及系统。
背景技术
目前火灾识别技术主要基于传统的温度传感器和烟雾传感器实现的，当火灾发生时生成的烟雾以及温度到达一定数值时触发。然而，该传统方案需要温度以及烟雾到达一定的浓度才能触发，反应时间较长，对于生命与财产安全的保护存在隐患；红外摄像头通过在线监测火灾发生时的红外辐射判断火灾是否发生，但由于成本较高，暂时无法大范围普及。
发明内容
在人工智能和安防技术领域，为了解决现有火灾检测方案存在的监测不及时以及成本较高的技术问题，本申请的目的在于提供一种火灾在线监测方法、装置、介质及系统。
根据本申请的一方面，提供了一种火灾在线监测方法，所述方法包括：
获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；
根据所述第一视频数据，确定所述火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；
获取针对所述火灾监测区域采集到的第二视频数据；
基于所述物体位置、所述火焰类型和所述烟雾类型对所述第二视频数据进行火灾识别，以判断所述火灾监测区域是否发生火灾。
根据本申请的另一方面，提供了一种火灾在线监测装置，所述装置包括：
第一获取模块，被配置为获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；
确定模块，被配置为根据所述第一视频数据，确定所述火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；
第二获取模块，被配置为获取针对所述火灾监测区域采集到的第二视频数据；
识别模块，被配置为基于所述物体位置、所述火焰类型和所述烟雾类型对所述第二视频数据进行火灾识别，以判断所述火灾监测区域是否发生火灾。
根据本申请的另一方面，提供了一种计算机可读介质，其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实施例中所述的方法。
根据本申请的另一方面，提供了一种火灾在线监测系统，包括：
数据采集器；
监测设备，与所述数据采集器建立通信连接，所述监测设备包括处理器和存储器，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如上述实施例中所述的方法。
本申请的实施例提供的技术方案可以包括以下有益效果：
对于本申请所提供的火灾在线监测方法、装置、介质及系统，该方法包括如下步骤：获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；根据所述第一视频数据，确定所述火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；获取针对所述火灾监测区域采集到的第二视频数据；基于所述物体位置、所述火焰类型和所述烟雾类型对所述第二视频数据进行火灾识别，以判断所述火灾监测区域是否发生火灾。
此方法下，通过先获取火灾监测区域未发生火灾时对火灾监测区域采集到的第一视频数据，并基于该第一视频数据确定火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型，然后，当对该火灾监测区域采集到第二视频数据时，便可以根据已经识别出的该火灾监测区域中的各物体的物体位置以及相应的火焰类型和烟雾类型这些信息准确地判断第二视频数据中该火灾监测区域中是否发生火灾，而且由于这些信息是预先确定出的，因而在监测火灾时可以减少计算量，提高火灾监测的响应速度和准确性，可提高火灾监测的实时性，从而在更大程度上减少火灾造成的损失；此外，由于整个方案利用传统摄像头采集到的视频数据便可以实现火灾识别，成本低，容易普及。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种火灾在线监测方法的系统架构示意图；
图2是根据一示例性实施例示出的一种火灾在线监测方法的流程图；
图3是根据图2实施例示出的一实施例的步骤220的细节的流程图；
图4是根据一示例性实施例示出的一种火灾在线监测装置的框图；
图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
此外，附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。
目前的火灾监测方案都存在一定的缺陷，其中，一些火灾监测方案在监测火灾时存在反应时间长的问题，导致系统响应速度慢，无法及时监测到火灾，进而对生命财产安全造成巨大威胁；另外一些火灾监测方案则成本较高，不易推广使用。
为此，本申请首先提供了一种火灾在线监测方法。通过该方法可以克服以上缺陷，不仅可以快速、准确地实现对火灾的监测，而且成本较低，易于推广。
