CN116307740B - 基于数字孪生城市的起火点分析方法及系统、设备及介质 - Google Patents
基于数字孪生城市的起火点分析方法及系统、设备及介质 Download PDFInfo
- Publication number
- CN116307740B CN116307740B CN202310547082.0A CN202310547082A CN116307740B CN 116307740 B CN116307740 B CN 116307740B CN 202310547082 A CN202310547082 A CN 202310547082A CN 116307740 B CN116307740 B CN 116307740B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- candidate
- fire
- ignition
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 27
- 239000004566 building material Substances 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 abstract description 8
- 239000004035 construction material Substances 0.000 abstract 1
- 238000000034 method Methods 0.000 description 28
- 230000003287 optical effect Effects 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 15
- 230000008030 elimination Effects 0.000 description 10
- 238000003379 elimination reaction Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007499 fusion processing Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052754 neon Inorganic materials 0.000 description 2
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
本发明公开了一种基于数字孪生城市的起火点分析方法及系统、设备及介质，分析方法包括：基于数字孪生城市的融合参数获得候选起火点集合，集合中包括若干个候选起火点；分别对于集合中的每个候选起火点，根据预设观察点、候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从候选起火点到预设观察点的光路，若存在，则标记光路经过的所有其他候选起火点；空间平面与候选起火点的距离小于预设阈值；将候选起火点集合中未被标记的候选起火点设置为起火点。本发明利用数字孪生城市中的空间地理信息，基于光路传播对候选起火点进行甄别，并结合建筑材质、静态及动态的光源判定等多种维度，更为高效、全面、精确地分析和确定起火点。
Description
技术领域
本发明涉及消防安全技术领域，尤其涉及一种基于数字孪生城市的起火点分析方法及系统、设备及介质。
背景技术
在城市人口较为密集的区域，火灾发生将严重威胁人员的生命财产安全。及时准确地发现起火点对于降低火灾造成的人员伤亡和财产损失发挥了举足轻重的作用。然而，由于判断起火点极易受烟雾、阳光、灯光等影响，使得基于传感器系统虽然能够识别过于明亮光线的出现及其位置，但无法保证其是否为真正的起火点。火灾起火点的误判可能导致消防人员出错现场，浪费消防系统资源，甚至造成误判灾情而影响火灾的准确救援，从而造成严重的人员伤亡和财产损失。因此，对于城市起火点的准确判断作为智慧城市发展中城市安全的重要保障，在救灾和排灾领域方面具有重大的意义。目前的研究大多直接使用图像处理的方法监测环境的烟雾、火焰等作为监测结果，但图像处理的过程往往需要较长的时间，基于该类方法的火灾判断对于分秒必争的火灾救援来说具有一定的滞后性。此外也有采用基于无人机平台的图像识别技术判断火灾的发生，但火焰检测特征单一，火焰识别度不够准确。
数字孪生城市是在建筑信息模型和城市三维地理信息系统的基础上，利用物联网技术把物理城市的人、物、事件和水、电、气等所有要素进行数字化，然后在网络空间上构造一个与之完全对应的“虚拟城市”，形成物理维度上的实体城市和信息维度上的数字城市同生共存、虚实交融的局面。
发明内容
本发明要解决的技术问题是为了克服现有技术中的上述缺陷，提供一种基于数字孪生城市的起火点分析方法及系统、设备及介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供了一种基于数字孪生城市的起火点分析方法，包括：
基于所述数字孪生城市的融合参数获得候选起火点集合，所述候选起火点集合中包括若干个候选起火点；
分别对于所述候选起火点集合中的每个候选起火点，根据预设观察点、所述候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从所述候选起火点到所述预设观察点的光路，若存在，则标记所述光路经过的所有其他候选起火点；其中，所述空间平面与所述候选起火点的距离小于预设阈值；
