CN111359132A - 一种基于人工智能的智慧消防警报方法及*** - Google Patents

Abstract

本申请实施例提供一种基于人工智能的智慧消防警报方法及***。该方法包括：在任一传感器发现建筑物内存在火情的情况下，通过传感器计算出火情确定传感器集合，并向火情确定传感器集合中的每个传感器发送协助确定信号，同时将协助确定信号发送至消防控制中心；火情确定传感器集合中的每一传感器根据协助确定信号中的位置和类型；消防控制中心对协助确定信号和火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，将协助确定信号和火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略；将逃生策略发送至建筑物广播***，同时将消防策略发送至消防决策部门。本申请通过提高了消防警报的效率。

Description

一种基于人工智能的智慧消防警报方法及***

技术领域

本申请涉及人工智能领域，尤其涉及一种基于人工智能的智慧消防警报方法及***。

背景技术

目前出现消防火情的情况下，警报一般通过两种方式：一种方式是通过现场目击人员电话报警的方式，这种方式可能存在误报、谎报的状况，而且消防人员无法根据目击者的描述掌握现场的火情状况；另一种方式是通过火场中安装的物联设备感知的方式，这种方法也无法准确地进行报警，例如房间内如果有人抽烟的话，烟尘感应器即会进行报警。而且通过以上两种方式进行警报后，还需要消防人员进行起火原因、火势大小的分析，而且还需要对消防人员的配置、消防设备的调度、以及灭火步骤的研判进行决策，这些工作占用了大量时间，延误了扑灭火势的最佳时机，甚至有可能给消防人员造成人身伤害。

发明内容

有鉴于此，本申请的目的在于提出一种基于人工智能的智慧消防警报方法及***，提高消防警报效率，解决目前消防警报过程中，警报准确率不高，智能化水平低，从而影响消防效率的技术问题。

基于上述目的，本申请提出了一种基于人工智能的智慧消防警报方法，包括：

通过建筑物内部多种类型的传感器感知建筑物内是否发生火情，在任一传感器发现所述建筑物内存在火情的情况下，通过所述传感器计算出火情确定传感器集合，并向所述火情确定传感器集合中的每个传感器发送协助确定信号，同时将所述协助确定信号发送至消防控制中心；所述协助确定信号中包括火情的位置和类型；

所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，并发送至所述消防控制中心；

所述消防控制中心对所述协助确定信号和所述火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，在所述情确定概率超过预设报警概率的情况下，将所述协助确定信号和所述火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略；

将所述逃生策略发送至建筑物广播***，指导建筑物中人员进行逃生，同时将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤。

在一些实施例中，所述方法还包括：

所述消防控制中心向指定传感器发送火情采集指令，所述指定传感器按照所述火情采集指令采集指定火情后，将所述指定火情返回至所述消防控制中心；

将所述指定火情导入所述第二深度学习网络，更新所述逃生策略和所述消防策略。

在一些实施例中，所述方法还包括：

所述消防控制中心向所述建筑物周围的多个消防部门发送协同消防警报，各个所述消防部门返回各自消防资源情况；

按照所述多个消防部门中每个消防部门返回的消防资源情况，导入第三深度学习网络，产生协同灭火策略，并分发至各个所述消防部门。

在一些实施例中，通过所述传感器计算出火情确定传感器集合，包括：

按照火情的位置和类型计算出所述火情确定传感器集合中建筑物内部的传感器；

按照火情的位置和类型计算出所述火情确定传感器集合中建筑物外部的传感器。

在一些实施例中，所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，包括：

所述火情验证信号包括火情程度和火源类型；

视觉传感器通过所述协助确定信号中的位置信息，从不同角度对所述火情进行采集，识别所述火情程度；

化学传感器向所述协助确定信号中的位置投放物质采样机器人，所述采样机器人抵近起火点采样火源特征，识别所述火源类型。

在一些实施例中，所述第二深度学习网络中间隐层神经元的激活函数采用ReLU函数，损失函数采用交叉熵损失函数，公式为：

其中x⁽ⁱ⁾为期望输出，

为实际输出；

优化函数采用随机梯度下降法，迭代训练直至所述第二深度学习网络进入稳态。

在一些实施例中，将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤，包括：

根据所述建筑物周围的消防人员和消防资源状态，求解调度所述消防策略中所需消防人员和消防资源的调度策略；

向对应的消防人员和消防资源发送所述调度策略。

基于上述目的，本申请还提出了一种基于人工智能的智慧消防警报***，包括：

传感模块，用于通过建筑物内部多种类型的传感器感知建筑物内是否发生火情，在任一传感器发现所述建筑物内存在火情的情况下，通过所述传感器计算出火情确定传感器集合，并向所述火情确定传感器集合中的每个传感器发送协助确定信号，同时将所述协助确定信号发送至消防控制中心；所述协助确定信号中包括火情的位置和类型；

验证模块，用于所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，并发送至所述消防控制中心；

策略模块，用于所述消防控制中心对所述协助确定信号和所述火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，在所述情确定概率超过预设报警概率的情况下，将所述协助确定信号和所述火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略；

调度模块，用于将所述逃生策略发送至建筑物广播***，指导建筑物中人员进行逃生，同时将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤。

在一些实施例中，所述***还包括：

采集模块，用于所述消防控制中心向指定传感器发送火情采集指令，所述指定传感器按照所述火情采集指令采集指定火情后，将所述指定火情返回至所述消防控制中心；

更新模块，用于将所述指定火情导入所述第二深度学习网络，更新所述逃生策略和所述消防策略。

在一些实施例中，所述***还包括：

协同模块，用于所述消防控制中心向所述建筑物周围的多个消防部门发送协同消防警报，各个所述消防部门返回各自消防资源情况；

分发模块，用于按照所述多个消防部门中每个消防部门返回的消防资源情况，导入第三深度学习网络，产生协同灭火策略，并分发至各个所述消防部门。

本申请通过在火情现场采用人工智能的方式，识别并校验火场的火源类型、火情程度等特征，自动生成消防资源配置、人员调度、消防策略等智能决策式消防警报，为消防工作的开展提供了准确的信息，并赢得了消防救援的宝贵时间，提高了消防救援的效率。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1示出根据本发明实施例的基于人工智能的智慧消防警报方法的流程图。

图2示出根据本发明实施例的基于人工智能的智慧消防警报方法的流程图。

图3示出根据本发明实施例的基于人工智能的智慧消防警报方法的流程图。

图4示出根据本发明实施例的基于人工智能的智慧消防警报***的构成图。

图5示出根据本发明实施例的基于人工智能的智慧消防警报***的构成图。

图6示出根据本发明实施例的基于人工智能的智慧消防警报***的构成图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出根据本发明实施例的基于人工智能的智慧消防警报方法的流程图。如图1所示，该基于人工智能的智慧消防警报方法包括：

步骤S11、通过建筑物内部多种类型的传感器感知建筑物内是否发生火情，在任一传感器发现所述建筑物内存在火情的情况下，通过所述传感器计算出火情确定传感器集合，并向所述火情确定传感器集合中的每个传感器发送协助确定信号，同时将所述协助确定信号发送至消防控制中心；所述协助确定信号中包括火情的位置和类型。

具体来说，火情的位置包括起火点的方位、角度以及距离采集目标的距离等；火情的类型包括起火点形态(如固态、液态、气态等)、起火点附近可燃物的类型、火场空间大小等。

在一种实施方式中，通过所述传感器计算出火情确定传感器集合，包括：

按照火情的位置和类型计算出所述火情确定传感器集合中建筑物内部的传感器；

按照火情的位置和类型计算出所述火情确定传感器集合中建筑物外部的传感器。

具体来说，判断建筑物是否发生火情，一般可以从两个角度进行，一个是从建筑物内部进行识别，另一个则是从建筑物外部进行识别。举例来说，在建筑物内部可以通过火场的温度、火焰的形态、烟尘的产生等进行识别，在建筑物外部，则可以通过烟雾的场景、火苗的颜色等进行识别。

步骤S12、所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，并发送至所述消防控制中心。

具体来说，当传感器中任意一个传感器发现火情的时候，可以立即通知传感器集合中的全部传感器，对该发现火情传感器侦测到的火情进行确认，从而提高消防警报的准确性。

在一种实施方式中，所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，包括：

所述火情验证信号包括火情程度和火源类型；

视觉传感器通过所述协助确定信号中的位置信息，从不同角度对所述火情进行采集，识别所述火情程度；

化学传感器向所述协助确定信号中的位置投放物质采样机器人，所述采样机器人抵近起火点采样火源特征，识别所述火源类型。

具体来说，视觉传感器主要是通过采集火场的视觉特征，例如火焰的燃烧范围，烟雾的浓密程度等识别火情程度；而化学传感器则可以通过识别起火点附近的化学物质特点，判断起火原因，为灭火策略的指定提供决策基础。

步骤S13、所述消防控制中心对所述协助确定信号和所述火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，在所述情确定概率超过预设报警概率的情况下，将所述协助确定信号和所述火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略。

在一种实施方式中，所述第二深度学习网络中间隐层神经元的激活函数采用ReLU函数，损失函数采用交叉熵损失函数，公式为：

其中x⁽ⁱ⁾为期望输出，

为实际输出；

优化函数采用随机梯度下降法，迭代训练直至所述第二深度学习网络进入稳态。

在第二深度学习网络中，通过采用以上交叉熵损失函数，可以提高深度学习的准确度。

在一种实施方式中，将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤，包括：

根据所述建筑物周围的消防人员和消防资源状态，求解调度所述消防策略中所需消防人员和消防资源的调度策略；

向对应的消防人员和消防资源发送所述调度策略。

步骤S14、将所述逃生策略发送至建筑物广播***，指导建筑物中人员进行逃生，同时将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤。

图2示出根据本发明实施例的基于人工智能的智慧消防警报方法的流程图。如图2所示，该基于人工智能的智慧消防警报方法还包括：

步骤S15、所述消防控制中心向指定传感器发送火情采集指令，所述指定传感器按照所述火情采集指令采集指定火情后，将所述指定火情返回至所述消防控制中心。

步骤S16、将所述指定火情导入所述第二深度学习网络，更新所述逃生策略和所述消防策略。

具体来说，在消防警报产生时，需要通过对现场火情的分析，得到两类策略，一方面是面向消防部门的消防策略，例如，面对特定火情需要调度的物资、配备的专业人员以及参加灭火的具体步骤等；另外一方面则是面向火场中生还群众的救生策略，例如选取哪条路径可以迅速地逃离现场、逃离过程中需要针对特定火情预先进行哪些准备等。

图3示出根据本发明实施例的基于人工智能的智慧消防警报方法的流程图。如图3所示，，该基于人工智能的智慧消防警报方法还包括：

步骤S17、所述消防控制中心向所述建筑物周围的多个消防部门发送协同消防警报，各个所述消防部门返回各自消防资源情况。

步骤S18、按照所述多个消防部门中每个消防部门返回的消防资源情况，导入第三深度学习网络，产生协同灭火策略，并分发至各个所述消防部门。

举例来说，有可能火情发生地附近的消防部门会出现人手有限、物资短缺等现象，这时，就需要调度火情发生地附近的多个消防部门协同进行消防救援，消防警报也就需要同时向这些部门进行发送，更进一步的，消防警报中提供的消防救援策略也需要由面向单一消防部门，转变为面向多个消防部门的协同消防救援。这就需要通过第三深度学习网络，计算出各个消防部门需要提供的人员、物资调配，以及协作策略等。

图4示出根据本发明实施例的基于人工智能的智慧消防警报***的构成图。如图4所示，该基于人工智能的智慧消防警报***包括：

传感模块41，用于通过建筑物内部多种类型的传感器感知建筑物内是否发生火情，在任一传感器发现所述建筑物内存在火情的情况下，通过所述传感器计算出火情确定传感器集合，并向所述火情确定传感器集合中的每个传感器发送协助确定信号，同时将所述协助确定信号发送至消防控制中心；所述协助确定信号中包括火情的位置和类型；

验证模块42，用于所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，并发送至所述消防控制中心；

策略模块43，用于所述消防控制中心对所述协助确定信号和所述火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，在所述情确定概率超过预设报警概率的情况下，将所述协助确定信号和所述火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略；

调度模块44，用于将所述逃生策略发送至建筑物广播***，指导建筑物中人员进行逃生，同时将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤。

图5示出根据本发明实施例的基于人工智能的智慧消防警报***的构成图。如图5所示，该基于人工智能的智慧消防警报***，还包括：

采集模块45，用于所述消防控制中心向指定传感器发送火情采集指令，所述指定传感器按照所述火情采集指令采集指定火情后，将所述指定火情返回至所述消防控制中心；

更新模块46，用于将所述指定火情导入所述第二深度学习网络，更新所述逃生策略和所述消防策略。

图6示出根据本发明实施例的基于人工智能的智慧消防警报***的构成图。如图6所示，该基于人工智能的智慧消防警报***，还包括：

协同模块47，用于所述消防控制中心向所述建筑物周围的多个消防部门发送协同消防警报，各个所述消防部门返回各自消防资源情况；

分发模块48，用于按照所述多个消防部门中每个消防部门返回的消防资源情况，导入第三深度学习网络，产生协同灭火策略，并分发至各个所述消防部门。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于人工智能的智慧消防警报方法，其特征在于，包括：

通过建筑物内部多种类型的传感器感知建筑物内是否发生火情，在任一传感器发现所述建筑物内存在火情的情况下，通过所述传感器计算出火情确定传感器集合，并向所述火情确定传感器集合中的每个传感器发送协助确定信号，同时将所述协助确定信号发送至消防控制中心；所述协助确定信号中包括火情的位置和类型；

所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，并发送至所述消防控制中心；

所述消防控制中心对所述协助确定信号和所述火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，在所述情确定概率超过预设报警概率的情况下，将所述协助确定信号和所述火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略；

将所述逃生策略发送至建筑物广播***，指导建筑物中人员进行逃生，同时将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述消防控制中心向指定传感器发送火情采集指令，所述指定传感器按照所述火情采集指令采集指定火情后，将所述指定火情返回至所述消防控制中心；

将所述指定火情导入所述第二深度学习网络，更新所述逃生策略和所述消防策略。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

所述消防控制中心向所述建筑物周围的多个消防部门发送协同消防警报，各个所述消防部门返回各自消防资源情况；

按照所述多个消防部门中每个消防部门返回的消防资源情况，导入第三深度学习网络，产生协同灭火策略，并分发至各个所述消防部门。

4.根据权利要求1所述的方法，其特征在于，通过所述传感器计算出火情确定传感器集合，包括：

按照火情的位置和类型计算出所述火情确定传感器集合中建筑物内部的传感器；

按照火情的位置和类型计算出所述火情确定传感器集合中建筑物外部的传感器。

5.根据权利要求1所述的方法，其特征在于，所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，包括：

所述火情验证信号包括火情程度和火源类型；

视觉传感器通过所述协助确定信号中的位置信息，从不同角度对所述火情进行采集，识别所述火情程度；

化学传感器向所述协助确定信号中的位置投放物质采样机器人，所述采样机器人抵近起火点采样火源特征，识别所述火源类型。

6.根据权利要求1所述的方法，其特征在于，所述第二深度学习网络中间隐层神经元的激活函数采用ReLU函数，损失函数采用交叉熵损失函数，公式为：

其中x⁽ⁱ⁾为期望输出，

为实际输出；

优化函数采用随机梯度下降法，迭代训练直至所述第二深度学习网络进入稳态。

7.根据权利要求1所述的方法，其特征在于，将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤，包括：

根据所述建筑物周围的消防人员和消防资源状态，求解调度所述消防策略中所需消防人员和消防资源的调度策略；

向对应的消防人员和消防资源发送所述调度策略。

8.一种基于人工智能的智慧消防警报***，其特征在于，包括：

传感模块，用于通过建筑物内部多种类型的传感器感知建筑物内是否发生火情，在任一传感器发现所述建筑物内存在火情的情况下，通过所述传感器计算出火情确定传感器集合，并向所述火情确定传感器集合中的每个传感器发送协助确定信号，同时将所述协助确定信号发送至消防控制中心；所述协助确定信号中包括火情的位置和类型；

验证模块，用于所述火情确定传感器集合中的每一传感器根据所述协助确定信号中的位置和类型，确定火情特征并得到火情验证信号，并发送至所述消防控制中心；

策略模块，用于所述消防控制中心对所述协助确定信号和所述火情验证信号中的火场现场特征导入第一深度学习网络得到火情确定概率，在所述情确定概率超过预设报警概率的情况下，将所述协助确定信号和所述火情验证信号中的火场现场特征导入第二深度学习网络，得到逃生策略和消防策略；

调度模块，用于将所述逃生策略发送至建筑物广播***，指导建筑物中人员进行逃生，同时将所述消防策略发送至消防决策部门，所述消防策略中包括消防人员配置、消防资源调度和火场操作步骤。

9.根据权利要求8所述的***，其特征在于，所述***还包括：

采集模块，用于所述消防控制中心向指定传感器发送火情采集指令，所述指定传感器按照所述火情采集指令采集指定火情后，将所述指定火情返回至所述消防控制中心；

更新模块，用于将所述指定火情导入所述第二深度学习网络，更新所述逃生策略和所述消防策略。

10.根据权利要求8所述的***，其特征在于，所述***还包括：

协同模块，用于所述消防控制中心向所述建筑物周围的多个消防部门发送协同消防警报，各个所述消防部门返回各自消防资源情况；

分发模块，用于按照所述多个消防部门中每个消防部门返回的消防资源情况，导入第三深度学习网络，产生协同灭火策略，并分发至各个所述消防部门。

Images