本申请的实施终端可以是任何具有运算、处理以及通信功能的设备，该设备可以与外部设备相连，用于接收或者发送数据，具体可以是便携移动设备，例如智能手机、平板电脑、笔记本电脑、PDA(Personal Digital Assistant)等，也可以是固定式设备，例如，计算机设备、现场终端、台式电脑、服务器、工作站等，还可以是多个设备的集合，比如云计算的物理基础设施或者服务器集群。
可选地，本申请的实施终端可以为服务器或者云计算的物理基础设施。
图1是根据一示例性实施例示出的一种火灾在线监测方法的系统架构示意图。如图1所示，该系统架构包括采集器、监测系统和多个通信终端，其中，采集器包括工业摄像头、温度传感器和烟雾传感器，采集器用于采集数据并向监测系统传输所采集到的数据。采集器位于火灾监测区域内，工业摄像头能够对火灾监测区域实现360度无死角监控，用于向监测系统提供视频数据；在火灾监测区域中，每10平方米至少放置一个烟雾传感器和温度传感器，烟雾传感器用于向监测系统提供烟雾浓度数据，温度传感器用于向监测系统提供温度数据。监测系统包括通过界面设计得到的界面、通过数据库设计得到的数据库以及火焰识别算法和烟雾识别算法，数据库用于存储采集器提供的数据。监测系统可以是安防总控系统的一部分。通信终端可以包括警报灯、警报铃、电脑和手机，当然，也可以包括IPAD等其他类型的通信终端，各通信终端可以通过wifi等局域网与监测系统建立通信连接，当然，通信终端也可以通过其他类型的网络与监测系统进行通信。
当本申请提供的火灾在线监测方法应用于图1所示的系统架构中时，一个过程可以是这样的：首先，监测系统获取在火灾监测区域内未发生火灾时由工业摄像头采集到的第一视频数据；然后，监测系统对第一视频数据进行分析，得到该火灾监测区域中各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；在此之后，监测系统继续获取由工业摄像头对火灾监测区域实时采集到的第二视频数据；接着，监测系统就可以根据已经获得的物体位置、火焰类型以及烟雾类型对第二视频数据中的火灾监测区域进行火灾识别，以实现实时火灾监测；最后，当监测系统通过对第二视频数据进行识别，确认火灾监测区域中发生火灾时，会触发安防总控系统的总控界面弹出预警信息，还会显示视频信息、烟雾浓度信息及温度信息，这些信息可以是当前实时采集到的，此外，还会触发安防总控系统的总控界面弹出报警按钮，相关人员可以根据显示的视频信息、烟雾浓度信息和温度信息对是否发生火灾再次进行判断；当确认发生火灾时，可以点击该报警按钮，从而向各通信终端发送相应的报警信息；其中，向警报灯发送的报警信息会触发警报灯闪光或发光，向警报铃发送的报警信息会触发警报铃发出响声，向电脑发送的报警信息会在电脑界面中进行提示，而向手机发送的的报警信息会以通知等方式进行显示。各通信终端的用户可以根据接收到报警信息及时进行撤离。
值得一提的是，图1仅为本申请的一个实施例，虽然在图1实施例中仅向各通信终端发送了报警信息，但在本申请的其他实施例中，当确认发生火灾时还可以直接向消防局发送报警信息以及时得到救援；虽然在图1实施例中，在监测系统确认发生火灾之后，需要由相关人员根据现场的视频信息、烟雾浓度信息和温度信息再次确认火灾是否发生，只有相关人员确认火灾发生之后才向通信终端发送报警信息，但在本申请的其他实施例中，一旦监测系统确认发生火灾，可以直接向通信终端发送报警信息，无需经过人工确认。本申请对此不作任何限定，本申请的保护范围也不应因此而受到任何限制。
图2是根据一示例性实施例示出的一种火灾在线监测方法的流程图。从逻辑上，本实施例提供的火灾在线监测方法可以由监测系统执行；从物理上，该方法则可以由服务器等电子设备执行，如图2所示，包括以下步骤：
步骤210，获取针对火灾监测区域采集到的第一视频数据，第一视频数据是在火灾监测区域未发生火灾时采集到的视频数据。
第一视频数据可以包括一个或多个视频帧。第一视频数据可以是由工业摄像头采集到的视频数据。工业摄像头持续采集火灾监测区域的视频数据，因此，火灾监测区域相当于工业摄像头的视野，也是第一视频数据的画面所对应的区域。
步骤220，根据第一视频数据，确定火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型。
火灾监测区域中可以包括一个或多个物体，物体可以是桌子、椅子、箱子、柜子等，还可以是电视机等家用电器，甚至可以是建筑物。
由于第一视频数据是在火灾监测区域未发生火灾时采集到的视频数据，因此，根据第一视频数据可以清晰分辨出各物体，进而得到各物体的物体位置。各物体的物体位置、各物体发生燃烧时的火焰类型以及各物体发生燃烧时的烟雾类型可以是由同一个机器学习模型识别出来的，也可以是由物体位置检测模型、火焰类型预测模型和烟雾类型预测模型这三个机器学习模型分别识别出来的。当物体位置、火焰类型和烟雾类型这三者由三个模型分别识别出来时，在通过物体位置检测模型预测得到物体位置之后，火焰类型预测模型和烟雾类型预测模型根据第一视频数据的视频帧中物体位置对应的图像区域，能够分别预测出相应物体发生燃烧时的火焰类型和烟雾类型。
