CN116664359A - 一种基于多传感融合的智能火情预警决策系统及方法 - Google Patents

一种基于多传感融合的智能火情预警决策系统及方法 Download PDF

Info

Publication number
CN116664359A
CN116664359A CN202310334551.0A CN202310334551A CN116664359A CN 116664359 A CN116664359 A CN 116664359A CN 202310334551 A CN202310334551 A CN 202310334551A CN 116664359 A CN116664359 A CN 116664359A
Authority
CN
China
Prior art keywords
fire
early warning
intelligent
rescue
identification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310334551.0A
Other languages
English (en)
Inventor
沈国栋
王景
于桂芳
田新明
袁淑珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Worldwide Shandong Service Ltd
Original Assignee
Inspur Worldwide Shandong Service Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inspur Worldwide Shandong Service Ltd filed Critical Inspur Worldwide Shandong Service Ltd
Priority to CN202310334551.0A priority Critical patent/CN116664359A/zh
Publication of CN116664359A publication Critical patent/CN116664359A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G06V10/811—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data the classifiers operating on different input data, e.g. multi-modal recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Emergency Management (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Fire Alarms (AREA)

Abstract

本发明涉及消防安全和火情智能预警决策技术领域，具体为一种基于多传感融合的智能火情预警决策系统及方法，所述智能火情预警决策系统由多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统以及云平台系统构成，多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统分别与云平台通信连接；有益效果为：本发明提出的基于多传感融合的智能火情预警决策系统及方法基于机器学习对火情进行初识别，当识别出疑似火情信息后，结合疑似火情区域火焰颜色和圆形度、面积变化率、重心高度比、燃烧纹理火焰特征，利用联合训练的快速区域卷积神经网络进行火焰识别，进一步提高了火情识别率。