将所述候选起火点集合中未被标记的候选起火点设置为起火点。
较佳地，所述根据预设观察点、所述候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从所述候选起火点到所述预设观察点的光路包括：
分别获取预设观察点关于每个所述空间平面的镜像点；
判断所述镜像点和所述候选起火点的连线与用于确定所述镜像点的所述空间平面的交点是否位于预设范围内且所述交点符合预设光强度，若是则存在所述光路；若否，则将所述镜像点作为所述预设观察点，并重复执行所述分别获取预设观察点关于每个所述空间平面的镜像点的步骤。
较佳地，所述融合参数包括图像信息对应的色彩参数、温度参数、建筑材质参数中的至少一种；其中，所述图像信息为亮度值超过预设亮度阈值的光亮点；
其中，所述色彩参数表征所述图像信息中的光亮点是否符合火焰特征；
所述温度参数表征所述图像信息对应位置的温度；
所述建筑材质参数表征所述图像信息对应位置的建筑材质可燃程度。
较佳地，所述融合参数还包括所述对应位置在若干相邻时刻采集的所述图像信息的面积增长速度。
本发明还提供了一种基于数字孪生城市的起火点分析系统，包括：
确定模块，用于基于所述数字孪生城市的融合参数获得候选起火点集合，所述候选起火点集合中包括若干个候选起火点；
判断模块，用于分别对于所述候选起火点集合中的每个候选起火点，根据预设观察点、所述候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从所述候选起火点到所述预设观察点的光路，若存在，则标记所述光路经过的所有其他候选起火点；其中，所述空间平面与所述候选起火点的距离小于预设阈值；
设置模块，用于将所述候选起火点集合中未被标记的候选起火点设置为起火点。
较佳地，所述判断模块包括：
镜像单元，分别获取预设观察点关于每个所述空间平面的镜像点；
判断单元，用于判断所述镜像点和所述候选起火点的连线与用于确定所述镜像点的所述空间平面的交点是否位于预设范围内且所述交点符合预设光强度，若是则存在所述光路；若否，则将所述镜像点作为所述预设观察点，并调用所述镜像单元。
较佳地，所述融合参数包括图像信息对应的色彩参数、温度参数、建筑材质参数中的至少一种；其中，所述图像信息为亮度值超过预设亮度阈值的光亮点；
其中，所述色彩参数表征所述图像信息中的光亮点是否符合火焰特征；
所述温度参数表征所述图像信息对应位置的温度；
所述建筑材质参数表征所述图像信息对应位置的建筑材质可燃程度。
较佳地，所述融合参数还包括所述对应位置在若干相邻时刻采集的所述图像信息的面积增长速度。
本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的基于数字孪生城市的起火点分析方法。
本发明还提供了一种计算机可读存储介质，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上述的基于数字孪生城市的起火点分析方法。
本发明的积极进步效果在于：本发明提供了一种基于数字孪生城市的起火点分析方法及系统、设备及介质，通过对数字孪生城市中的空间地理信息的利用，基于光路传播对候选起火点进行甄别，并结合建筑材质、静态及动态的光源判定等多种维度，更为全面精确地分析和确定起火点，从而在保证判断效率的前提下有效地排除异常光亮的干扰，增加了判断结果的鲁棒性，也能够应对部分传感器的意外故障或失效，从而能够为火灾抢险提供更好的辅助决策，具有行业推广意义。
附图说明
图1为本发明实施例1基于数字孪生城市的起火点分析方法的流程图。
图2为本发明实施例1中的反射射线传播示意图。
图3为本发明实施例2的基于数字孪生城市的起火点分析系统的模块示意图。
图4为本发明实施例3的电子产品的结构框图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例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说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
本实施例所提供的基于数字孪生城市的起火点分析方法可以在智能终端、计算机终端、网络设备、芯片、芯片模组或者类似的运算装置中执行。在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本申请所描述的实施例可以与其它实施例相结合。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
实施例1：参见图1、图2所示，本实施例具体提供了一种基于数字孪生城市的起火点分析方法，包括如下步骤：
S1.基于数字孪生城市的融合参数获得候选起火点集合，候选起火点集合中包括若干个候选起火点；
S2.分别对于候选起火点集合中的每个候选起火点，根据预设观察点、候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从候选起火点到预设观察点的光路，若存在，则执行S3：标记光路经过的所有其他候选起火点；其中，空间平面与候选起火点的距离小于预设阈值；
S4.将候选起火点集合中未被标记的候选起火点设置为起火点。