易于理解，不同物质燃烧时会产生不同颜色的火焰，也会产生白色、灰色、黑色、黄绿色等不同颜色的烟雾，因此，通过确定物体发生燃烧时的火焰类型和烟雾类型，可以用于辅助判断是是否发生火灾以及发生火灾的物质。
火焰类型和烟雾类型可以是各种用来区分不同火焰和烟雾的信息，比如可以是前面所说的火焰颜色和烟雾颜色，还可以更细粒度地进行区分，比如，火焰类型和烟雾类型可以是特征向量。
图3是根据图2实施例示出的一实施例的步骤220的细节的流程图。如图3所示，步骤220可以包括以下步骤：
步骤221，根据第一视频数据，识别火灾监测区域中的各物体的物体类型和物体位置。
物体类型比如可以是电视机、电动车、燃气灶等。
如前所述，第一视频数据是在未发生火灾时拍摄得到的，因此，可以清晰识别各物体的物体类型和物体位置。
可以先利用一个机器学习模型来检测出第一视频数据的物体位置，并在第一视频数据中的物体位置处标注上检测框；然后利用另一个机器学习模型来识别检测框中的物体类型。
步骤222，根据物体类型，确定火灾监测区域中各物体发生燃烧时的火焰类型和烟雾类型。
在本申请的一个实施例中，根据物体类型，确定火灾监测区域中各物体发生燃烧时的火焰类型和烟雾类型，包括：
根据物体类型，确定各物体中会发生燃烧的材料的材料类型；
根据材料类型，确定火灾监测区域中相应物体发生燃烧时的火焰类型和烟雾类型。
在得到物体类型之后，可以通过查询预先设置的物体类型与材料类型对应关系表来根据物体类型找到相应的能够发生燃烧的材料类型。比如，对于电视机这一物体，可能会发生燃烧的材料为电视机外壳的材料、电视机主板的材料、电视机电源线的材料等等。因此，一个物体可能对应着一个或多个会发生燃烧的材料。
通过将材料类型分别输入至火焰类型预测模型和烟雾类型预测模型中，可以得到火焰类型预测模型和烟雾类型预测模型分别输出的火焰类型和烟雾类型。由于一个物体可能包括多个发生燃烧的材料，因此，火焰类型预测模型和烟雾类型预测模型会根据多个材料的材料类型输出包含这些材料的物体发生燃烧时的火焰类型和烟雾类型。
在本申请的一个实施例中，根据第一视频数据，确定火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型，包括:
将第一视频数据输入至机器学习模型中，得到火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；
该方法还包括：
获取视频样本数据集，视频样本数据集包括多个视频样本数据，视频样本数据包括针对其他火灾监测区域在未发生火灾时采集到的第三视频数据、在第三视频数据中标注的各物体的物体位置和针对其他火灾监测区域在发生火灾时采集到的第四视频数据；
基于视频样本数据集继续对机器学习模型进行训练。
本实施例中，通过持续收集其他摄像头对其他区域采集到的火灾发生前后的视频数据，并通过对这些视频数据进行标注来构造视频样本数据，然后利用视频样本数据对机器学习模型进行训练，使得机器学习模型能够基于持续收集的视频数据不断进行迭代，从而更准确地进行识别。
步骤230，获取针对火灾监测区域采集到的第二视频数据。
第二视频数据是在采集到第一视频数据之后采集到的视频数据。同第一视频数据类似，第二视频数据也可以包括一个或多个视频帧。由于第二视频数据也是针对火灾监测区域采集到的，因此，第二视频数据和第一视频数据可以是由同一个工业摄像头采集到的。
第二视频数据中包含的物体以及各物体的位置与第一视频数据基本是一致的。在采集第二视频数据时，火灾监测区域可能正在发生火灾，也可能未发生火灾。
第二视频数据通常是实时采集到的，以保证火灾监测的实时性。
步骤240，基于物体位置、火焰类型和烟雾类型对第二视频数据进行火灾识别，以判断火灾监测区域是否发生火灾。
在通常情况下，火灾监测区域中的大多数物体是不会移动的，而且通常是固定放置的物体。
可以通过各种方法来基于物体位置、火焰类型和烟雾类型对第二视频数据进行火灾识别。
在本申请的一个实施例中，火焰类型为第一火焰类型，烟雾类型为第一烟雾类型，基于物体位置、火焰类型和烟雾类型对第二视频数据进行火灾识别，以判断火灾监测区域是否发生火灾，包括：
根据物体位置，提取第二视频数据中相应位置的火焰类型和烟雾类型，作为第二火焰类型和第二烟雾类型；
通过将第二火焰类型与相应的第一火焰类型及将第二烟雾类型与相应的第一烟雾类型分别进行比对，判断火灾监测区域是否发生火灾。
具体地，由于第一火焰类型是针对一个物体预测得到的火焰类型，而第二火焰类型是针对同一物体提取出的火焰类型，因此，当第二火焰类型与第一火焰类型匹配，可以说明相应物体发生了燃烧，进而确定火灾监测区域发生火灾；同理，当第二烟雾类型与相应的第一烟雾类型匹配，说明火灾监测区域发生火灾。可以通过计算火焰类型之间的相似度或者烟雾类型之间的相似度来确定两个火焰类型或者两个烟雾类型之间是否匹配。