Description

一种基于多传感融合的智能火情预警决策系统及方法
技术领域
本发明涉及消防安全和火情智能预警决策技术领域，具体为一种基于多传感融合的智能火情预警决策系统及方法。
背景技术
随着云计算、大数据、人工智能等技术的快速发展，人们对火情预警决策系统提出了更高的要求，火情预警决策技术在整个消防系统中起着重要的作用。
现有技术中，主流的火情预警系统准确度过度依赖于机器学习模型训练的精度，如果模型精度不高，判别条件单一，没有综合利用火情的相关物理特征及周边环境等进行综合识别预警，可能会造成识别预警系统的片面性和不确定性，导致火情发生时不能第一时间被发现，造成严重的损失。另外针对识别到的火情大多预警系统并不能快速而准确的做出相应等级评估，无法做出合适的救援资源分配，进而可能导致严重的损失。
发明内容
本发明的目的在于提供一种基于多传感融合的智能火情预警决策系统及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于多传感融合的智能火情预警决策系统，所述智能火情预警决策系统由多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统以及云平台系统构成，多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统分别与云平台通信连接。
优选的，所述多模态融合火情识别系统，根据部署的视频监控设备进行实时监测，通过多模态融合实现火灾智能识别，进一步提供了火情识别率，减少误报情况的发生。
优选的，所述火情等级评估及预警系统，综合气流、烟雾、周边环境、消防设施完备度及交通情况，进行火灾严重等级智能评估，根据火灾的严重等级程度做出相应的预警信息。
优选的，所述救援决策系统，根据火情预警等级，做出最优救援措施，实现救援资源的最优分配。
优选的，所述云平台系统，与多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统保持实时通讯交互，整个系统架构划分为终端传输层、云端的平台基础层以及运行在平台基础层上面的应用服务层三层架构。
优选的，终端传输层负责消防设备和周围环境信息的获取以及处理，并且通过MQTT协议与多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统建立稳定的消息传输通道，与多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统进行数据通信，完成信息传输功能；
平台基础层是整个云端平台系统的基石，通过虚拟化技术负责云端服务器资源的调度管理，为应用服务层提供运行时环境，并且完成与终端传输层的交互以及数据的可靠存储；
应用服务层运行在平台基础层之上，并通过MQTT协议与平台基础层以及终端传输层进行通信，用于对平台基础层传递过来的消息进行处理，并完成与用户的交互功能。
一种基于多传感融合的智能火情预警决策系统的基于多传感融合的智能火情预警决策方法，所述智能火情预警决策方法包括以下步骤：
在火灾频发区域合理布置移动摄像机、温度传感器、烟雾传感器等智能设备，所有设备均与云平台保持通信；
通过移动摄像机进行视频数据采集，将采集到的视频信息上传至云平台，通过图像增强技术与图像形态学处理方法对采集视频帧进行预处理；
标注火情现场的视频流图片，将标注好的图片作为训练数据集。
优选的，所述智能火情预警决策方法还包括以下步骤：
为了增加感受野，使得网络对小范围火情能保持良好的检测效果，基于Yolov5改进算法建立目标识别模型；
针对Yolov5模型，对SPP结构进行改进，增加3×3和7×7两个池化窗口，通过所部署的烟雾传感器、光度传感器、红外传感器、温度传感器采集烟雾数据、光度数据、温度数据、红外数据信息，根据天气条件、光照条件、火情区域周边交通环境以及周边消防设施完备度结合LSTM网络模型建立火情分析模型；
将SPP模块中的第二个卷积层的权重矩阵参数由原来的(512×1024×1×1)改为(512×1536×1×1)；
每一轮训练后得出loss值，直到loss值满足要求停止训练；
训练结束后在图片上进行火情区域画框和火情识别概率标注；
设置火情识别概率阈值，当火情识别概率小于阈值时提示该区域疑似火情信息，针对提示的疑似火情信息进一步确认。
优选的，所述智能火情预警决策方法还包括以下步骤：
在疑似火情区域利用候选区域生成网络提取火焰候选区域，对候选区域进行卷积及池化操作，提取疑似火灾区域的圆形度、面积变化率、重心高度比、燃烧纹理火焰特征；
结合疑似火情区域火焰颜色和圆形度、面积变化率、重心高度比、燃烧纹理火焰特征，利用联合训练的快速区域卷积神经网络进行火焰识别；
通过对疑似火情区域的火焰识别结果结合火情识别概率确定该区域是否标记为发生火情区域；
识别到火情信息并获得了火情相对应监控设备的方位信息后，通过极坐标系信息解算出目标在真实三维空间中的笛卡尔坐标。
优选的，所述智能火情预警决策方法还包括以下步骤：
通过火情分析模型得到外界环境对火情影响的相对值；
利用外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，构建火情等级评估及预警系统的主成分分析函数；
基于外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，对所有特征进行中心化处理；
求解上述特征的协方差矩阵C，cov(x1,x1)的求解公式如下：/>
求协方差矩阵C的特征值λ和相对应的特征向量，将特征值λ按照从大到小的顺序排序，选择最大的前k个，基于前k个特征值，构建火情等级评估及预警主成分分析函数；基于主成分分析函数，设置火情阈值进行火情等级分类并根据火情等级作出相应的预警；
利用火情周边环境信息及火情预警等级，基于语义网和框架理论建立救援案例的知识表示方法，计算预测情景与历史情景的相似度；通过智能决策算法，结合预测情景与历史情景的相似度，得到当下火情适合采取的多种救援措施；基于应急救援的复杂多场景多目标指挥需求，运用Markov决策过程，分析单一空间下的承灾体的演化过程，采取不同救援措施对灾害演化的影响值，从而得到当下火情的最优救援措施；
基于贝叶斯框架得到最优救援措施下的最优决策策略，构建多储备点、多救援点、多种救援物资分配与调度数学模型，结合最优决策策略实现救援资源的最优分配。
与现有技术相比，本发明的有益效果是：
本发明提出的基于多传感融合的智能火情预警决策系统及方法基于机器学习对火情进行初识别，当识别出疑似火情信息后，结合疑似火情区域火焰颜色和圆形度、面积变化率、重心高度比、燃烧纹理火焰特征，利用联合训练的快速区域卷积神经网络进行火焰识别，进一步提高了火情识别率。在识别到火情信息后，利用外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，构建火情等级评估及预警系统的主成分分析函数，对识别到的火情进行严重等级分类，根据火情预警等级，做出最优救援措施，实现救援资源的最优分配，最大化程度合理利用救援资源，降低损失。
附图说明
图1为本发明系统图；
图2为本发明方法流程图。
具体实施方式
为了使本发明的目的、技术方案进行清楚、完整地描述，及优点更加清楚明白，以下结合附图对本发明实施例进行进一步详细说明。应当理解，此处所描述的具体实施例是本发明一部分实施例，而不是全部的实施例，仅仅用以解释本发明实施例，并不用于限定本发明实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参阅图1，本发明提供一种技术方案：一种基于多传感融合的智能火情预警决策系统，包括多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统、云平台系统；所述多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统分别与云平台通信连接；
所述多模态融合火情识别系统，根据部署的视频监控设备进行实时监测，通过多模态融合实现火灾智能识别，进一步提供了火情识别率，减少误报情况的发生；
所述火情等级评估及预警系统，综合气流、烟雾、周边环境、消防设施完备度及交通情况，进行火灾严重等级智能评估，根据火灾的严重等级程度做出相应的预警信息；
所述救援决策系统，根据火情预警等级，做出最优救援措施，实现救援资源的最优分配；
所述云平台系统，与各子系统保持实时通讯交互，整个系统架构划分为终端传输层、云端的平台基础层以及运行在平台基础层上面的应用服务层三层架构；
终端传输层负责消防设备和周围环境信息的获取以及处理，并且能够通过MQTT协议与各子系统建立稳定的消息传输通道，与子系统进行数据通信，完成信息传输功能。平台基础层则是整个云端平台系统的基石，通过虚拟化技术负责云端服务器资源的调度管理，为应用服务层提供运行时环境，并且完成与终端传输层的交互以及数据的可靠存储。应用服务层运行在平台基础层之上，并可以通过MQTT协议与平台基础层以及终端传输层进行通信，主要是用于对平台基础层传递过来的消息进行处理，并可以完成与用户的交互功能。
实施例二
参照附图2，一种基于多传感融合的智能火情预警决策方法，包括以下步骤：
所述多模态融合火情识别系统，实现步骤如下：
步骤101、在火灾频发区域合理布置移动摄像机、温度传感器、烟雾传感器等智能设备，所有设备均与云平台保持通信；
步骤102、通过无人机、巡逻机器人进行视频数据采集，将采集到的视频信息上传至云平台，通过图像增强技术与图像形态学处理方法对采集视频帧进行预处理；
步骤103、标注火情现场的视频流图片，将标注好的图片作为训练数据集；
步骤104、为了增加感受野，使得网络对小范围火情能保持良好的检测效果，基于Yolov5改进算法建立目标识别模型；
步骤105、针对Yolov5模型，对SPP结构进行改进，增加3×3和7×7两个池化窗口；
步骤106、将SPP模块中的第二个卷积层的权重矩阵参数由原来的(512×1024×1×1)改为(512×1536×1×1)；
步骤107、每一轮训练后得出loss值，直到loss值满足要求停止训练；
步骤108、训练结束后在图片上进行火情区域画框和火情识别概率标注；
步骤109、设置火情识别概率阈值，当火情识别概率小于阈值时提示该区域疑似火情信息，针对提示的疑似火情信息进一步确认；
步骤110、在疑似火情区域利用候选区域生成网络(Region Proposal Network，RPN)提取火焰候选区域，对候选区域进行卷积及池化操作，提取疑似火灾区域的圆形度、面积变化率、重心高度比、燃烧纹理火焰特征；
步骤111、结合疑似火情区域火焰颜色和圆形度、面积变化率、重心高度比、燃烧纹理火焰特征，利用联合训练的快速区域卷积神经网络(Fast R-CNN)进行火焰识别；
步骤112、通过对疑似火情区域的火焰识别结果结合火情识别概率确定该区域是否标记为发生火情区域；
步骤113、识别到火情信息并获得了火情相对应监控设备的方位信息后，通过极坐标系信息解算出目标在真实三维空间中的笛卡尔坐标；
所述火情等级评估及预警系统，实现步骤如下：
步骤114、在步骤105识别的火情区域内，通过该位置所部署的烟雾传感器、光度传感器、红外传感器、温度传感器采集烟雾数据、光度数据、温度数据、红外数据信息；
步骤115、根据天气条件、光照条件、火情区域周边交通环境以及周边消防设施完备度结合LSTM(Long Short-Term Memory)网络模型建立火情分析模型；
步骤116、通过火情分析模型得到外界环境对火情影响的相对值；
步骤117、利用外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，构建火情等级评估及预警系统的主成分分析函数；
步骤118、基于外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，对所有特征进行中心化处理；
步骤119、求解上述特征的协方差矩阵C；
步骤120、
步骤121、其中cov(x1,x1)的求解公式如下，其他类似：
步骤122、
步骤123、求协方差矩阵C的特征值λ和相对应的特征向量；
步骤124、将特征值λ按照从大到小的顺序排序，选择最大的前k个；
步骤125、基于前k个特征值，构建火情等级评估及预警主成分分析函数；
步骤126、基于主成分分析函数，设置火情阈值进行火情等级分类并根据火情等级作出相应的预警；
所述救援决策系统，实现步骤如下：
步骤127、利用火情周边环境信息及火情预警等级，基于语义网和框架理论建立救援案例的知识表示方法，计算预测当下火情与历史情景的相似度；
步骤128、通过智能决策算法，结合预测情景与历史情景的相似度，得到当下火情适合采取的多种救援措施；
步骤129、基于应急救援的复杂多场景多目标指挥需求，运用Markov决策过程，分析单一空间下的承灾体的演化过程，以及采取不同救援措施对灾害演化的影响值，从而得到当下火情的最优救援措施；
步骤130、基于贝叶斯框架得到最优救援措施下的最优决策策略；
步骤131、构建多储备点、多救援点、多种救援物资分配与调度数学模型，结合最优决策策略实现救援资源的最优分配。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于多传感融合的智能火情预警决策系统，其特征在于：所述智能火情预警决策系统由多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统以及云平台系统构成，多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统分别与云平台通信连接。
2.根据权利要求1所述的一种基于多传感融合的智能火情预警决策系统，其特征在于：所述多模态融合火情识别系统，根据部署的视频监控设备进行实时监测，通过多模态融合实现火灾智能识别，进一步提供了火情识别率，减少误报情况的发生。
3.根据权利要求1所述的一种基于多传感融合的智能火情预警决策系统，其特征在于：所述火情等级评估及预警系统，综合气流、烟雾、周边环境、消防设施完备度及交通情况，进行火灾严重等级智能评估，根据火灾的严重等级程度做出相应的预警信息。
4.根据权利要求1所述的一种基于多传感融合的智能火情预警决策系统，其特征在于：所述救援决策系统，根据火情预警等级，做出最优救援措施，实现救援资源的最优分配。
5.根据权利要求1所述的一种基于多传感融合的智能火情预警决策系统，其特征在于：所述云平台系统，与多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统保持实时通讯交互，整个系统架构划分为终端传输层、云端的平台基础层以及运行在平台基础层上面的应用服务层三层架构。
6.根据权利要求5所述的一种基于多传感融合的智能火情预警决策系统，其特征在于：终端传输层负责消防设备和周围环境信息的获取以及处理，并且通过MQTT协议与多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统建立稳定的消息传输通道，与多模态融合火情识别系统、火情等级评估及预警系统、救援决策系统进行数据通信，完成信息传输功能；
平台基础层是整个云端平台系统的基石，通过虚拟化技术负责云端服务器资源的调度管理，为应用服务层提供运行时环境，并且完成与终端传输层的交互以及数据的可靠存储；
应用服务层运行在平台基础层之上，并通过MQTT协议与平台基础层以及终端传输层进行通信，用于对平台基础层传递过来的消息进行处理，并完成与用户的交互功能。
7.一种根据权利要求1-6任意一项所述的基于多传感融合的智能火情预警决策系统的基于多传感融合的智能火情预警决策方法，其特征在于：所述智能火情预警决策方法包括以下步骤：
在火灾频发区域合理布置移动摄像机、温度传感器、烟雾传感器等智能设备，所有设备均与云平台保持通信；
通过移动摄像机进行视频数据采集，将采集到的视频信息上传至云平台，通过图像增强技术与图像形态学处理方法对采集视频帧进行预处理；
标注火情现场的视频流图片，将标注好的图片作为训练数据集。
8.根据权利要求7所述的一种基于多传感融合的智能火情预警决策方法，其特征在于：所述智能火情预警决策方法还包括以下步骤：
为了增加感受野，使得网络对小范围火情能保持良好的检测效果，基于Yolov5改进算法建立目标识别模型；
针对Yolov5模型，对SPP结构进行改进，增加3×3和7×7两个池化窗口，通过所部署的烟雾传感器、光度传感器、红外传感器、温度传感器采集烟雾数据、光度数据、温度数据、红外数据信息，根据天气条件、光照条件、火情区域周边交通环境以及周边消防设施完备度结合LSTM网络模型建立火情分析模型；
将SPP模块中的第二个卷积层的权重矩阵参数由原来的(512×1024×1×1)改为(512×1536×1×1)；
每一轮训练后得出loss值，直到loss值满足要求停止训练；
训练结束后在图片上进行火情区域画框和火情识别概率标注；
设置火情识别概率阈值，当火情识别概率小于阈值时提示该区域疑似火情信息，针对提示的疑似火情信息进一步确认。
9.根据权利要求8所述的一种基于多传感融合的智能火情预警决策方法，其特征在于：所述智能火情预警决策方法还包括以下步骤：
在疑似火情区域利用候选区域生成网络提取火焰候选区域，对候选区域进行卷积及池化操作，提取疑似火灾区域的圆形度、面积变化率、重心高度比、燃烧纹理火焰特征；
结合疑似火情区域火焰颜色和圆形度、面积变化率、重心高度比、燃烧纹理火焰特征，利用联合训练的快速区域卷积神经网络进行火焰识别；
通过对疑似火情区域的火焰识别结果结合火情识别概率确定该区域是否标记为发生火情区域；
识别到火情信息并获得了火情相对应监控设备的方位信息后，通过极坐标系信息解算出目标在真实三维空间中的笛卡尔坐标。
10.根据权利要求7所述的一种基于多传感融合的智能火情预警决策方法，其特征在于：所述智能火情预警决策方法还包括以下步骤：
通过火情分析模型得到外界环境对火情影响的相对值；
利用外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，构建火情等级评估及预警系统的主成分分析函数；
基于外界环境对火情影响的相对值、温度、烟度、光度及红外监测数据，对所有特征进行中心化处理；
求解上述特征的协方差矩阵C，cov(x1,x1)的求解公式如下：/>
求协方差矩阵C的特征值λ和相对应的特征向量，将特征值λ按照从大到小的顺序排序，选择最大的前k个，基于前k个特征值，构建火情等级评估及预警主成分分析函数；基于主成分分析函数，设置火情阈值进行火情等级分类并根据火情等级作出相应的预警；
利用火情周边环境信息及火情预警等级，基于语义网和框架理论建立救援案例的知识表示方法，计算预测情景与历史情景的相似度；通过智能决策算法，结合预测情景与历史情景的相似度，得到当下火情适合采取的多种救援措施；基于应急救援的复杂多场景多目标指挥需求，运用Markov决策过程，分析单一空间下的承灾体的演化过程，采取不同救援措施对灾害演化的影响值，从而得到当下火情的最优救援措施；
基于贝叶斯框架得到最优救援措施下的最优决策策略，构建多储备点、多救援点、多种救援物资分配与调度数学模型，结合最优决策策略实现救援资源的最优分配。
CN202310334551.0A 2023-03-31 2023-03-31 一种基于多传感融合的智能火情预警决策系统及方法 Pending CN116664359A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310334551.0A CN116664359A (zh) 2023-03-31 2023-03-31 一种基于多传感融合的智能火情预警决策系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310334551.0A CN116664359A (zh) 2023-03-31 2023-03-31 一种基于多传感融合的智能火情预警决策系统及方法

Publications (1)

Publication Number Publication Date
CN116664359A true CN116664359A (zh) 2023-08-29

Family

ID=87717835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310334551.0A Pending CN116664359A (zh) 2023-03-31 2023-03-31 一种基于多传感融合的智能火情预警决策系统及方法

Country Status (1)

Country Link
CN (1) CN116664359A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116863252A (zh) * 2023-09-04 2023-10-10 四川泓宝润业工程技术有限公司 动火作业现场易燃物检测方法、装置、设备、存储介质
CN117151436A (zh) * 2023-10-31 2023-12-01 北京数易科技有限公司 一种应急救援演习方法、系统及介质
CN117422209A (zh) * 2023-12-18 2024-01-19 贵州省公路工程集团有限公司 一种道路施工森林防火监测方法及系统
CN117495110A (zh) * 2023-12-29 2024-02-02 清大东方消防技术服务有限公司 消防救援风险评估方法、装置、设备及可读存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116863252A (zh) * 2023-09-04 2023-10-10 四川泓宝润业工程技术有限公司 动火作业现场易燃物检测方法、装置、设备、存储介质
CN116863252B (zh) * 2023-09-04 2023-11-21 四川泓宝润业工程技术有限公司 动火作业现场易燃物检测方法、装置、设备、存储介质
CN117151436A (zh) * 2023-10-31 2023-12-01 北京数易科技有限公司 一种应急救援演习方法、系统及介质
CN117151436B (zh) * 2023-10-31 2024-02-02 北京数易科技有限公司 一种应急救援演习方法、系统及介质
CN117422209A (zh) * 2023-12-18 2024-01-19 贵州省公路工程集团有限公司 一种道路施工森林防火监测方法及系统
CN117422209B (zh) * 2023-12-18 2024-03-26 贵州省公路工程集团有限公司 一种道路施工森林防火监测方法及系统
CN117495110A (zh) * 2023-12-29 2024-02-02 清大东方消防技术服务有限公司 消防救援风险评估方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
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
CN108037770B (zh) 基于人工智能的无人机输电线路巡检系统和方法
CN106412501B (zh) 一种视频的施工安全行为智能监控系统及其监控方法
CN109377703A (zh) 一种基于机器视觉的森林防火预警系统及其方法
US11475671B2 (en) Multiple robots assisted surveillance system
CN107437318B (zh) 一种可见光智能识别算法
Ahmad et al. Overhead view person detection using YOLO
CN111223263A (zh) 一种全自动综合型火灾预警响应系统
CN115761537B (zh) 一种面向动态特征补充机制的输电线路异物入侵识别方法
CN107330414A (zh) 暴力行为监控方法
KR20200052418A (ko) 딥러닝 기반의 자동 폭력 감지 시스템
CN113642403B (zh) 基于边缘计算的人群异动智能安全检测系统
CN111539325A (zh) 基于深度学习的森林火灾探测方法
CN114971409A (zh) 一种基于物联网的智慧城市火灾监控预警方法及系统
CN117237879B (zh) 一种轨迹追踪方法和系统
CN116189305B (zh) 一种基于神经网络模型嵌入的人员危险动作识别方法
CN115471865A (zh) 作业现场数字化安全管控方法、装置、设备和存储介质
US20200293020A1 (en) Surveillance system with intelligent robotic surveillance device
CN117180687B (zh) 一种智慧消防远程监控系统及方法
CN113628172A (zh) 一种人员手持武器智能检测算法及智慧城市安防系统
CN116994313A (zh) 基于边缘计算的电梯场景下口罩检测系统和方法
CN115865988A (zh) 利用手机传感器网络的客船旅客踩踏事件监测系统及方法
Lestari et al. Comparison of two deep learning methods for detecting fire
CN215520976U (zh) 一种电缆隧道人员滞留监测系统
CN115190377A (zh) 基于边缘计算的视频感知紧急处理调度系统

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