CN116167901A - 一种基于计算机技术的消防应急演练方法及系统 - Google Patents
一种基于计算机技术的消防应急演练方法及系统 Download PDFInfo
- Publication number
- CN116167901A CN116167901A CN202211495081.8A CN202211495081A CN116167901A CN 116167901 A CN116167901 A CN 116167901A CN 202211495081 A CN202211495081 A CN 202211495081A CN 116167901 A CN116167901 A CN 116167901A
- Authority
- CN
- China
- Prior art keywords
- information
- path
- obtaining
- safety channel
- channel
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005553 drilling Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 230000010365 information processing Effects 0.000 claims abstract description 36
- 238000010586 diagram Methods 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000013210 evaluation model Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Educational Technology (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及智能救援技术领域,提供了一种基于计算机技术的消防应急演练方法及系统,所述方法包括:获得安全通道的结构图;基于所述图像采集装置获得所述安全通道的多个实时视频信息;对所述多个实时视频信息进行预处理,获得多个信息处理结果;基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;基于所述路径评估结果生成导航路径;通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。采用本方法能够解决人员疏散过程中由于单个安全通道中人数过多而造成撤离时间过长和可能发生踩踏等二次事故的技术问题。
Description
技术领域
本申请涉及智能救援技术领域,具体涉及一种基于计算机技术的消防应急演练方法及系统。
背景技术
消防应急演练是增强人们消防意识,提高应对突发事件协调能力的活动,通过应急演练可以及时发现消防工程中的问题和不足,对于保护人民群众生命财产安全具有重大意义。
在消防应急演练过程中,人员疏散是非常重要的环节,受灾人员主要是通过安全通道进行安全撤离,但是在撤离过程中,由于安全通道内信息不透明,单个安全通道中人数过多,经常会发生拥堵的情况,更有甚者可能发生踩踏事故而对人员造成二次伤害。
综上所述,现有技术中存在人员疏散过程中由于单个安全通道中人数过多而造成撤离时间过长和可能发生踩踏等二次事故的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种基于计算机技术的消防应急演练方法及系统。
一种基于计算机技术的消防应急演练方法:所述方法应用于消防应急演练系统,所述消防应急演练系统与图像采集装置通信连接,包括:获得安全通道的结构图;基于所述图像采集装置获得所述安全通道的多个实时视频信息;对所述多个实时视频信息进行预处理,获得多个信息处理结果;基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;基于所述路径评估结果生成导航路径;通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。
在一个实施例中,所述对所述多个实时视频信息进行预处理,获得多个信息处理结果,还包括:预设信息采集时间;基于所述信息采集时间对所述多个实时视频信息进行视频分割,获得多个子视频;构建人类识别模型;通过所述人类识别模型对所述多个子视频进行识别,获得多个识别结果;对所述多个识别结果进行数据处理,获得所述多个信息处理结果。
在一个实施例中,所述构人类建识别模型,还包括:获得多个历史演练安全通道视频信息;将所述多个历史演练安全通道视频信息输入所述人类识别模型,训练所述人类识别模型;获得训练至收敛状态的所述人类识别模型。
在一个实施例中,所述基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果,还包括:获得预定时间段;获得目标安全通道;基于所述目标安全通道获得所述预定时间段内第N层目标安全通道内人员数量的预测概率;基于所述多个信息处理结果、所述预测概率生成人员数量信息预测结果;对所述人员数量信息预测结果进行评估,生成所述路径评估结果。