由于在发生火灾时，火焰和烟雾可能不会同时产生，因此，当确定第二火焰类型与第一火焰类型匹配或者第二烟雾类型与相应的第一烟雾类型匹配时，可以认为火灾监测区域发生火灾。
在本申请的一个实施例中，所述基于物体位置、火焰类型和烟雾类型对第二视频数据进行火灾识别，以判断火灾监测区域是否发生火灾，包括：
将物体位置、火焰类型和烟雾类型以及第二视频数据输入至预定深度学习模型中，得到所述预定深度学习模型输出的对火灾监测区域是否发生火灾的预测结果。
在本实施例中，预定深度学习模型可以利用已获得的物体位置、火焰类型和烟雾类型这些信息，对第二视频数据进行火灾识别，这些信息由于已经提前获得，因此，可以减少计算量，提高火灾预测速度，同时，还可以提高火灾预测准确性。
预定深度学习模型的网络结构可以根据实际需要进行设计，只需要能够接收物体位置、火焰类型、烟雾类型和第二视频数据的输入，并输出相应的火灾预测结果即可。
预定深度学习模型输出的火灾预测结果可以是一个火灾发生概率，可以通过将火灾发生概率与预定火灾发生概率阈值进行比较来确定是否发生火灾。比如，若模型输出的火灾发生概率是0.73，而预定火灾发生概率阈值是0.5，由于0.73大于0.5，因此，可以确定发生火灾。
在本申请的一个实施例中，在基于物体位置、火焰类型和烟雾类型对第二视频数据进行火灾识别，以判断火灾监测区域是否发生火灾之后，该方法还包括：若判断火灾监测区域发生火灾，则输出告警信息。
具体地，既可以通过向手机、电脑、iPAD等终端发送通知信息的方式来输出告警信息，还可以通过警报灯发光、警报铃发声等方式输出告警信息。警报灯应能经受强力的碰撞和冲击，确保灯具可在恶劣的环境中长期稳定可靠的工作。
在本申请的一个实施例中，告警信息包括发生燃烧的材料的材料类型和相应的灭火建议措施。
在前述实施例方案中，可以确定出物体中会发生燃烧的材料的材料类型以及相应的火焰类型和烟雾类型，一旦确定物体发生燃烧，即可根据燃烧时的火焰类型和烟雾类型确定发生燃烧的材料的材料类型。可以预先设置与不同材料类型对应的灭火建议措施，在得到发生燃烧的材料的材料类型之后，根据该材料类型找到相应的灭火建议措施，将材料类型和灭火建议措施作为告警信息输出。
在本申请的一个实施例中，若判断火灾监测区域发生火灾，则输出告警信息，包括：若判断火灾监测区域发生火灾，则获取火灾监测区域内的温度数据和烟雾浓度数据；根据温度数据和烟雾浓度数据，再次确认火灾监测区域是否发生火灾；若确认火灾监测区域发生火灾，则输出告警信息。
可以通过在火灾监测区域内设置的温度传感器来采集温度数据，温度传感器为非接触温度传感器，测量准确度为0.01级，分辨率为0.1uV和0.1mΩ，温度传感器的温度监测范围可以为0℃～1200℃。
可以通过在火灾监测区域内设置的烟雾传感器来采集烟雾浓度数据，烟雾传感器的烟雾灵敏度可以为1.06±0.26％FT，工作环境可以为温度在-10℃～50℃、湿度≤90％、无凝露的环境。
在本申请实施例中，在基于视频数据识别出火灾的基础上，通过结合温度传感器采集到的温度数据和烟雾传感器采集到的烟雾浓度数据对识别结果进行二次确认，大大提高了火灾监测的准确率，能够在更大程度上防止火灾误判的发生。
在本申请的一个实施例中，在根据第一视频数据，确定火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型之后，该方法还包括：
根据第一视频数据，确定火灾监测区域中的各物体发生燃烧的概率；
根据概率，将火灾监测区域划分为多个火灾风险子区域，并为各火灾风险子区域配置相应的视频帧提取频次，其中，不同火灾风险子区域对应不同的火灾风险等级，视频帧提取频次与火灾风险等级正相关；
将预定时间窗口划分为多个时间子窗口，使每一时间子窗口与一个视频帧提取频次相对应，其中，时间子窗口所容纳的视频帧数量和与时间子窗口对应的视频帧提取频次相同；
获取针对火灾监测区域采集到的第二视频数据，包括：
按照各时间子窗口的先后顺序依次循环采集位于各时间子窗口的视频帧作为视频数据，并将从当前时间子窗口采集到的视频帧作为第二视频数据，其中，从每一时间子窗口采集的视频帧的数量等于时间子窗口对应的视频帧提取频次；
基于物体位置、火焰类型和烟雾类型对第二视频数据进行火灾识别，以判断火灾监测区域是否发生火灾，包括：
基于物体位置、火焰类型和烟雾类型对第二视频数据的视频帧中与当前时间子窗口对应的火灾风险子区域进行火灾识别，以判断火灾监测区域是否发生火灾。