步骤S1即本实施例中基于构建的虚拟数字孪生城市获取各类地理空间信息和火情分析的相关参数，城市中的建筑物划分为一系列平面，提供不同平面的建筑材质信息和数字孪生城市中的动态光源进行处理，形成候选起火点集合。步骤S2、S3利用光路传播的原理进行光路倒溯，从而甄别和寻找可能是被误判的候选起火点。步骤S4设置起火点，或标记误判的候选起火点后，可以将判断的结果进行下发通知处理，如确定着火点后向所在区域人员自动预警，并向消防部门上报火警情况。可以通过短信、微信提醒以及自动上报消防部门请求支援，从而最大限度的减少人员伤亡和财产损失。
作为较佳的实施方式，步骤S2包括：
分别获取预设观察点关于每个空间平面的镜像点；
判断镜像点和候选起火点的连线与用于确定镜像点的空间平面的交点是否位于预设范围内且交点符合预设光强度，若是则存在光路；若否，则将镜像点作为预设观察点，并重复执行分别获取预设观察点关于每个空间平面的镜像点的步骤。可以理解，根据光传播的减退规律，可以设置重复执行的次数，例如三次。
作为较佳的实施方式，融合参数包括图像信息对应的色彩参数、温度参数、建筑材质参数中的至少一种；图像信息为亮度值超过预设亮度阈值的光亮点；本领域技术人员可以理解，光亮点是用于表征数字孪生城市中的一个点位，其实际的形状可以用线性图中的点状或面状来表达。
其中，色彩参数表征图像信息中的光亮点是否符合火焰特征；
温度参数表征图像信息对应位置的温度；
建筑材质参数表征图像信息对应位置的建筑材质可燃程度。
较佳地，融合参数还包括对应位置在若干相邻时刻采集的图像信息的面积增长速度。
具体地，静态特征主要包括亮度、颜色和形状等，动态特征主要包括面积变化、闪动特性和整体移动等；对多种数据信息进行综合过滤完成监测、验证、判定和排除等处理，例如由数字孪生城市模块得到的建筑材质信息，综合判断异常光亮点是否为起火点，为救援逃生工作提供有效支持，降低火灾带来的伤害。建筑材质参数即不同建筑物对应的不同材质信息，包括建筑物可反光、不可反光、易燃和不易燃等性质；
上述动态光源即捕捉超过一定亮度值的动态光源，包括但不限于车灯、阳光、霓虹灯可能会形成或经过射线传播形成光亮点的光源。
如上所述，基于多方数据融合进行起火点误判排除和精确判断，将数字孪生城市分解为一系列的面，每个面包括2部分信息，该面记为S，即有S=(G, A)，其中G表示为几何信息描述为平面方程组，A表示为安全信息，记为A=( A1, A2)，其中A1的取值为可反光和不可反光，A2的取值为易燃和不易燃。权重为w=(w1,w2,w3)根据具体应用场景设定。
在一个应用示例中，本方法按照下述步骤执行：
（1）基于数据融合的图像处理方法确定候选起火点。
（1.1）利用图像信息的亮度值捕获异常光亮点，获取该光亮点的边缘轮廓信息值G1和安全信息值；
（1.2）根据异常光亮点的边缘轮廓信息G1，确定几何中心作为位置坐标，对G1对应区域进行温度阈值检测，得到温度检测结果集合Bj={B1, B2,…, Bn}，j=1,2,…,n，一般n取值为4，分别表示为极高温度、高温度、正常室温、低温度；
（1.3）对高温及以上温度区域的异常光亮点进行光源的色彩特性获取，结合色彩图像中像素点的RGB值，得到色彩特性集合Pk=（P1,P2,…,Pn），k=1,2,…,n。通过集合监测值分析该光亮点是否符合火焰色彩特征；
（1.4）对于符合上述特性的光亮点，在信息感知判断模块的图像采集模块的摄像头下一次转动到该位置时，打破原有的匀速转动模式，改为暂驻留T秒，T是一个常数。在T秒内，判断该光亮点的面积m次，记为S={S1, S2, … ,Sm}，m=1,2,…,100，其中S表示面积。记面积增长的梯度为面积增长速度，记为V={V1, V2,…,Vm}。其中梯度计算公式为：
；
若任意的Vi增长速度大于15%，表示高度疑似起火点，面积增长速度小于15%且大于10%，表示中度疑似起火点，面积增长速度小于10%，表示稳定高温物体轻度疑似起火点；
（1.5）将上述数据进行数据融合处理，对符合疑似起火点指标的异常光亮点标记为候选起火点，形成候选起火点集合CFi={ CF1, CF2,…, CFn}，n为正整数。
前述步骤（1.5）中的数据融合处理是指将多个传感器或多来源获取的观测信息，根据不同信息对事件判断影响大小对其分配合理的权重，完成探测、验证、判定以及排除等功能。本方法将结合图像的色彩、静态特征和动态特征得到多数据融合值F对异常光亮点做出是否为起火点的综合判断，排除误判的起火点，其中多数据融合值F为：
。
（2）基于动态光源的射线传播识别方法排除起火点误判。
（2.1）针对步骤（1.5）提供的候选起火点集合CFi={ CF1, CF2,…, CFn}，进行起火点误判排除；
（2.2）读取候选起火点CFi的几何信息值Gi，遍历Gi所在几何区域内的所有面该几何区域以Gi的几何中心为圆心，半径不超过R，R通常取5KM。获得该空间的所有可见面,每一个面由一个面方程和变量取值范围/>组成，记为/>；
（2.3）对候选起火点集合CFi={ CF1, CF2,…, CFn}的每一个候选起火点，重复步骤（2.2），直到全部候选起火点遍历结束；
（2.4）将能够通过一次可见面或二次可见面而到达的反射点Ri，或者经由的射线路径上的反射点Ri在候选起火点集合CFi中标记；
（2.5）取出被标记的候选起火点，形成新集合NFi={ NF1, NF2,…, NFn}表示为被排除的起火点集合。完成起火点的误判排除功能；
前述步骤（2.2）中可见面是指可以从光源出发的反向射线能够通过这个面，经过反射、折射或者绕射达到候选起火点处。其中光源是指能够经由一次可见面或二次可见面使观察者形成逆向光路的光源。可以理解，本发明中判断存在光路时，光路即对应于该逆向光路。可见面判定算法具体如下：