在一个实施例中,所述基于所述目标安全通道获得所述预定时间段内第N层目标安全通道内人员数量的预测概率,还包括:预设人员数量预测概率规则;基于所述目标安全通道获得相邻安全通道的信息处理结果;基于所述相邻安全通道的信息处理结果获得所述预测概率。
在一个实施例中,所述对所述人员数量信息预测结果进行评估,生成所述路径评估结果,还包括:对所述人员数量信息预测结果进行比较,获得所述人员数量信息比较结果;基于所述目标安全通道和所述安全通道的结构图获得安全通道路径;基于所述人员数量信息比较结果和所述安全通道路径生成所述路径评估结果。
在一个实施例中,所述基于所述人员数量信息比较结果和所述安全通道路径生成所述路径评估结果,还包括:构建路径评估模型;将所述人员数量信息比较结果、所述安全通道路径输入所述路径评估模型,生成所述路径评估结果。
一种基于计算机技术的消防应急演练系统,包括:
结构图获得模块,所述结构图获得模块用于获得安全通道的结构图;
视频信息获得模块,所述视频信息获得模块用于基于所述图像采集装置获得所述安全通道的多个实时视频信息;
信息预处理模块,所述信息预处理模块用于对所述多个实时视频信息进行预处理,获得多个信息处理结果;
路径评估模块,所述路径评估模块用于基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;
导航路径生成模块,所述导航路径生成模块用于基于所述路径评估结果生成导航路径;
第一预警信息获得模块,所述第一预警信息获得模块用于通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。
上述一种基于计算机技术的消防应急演练方法及系统,解决了人员疏散过程中由于单个安全通道中人数过多而造成撤离时间过长和可能发生踩踏等二次事故的技术问题。通过图像采集装置获得安全通道内实时视频信息,构建人类识别模型,通过所述人类识别模型对所述多个实时视频信息进行识别,可以得到安全通道中具体的人员数量,通过计算进一步得到下一个时间段中安全通道内人员数量预测结果。构建路径评估模型,将所述人员数量信息比较结果、所述安全通道路径输入所述路径评估模型,生成所述路径评估结果,基于所述路径评估结果生成导航路径帮助人员进行安全撤离,可以缩短人员撤离时间,提高撤离效率,避免发成踩踏等二次事故。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请提供了一种基于计算机技术的消防应急演练方法的流程示意图;
图2为本申请提供了一种基于计算机技术的消防应急演练系统的结构示意图。
附图标记说明:结构图获得模块1、视频信息获得模块2、信息预处理模块3、路径评估模块4、导航路径生成模块5、第一预警信息获得模块6。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种基于计算机技术的消防应急演练方法:所述方法应用于消防应急演练系统,所述消防应急演练系统与图像采集装置通信连接,包括:
步骤S100:获得安全通道的结构图;
步骤S200:基于所述图像采集装置获得所述安全通道的多个实时视频信息;
具体而言,所述图像采集装置可以是装置于目标大楼安全通道内、连接应急电源的红外监控探头,所述目标大楼包括多个安全通道,所述所述红外监控探头每层楼均有安装且在停电环境中可以继续工作。所述图像采集装置通过信号传输模块将所采集的视频信息发送到所述消防应急演练系统。获得目标大楼所有安全通道的结构图,所述安全通道用于在发生紧急情况时对人员进行疏散。在进行消防应急演练过程中,通过红外监控探头采集所有安全通道内的多个实时视频信息,并将所述多个实时视频信息通过信号传输模块发送到所述消防应急演练系统。通过获得多个实时视频信息,为下一步对所述信息进行分析提供了原始数据。
步骤S300:对所述多个实时视频信息进行预处理,获得多个信息处理结果;
在一个实施例中,本申请步骤S300还包括:
步骤S310:预设信息采集时间;
步骤S320:基于所述信息采集时间对所述多个实时视频信息进行视频分割,获得多个子视频;
步骤S330:构建人类识别模型;
在一个实施例中,本申请步骤S330还包括:
步骤S331:获得多个历史演练安全通道视频信息;
步骤S332:将所述多个历史演练安全通道视频信息输入所述人类识别模型,训练所述人类识别模型;
步骤S333:获得训练至收敛状态的所述人类识别模型。
具体而言,所述多个历史演练安全通道视频信息是指参加消防应急演练时所拍摄的安全通道内的视频信息,可以是目标大楼的,也可以使类似环境下其他设施安全通道内的视频信息。构建人类识别模型,所述人类识别模型是指机器学习中可以不断进行自我迭代优化的神经网络模型,通过训练数据集获得。获得第一构建数据集,所述第一构建数据集包括个历史演练安全通道视频信息。将训练数据输入所述人类识别模型进行训练,输出识别结果,当模型训练至收敛状态,即输出结果趋向于一个稳定值时,则模型训练成功,获得所述人类识别模型,通过构建人类识别模型,可以对安全通道实时视频信息中的人员进行识别,从而得到所述安全通道内人员具体信息。
步骤S340:通过所述人类识别模型对所述多个子视频进行识别,获得多个识别结果;
步骤S350:对所述多个识别结果进行数据处理,获得所述多个信息处理结果。
具体而言,所述信息采集时间是指设置视频采集时间段,所述视频采集时间段通过所述安全通道内人员移动速度得到,例如:假设安全通道内人员从N层走到N-1层所用时间为30秒,则可设置视频采集时间段为30秒。所述多个实时视频信息是指通过安装在安全通道内的多个红外监控探头所采集的实时视频信息,获取最近一次所述视频采集时间段内的多个实时视频信息,即多个子视频信息。基于BP神经网络构建人类识别模型。通过所述人类识别模型对所述多个子视频信息中的人员进行识别,获得多个识别结果,所述多个识别结果是判断视频中的物体是否为人类。然后对所述多个识别结果进行求和,得出所述子视频中人员的数量,即所述多个信息处理结果。通过获得多个所述信息处理结果,可以获得所述信息采集时间内安全通道的人员具体数量。
步骤S400:基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;
在一个实施例中,本申请步骤S400还包括:
步骤S410:获得预定时间段;
步骤S420:获得目标安全通道;
步骤S430:基于所述目标安全通道获得所述预定时间段内第N层目标安全通道内人员数量的预测概率;
在一个实施例中,本申请步骤S430还包括:
步骤S431:预设人员数量预测概率规则;
步骤S432:基于所述目标安全通道获得相邻安全通道的信息处理结果;
步骤S433:基于所述相邻安全通道的信息处理结果获得所述预测概率。
具体而言,所述人员数量预测概率规则是指N层安全通道内人员去其他安全通道的概率。例如:所述大楼有4个安全通道,该4个安全通道连接起来为环形结构,分别为安全通道A、安全通道B、安全通道C和安全通道D。假设N层安全通道中A为15人、B为23人、C为38人、D为47人。设置安全通道为宽松、普通、拥挤三种状态。所述宽松状态为安全通道内0-25人,普通状态为安全通道内25-40人,拥挤状态为安全通道内40人以上。宽松状态下N层人数去往对应N-1层概率为100%,普通状态下人员去往对应N-1层概率为80%,去往相邻N-1层概率为20%,拥挤情况下人员去往对应N-1层概率为60%,去往相邻N-1层概率为40%,以上规则均可根据实际情况设置。通过所述目标安全通道获得所述采集时间内相邻安全通道内的人员数量,基于相邻安全通道内人员数量获得所述预测概率。通过获得所述预测概率,为下一步获得人员数量信息预测结果提供了数据支持。
步骤S440:基于所述多个信息处理结果、所述预测概率生成人员数量信息预测结果;
步骤S450:对所述人员数量信息预测结果进行评估,生成所述路径评估结果。
具体而言,所述预定时间段基于安全通道内人员移动速度设置,可与所述信息采集时间相同。所述目标安全通道是指具体的一个安全通道。通过所述目标安全通道获得相邻安全通道内实时人员数量,通过所述人员数量概率预测规则获得预定时间段内第N层目标安全通道内人员数量的预测概率,进一步计算得出下一个预定时间段内的人员数量信息预测结果,通过构建评估模型对所述人员数量信息预测结果进行评估,可以得到路径评估结果,所诉路径评估结果是指N-1层最佳撤离路径。
在一个实施例中,本申请步骤S450还包括:
步骤S451:对所述人员数量信息预测结果进行比较,获得所述人员数量信息比较结果;
步骤S452:基于所述目标安全通道和所述安全通道的结构图获得安全通道路径;
步骤S453:基于所述人员数量信息比较结果和所述安全通道路径生成所述路径评估结果。
在一个实施例中,本申请步骤S453还包括:
步骤S4531:构建路径评估模型;
步骤S4532:将所述人员数量信息比较结果、所述安全通道路径输入所述路径评估模型,生成所述路径评估结果。
具体而言,首先,对N-1层中安全通道的人员数量信息预测结果进行比较,将比较结果从小到大进行排列。通过所述目标安全通道获得与其他同层安全通道之间的路径距离。构建路径评估模型,所述路径评估模型用于获得同层最佳撤离路径。对所述人员数量信息比较结果、所述安全通道路径设置不同权值,通过两者之间求和获得计算结果,即所述路径评估结果,通过获得所述路径评估结果,为下一步生成导航路径提供了支持。
步骤S500:基于所述路径评估结果生成导航路径;
步骤S600:通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。
具体而言,通过所述消防应急系统将每层的所述路径评估结果连接起来,生成导航路径,将所述导航路径作为第一预警信息发送至用户手机,用于指引用户进行安全撤离。通过生成导航路径指引用户进行安全撤离,解决了人员疏散过程中由于单个安全通道中人数过多而造成撤离时间过长和可能发生踩踏等二次事故的技术问题。
在一个实施例中,如图2所示提供了一种基于计算机技术的消防应急演练系统,所述系统与图像采集装置通信连接,包括:结构图获得模块1、视频信息获得模块2、信息预处理模块3、路径评估模块4、导航路径生成模块5、第一预警信息获得模块6,其中:
结构图获得模块1,所述结构图获得模块1用于获得安全通道的结构图;
视频信息获得模块2,所述视频信息获得模块2用于基于所述图像采集装置获得所述安全通道的多个实时视频信息;
信息预处理模块3,所述信息预处理模块3用于对所述多个实时视频信息进行预处理,获得多个信息处理结果;
路径评估模块4,所述路径评估模块4用于基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;
导航路径生成模块5,所述导航路径生成模块5用于基于所述路径评估结果生成导航路径;
第一预警信息获得模块6,所述第一预警信息获得模块6用于通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。