具体地，火灾监测区域中各物体发生燃烧的概率不同，比如，纸箱燃烧的概率大于桌子燃烧的概率，通过根据概率将火灾监测区域划分为多个火灾风险子区域，可以将高概率发生燃烧的物体划分到一个火灾风险子区域，将低概率发生燃烧的物体划分到另一个火灾风险子区域，这样，一个火灾风险子区域包含的物体发生燃烧的概率越高，那么该火灾风险子区域的火灾风险等级越高。时间子窗口所容纳的视频帧数量与对应的视频帧提取频次以及从该时间子窗口采集的视频帧数量均相同。比如，预定时间窗口可以为一秒，视频数据中每秒包含24个视频帧，假如将前16帧的时长划分为第一个时间子窗口，并将后8帧的时长划分为第二个时间子窗口。这样，当到达第一时间子窗口时，提取16个视频帧只对高火灾风险子区域进行识别；当到达第二时间子窗口时，提取8个视频帧只对低火灾风险子区域进行识别。
在本申请实施例中，通过在对第二视频数据中的视频帧进行识别时，只对视频帧中的火灾风险子区域进行识别，大大减少了识别所需的计算量，提高了识别效率，能够更快对火灾监测区域进行动态分析；同时，由于为火灾风险等级的更高的火灾风险子区域配置了更大的视频帧提取频次，可以使得高火灾风险等级的火灾风险子区域一旦发生火灾就能够更可能被识别到，保证了火灾识别的及时性。
综上所述，根据本申请实施例提供的火灾在线监测方法，通过在对火灾监测区域的视频数据进行火灾识别之前，根据已经采集到的该火灾监测区域的视频数据得到物体位置、火焰类型和烟雾类型；在真正进行火灾识别时，利用这些信息辅助进行火灾识别，既提高了火灾监测的响应速度，还保证了火灾监测的准确性。
本申请还提供了一种火灾在线监测装置，以下是本申请的装置实施例。
图4是根据一示例性实施例示出的一种火灾在线监测装置的框图。如图4所示，装置400包括：
第一获取模块410，被配置为获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；
确定模块420，被配置为根据所述第一视频数据，确定所述火灾监测区域中的各物体的物体位置以及各物体发生燃烧时的火焰类型和烟雾类型；
第二获取模块430，被配置为获取针对所述火灾监测区域采集到的第二视频数据；
识别模块440，被配置为基于所述物体位置、所述火焰类型和所述烟雾类型对所述第二视频数据进行火灾识别，以判断所述火灾监测区域是否发生火灾。
根据本申请的另一方面，提供了一种火灾在线监测系统，包括：
数据采集器；
监测设备，与所述数据采集器建立通信连接，所述监测设备包括处理器和存储器，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如上述实施例中所述的方法。
数据采集器可以包括工业摄像头、烟雾传感器、温度传感器等。监测设备可以是一种电子设备。
图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图5示出的电子设备的计算机系统500仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(Central Processing Unit，CPU)501，其可以根据存储在只读存储器(Read-Only Memory，ROM)502中的程序或者从存储部分508加载到随机访问存储器(Random Access Memory，RAM)503中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 503中，还存储有系统操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(Input/Output，I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备的处理器执行时，使得该电子设备实现上述实施例中所述的方法。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (7)
1.一种火灾在线监测方法，其特征在于，所述方法包括：
获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；
根据所述第一视频数据，识别所述火灾监测区域中的各物体的物体类型和物体位置；
根据所述物体类型，确定各物体中会发生燃烧的材料的材料类型；
将所述材料类型分别输入至火焰类型预测模型和烟雾类型预测模型中，得到火焰类型预测模型和烟雾类型预测模型分别输出的火焰类型和烟雾类型，作为所述火灾监测区域中相应物体发生燃烧时的第一火焰类型和第一烟雾类型；
根据所述第一视频数据，确定火灾监测区域中的各物体发生燃烧的概率；
根据概率，将所述火灾监测区域划分为多个火灾风险子区域，并为各火灾风险子区域配置相应的视频帧提取频次，其中，不同火灾风险子区域对应不同的火灾风险等级，所述视频帧提取频次与所述火灾风险等级正相关；
将预定时间窗口划分为多个时间子窗口，使每一时间子窗口与一个视频帧提取频次相对应，其中，时间子窗口所容纳的视频帧数量和与时间子窗口对应的视频帧提取频次相同；
按照各时间子窗口的先后顺序依次循环采集位于各时间子窗口的视频帧作为视频数据，并将从当前时间子窗口采集到的视频帧作为第二视频数据，其中，从每一时间子窗口采集的视频帧的数量等于该时间子窗口对应的视频帧提取频次；
根据所述物体位置，提取所述第二视频数据的与当前时间子窗口对应的火灾风险子区域中相应位置的火焰类型和烟雾类型，作为第二火焰类型和第二烟雾类型；
通过将第二火焰类型与相应的第一火焰类型及将第二烟雾类型与相应的第一烟雾类型分别进行比对，判断所述火灾监测区域是否发生火灾，其中，当确定所述第二火焰类型与所述第一火焰类型匹配或者所述第二烟雾类型与相应的第一烟雾类型匹配时，确定所述火灾监测区域发生火灾。
2.根据权利要求1所述的方法，其特征在于，在判断所述火灾监测区域是否发生火灾之后，所述方法还包括：
若判断所述火灾监测区域发生火灾，则输出告警信息。
3.根据权利要求2所述的方法，其特征在于，所述告警信息包括发生燃烧的材料的材料类型和相应的灭火建议措施。
4.根据权利要求2所述的方法，其特征在于，所述若判断所述火灾监测区域发生火灾，则输出告警信息，包括：
若判断所述火灾监测区域发生火灾，则获取所述火灾监测区域内的温度数据和烟雾浓度数据；
根据所述温度数据和所述烟雾浓度数据，再次确认所述火灾监测区域是否发生火灾；
若确认所述火灾监测区域发生火灾，则输出告警信息。
5.一种火灾在线监测装置，其特征在于，所述装置包括：
第一获取模块，被配置为获取针对火灾监测区域采集到的第一视频数据，所述第一视频数据是在所述火灾监测区域未发生火灾时采集到的视频数据；
确定模块，被配置为根据所述第一视频数据，识别所述火灾监测区域中的各物体的物体类型和物体位置；根据所述物体类型，确定各物体中会发生燃烧的材料的材料类型；将所述材料类型分别输入至火焰类型预测模型和烟雾类型预测模型中，得到火焰类型预测模型和烟雾类型预测模型分别输出的火焰类型和烟雾类型，作为所述火灾监测区域中相应物体发生燃烧时的第一火焰类型和第一烟雾类型；
所述装置还被配置为：根据所述第一视频数据，确定火灾监测区域中的各物体发生燃烧的概率；根据概率，将所述火灾监测区域划分为多个火灾风险子区域，并为各火灾风险子区域配置相应的视频帧提取频次，其中，不同火灾风险子区域对应不同的火灾风险等级，所述视频帧提取频次与所述火灾风险等级正相关；将预定时间窗口划分为多个时间子窗口，使每一时间子窗口与一个视频帧提取频次相对应，其中，时间子窗口所容纳的视频帧数量和与时间子窗口对应的视频帧提取频次相同；
第二获取模块，被配置为按照各时间子窗口的先后顺序依次循环采集位于各时间子窗口的视频帧作为视频数据，并将从当前时间子窗口采集到的视频帧作为第二视频数据，其中，从每一时间子窗口采集的视频帧的数量等于该时间子窗口对应的视频帧提取频次；
识别模块，被配置为根据所述物体位置，提取所述第二视频数据的与当前时间子窗口对应的火灾风险子区域中相应位置的火焰类型和烟雾类型，作为第二火焰类型和第二烟雾类型；通过将第二火焰类型与相应的第一火焰类型及将第二烟雾类型与相应的第一烟雾类型分别进行比对，判断所述火灾监测区域是否发生火灾，其中，当确定所述第二火焰类型与所述第一火焰类型匹配或者所述第二烟雾类型与相应的第一烟雾类型匹配时，确定所述火灾监测区域发生火灾。
6.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的方法。
7.一种火灾在线监测系统，其特征在于，包括：
数据采集器；
监测设备，与所述数据采集器建立通信连接，所述监测设备包括处理器和存储器，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得所述处理器实现如权利要求1至4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210050033.1A CN114446002B (zh) | 2022-01-17 | 2022-01-17 | 火灾在线监测方法、装置、介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210050033.1A CN114446002B (zh) | 2022-01-17 | 2022-01-17 | 火灾在线监测方法、装置、介质及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114446002A CN114446002A (zh) | 2022-05-06 |
| CN114446002B true CN114446002B (zh) | 2023-10-31 |
Family