（2.2.1）由候选起火点的几何信息值Gi获取CFi坐标；并假设观察者的坐标为O1，观察者可以是信息感知判断模块的图像采集模块的摄像头；
（2.2.2）根据建筑物不同平面坐标信息，获取空间面的凸点坐标，并通过凸点坐标计算面的平面方程；其中前述的凸点坐标是指三个不平行平面的交界点，如交界点存在，则称为凸点，例如正方体有8个凸点；
（2.2.3）按序读取空间面，并根据该空间面方程计算观察点O1关于该面的一次镜像点O2；同理，可以迭代计算O1关于其它面的二次镜像点O2和多次镜像点Oi，i为整数；
（2.2.4）通过镜像点与候选起火点CFi相连，计算连线与平面的交点，该交点即为候选反射点CRi={ CR1, CR2,…, CRn}；
（2.2.5）通过边界判定方法判断该候选反射点CRi是否在可见面范围内，若在范围内表明反射点有效；否则说明反射不成立，读取下一个空间面，转到步骤（2.2.2）；图2示出了反射射线的传播示意图。其中，l1、l2和l3是包括若干个空间平面的物体，例如城市建筑。其作为障碍物可以形成从候选起火点CFi至观察点O1的光路传播；
（2.2.6）计算光线从O1的传播路径末点处的光信号强度；
（2.2.7）判断光传播路径末点处的光信号强度是否满足最小强度约束，判断依据是每碰到一个反射面降低一定强度，这个降低的强度可以通过现有公式计算，与入射角、介电系数有关。若低于最小强度约束，表明信号强度过低，该次传播结束读取下一个面，转到步骤（2.2.2）；否则表明光信号强度高，该次反射成立，记该候选反射点为反射点Ri，形成新集合：
Ri={ R1, R2,…, Rn}；
（2.2.8）判断是否遍历全部空间面，如果是则结束，否则进入步骤（2.2.3）；
前述步骤（2.2.2）中反射面的平面方程求解过程如下，对于平面多边形，函数I(Eq)为不共线三点坐标确定的平面方程，可以通过矩阵方程进行计算，表示为：
；
其中不共线的三点坐标为G= (G1(x1,y1,z1), G2(x2,y2,z2), G3(x3,y3,z3))，则I(Eq)为：
；
经过单位化后得到平面的法向量/>，其中/>表示法向量/>的/>坐标轴坐标，/>表示法向量/>的/>坐标轴坐标，/>表示法向量/>的/>坐标轴坐标，具体为：
；
实际的空间反射面存在面边界，因此具有约束条件，具体表示为：
；
综上所述，反射面的平面方程为：
。
前述步骤（2.2.4）中候选反射点求解如下，连接镜像点与候选起火点/>其确定的直线即为反射线，反射线与反射面的交点即为候选反射点。再根据后续步骤，确定候选反射点的有效性。假设/>反射线与反射面/>交于反射点，则满足/>与/>在坐标轴上具有相同比值t，即：
；
将该公式代入反射面方程有：
；
可得：；
由可求得反射线和平面交点反射点/>，具体表示为：
。
本实施例通过提供一种基于数字孪生城市的起火点分析方法，通过对数字孪生城市中的空间地理信息的利用，基于光路传播对候选起火点进行甄别，并结合建筑材质、静态及动态的光源判定等多种维度，更为全面精确地分析和确定起火点，从而在保证判断效率的前提下有效地排除异常光亮的干扰，增加了判断结果的鲁棒性，也能够应对部分传感器的意外故障或失效，从而能够为火灾抢险提供更好的辅助决策，具有行业推广意义。
实施例2：与上面介绍的基于数字孪生城市的起火点分析方法对应地，本实施例还提供了一种基于数字孪生城市的起火点分析系统。下面将分别进行介绍。需要说明的是，本实施例的基于数字孪生城市的起火点分析系统例如可以是：单独的芯片、芯片模组或电子设备，也可以是集成于电子设备内的芯片或者芯片模组。关于上述实施例中描述的各个装置、产品包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的（如果有）部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件（例如芯片、电路模块等）或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的（如果有）部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件（例如，芯片、电路模块等）或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的（如果有）部分模块/单元可以采用电路等硬件方式实现。
具体地，如图3所示，本实施例提供了一种基于数字孪生城市的起火点分析系统，包括：
确定模块1，用于基于数字孪生城市的融合参数获得候选起火点集合，候选起火点集合中包括若干个候选起火点；
判断模块2，用于分别对于候选起火点集合中的每个候选起火点，根据预设观察点、候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从候选起火点到预设观察点的光路，若存在，则标记光路经过的所有其他候选起火点；其中，空间平面与候选起火点的距离小于预设阈值；
设置模块3，用于将候选起火点集合中未被标记的候选起火点设置为起火点。
本实施例中基于构建的虚拟数字孪生城市获取各类地理空间信息和火情分析的相关参数，城市中的建筑物划分为一系列平面，提供不同平面的建筑材质信息和数字孪生城市中的动态光源进行处理，形成候选起火点。判断模块2通过判断是否存在光路来甄别可能被误判的候选起火点，设置模块3排除误判点进行起火点的标记，进一步地，可以将判断的结果进行下发通知处理，如确定着火点后向所在区域人员自动预警，并向消防部门上报火警情况。可以通过短信、微信提醒以及自动上报消防部门请求支援，从而最大限度的减少人员伤亡和财产损失。
作为较佳的实施方式，判断模块2包括：
镜像单元，用于分别获取预设观察点关于每个空间平面的镜像点；
判断单元，用于判断镜像点和候选起火点的连线与用于确定镜像点的空间平面的交点是否位于预设范围内且交点符合预设光强度，若是则存在光路；若否，则将镜像点作为预设观察点，并调用镜像单元。
可以理解，根据光传播的减退规律，可以设置调用镜像单元的次数，例如三次。
作为较佳的实施方式，融合参数包括图像信息对应的色彩参数、温度参数、建筑材质参数中的至少一种；其中，图像信息为亮度值超过预设亮度阈值的光亮点，本领域技术人员可以理解，光亮点是用于表征数字孪生城市中的一个点位，其实际的形状可以用线性图中的点状或面状来表达。
其中，色彩参数表征图像信息中的光亮点是否符合火焰特征；
温度参数表征图像信息对应位置的温度；
建筑材质表征图像信息对应位置的建筑材质可燃程度。
较佳地，融合参数还包括对应位置在若干相邻时刻采集的图像信息的面积增长速度。
具体地，静态特征主要包括亮度、颜色和形状等，动态特征主要包括面积变化、闪动特性和整体移动等；对多种数据信息进行综合过滤完成监测、验证、判定和排除等处理，例如由数字孪生城市模块得到的建筑材质信息，综合判断异常光亮点是否为起火点，为救援逃生工作提供有效支持，降低火灾带来的伤害。建筑材质参数即不同建筑物对应的不同材质信息，包括建筑物可反光、不可反光、易燃和不易燃等性质；
上述动态光源即捕捉超过一定亮度值的动态光源，包括但不限于车灯、阳光、霓虹灯可能会形成或经过射线传播形成光亮点的光源。
如上所述，基于多方数据融合进行起火点误判排除和精确判断，将数字孪生城市分解为一系列的面，每个面包括2部分信息，该面记为S，即有S=(G, A)，其中G表示为几何信息描述为平面方程组，A表示为安全信息，记为A=( A1, A2)，其中A1的取值为可反光和不可反光，A2的取值为易燃和不易燃。权重为w=(w1,w2,w3)根据具体应用场景设定。
在一个应用示例中，本系统执行如下操作：
（1）基于数据融合的图像处理方法确定候选起火点。
（1.1）利用图像信息的亮度值捕获异常光亮点，获取该光亮点的边缘轮廓信息值G1和安全信息值；
（1.2）根据异常光亮点的边缘轮廓信息G1，确定几何中心作为位置坐标，对G1对应区域进行温度阈值检测，得到温度检测结果集合Bj={B1, B2,…, Bn}，j=1,2,…,n，一般n取值为4，分别表示为极高温度、高温度、正常室温、低温度；
（1.3）对高温及以上温度区域的异常光亮点进行光源的色彩特性获取，结合色彩图像中像素点的RGB值，得到色彩特性集合Pk=（P1,P2,…,Pn），k=1,2,…,n。通过集合监测值分析该光亮点是否符合火焰色彩特征；
（1.4）对于符合上述特性的光亮点，在信息感知判断模块的图像采集模块的摄像头下一次转动到该位置时，打破原有的匀速转动模式，改为暂驻留T秒，T是一个常数。在T秒内，判断该光亮点的面积m次，记为S={S1, S2, … ,Sm}，m=1,2,…,100，其中S表示面积。记面积增长的梯度为面积增长速度，记为V={V1, V2,…,Vm}。其中梯度计算公式为：
；
若任意的Vi增长速度大于15%，表示高度疑似起火点，面积增长速度小于15%且大于10%，表示中度疑似起火点，面积增长速度小于10%，表示稳定高温物体轻度疑似起火点；
（1.5）将上述数据进行数据融合处理，对符合疑似起火点指标的异常光亮点标记为候选起火点，形成候选起火点集合CFi={ CF1, CF2,…, CFn}，n为正整数。
前述步骤（1.5）中的数据融合处理是指将多个传感器或多来源获取的观测信息，根据不同信息对事件判断影响大小对其分配合理的权重，完成探测、验证、判定以及排除等功能。本方法将结合图像的色彩、静态特征和动态特征得到多数据融合值F对异常光亮点做出是否为起火点的综合判断，排除误判的起火点，其中多数据融合值F为：
。
（2）基于动态光源的射线传播识别方法排除起火点误判。
（2.1）针对步骤（1.5）提供的候选起火点集合CFi={ CF1, CF2,…, CFn}，进行起火点误判排除；
（2.2）读取候选起火点CFi的几何信息值Gi，遍历Gi所在几何区域内的所有面该几何区域以Gi的几何中心为圆心，半径不超过R，R通常取5KM。获得该空间的所有可见面,每一个面由一个面方程和变量取值范围组成/>，记为/>；
（2.3）对候选起火点集合CFi={ CF1, CF2,…, CFn}的每一个候选起火点，重复步骤（2.2），直到全部候选起火点遍历结束；
（2.4）将能够通过一次可见面或二次可见面而到达的反射点Ri，或者经由的射线路径上的反射点Ri在候选起火点集合CFi中标记；
（2.5）取出被标记的候选起火点，形成新集合NFi={ NF1, NF2,…, NFn}表示为被排除的起火点集合。完成起火点的误判排除功能；
前述步骤（2.2）中可见面是指从光源出发的反向射线能够通过这个面，经过反射、折射或者绕射达到候选起火点处。其中光源是指能够经由一次可见面或二次可见面使观察者形成逆向光路的光源。可见面判定算法具体如下：
（2.2.1）由候选起火点的几何信息值Gi获取CFi坐标；并假设观察者的坐标为O1，观察者可以是信息感知判断模块的图像采集模块的摄像头；
（2.2.2）根据建筑物不同平面坐标信息，获取空间面的凸点坐标，并通过凸点坐标计算面的平面方程；其中前述的凸点坐标是指三个不平行平面的交界点，如交界点存在，则称为凸点，例如正方体有8个凸点；
（2.2.3）按序读取空间面，并根据该空间面方程计算观察点O1关于该面的一次镜像点O2；同理，可以迭代计算O1关于其它面的二次镜像点O2和多次镜像点Oi，i为整数；
（2.2.4）通过镜像点与候选起火点CFi相连，计算连线与平面的交点，该交点即为候选反射点CRi={ CR1, CR2,…, CRn}；
（2.2.5）通过边界判定方法判断该候选反射点CRi是否在可见面范围内，若在范围内，表明反射点有效；否则说明反射不成立，读取下一个空间面，转到步骤（2.2.2）；
（2.2.6）计算光线从O1的传播路径末点处的光信号强度；
（2.2.7）判断光传播路径末点处的光信号强度是否满足最小强度约束，判断依据是每碰到一个反射面降低一定强度，这个降低的强度可以通过现有公式计算，与入射角、介电系数有关。若低于最小强度约束，表明信号强度过低，该次传播结束读取下一个面，转到步骤（2.2.2）；否则表明光信号强度高，该次反射成立，记该候选反射点为反射点Ri，形成新集合Ri={ R1, R2,…, Rn}；
（2.2.8）判断是否遍历全部空间面，如果是则结束，否则进入步骤（2.2.3）；
前述步骤（2.2.2）中反射面的平面方程求解过程如下，对于平面多边形，函数I(Eq)为不共线三点坐标确定的平面方程，可以通过矩阵方程进行计算，表示为：
；
其中不共线的三点坐标为G= (G1(x1,y1,z1), G2(x2,y2,z2), G3(x3,y3,z3))，则I(Eq)为：
；
经过单位化后得到平面的法向量/>，其中/>表示法向量/>的/>坐标轴坐标，/>表示法向量/>的/>坐标轴坐标，/>表示法向量/>的/>坐标轴坐标，具体为：/>
；
实际的空间反射面存在面边界，因此具有约束条件，具体表示为：
；
综上所述，反射面的平面方程为：
；
前述步骤（2.2.4）中候选反射点求解如下，连接镜像点与候选起火点/>其确定的直线即为反射线，反射线与反射面的交点即为候选反射点。再根据后续步骤，确定候选反射点的有效性。假设/>反射线与反射面/>交于反射点，则满足/>与/>在坐标轴上具有相同比值t，即；
将该公式代入反射面方程有：
；
可得：；
由可求得反射线和平面交点反射点/> ，具体表示为：
；
本实施例通过提供一种基于数字孪生城市的起火点分析系统，通过对数字孪生城市中的空间地理信息的利用，基于光路传播对候选起火点进行甄别，并结合建筑材质、静态及动态的光源判定等多种维度，更为全面精确地分析和确定起火点，从而在保证判断效率的前提下有效地排除异常光亮的干扰，增加了判断结果的鲁棒性，也能够应对部分传感器的意外故障或失效，从而能够为火灾抢险提供更好的辅助决策，具有行业推广意义。
实施例3：图4为本实施例提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述实施例中的基于数字孪生城市的起火点分析方法。图4显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明如上所述的基于数字孪生城市的起火点分析方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID（磁盘阵列）系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4：本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现如上述实施例的基于数字孪生城市的起火点分析方法中的步骤。其中，可读存储介质可以采用更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现如上所述的基于数字孪生城市的起火点分析方法中的步骤。其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。
Claims (8)
1.一种基于数字孪生城市的起火点分析方法，其特征在于，包括：
基于所述数字孪生城市的融合参数获得候选起火点集合，所述候选起火点集合中包括若干个候选起火点；
分别对于所述候选起火点集合中的每个候选起火点，根据预设观察点、所述候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从所述候选起火点到所述预设观察点的光路，若存在，则标记所述光路经过的所有其他候选起火点；其中，所述空间平面与所述候选起火点的距离小于预设阈值；
将所述候选起火点集合中未被标记的候选起火点设置为起火点；
所述根据预设观察点、所述候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从所述候选起火点到所述预设观察点的光路包括：
分别获取预设观察点关于每个所述空间平面的镜像点；
判断所述镜像点和所述候选起火点的连线与用于确定所述镜像点的所述空间平面的交点是否位于预设范围内且所述交点符合预设光强度，若是则存在所述光路；若否，则将所述镜像点作为所述预设观察点，并重复执行所述分别获取预设观察点关于每个所述空间平面的镜像点的步骤。
2.如权利要求1所述的基于数字孪生城市的起火点分析方法，其特征在于，所述融合参数包括图像信息对应的色彩参数、温度参数、建筑材质参数中的至少一种；
其中，所述色彩参数表征所述图像信息中的光亮点是否符合火焰特征；
所述温度参数表征所述图像信息对应位置的温度；
所述建筑材质参数表征所述图像信息对应位置的建筑材质可燃程度。
3.如权利要求2所述的基于数字孪生城市的起火点分析方法，其特征在于，所述融合参数还包括所述对应位置在若干相邻时刻采集的所述图像信息的面积增长速度。
4.一种基于数字孪生城市的起火点分析系统，其特征在于，包括：
确定模块，用于基于所述数字孪生城市的融合参数获得候选起火点集合，所述候选起火点集合中包括若干个候选起火点；
判断模块，用于分别对于所述候选起火点集合中的每个候选起火点，根据预设观察点、所述候选起火点和对应的至少一个空间平面的空间位置关系，判断是否存在从所述候选起火点到所述预设观察点的光路，若存在，则标记所述光路经过的所有其他候选起火点；其中，所述空间平面与所述候选起火点的距离小于预设阈值；
设置模块，用于将所述候选起火点集合中未被标记的候选起火点设置为起火点；
所述判断模块包括：
镜像单元，分别获取预设观察点关于每个所述空间平面的镜像点；
判断单元，用于判断所述镜像点和所述候选起火点的连线与用于确定所述镜像点的所述空间平面的交点是否位于预设范围内且所述交点符合预设光强度，若是则存在所述光路；若否，则将所述镜像点作为所述预设观察点，并调用所述镜像单元。
5.如权利要求4所述的基于数字孪生城市的起火点分析系统，其特征在于，所述融合参数包括图像信息对应的色彩参数、温度参数、建筑材质参数中的至少一种；
其中，所述色彩参数表征所述图像信息中的光亮点是否符合火焰特征；
所述温度参数表征所述图像信息对应位置的温度；
所述建筑材质参数表征所述图像信息对应位置的建筑材质可燃程度。
6.如权利要求5所述的基于数字孪生城市的起火点分析系统，其特征在于，所述融合参数还包括所述对应位置在若干相邻时刻采集的所述图像信息的面积增长速度。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现如权利要求1-3中任一项所述的基于数字孪生城市的起火点分析方法。
8.一种计算机可读存储介质，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1-3中任一项所述的基于数字孪生城市的起火点分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310547082.0A CN116307740B (zh) | 2023-05-16 | 2023-05-16 | 基于数字孪生城市的起火点分析方法及系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310547082.0A CN116307740B (zh) | 2023-05-16 | 2023-05-16 | 基于数字孪生城市的起火点分析方法及系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307740A CN116307740A (zh) | 2023-06-23 |
| CN116307740B true CN116307740B (zh) | 2023-08-01 |
Family
ID=86801617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310547082.0A Active CN116307740B (zh) | 2023-05-16 | 2023-05-16 | 基于数字孪生城市的起火点分析方法及系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307740B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116757006B (zh) * | 2023-08-21 | 2023-10-27 | 苏州和歌信息科技有限公司 | 基于数字孪生城市的火灾报警器的布局优化方法及系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11605144B1 (en) * | 2012-11-29 | 2023-03-14 | Priority 5 Holdings, Inc. | System and methods for planning and optimizing the recovery of critical infrastructure/key resources |
| CN103926058B (zh) * | 2014-03-27 | 2016-08-17 | 中国科学院长春光学精密机械与物理研究所 | 非球面检测中采用自准平面镜测量光轴的方法 |
| US20180068242A1 (en) * | 2015-03-12 | 2018-03-08 | Repipe Pty Ltd | Methods and systems for providing and receiving information for risk management in the field |
| JP7213026B2 (ja) * | 2018-05-30 | 2023-01-26 | エア・ウォーター防災株式会社 | 煙感知器 |
| CN110505464A (zh) * | 2019-08-21 | 2019-11-26 | 佳都新太科技股份有限公司 | 一种数字孪生系统、方法及计算机设备 |
| CN113593383A (zh) * | 2021-08-02 | 2021-11-02 | 杭州越光智能科技有限公司 | 一种基于数字孪生技术的课堂教学方法及教学装置 |
| CN114184559B (zh) * | 2021-10-22 | 2023-08-25 | 安徽大学 | 基于激光开放光路的早期室内火场预判检测装置 |
| CN113920679A (zh) * | 2021-10-29 | 2022-01-11 | 苏州和歌信息科技有限公司 | 城市远距离火灾监测方法、装置、计算机设备及存储介质 |
| CN115640694A (zh) * | 2022-11-02 | 2023-01-24 | 亚信科技（中国）有限公司 | 消防数字孪生系统、消防预案的推演方法及相关设备 |
| CN115775085B (zh) * | 2023-02-13 | 2023-04-25 | 成都中轨轨道设备有限公司 | 一种基于数字孪生的智慧城市管理方法及系统 |
| CN115841409B (zh) * | 2023-02-28 | 2023-06-23 | 杭州新中大科技股份有限公司 | 一种楼宇施工火灾逃生引导方法、系统、设备及介质 |
-
2023
- 2023-05-16 CN CN202310547082.0A patent/CN116307740B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307740A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110312951B (zh) | 使用光学制品进行集成监控、警示和预防性安全事件避免的个人防护设备管理系统及方法 | |
| CN110807429A (zh) | 基于tiny-YOLOv3的施工安全检测方法及系统 | |
| CN109658539A (zh) | 化工园区的巡检方法、装置、服务器及计算机存储介质 | |
| CN116307740B (zh) | 基于数字孪生城市的起火点分析方法及系统、设备及介质 | |
| JP6995148B2 (ja) | 視覚的深度を用いた煙検出方法 | |
| Su et al. | Data-driven fire safety management at building construction sites: Leveraging CNN | |
| KR102416892B1 (ko) | 재난대응절차 기반 센서-서버 간 지능형 재난대응시스템 | |
| CN113554318A (zh) | 一种化工园区三维可视化风险智能管控一体化系统及方法 | |
| Chowdhury et al. | Computer vision and smoke sensor based fire detection system | |
| CN111611439A (zh) | 消防安全监测方法、装置、计算机设备和存储介质 | |
| CN116153016A (zh) | 一种多传感器融合森林火灾实时监测与预警装置及其方法 | |
| CN114238330A (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
| Mwedzi et al. | Machine learning applications for fire detection in a residential building | |
| CN115883779B (zh) | 一种基于大数据的智慧园区信息安全管理系统 | |
| CN106226239A (zh) | 大视场角智能图像型火灾探测器及其智能火灾探测方法 | |
| CN111882800B (zh) | 一种基于多维度数据联动的消防预警方法及系统 | |
| CN115311601A (zh) | 一种基于视频分析技术的火灾探测分析方法 | |
| CN114419558A (zh) | 火灾视频图像识别方法、系统、计算机设备及存储介质 | |
| CN113516120A (zh) | 扬尘检测方法、图像处理方法、装置、设备及系统 | |
| CN113743015A (zh) | 火灾场景数据获取方法、介质及电子设备 | |
| CN113295589A (zh) | 一种扬尘监测方法、装置和系统 | |
| CN116778192B (zh) | 一种基于空地设备协同的火灾安全预警系统 | |
| KR102450851B1 (ko) | 재난 위기 경보 정보의 시각화 방법 및 시스템 | |
| Lestari et al. | Fire detection system on surveillance videos using faster region-based convolutional neural network for high buildings evacuation | |
| Sah et al. | Forest Fire Detection using Convolutional Neural Network Model |
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 |