在一个实施例中,所述系统还包括:
采集时间预设模块,所述采集时间预设模块用于预设信息采集时间;
视频分割模块,所述视频分割模块用于基于所述信息采集时间对所述多个实时视频信息进行视频分割,获得多个子视频;
模型构建模块,所述模型构建模块用于构建人类识别模型;
视频识别模块,所述视频识别模块用于通过所述人类识别模型对所述多个子视频进行识别,获得多个识别结果;
数据处理模块,所述数据处理模块用于对所述多个识别结果进行数据处理,获得所述多个信息处理结果。
在一个实施例中,所述系统还包括:
历史视频获得模块,所述历史视频获得模块用于获得多个历史演练安全通道视频信息;
模型训练模块,所述模型训练模块用于将所述多个历史演练安全通道视频信息输入所述人类识别模型,训练所述人类识别模型;
模型获得模块,所述模型获得模块用于获得训练至收敛状态的所述人类识别模型。
在一个实施例中,所述系统还包括:
时间段获得模块,所述时间段获得模块用于获得预定时间段;
目标安全通道获得模块,所述目标安全通道获得模块用于获得目标安全通道;
预测概率获得模块,所述预测概率获得模块用于基于所述目标安全通道获得所述预定时间段内第N层目标安全通道内人员数量的预测概率;
预测结果获得模块,所述预测结果获得模块用于基于所述多个信息处理结果、所述预测概率生成人员数量信息预测结果;
评估结果生成模块,所述评估结果生成模块用于对所述人员数量信息预测结果进行评估,生成所述路径评估结果。
在一个实施例中,所述系统还包括:
预测概率规则预设模块,所述预测概率规则预设模块用于预设人员数量预测概率规则;
相邻信息获得模块,所述相邻信息获得模块用于基于所述目标安全通道获得相邻安全通道的信息处理结果;
预测概率获得模块,所述预测概率获得模块用于基于所述相邻安全通道的信息处理结果获得所述预测概率。
在一个实施例中,所述系统还包括:
预测结果比较模块,所述预测结果比较模块用于对所述人员数量信息预测结果进行比较,获得所述人员数量信息比较结果;
安全通道路径获得模块,所述相邻安全通道路径获得模块用于基于所述目标安全通道和所述安全通道的结构图获得安全通道路径;
路径评估结果生成模块,所述路径评估结果生成模块用于基于所述人员数量信息比较结果和所述安全通道路径生成所述路径评估结果。
在一个实施例中,所述系统还包括:
评估模型构建模块,所述评估模型构建模块用于构建路径评估模型;
评估结果生成模块,所述评估结果生成模块用于将所述人员数量信息比较结果、所述安全通道路径输入所述路径评估模型,生成所述路径评估结果。
综上所述,本申请提供了一种基于计算机技术的消防应急演练方法及系统具有以下技术效果:
1.基于路径评估结果生成导航路径帮助人员进行安全撤离,可以缩短人员撤离时间,提高撤离效率,避免发成踩踏等二次事故。
2.通过构建人类识别模型对实时视频信息进行识别,可以准确获得安全通道内人员数量,从而提高了导航路径的准确度。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于计算机技术的消防应急演练方法:所述方法应用于消防应急演练系统,所述消防应急演练系统与图像采集装置通信连接,包括:
获得安全通道的结构图;
基于所述图像采集装置获得所述安全通道的多个实时视频信息;
对所述多个实时视频信息进行预处理,获得多个信息处理结果;
基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;
基于所述路径评估结果生成导航路径;
通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。
2.如权利要求1所述的方法,其特征在于,所述对所述多个实时视频信息进行预处理,获得多个信息处理结果,包括:
预设信息采集时间;
基于所述信息采集时间对所述多个实时视频信息进行视频分割,获得多个子视频;
构建人类识别模型;
通过所述人类识别模型对所述多个子视频进行识别,获得多个识别结果;
对所述多个识别结果进行数据处理,获得所述多个信息处理结果。
3.如权利要求2所述的方法,其特征在于,所述构人类建识别模型,包括:
获得多个历史演练安全通道视频信息;
将所述多个历史演练安全通道视频信息输入所述人类识别模型,训练所述人类识别模型;
获得训练至收敛状态的所述人类识别模型。
4.如权利要求1所述的方法,其特征在于,所述基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果,包括:
获得预定时间段;
获得目标安全通道;
基于所述目标安全通道获得所述预定时间段内第N层目标安全通道内人员数量的预测概率;
基于所述多个信息处理结果、所述预测概率生成人员数量信息预测结果;
对所述人员数量信息预测结果进行评估,生成所述路径评估结果。
5.如权利要求4所述的方法,其特征在于,所述基于所述目标安全通道获得所述预定时间段内第N层目标安全通道内人员数量的预测概率,包括:
预设人员数量预测概率规则;
基于所述目标安全通道获得相邻安全通道的信息处理结果;
基于所述相邻安全通道的信息处理结果获得所述预测概率。
6.如权利要求4所述的方法,其特征在于,所述对所述人员数量信息预测结果进行评估,生成所述路径评估结果,包括:
对所述人员数量信息预测结果进行比较,获得所述人员数量信息比较结果;