ID=81368446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210050033.1A Active CN114446002B (zh) | 2022-01-17 | 2022-01-17 | 火灾在线监测方法、装置、介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114446002B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115331383A (zh) * | 2022-10-11 | 2022-11-11 | 杭州浩联智能科技有限公司 | 一种施工现场安全风险识别方法及系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1291755A (en) * | 1969-06-24 | 1972-10-04 | Cerberus Ag | Ionization fire alarm with insulation monitoring |
| CN201091014Y (zh) * | 2007-06-29 | 2008-07-23 | 丁国锋 | 一种火灾探测装置 |
| CN101334924A (zh) * | 2007-06-29 | 2008-12-31 | 丁国锋 | 一种火灾探测系统及其火灾探测方法 |
| CN101458865A (zh) * | 2008-05-09 | 2009-06-17 | 丁国锋 | 一种火灾探测系统及方法 |
| JP2017191544A (ja) * | 2016-04-15 | 2017-10-19 | ホーチキ株式会社 | 火災検知装置及び火災検知方法 |
| CN109165577A (zh) * | 2018-08-07 | 2019-01-08 | 东北大学 | 一种基于视频图像的早期森林火灾检测方法 |
| CN109544854A (zh) * | 2018-10-16 | 2019-03-29 | 平安科技（深圳）有限公司 | 火灾检测方法、装置、电子设备及计算机可读存储介质 |
| CN110473375A (zh) * | 2019-08-14 | 2019-11-19 | 成都睿云物联科技有限公司 | 森林火灾的监测方法、装置、设备和系统 |
| CN110619287A (zh) * | 2019-08-30 | 2019-12-27 | 重庆博拉智略科技有限公司 | 室内火灾预警识别方法、装置、存储介质及电子设备 |
| CN112580430A (zh) * | 2020-11-19 | 2021-03-30 | 重庆市科源能源技术发展有限公司 | 基于rgb视觉的电厂烟火监测方法、装置、系统和存储介质 |
| CN113361420A (zh) * | 2021-06-10 | 2021-09-07 | 煤炭科学技术研究院有限公司 | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 |
| CN215399315U (zh) * | 2021-06-30 | 2022-01-04 | 志阳(天津)航空科技有限公司 | 一种森林火灾防控用无人机 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10395498B2 (en) * | 2015-02-19 | 2019-08-27 | Smoke Detective, Llc | Fire detection apparatus utilizing a camera |
-
2022
- 2022-01-17 CN CN202210050033.1A patent/CN114446002B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1291755A (en) * | 1969-06-24 | 1972-10-04 | Cerberus Ag | Ionization fire alarm with insulation monitoring |
| CN201091014Y (zh) * | 2007-06-29 | 2008-07-23 | 丁国锋 | 一种火灾探测装置 |
| CN101334924A (zh) * | 2007-06-29 | 2008-12-31 | 丁国锋 | 一种火灾探测系统及其火灾探测方法 |
| CN101458865A (zh) * | 2008-05-09 | 2009-06-17 | 丁国锋 | 一种火灾探测系统及方法 |
| JP2017191544A (ja) * | 2016-04-15 | 2017-10-19 | ホーチキ株式会社 | 火災検知装置及び火災検知方法 |
| CN109165577A (zh) * | 2018-08-07 | 2019-01-08 | 东北大学 | 一种基于视频图像的早期森林火灾检测方法 |
| CN109544854A (zh) * | 2018-10-16 | 2019-03-29 | 平安科技（深圳）有限公司 | 火灾检测方法、装置、电子设备及计算机可读存储介质 |
| CN110473375A (zh) * | 2019-08-14 | 2019-11-19 | 成都睿云物联科技有限公司 | 森林火灾的监测方法、装置、设备和系统 |
| CN110619287A (zh) * | 2019-08-30 | 2019-12-27 | 重庆博拉智略科技有限公司 | 室内火灾预警识别方法、装置、存储介质及电子设备 |
| CN112580430A (zh) * | 2020-11-19 | 2021-03-30 | 重庆市科源能源技术发展有限公司 | 基于rgb视觉的电厂烟火监测方法、装置、系统和存储介质 |
| CN113361420A (zh) * | 2021-06-10 | 2021-09-07 | 煤炭科学技术研究院有限公司 | 基于机器人的矿井火灾监测方法、装置、设备及存储介质 |
| CN215399315U (zh) * | 2021-06-30 | 2022-01-04 | 志阳(天津)航空科技有限公司 | 一种森林火灾防控用无人机 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114446002A (zh) | 2022-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872491B (zh) | 火灾监控方法、装置、电子设备及系统 | |
| CN108124132A (zh) | 一种安全监控方法和装置 | |
| CN111680535B (zh) | 在视频监控中实时预测一个或多个潜在威胁的方法和系统 | |
| CN108389359B (zh) | 一种基于深度学习的城市火灾报警方法 | |
| CN110599728B (zh) | 基于区块链的火情预警方法、装置、设备及存储介质 | |
| KR102407327B1 (ko) | 화재감지장치 및 이를 포함하는 화재감지시스템 | |
| CN106454253A (zh) | 区域徘徊的检测方法及系统 | |
| CN114446002B (zh) | 火灾在线监测方法、装置、介质及系统 | |
| CN112071016A (zh) | 火灾监控方法、装置、设备及存储介质 | |
| CN112489351A (zh) | 基于图片识别的学校火灾预警方法 | |
| Kim et al. | Fire detection system using random forest classification for image sequences of complex background | |
| CN114255562A (zh) | 基于物联网的智慧消防预警系统 | |
| CN111310351A (zh) | 车间设备的状态监测方法、装置、终端设备及存储介质 | |
| CN110519560B (zh) | 一种智能预警方法、装置及系统 | |
| CN115766401B (zh) | 工业告警信息解析方法、装置、电子设备与计算机介质 | |
| Mwedzi et al. | Machine learning applications for fire detection in a residential building | |
| CN112347874A (zh) | 一种火灾检测方法、装置、设备及存储介质 | |
| CN112802288A (zh) | 综合报警信息推送方法、系统、存储介质、计算机设备 | |
| CN116863629A (zh) | 一种基于多传感器的报警装置、报警方法及电子设备 | |
| CN114202738A (zh) | 基于边缘计算和人工智能的电网监拍方法、装置及设备 | |
| CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 | |
| CN114648735A (zh) | 火苗的检测方法、系统、设备和存储介质 | |
| CN113704690A (zh) | 一种危化品智能存储柜实时监测方法及系统 | |
| CN116978207B (zh) | 一种多功能的实验室安全监测与预警系统 | |
| CN114220073A (zh) | 火灾监测方法、装置、系统及计算机存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |