发明内容
本发明主要解决的技术问题是如何对企业内部场所发生火灾时的泡沫灭火剂的用量进行管理。
根据第一方面,本发明提供一种基于大数据处理的企业内部场所的火灾管理方法,包括:获取企业内部场所的监控视频、企业内部场所的温度传感器数据、企业内部场所的烟雾探测器数据;基于所述企业内部场所的监控视频、所述企业内部场所的温度传感器数据、所述企业内部场所的烟雾探测器数据使用判断模型确定是否发生火灾;若确定发生火灾,则使用信息处理模型对所述企业内部场所的监控视频进行处理确定出火灾区域、内部场所布局信息、初始火焰信息、火灾区域的风速;基于所述火灾区域、泡沫灭火剂位置、救援人员信息使用救援时间确定模型确定救援人员的平均救援时间,所述救援人员信息包括每个救援人员位置、每个救援人员年龄、每个救援人员的跑步速度、救援人员数量;基于所述救援人员的平均救援时间、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速使用火焰信息确定模型确定平均救援时间之后的火焰大小;基于所述平均救援时间之后的火焰大小、泡沫灭火剂信息确定泡沫灭火剂的用量;发送所述泡沫灭火剂的用量到救援人员的终端并通知救援人员开始救援。
更进一步地,所述方法还包括:若确定未发生火灾,则间隔十分钟后再次使用判断模型确定是否发生火灾。
更进一步地,所述内部场所布局信息包括所述内部场所的总面积、所述内部场所的高度、所述内部场所的地面材料、所述内部场所的多个设备信息,所述初始火焰信息包括火焰形态、火焰大小、火焰水平方向上的增长速度、火焰竖直方向上的增长速度。
更进一步地,所述信息处理模型为门控循环单元,所述信息处理模型的输入为所述企业内部场所的监控视频,所述信息处理模型的输出为所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速。
更进一步地,所述信息处理模型包括全局处理子模型、火焰处理子模型、风速确定子模型,所述全局处理子模型的输入为所述企业内部场所的监控视频,所述全局处理子模型的输出为所述火灾区域的分割视频和所述内部场所布局信息,所述火焰处理子模型的输入为所述火灾区域的分割视频,所述火焰处理子模型的输出为所述火灾区域和所述初始火焰信息,所述风速确定子模型的输入为所述火灾区域的分割视频和所述初始火焰信息,所述风速确定子模型的输出为所述火灾区域的风速。
根据第二方面,本发明提供一种基于大数据处理的企业内部场所的火灾管理系统,包括:获取模块,用于获取企业内部场所的监控视频、企业内部场所的温度传感器数据、企业内部场所的烟雾探测器数据;火灾判断模块,用于基于所述企业内部场所的监控视频、所述企业内部场所的温度传感器数据、所述企业内部场所的烟雾探测器数据使用判断模型确定是否发生火灾;信息处理模块,用于若确定发生火灾,则使用信息处理模型对所述企业内部场所的监控视频进行处理确定出火灾区域、内部场所布局信息、初始火焰信息、火灾区域的风速;救援时间确定模块,用于基于所述火灾区域、泡沫灭火剂位置、救援人员信息使用救援时间确定模型确定救援人员的平均救援时间,所述救援人员信息包括每个救援人员位置、每个救援人员年龄、每个救援人员的跑步速度、救援人员数量;火焰大小确定模块,用于基于所述救援人员的平均救援时间、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速使用火焰信息确定模型确定平均救援时间之后的火焰大小;用量确定模块,用于基于所述平均救援时间之后的火焰大小、泡沫灭火剂信息确定泡沫灭火剂的用量;发送模块,用于发送所述泡沫灭火剂的用量到救援人员的终端并通知救援人员开始救援。
更进一步地,所述系统还用于:若确定未发生火灾,则间隔十分钟后再次使用判断模型确定是否发生火灾。
更进一步地,所述内部场所布局信息包括所述内部场所的总面积、所述内部场所的高度、所述内部场所的地面材料、所述内部场所的多个设备信息,所述初始火焰信息包括火焰形态、火焰大小、火焰水平方向上的增长速度、火焰竖直方向上的增长速度。
更进一步地,所述信息处理模型为门控循环单元,所述信息处理模型的输入为所述企业内部场所的监控视频,所述信息处理模型的输出为所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速。
更进一步地,所述信息处理模型包括全局处理子模型、火焰处理子模型、风速确定子模型,所述全局处理子模型的输入为所述企业内部场所的监控视频,所述全局处理子模型的输出为所述火灾区域的分割视频和所述内部场所布局信息,所述火焰处理子模型的输入为所述火灾区域的分割视频,所述火焰处理子模型的输出为所述火灾区域和所述初始火焰信息,所述风速确定子模型的输入为所述火灾区域的分割视频和所述初始火焰信息,所述风速确定子模型的输出为所述火灾区域的风速。
本发明提供的一种基于大数据处理的企业内部场所的火灾管理方法和系统,该方法包括获取企业内部场所的监控视频、企业内部场所的温度传感器数据、企业内部场所的烟雾探测器数据;基于所述企业内部场所的监控视频、所述企业内部场所的温度传感器数据、所述企业内部场所的烟雾探测器数据使用判断模型确定是否发生火灾;若确定发生火灾,则使用信息处理模型对所述企业内部场所的监控视频进行处理确定出火灾区域、内部场所布局信息、初始火焰信息、火灾区域的风速;基于所述火灾区域、泡沫灭火剂位置、救援人员信息使用救援时间确定模型确定救援人员的平均救援时间,所述救援人员信息包括每个救援人员位置、每个救援人员年龄、每个救援人员的跑步速度、救援人员数量;基于所述救援人员的平均救援时间、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速使用火焰信息确定模型确定平均救援时间之后的火焰大小;基于所述平均救援时间之后的火焰大小、泡沫灭火剂信息确定泡沫灭火剂的用量;发送所述泡沫灭火剂的用量到救援人员的终端并通知救援人员开始救援,该方法能够对企业内部场所发生火灾时的泡沫灭火剂的用量进行管理。
具体实施方式
本发明实施例中,提供了如图1所示的一种基于大数据处理的企业内部场所的火灾管理方法,所述基于大数据处理的企业内部场所的火灾管理方法包括步骤S1~S7:
步骤S1,获取企业内部场所的监控视频、企业内部场所的温度传感器数据、企业内部场所的烟雾探测器数据。
企业内部场所的监控视频是安装在企业内部场所的摄像头设备所获得的实时视频流。
企业内部场所的温度传感器数据是安装在企业内部场所的传感器设备所获得的实时温度数据。
企业内部场所的烟雾探测器数据是安装在企业内部场所的烟雾探测器设备所获得的实时烟雾浓度数据。
收集企业内部场所的监控视频、企业内部场所的温度传感器数据、企业内部场所的烟雾探测器数据,可以提供火灾发生时的环境信息,用于火灾的判断。这些数据可以为后续步骤提供基础数据。
步骤S2,基于所述企业内部场所的监控视频、所述企业内部场所的温度传感器数据、所述企业内部场所的烟雾探测器数据使用判断模型确定是否发生火灾。
所述判断模型为门控循环单元模型,所述判断模型的输入为所述企业内部场所的监控视频、所述企业内部场所的温度传感器数据、所述企业内部场所的烟雾探测器数据,所述判断模型的输出为发生火灾或未发生火灾。
门控循环单元模型包括门控循环单元(Gated Recurrent Unit,GRU)。门控循环单元模型通过引入门控机制来控制信息的流动。门控循环单元模型引入了更新门和重置门两个关键门控单元,通过学习动态调整信息的重要性。更新门用于控制前一时刻的隐藏状态和当前输入之间的权重,重置门用于控制是否将历史信息重置为默认值。这两个门控单元使得GRU模型能够自适应地选择保留旧信息和获取新信息,更好地捕捉输入序列中的短期和长期依赖关系。
通过使用门控循环单元模型,可以有效地处理视频数据、温度传感器数据和烟雾探测器数据等序列数据,在火灾监测中判断是否发生火灾,并能够捕捉到不同时间步之间的依赖关系,提高火灾检测的准确性和效率。判断模型可以通过梯度下降法对训练样本进行训练得到。
步骤S3,若确定发生火灾,则使用信息处理模型对所述企业内部场所的监控视频进行处理确定出火灾区域、内部场所布局信息、初始火焰信息、火灾区域的风速。
所述信息处理模型为门控循环单元,所述信息处理模型的输入为所述企业内部场所的监控视频,所述信息处理模型的输出为所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速。
火灾区域是在企业内部场所中,火灾实际发生的特定区域或位置。
所述内部场所布局信息包括所述内部场所的总面积、所述内部场所的高度、所述内部场所的地面材料、所述内部场所的多个设备信息。
所述内部场所的总面积指企业内部场所的总体占地面积,通常以平方米(m²)为单位。
所述内部场所的高度指企业内部场所的高度,通常以米(m)为单位。
所述内部场所的地面材料指企业内部场所的地板或地面覆盖材料,如混凝土、木材、瓷砖等。
所述内部场所的多个设备信息包括在企业内部场所中存在的各种设备的类型、大小、位置。例如各种设备的类型包括生产设备、电气设备、消防设备。
所述初始火焰信息包括火焰形态、火焰大小、火焰水平方向上的增长速度、火焰竖直方向上的增长速度。
火焰形态指火焰的形状或外观,如火球状、喷射状、燃烧床状等。
火焰大小指火焰的尺寸或面积,通常以平方米(m²)为单位。
火焰水平方向上的增长速度指火焰在所述企业内部场所的监控视频内在水平方向上蔓延扩大的速度,通常以米/秒(m/s)为单位。例如所述企业内部场所的监控视频为10秒,在所述企业内部场所的监控视频内,火焰水平方向上的增长速度为0.1米/秒,即在水平方向上,每隔1秒在水平方向上蔓延扩大0.1米。
火焰竖直方向上的增长速度指火焰在所述企业内部场所的监控视频内在竖直方向上蔓延扩大的速度,通常以米/秒(m/s)为单位。例如所述企业内部场所的监控视频为10秒,在所述企业内部场所的监控视频内,火焰竖直方向上的增长速度为0.1米/秒,即在竖直方向上,每隔1秒在竖直方向上蔓延扩大0.1米。
火灾区域的风速指火灾发生区域附近的空气流动速度,通常以米/秒(m/s)为单位。
信息处理模型在处理监控视频时,可以将视频分解成一系列连续的图像帧序列,然后逐帧输入到信息处理模型中进行处理。通过模型的循环结构,信息处理模型可以捕捉到视频中的时序变化和动态特征,包括火灾区域、内部场所布局信息、初始火焰信息、火灾区域的风速。
在一些实施例中,信息处理模型包括全局处理子模型、火焰处理子模型、风速确定子模型。全局处理子模型、火焰处理子模型、风速确定子模型都为门控循环单元。全局处理子模型的输入为所述企业内部场所的监控视频,全局处理子模型的输出为所述火灾区域的分割视频和所述内部场所布局信息,火焰处理子模型的输入为所述火灾区域的分割视频,火焰处理子模型的输出为火灾区域和初始火焰信息,风速确定子模型的输入为所述火灾区域的分割视频和所述初始火焰信息,风速确定子模型的输出为火灾区域的风速。
通过将信息处理模型分为全局处理子模型、火焰处理子模型和风速确定子模型,每个子模型专注于解决特定的问题,提高了模型对于不同任务的适应性和表达能力。全局处理子模型负责整体场景的处理和内部布局信息的提取,火焰处理子模型负责火灾区域的分割和初始火焰信息的提取,风速确定子模型负责对火灾区域风速的确定。通过将任务分解到不同的子模型中,可以更好地捕捉和利用各个子任务的特定信息。
火灾区域的分割视频可以提供有关火灾区域内部的可视特征信息。例如,视频中火焰的运动模式、烟雾的弥散情况等,这些特征与风速相关联。通过对火灾区域视频进行分析和处理,风速确定子模型可以从这些特征中获取风速的线索。在火灾发生时,由于火焰产生的热量和烟雾的产生,会导致火灾区域周围空气流动的变化。风速确定子模型可以通过分析火灾区域的分割视频,检测空气流动的模式,进而推断火灾区域的风速。例如,可以利用火焰的扭曲形态和烟雾的移动方向来估计风速。风速确定子模型作为门控循环单元,具有学习特征和模式的能力。通过对大量训练数据进行训练,风速确定子模型可以学习到火灾区域的分割视频与风速之间的潜在关系。在推理阶段,模型可以根据这些学习到的特征和模式来预测火灾区域的风速。
在一些实施例中,若确定未发生火灾,则间隔十分钟后再次使用判断模型确定是否发生火灾。
步骤S4,基于所述火灾区域、泡沫灭火剂位置、救援人员信息使用救援时间确定模型确定救援人员的平均救援时间,所述救援人员信息包括每个救援人员位置、每个救援人员年龄、每个救援人员的跑步速度、救援人员数量。
泡沫灭火剂位置指泡沫灭火剂的存放位置或放置位置,通常是预先在建筑物内确定的位置,以便在发生火灾时迅速使用。例如,在每个楼层的紧急出口附近设置了干粉灭火器。泡沫灭火剂位置可以通过工作人员事先输入得到。
救援人员信息包括每个救援人员的位置、年龄、跑步速度和数量。救援人员的位置表示他们当前所处的位置,通常可以通过全球定位系统(GPS)或其他定位技术获取。年龄信息用于评估每个救援人员的身体状况和活动能力。跑步速度表示救援人员在到达火灾区域或其他目标地点时的移动速度。救援人员数量表示可用于救援的总人数。
救援人员的平均救援时间为救援人员到达火灾区域的平均时间。这个值表示救援人员从收到呼叫到到达火灾区域所需的平均时间。
所述救援时间确定模型为人工神经网络模型,所述救援时间确定模型的输入为所述火灾区域、所述泡沫灭火剂位置、所述救援人员信息,所述救援时间确定模型的输出为所述救援人员的平均救援时间。
人工神经网络(Artificial Neural Network,ANN)是一种模拟生物神经网络工作原理的计算模型。它由大量互相连接的人工神经元单元组成,通过这些神经元之间的连接来传递和处理信息。人工神经网络可以通过多层的神经网络结构和有效的训练策略,使得对复杂问题的建模和处理变得更加高效和精确。人工神经网络可以学习从输入到输出的复杂映射关系,从而实现对未知数据的预测和处理。
人工神经网络包括输入层、输出层和中间的隐藏层。每个层次都由许多神经元组成,其中每个神经元接收来自上一层的输入信号,经过计算和激活函数后将结果传递给下一层。在这个过程中,神经元之间的权重和偏置不断调整,使得网络的输出结果不断优化。
救援时间确定模型考虑了多个因素,如火灾区域的位置、泡沫灭火剂的位置和救援人员的信息。通过计算救援人员到达火灾区域所需的时间,并结合所有救援人员的时间,可以确定平均救援时间。这样做的目的是评估救援人员在火灾发生后迅速到达火灾区域的能力,以便及时采取行动,并确保人员的安全和灭火工作的进行。
步骤S5,基于所述救援人员的平均救援时间、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速使用火焰信息确定模型确定平均救援时间之后的火焰大小。
平均救援时间之后的火焰大小表示在平均救援时间之后火焰信息确定模型估计的火焰大小。由于救援需要一定的时间,而灭火是从救援人员到达后才开始的,所以需要估计平均救援时间之后的火焰大小,从而确定后续的泡沫灭火剂的用量。
火焰信息确定模型为人工神经网络模型。火焰信息确定模型的输入为所述救援人员的平均救援时间、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速,火焰信息确定模型的输出为平均救援时间之后的火焰大小。
人工神经网络(Artificial Neural Network,ANN)是一种模拟生物神经网络工作原理的计算模型。它由大量互相连接的人工神经元单元组成,通过这些神经元之间的连接来传递和处理信息。人工神经网络可以通过多层的神经网络结构和有效的训练策略,使得对复杂问题的建模和处理变得更加高效和精确。人工神经网络可以学习从输入到输出的复杂映射关系,从而实现对未知数据的预测和处理。
人工神经网络包括前馈神经网络、递归神经网络、卷积神经网络等。
火焰信息确定模型结合救援人员的平均救援时间、火灾区域的布局信息、火焰信息和火灾区域的风速等因素,进行火灾的模拟和预测,进而确定平均救援时间之后的火焰大小。
火焰信息确定模型可以通过结合救援人员的平均救援时间、火灾区域的布局信息、火焰信息和火灾区域的风速等因素,进行火灾的模拟和预测,从而估计平均救援时间之后的火焰大小。具体来说,火焰信息确定模型采用人工神经网络模型,通过训练和学习大量的火灾数据,建立了一个能够对火灾发展进行预测的模型。
该模型的输入包括救援人员的平均救援时间、火灾区域、内部场所布局信息、初始火焰信息和火灾区域的风速等信息。这些信息反映了火灾发展的关键影响因素。通过将这些信息输入到火焰信息确定模型中,模型可以根据已有的数据和经验,进行火灾模拟和预测,从而估计平均救援时间之后的火焰大小。
步骤S6,基于所述平均救援时间之后的火焰大小、泡沫灭火剂信息确定泡沫灭火剂的用量。
泡沫灭火剂信息包括泡沫灭火剂的类型、成分、性能特点和使用说明等信息。
在一些实施例中,可以通过所述平均救援时间之后的火焰大小、泡沫灭火剂信息与泡沫灭火剂的用量的预先设定的匹配关系确定泡沫灭火剂的用量。
在一些实施例中,可以将所述平均救援时间之后的火焰大小、泡沫灭火剂信息构建为一个待匹配向量,通过计算该待匹配向量与数据库中每个参考向量的距离,将距离小于阈值的参考向量对应的泡沫灭火剂的用量确定为当前的泡沫灭火剂的用量。数据库是预先构建的,所述数据库中包括参考向量和参考向量对应的泡沫灭火剂的用量,参考向量基于历史数据中的所述平均救援时间之后的火焰大小和泡沫灭火剂信息构建得到,参考向量对应的泡沫灭火剂的用量为历史数据中确定好的泡沫灭火剂的用量。
步骤S7,发送所述泡沫灭火剂的用量到救援人员的终端并通知救援人员开始救援。
作为示例,可以将计算得出的泡沫灭火剂的用量通过网络或无线通信发送到救援人员携带的终端设备上,以便救援人员了解需要使用的灭火剂数量,并告知开始执行救援任务。
在一些实施例中,还可以通过位置确定模型输出得到多个推荐的灭火位置,再根据角度确定模型确定出多个推荐的灭火位置中每个推荐的灭火位置的灭火角度。多个推荐的灭火位置表示救援人员可以在这个位置使用泡沫灭火剂进行灭火操作。每个推荐的灭火位置的灭火角度表示在这个灭火位置时朝火焰灭火时和地面之间的夹角的角度。所述位置确定模型和角度确定模型为人工神经网络模型。所述位置确定模型的输入为所述平均救援时间之后的火焰大小、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速、所述救援人员信息,所述位置确定模型的输出为多个推荐的灭火位置。位置确定模型可以综合考虑所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速、所述救援人员信息后,输出得到多个推荐的灭火位置。救援人员可以根据多个推荐的灭火位置来进行灭火操作,所述角度确定模型的输入为所述多个推荐的灭火位置、所述平均救援时间之后的火焰大小、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速、所述救援人员信息,所述角度确定模型的输出为每个推荐的灭火位置的灭火角度。这样一来,救援人员可以根据角度确定模型的输出,调整灭火操作的角度,以更有效地进行灭火。根据不同的灭火位置和角度,可以更准确地扑灭火焰,减少火势蔓延的风险。
基于同一发明构思,图2为本发明的实施例提供的一种基于大数据处理的企业内部场所的火灾管理系统示意图,所述基于大数据处理的企业内部场所的火灾管理系统包括:
获取模块21,用于获取企业内部场所的监控视频、企业内部场所的温度传感器数据、企业内部场所的烟雾探测器数据;
火灾判断模块22,用于基于所述企业内部场所的监控视频、所述企业内部场所的温度传感器数据、所述企业内部场所的烟雾探测器数据使用判断模型确定是否发生火灾;
信息处理模块23,用于若确定发生火灾,则使用信息处理模型对所述企业内部场所的监控视频进行处理确定出火灾区域、内部场所布局信息、初始火焰信息、火灾区域的风速;
救援时间确定模块24,用于基于所述火灾区域、泡沫灭火剂位置、救援人员信息使用救援时间确定模型确定救援人员的平均救援时间,所述救援人员信息包括每个救援人员位置、每个救援人员年龄、每个救援人员的跑步速度、救援人员数量;
火焰大小确定模块25,用于基于所述救援人员的平均救援时间、所述火灾区域、所述内部场所布局信息、所述初始火焰信息、所述火灾区域的风速使用火焰信息确定模型确定平均救援时间之后的火焰大小;
用量确定模块26,用于基于所述平均救援时间之后的火焰大小、泡沫灭火剂信息确定泡沫灭火剂的用量;
发送模块27,用于发送所述泡沫灭火剂的用量到救援人员的终端并通知救援人员开始救援。