基于所述目标安全通道和所述安全通道的结构图获得安全通道路径;
基于所述人员数量信息比较结果和所述安全通道路径生成所述路径评估结果。
7.如权利要求6所述的方法,其特征在于,所述基于所述人员数量信息比较结果和所述安全通道路径生成所述路径评估结果,包括:
构建路径评估模型;
将所述人员数量信息比较结果、所述安全通道路径输入所述路径评估模型,生成所述路径评估结果。
8.一种基于计算机技术的消防应急演练系统,所述系统与图像采集装置通信连接,包括:
结构图获得模块,所述结构图获得模块用于获得安全通道的结构图;
视频信息获得模块,所述视频信息获得模块用于基于所述图像采集装置获得所述安全通道的多个实时视频信息;
信息预处理模块,所述信息预处理模块用于对所述多个实时视频信息进行预处理,获得多个信息处理结果;
路径评估模块,所述路径评估模块用于基于所述安全通道的结构图对所述多个信息处理结果进行评估,生成路径评估结果;
导航路径生成模块,所述导航路径生成模块用于基于所述路径评估结果生成导航路径;
第一预警信息获得模块,所述第一预警信息获得模块用于通过所述导航路径获得第一预警信息,所述第一预警信息用于提醒用户进行安全撤离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211495081.8A CN116167901B (zh) | 2022-11-26 | 2022-11-26 | 一种基于计算机技术的消防应急演练方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211495081.8A CN116167901B (zh) | 2022-11-26 | 2022-11-26 | 一种基于计算机技术的消防应急演练方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116167901A true CN116167901A (zh) | 2023-05-26 |
CN116167901B CN116167901B (zh) | 2024-04-26 |
Family
ID=86415229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211495081.8A Active CN116167901B (zh) | 2022-11-26 | 2022-11-26 | 一种基于计算机技术的消防应急演练方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167901B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999813A (zh) * | 2012-11-30 | 2013-03-27 | 山东八达信息技术有限公司 | 一种社会单位消防综合信息管理平台及其实现方法 |
CN110737989A (zh) * | 2019-10-18 | 2020-01-31 | 中国科学院深圳先进技术研究院 | 一种平行智能应急协同方法、系统及电子装备 |
CN110969561A (zh) * | 2019-12-23 | 2020-04-07 | 河北大学 | 密集人群应急疏散方法 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
CN112766909A (zh) * | 2021-01-20 | 2021-05-07 | 上海船舶电子设备研究所(中国船舶重工集团公司第七二六研究所) | 适用于舰船消防安全的智能管控系统及方法、计算机介质 |
CN114596527A (zh) * | 2022-03-02 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种基于视频分析技术提高ai识别率的方法及系统 |
US20220293219A1 (en) * | 2021-03-09 | 2022-09-15 | Thread Robotics Inc. | System and method for dfi-based gamete selection |
CN115147755A (zh) * | 2022-06-08 | 2022-10-04 | 上海商汤科技开发有限公司 | 人员救援疏散方法、系统、装置、电子设备及存储介质 |
-
2022
- 2022-11-26 CN CN202211495081.8A patent/CN116167901B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999813A (zh) * | 2012-11-30 | 2013-03-27 | 山东八达信息技术有限公司 | 一种社会单位消防综合信息管理平台及其实现方法 |
CN110737989A (zh) * | 2019-10-18 | 2020-01-31 | 中国科学院深圳先进技术研究院 | 一种平行智能应急协同方法、系统及电子装备 |
CN110969561A (zh) * | 2019-12-23 | 2020-04-07 | 河北大学 | 密集人群应急疏散方法 |
CN112530119A (zh) * | 2020-11-02 | 2021-03-19 | 深圳市城市公共安全技术研究院有限公司 | 森林火灾应急演练评估分析系统、方法及计算机设备 |
CN112766909A (zh) * | 2021-01-20 | 2021-05-07 | 上海船舶电子设备研究所(中国船舶重工集团公司第七二六研究所) | 适用于舰船消防安全的智能管控系统及方法、计算机介质 |
US20220293219A1 (en) * | 2021-03-09 | 2022-09-15 | Thread Robotics Inc. | System and method for dfi-based gamete selection |
CN114596527A (zh) * | 2022-03-02 | 2022-06-07 | 捻果科技(深圳)有限公司 | 一种基于视频分析技术提高ai识别率的方法及系统 |
CN115147755A (zh) * | 2022-06-08 | 2022-10-04 | 上海商汤科技开发有限公司 | 人员救援疏散方法、系统、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
MINJI CHOI 等: "Optimal route selection model for fire evacuations based on hazard prediction data", 《 SIMULATION MODELLING PRACTICE AND THEORY》, vol. 94, 9 July 2019 (2019-07-09), pages 321 - 333, XP085669839, DOI: 10.1016/j.simpat.2019.04.002 * |
樊舒 等: "基于实时视频的应急决策情报体系构建", 《情报杂志》, vol. 38, no. 06, 6 May 2019 (2019-05-06), pages 17 - 22 * |
Also Published As
Publication number | Publication date |
---|---|
CN116167901B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106844663B (zh) | 一种基于数据挖掘的船舶碰撞风险评估方法及系统 | |
CN108830390A (zh) | 一种用于充电站的智能运维系统以及方法 | |
KR102226183B1 (ko) | Cctv를 이용한 건물내 재실자 밀도 모니터링 시스템 및 방법 | |
CN112580995A (zh) | 施工安全大数据监督系统与安全风险动态评估方法 | |
CN112290546B (zh) | 一种基于人机共融的变电站一次设备故障判别方法 | |
CN107657369A (zh) | 一种基于智能事件分类进行防汛应急响应识别的方法 | |
CN115077627B (zh) | 一种多融合环境数据监管方法及监管系统 | |
CN112861071B (zh) | 一种基于深度自编码的高铁牵引系统异常检测方法 | |
CN108776452B (zh) | 一种特种设备现场维保监控方法及系统 | |
CN112017195A (zh) | 一种应用于城市轨道交通的智能综合监控系统 | |
CN116167901B (zh) | 一种基于计算机技术的消防应急演练方法及系统 | |
CN117523451A (zh) | 一种基于智慧安防技术的视频数据分析系统及方法 | |
CN108761263B (zh) | 一种基于证据理论的故障诊断系统 | |
CN114859839A (zh) | 煤炭生产安全监控系统及方法 | |
CN112613619B (zh) | 车间内煤气区域安全作业管理系统 | |
CN116424986A (zh) | 一种基于机器人自主识别调度的电梯应急救援系统及其方法 | |
CN115577934B (zh) | 一种基于多智能体强化学习的应急方案更新方法及装置 | |
CN110766248B (zh) | 基于shel和区间直觉模糊评价的车间人因可靠性评估方法 | |
KR102592101B1 (ko) | 인공지능 기반 건축구조물 내의 최적 대피경로 안내시스템 및 안내방법 | |
CN114819418B (zh) | 一种车站客流控制方法、装置、设备及可读存储介质 | |
CN114358539A (zh) | 一种基于风险的铁路运营安全判识方法 | |
Wang et al. | A novel IoT-based framework with Prognostics and Health Management and short term fire risk assessment in smart firefighting system | |
CN115081714A (zh) | 一种城市轨道交通一键开关站自检优化方法 | |
CN107909159A (zh) | 一种城轨列车应急处置方法 | |
CN113343176A (zh) | 基于模糊综合评价的电梯设备故障预警方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |