CN111629181A - 消防生命通道监控***及方法 - Google Patents
消防生命通道监控***及方法 Download PDFInfo
- Publication number
- CN111629181A CN111629181A CN202010423684.1A CN202010423684A CN111629181A CN 111629181 A CN111629181 A CN 111629181A CN 202010423684 A CN202010423684 A CN 202010423684A CN 111629181 A CN111629181 A CN 111629181A
- Authority
- CN
- China
- Prior art keywords
- hidden danger
- fire
- monitoring
- vehicle
- center platform
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种消防生命通道监控***及方法,主要包括:AI智能模块、监控中心平台和第三方的监管***,其中AI智能模块用于监控消防生命通道区域,获取消防生命通道区域的视频图像,识别视频图像中隐患事件,并生成告警信息,将告警信息与隐患事件图像上传至监控中心平台;监控中心平台,用于生成隐患事件记录,并将隐患事件分发至第三方的监管***;第三方的监管***,用于接收隐患事件记录,并对隐患事件进行处置。基于视频的智能分析,自动发现消防车通道被阻的违规情况,以及作业面占用的安全隐患,及时自动预警,动态跟踪隐患和消除隐患,从而实现自动侦测隐患、自动通知责任人和隐患消除。
Description
技术领域
本发明涉及消防监控技术领域,特别涉及一种消防生命通道监控***及方法。
背景技术
确保消防车通道的畅通与消防车停车作业面不被违规占用,是有效进行火灾扑救的最基本条件。然而由于城市人口、车辆的剧增,车辆违规停放导致消防车通道堵塞、停车作业面被占用日益严重。近期消防车通道被堵已经引起了严重后果,多起火灾时消防车无法通过,导致了不能及时扑救火灾。虽然每个社会单位都有责任保证其消防车通道和停车作业面的畅通无阻,但是由于缺乏技术手段,完全依赖人工检查、盯防,难以做到对此类消防生命通道的保障。
发明内容
(一)发明目的
为克服上述现有技术存在的至少一种缺陷,采用基于视频的智能分析,自动发现消防车通道被阻的违规情况,以及作业面占用的安全隐患,及时自动预警,动态跟踪隐患和消除隐患,从而实现自动侦测隐患、自动通知责任人和隐患消除,本发明公开了以下技术方案。
(二)技术方案
作为本发明的第一方面,本发明公开了一种消防生命通道监控方法,包括以下步骤:
监控消防生命通道区域,获取所述消防生命通道区域的视频图像;
识别所述视频图像中占用物体,并判断所述占用物体是否符合告警规则,如果符合则生成告警信息和隐患图像,将所述告警信息与所述隐患图像上传至所述监控中心平台;
生成隐患事件记录,并将所述隐患事件分发至第三方的监管***;
接收所述隐患事件,并对所述隐患事件进行处置。
在一种可能的实施方式中,所述识别所述视频图像中占用物体,包括:
通过外形轮廓、车牌要素,识别占用物体是否为车辆。
在一种可能的实施方式中,所述识别占用物体为车辆,包括:
判断所述车辆停留时间,所述车辆停留时间大于停留时间阈值时,提取所述车辆车牌数据信息,并传输至所述监控中心平台。
在一种可能的实施方式中,所述传输至所述监控中心平台之后,包括:
所述监控中心平台将所述车辆车牌数据信息和违法图像进行封装,生成制式数据;
将所述制式数据上传至公安交警处罚专网。
在一种可能的实施方式中,对隐患事件进行处置之后,包括:
分析各监控区域的隐患频率、隐患发生时间、隐患处置效率。
作为本发明的第二方面,本发明还公开了一种消防生命通道监控***,包括:AI智能模块、监控中心平台和第三方的监管***;
所述AI智能模块,所述AI智能模块,用于监控消防生命通道区域,获取所述消防生命通道区域的视频图像,识别所述视频图像中占用物体,并判断所述占用物体是否符合告警规则,如果符合则生成告警信息和隐患图像,将所述告警信息与所述隐患图像上传至监控中心平台;
所述监控中心平台,用于生成隐患事件记录,并将所述隐患事件记录分发至所述第三方的监管***;
所述第三方的监管***,用于接收所述隐患事件记录,并对所述隐患事件进行处置。
在一种可能的实施方式中,所述AI智能模块包括识别子模块,所述识别子模块用于通过外形轮廓、车牌要素,识别所述占用物体是否为车辆。
在一种可能的实施方式中,所述识别子模块还包括判断单元,当所述车辆在所述消防生命通道区域停留时间大于阈值时,所述识别子模块提取所述车辆车牌数据。
在一种可能的实施方式中,所述监控中心平台通过专用应用接口与公安交警处罚专网连接。
在一种可能的实施方式中,所述监控中心平台还包括智能分析单元,所述智能分析单元用于分析各监控区域的隐患频率、隐患发生时间、隐患处置效率。
(三)有益效果
本发明公开的一种消防生命通道监控***及方法,具有如下有益效果:
1、在消防生命通道区域设立相应的视频监控装置,采用基于视频的智能分析,自动发现消防车通道被阻的违规情况,以及作业面占用的安全隐患,及时自动预警,动态跟踪隐患和消除隐患,从而实现自动侦测隐患、自动通知责任人和隐患消除。
2、监控中心平台实现与消防、交警部门联动,对长期未解决的隐患、频繁发生的隐患、频繁发生隐患的区域进行重点跟踪、督促和执法。
3、监控中心平台进行隐患数据统计分析,对经常出现违法行为的区域、地点、时间进行建模分析,寻找规律和趋势,为监管部门提供管理决策支持。
4、责任单位相关人员可以通过短信短连接、微信小程序对实时告警事件的查看、处置,以及历史事件的查询。
附图说明
以下参考附图描述的实施例是示例性的,旨在用于解释和说明本发明,而不能理解为对本发明的保护范围的限制。
图1是本发明公开的一种消防生命通道监控方法的流程图;
图2是本发明公开的识别视频图像中占用物体的流程图;
图3是本发明公开的监控中心平台将制式数据上传至公安交警***的流程图;
图4是本发明公开的一种消防生命通道监控***的示意图。
附图标记:
AI智能模块500、监控中心平台600、第三方的监管***700、摄像头510、识别子模块520、判断单元521、GIS屏幕610、智能分析单元620、公安交警***710。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。
需要说明的是:在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例,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。基于本发明中的实施例,本领域普通技术人员在没有作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。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制。
下面参考图1-3详细描述本发明公开的一种消防生命通道监控方法的第一实施例。本实施例主要应用于智能消防,基于视频的智能分析,自动发现消防车通道被阻的违规情况,以及作业面占用的安全隐患,及时自动预警,动态跟踪隐患和消除隐患,从而实现自动侦测隐患、自动通知责任人和隐患消除。
如图1所示,本实施例主要包括以下步骤:
100、监控消防生命通道区域,获取消防生命通道区域的视频图像;
200、识别视频图像中占用物体,并判断占用物体是否符合告警规则,如果符合则生成告警信息和隐患图像,将告警信息与隐患图像上传至监控中心平台;
300、生成隐患事件记录,并将隐患事件分发至第三方的监管***;
400、接收隐患事件,并对隐患事件进行处置。
具体的,消防生命通道区域包括消防车通道和消防车作业面。
通过监控消防车通道和消防车作业面,获取监控区域的视频图像,对视频图像中的违法行为的占用物体进行识别,并判断占用物体是否符合告警规则,如果符合则生成相应的告警信息和隐患图像信息,将该告警信息和隐患图像信息上传至监控中心平台。
占用物体的识别包括占用物体类别的识别。根据占用物体类别,采用不同的告警规则,并判断该占用物体是否符合对应的告警规则。占用物体类别可以包括车辆和杂物。
当识别占用物体类别为车辆时,告警规则设定为根据在消防车通道和/或消防车作业面的占用物体停留时间的长短来判断该占用物体是否违法,比如,设定停留时间为15分钟,当占用物体停留在消防车通道和/或消防车作业面上的时间超过15分钟,则对占用物体进行提取违法图像和生成告警信息;当占用物体停留在消防车通道和/或消防车作业面上的时间未超过15分钟,则自动过滤,不会生成告警信息。
当识别占用物体类别为杂物时,告警规则设定为根据在消防车通道和/或消防车作业面的占用物体的占用面积和停留实际长短共同来判断占用物体是否违法,比如,设定占用面积大于等于3平方米且设定停留时间为15分钟,当占用物体的占用面积超过3平方米且停留在消防车通道和/或消防车作业面上的时间超过15分钟,则对占用物体进行提取违法图像和生成告警信息;当占用物体占用面积未超过3平方米或者停留在消防车通道和/或消防车作业面上的时间未超过15分钟,则自动过滤,不会生成告警信息。
更具体来说,本发明基RCNN(Region with Convolutional Neural Networksfeature)算法对监控区域的视频图像进行占用物体类别的检测。采用VGG16网络结构(Visual Geometry Group)的前13层提取特征,使用区域选取网络(Region ProposalNetwork,RPN)提取候选框,对于每个候选框采用softmax分类器进行分类,并通过边框回归(Bounding Box Regression),得到每个候选框的位置是车辆或者杂物的概率,完成了对占用物体类别的检测。VGG16网络包括卷积层、激活层和池化层,用于提取占用物体图像的特征图(feature map)。对于尺寸为PxQ的图像,首先将其缩放至固定大小MxN,然后将其输入VGG16网络进行卷积操作。卷积层有13层,每层卷积层的卷积核为3x3,填充(padding)为1圈。激活层有13层。池化层有4层,每层池化层的池化矩阵为2x2,步长为2。由于每层池化层均使输出的矩阵长宽为输入的一半,因此经过4层池化层输出的特征图为(M/16)x(N/16)。利用RPN区域选取网络在特征图上的滑动窗口的每个特征点所对应于视频图像上的部分,生成多个不同尺度的候选区域。区域选取网络(RPN)用于生成候选区域(regionproposals),其通过归一化指数函数(softmax)判断锚点(anchor)属于前景还是背景,再利用边框回归修正锚点获得精确的候选框。其中,归一化指数函数用于有限项离散概率分布的梯度对数归一化,其把一些输入映射为0-1之间的实数,并且归一化保证和为1,因此多分类的概率之和也刚好为1。边框回归用于微调候选区域,使候选区域更加接近正确区域。区域选取网络釆用滑动窗口机制,通过滑动窗口对每个滑动基准点生成9个不同尺度的锚点,例如对于(M/16)x(N/16)的特征图,得到(M/16)x(N/16)x9数量的锚点。锚点计算是在特征图上的每个特征点预测多个候选区域,具体方式是把每个特征点映射回原图的感受野的中心点当成一个基准点,然后围绕这个基准点选取k个不同尺度的锚点,例如面积分为3种{128^2,256^2,512^2},长宽比例分为3种{1:1,1:2,2:1},形成3*3=9种不同尺度的锚点。通过区域选取网络生成候选区域,能够提升候选区域的生成速度。进而,将候选区域映射到特征图上得到兴趣区域,对兴趣区域进行池化得到设定尺寸的兴趣区域。兴趣区域池化(Region of Interest Pooling)先将候选区域映射回(M/16)x(N/16)大小的特征图尺度,然后将每个候选区域在水平和竖直上都分为n份,对每一份进行最大池化处理,这样即使候选区域大小不同,输出的结果也都是nxn大小,利用卷积层对设定尺寸的兴趣区域进行分类,判断出对应的候选区域是否为车辆或者杂物,以及利用卷积层对该候选区域进行边框回归定位,得到车辆或者杂物在图像中的位置信息。将获取到的nxn大小的候选区域输入后续网络,通过全连接层和连接于全连接层之后的softmax分类器对候选区域进行分类,输出该候选区域是车辆或者杂物的概率,并且对候选区域进行边框回归运算,得到更高精度和准确性的车辆或者杂物在图像中的位置。进而,根据占用物体类型及其在监控视频图像中的位置,可以判断其是否占用消防车通道和/或消防车作业面,进而执行是否符合告警规则的判断。
进一步的,告警信息包括占用物体的类型、数据等,比如车辆车牌数据。
进一步的,隐患图像包括违法行为图像和违规图像。
监控中心平台接收该告警信息和隐患图像信息,生成记录一个完整的隐患事件,完整的隐患事件主要内容包括时间、地点和照片,将一个完整的隐患事件进行打包分发至相应的第三方的监管***。第三方的监管***包括公安交警***和社区物业***,根据占用物体的类型将其告警信息和隐患图像信息发送至相应的监管***,例如占用物体为车辆即发送至公安交警***和社区物业***,占用物体为杂物则发送至社区物业***。该分发方式可以通过短信、微信、语音通知多种形式进行通知第三方监管***的管理人员。比如占用物体为在社区的消防车通道内堆放杂物,监控中心平台接收到该类型的告警信息和隐患图像,通过监控中心平台的分析,将该隐患事件发送至社区物业***,再由社区物业***利用短信、微信、语音通知等多种形式通知相应片区的社区管理员前往进行处置。
第三方的监管***接收隐患事件,并对隐患事件进行处置,处置完成后将处置结果反馈至监控中心平台。
如图2所述,在一种实施方式中,在步骤200中,识别视频图像中占用物体,包括:
210、通过外形轮廓、车牌要素,识别占用物体是否为车辆。
通过外形轮廓、车牌等一些关键要素判断该占用物体是否为车辆,这样的识别车辆的方式准确率高达95%,可以有效的避免误报。
在一种实施方式中,在步骤210,识别占用物体为车辆之后,包括:
211、判断车辆停留时间,车辆停留时间大于停留时间阈值时,提取车辆车牌数据信息,并传输至监控中心平台。
当消防车通道或消防车作业面上占用物体只是短暂的停留,例如,开车人员需要接听电话时,只是暂时停留在消防车通道或消防车作业面上,遇到这种情况时,在识别过程中会智能判断车辆的停留时间,若停留的车辆超过预设的停留时间阈值时,则识别该车辆的车牌数据和违停的图像信息,上传至监控中心平台,这样可以避免临时停放车辆导致的误报。
当车辆的车牌被遮挡时,识别该车辆的违停图像信息,上传至监控中心。
如图3所示,在一种实施方式中,在步骤211,传输至监控中心平台之后,包括:
212、监控中心平台将车辆车牌数据信息和违法图像进行封装,生成制式数据;
213、将制式数据上传至公安交警处罚专网,生成违法占用处罚单,并进行处罚。
具体的,针对车辆堵塞消防车通道和占用消防车作业面的违法行为,监控中心平台与公安交警处罚专网进行对接,在社会单位管理人员无法通过沟通解除的车辆违法占用情况时,将由监控中心平台对车辆车牌数据信息、时间信息、地点信息和违法图像进行制式数据的封装格式,并通过专用的通信接口提报至公安交警处罚专网,生成违法占用处罚单,对违章人员进行处罚。
当车辆的车牌被遮挡时,监控中心正常生成告警信息和违法图像,并将违告警信息和违法图像分发至相关的社会单位管理人员,社会单位管理人员对其违法行为进行跟进和沟通,若沟通无效,由于车牌号码被遮挡无法生成处罚单,监控中心平台不会向公安交警专网进行提交。
进一步的,告警信息包括占用物体的类型、数据等,比如车辆车牌数据。
进一步的,隐患图像包括违法行为图像和违规图像。
在一种实施方式中,在步骤400,对隐患事件进行处置之后,包括:
分析各监控区域的隐患频率、隐患发生时间、隐患处置效率。
具体的,在第三方的监管人员将隐患事件处理之后,并将处理结果反馈至监控中心平台,监控中心平台会结合监测位置信息,对各监测点采集到的隐患频率、隐患发生时间、隐患处置效率等进行建模分析,通过分析从而进一步的进行预防隐患的产生,比如在社区内,下班时间段的时候增加物业人员在消防车通道和消防车作业面周围进行巡逻,阻止车辆停留在消防车通道或消防车作业面上。
下面参考图4详细描述,基于同一发明构思,本发明实施例还提供了一种消防生命通道监控***的第一实施例。由于该***所解决问题的原理与前述一种消防生命通道监控方法相似,因此该***的实施可以参见前述方法的实施,重复之处不再赘述。本实施例主要应用于智能消防,基于视频的智能分析,自动发现消防车通道被阻的违规情况,以及作业面占用的安全隐患,及时自动预警,动态跟踪隐患和消除隐患,从而实现自动侦测隐患、自动通知责任人和隐患消除。
如图4所示,本实施例主要包括:AI智能模块500、监控中心平台600和第三方的监管***700。
AI智能模块500用于监控消防生命通道区域,获取消防生命通道区域的视频图像,识别视频图像中占用物体,并判断占用物体是否符合告警规则,如果符合则生成告警信息和隐患图像,将告警信息与隐患图像上传至监控中心平台600,监控中心平台600用于生成隐患事件记录,并将隐患事件分发至第三方的监管***700,第三方的监管***700用于接收隐患事件记录,并对隐患事件进行处置。
具体的,AI智能模块500与监控中心平台600通过互联网连接,AI智能模块500还包括摄像头510、识别子模块520和抓拍单元。摄像头510监控消防生命通道区域,并获取消防生命通道区域的视频图像;识别子模块520用于识别视频图像中的违法行为的占用物体,并判断占用物体是否符合告警规则,若符合则生成相应的告警信息;;抓拍单元将隐患事件进行抓拍,生成隐患图像信息;AI智能模块500自动将告警信息与隐患图像信息通过互联网上传至监控中心平台600。
进一步,本申请中设置具有防雨、防尘,且在夜间、光线不足的情况下,仍然可以拍摄清晰视频画面的摄像头510。
监控中心平台600接收该告警信息和隐患图像信息,生成记录一个完整的隐患事件,完整的隐患事件主要内容包括时间、地点和照片,将一个完整的隐患事件进行打包分发至相应的第三方的监管***700。第三方的监管***700包括公安交警***710和社区物业***,根据占用物体的类型将其告警信息和隐患图像信息发送至相应的监管***。该分发方式可以通过短信、微信、语音通知多种形式进行通知第三方的监管***700。比如占用物体为在社区的消防车通道内堆放杂物,监控中心平台600接收到该类型的告警信息和隐患图像,通过监控中心平台600的分析,将该隐患事件发送至社区物业***。
第三方的监管***700接收隐患事件,并对隐患事件进行处置,处置完成后将处置结果反馈至监控中心平台600。
进一步的,第三方的监管***包括公安交警***710和社区物业***。
监控心中平台还包括、GIS屏幕610,该、GIS屏幕610基于GIS地图,融合显示各监控区域实时隐患状态、隐患事件动态列表和统计分析仪表盘等。通过监控中心平台600进行统计分析,可以直观的显示出违法行为的区域、地点、时间。
在一种实施方式中,识别子模块520用于通过外形轮廓、车牌要素,识别占用物体是否为车辆。
识别子模块520基于图像识别技术对占用物体进行识别,具体的,基于卷积神经网络的目标检测算法包括一阶段目标检测算法(例如YOLO、SSD),两阶段目标检测算法(FasterRCNN、RCCN)等。通过外形轮廓、车牌等一些关键要素判断该占用物体是否为车辆,这样的识别车辆的方式准确率高达95%,可以有效的避免误报。例如,本发明基RCNN(Region with Convolutional Neural Networks feature)算法对监控区域的视频图像进行占用物体类别的检测。采用VGG16网络结构(Visual Geometry Group)的前13层提取特征,使用区域选取网络(Region Proposal Network,RPN)提取候选框,对于每个候选框采用softmax分类器进行分类,并通过边框回归(Bounding Box Regression),得到每个候选框的位置是车辆或者杂物的概率,完成了对占用物体类别的检测。VGG16网络包括卷积层、激活层和池化层,用于提取占用物体图像的特征图(feature map)。对于尺寸为PxQ的图像,首先将其缩放至固定大小MxN,然后将其输入VGG16网络进行卷积操作。卷积层有13层,每层卷积层的卷积核为3x3,填充(padding)为1圈。激活层有13层。池化层有4层,每层池化层的池化矩阵为2x2,步长为2。由于每层池化层均使输出的矩阵长宽为输入的一半,因此经过4层池化层输出的特征图为(M/16)x(N/16)。利用RPN区域选取网络在特征图上的滑动窗口的每个特征点所对应于视频图像上的部分,生成多个不同尺度的候选区域。区域选取网络(RPN)用于生成候选区域(region proposals),其通过归一化指数函数(softmax)判断锚点(anchor)属于前景还是背景,再利用边框回归修正锚点获得精确的候选框。其中,归一化指数函数用于有限项离散概率分布的梯度对数归一化,其把一些输入映射为0-1之间的实数,并且归一化保证和为1,因此多分类的概率之和也刚好为1。边框回归用于微调候选区域,使候选区域更加接近正确区域。区域选取网络釆用滑动窗口机制,通过滑动窗口对每个滑动基准点生成9个不同尺度的锚点,例如对于(M/16)x(N/16)的特征图,得到(M/16)x(N/16)x9数量的锚点。锚点计算是在特征图上的每个特征点预测多个候选区域,具体方式是把每个特征点映射回原图的感受野的中心点当成一个基准点,然后围绕这个基准点选取k个不同尺度的锚点,例如面积分为3种{128^2,256^2,512^2},长宽比例分为3种{1:1,1:2,2:1},形成3*3=9种不同尺度的锚点。通过区域选取网络生成候选区域,能够提升候选区域的生成速度。进而,将候选区域映射到特征图上得到兴趣区域,对兴趣区域进行池化得到设定尺寸的兴趣区域。兴趣区域池化(Region of Interest Pooling)先将候选区域映射回(M/16)x(N/16)大小的特征图尺度,然后将每个候选区域在水平和竖直上都分为n份,对每一份进行最大池化处理,这样即使候选区域大小不同,输出的结果也都是nxn大小,利用卷积层对设定尺寸的兴趣区域进行分类,判断出对应的候选区域是否为车辆或者杂物,以及利用卷积层对该候选区域进行边框回归定位,得到车辆或者杂物在图像中的位置信息。将获取到的nxn大小的候选区域输入后续网络,通过全连接层和连接于全连接层之后的softmax分类器对候选区域进行分类,输出该候选区域是车辆或者杂物的概率,并且对候选区域进行边框回归运算,得到更高精度和准确性的车辆或者杂物在图像中的位置。进而,根据占用物体类型及其在监控视频图像中的位置,可以判断其是否占用消防车通道和/或消防车作业面,进而执行是否符合告警规则的判断。
在一种实施方式中,识别子模块520还包括判断单元521,当车辆在消防生命通道区域停留时间大于阈值时,识别子模块提取车辆车牌数据。
判断规则设定为根据在消防车通道和/或消防车作业面的占用物体停留时间的长短来判断该占用物体是否违法,比如,设定停留时间为15分钟,当占用物体停留在消防车通道和/或消防车作业面上的时间超过15分钟,则对占用物体进行提取违法图像和生成告警信息;当占用物体停留在消防车通道和/或消防车作业面上的时间未超过15分钟,则自动过滤,不会生成告警信息。
当消防车通道或消防车作业面上占用物体只是短暂的停留,例如,开车人员需要接听电话时,只是暂时停留在消防车通道或消防车作业面上,遇到这种情况时,在识别过程中会智能判断车辆的停留时间,若停留的车辆超过预设的停留时间阈值时,则识别该车辆的车牌数据和违停的图像信息,上传至监控中心平台600,这样可以避免临时停放车辆导致的误报。
在一种实施方式中,监控中心平台600通过专用应用接口与公安交警处罚专网连接。
针对车辆堵塞消防车通道和占用消防车作业面的违法行为,监控中心平台600与公安交警处罚专网进行对接,在社会单位管理人员无法通过沟通解除的车辆违法占用情况时,将由监控中心平台600对车辆车牌数据信息和违法图像进行制式数据的封装格式,并通过专用的通信接口提报至公安交警处罚专网,生成违法占用处罚单,对违章人员进行处罚。
当车辆的车牌被遮挡时,监控中心正常生成告警信息和违法图像,并将违告警信息和违法图像分发至相关的社会单位管理人员,社会单位管理人员对其违法行为进行跟进和沟通,若沟通无效,由于车牌号码被遮挡无法生成处罚单,监控中心平台600不会向公安交警专网进行提交。
在一种实施方式中,监控中心平台600还包括智能分析单元620,智能分析单元620用于分析各监控区域的隐患频率、隐患发生时间、隐患处置效率。
在第三方的监管人员将隐患事件处理之后,并将处理结果反馈至监控中心平台600,监控中心平台600会结合监测位置信息,对各监测点采集到的隐患频率、隐患发生时间、隐患处置效率等进行建模分析,通过分析从而进一步的进行预防隐患的产生,比如在社区内,下班时间段的时候增加物业人员在消防车通道和消防车作业面周围进行巡逻,阻止车辆停留在消防车通道或消防车作业面上。
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,可轻易想到的变化或替换,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)
1.一种消防生命通道监控方法,其特征在于,包括以下步骤:
监控消防生命通道区域,获取所述消防生命通道区域的视频图像;
识别所述视频图像中占用物体,并判断所述占用物体是否符合告警规则,如果符合则生成告警信息和隐患图像,将所述告警信息与所述隐患图像上传至监控中心平台;
生成隐患事件记录,并将所述隐患事件分发至第三方的监管***;
接收所述隐患事件,并对所述隐患事件进行处置。
2.如权利要求1所述的方法,其特征在于,所述识别所述视频图像中占用物体,包括:
通过外形轮廓、车牌要素,识别占用物体是否为车辆。
3.如权利要求2所述的方法,其特征在于,所述识别占用物体为车辆,包括:
判断车辆停留时间,所述车辆停留时间大于停留时间阈值时,提取所述车辆车牌数据信息,并传输至所述监控中心平台。
4.如权利要求3所述的方法,其特征在于,所述传输至所述监控中心平台之后,包括:
所述监控中心平台将所述车辆车牌数据信息和违法图像进行封装,生成制式数据;
将所述制式数据上传至公安交警处罚专网。
5.如权利要求1所述的方法,其特征在于,对隐患事件进行处置之后,包括:
分析各监控区域的隐患频率、隐患发生时间、隐患处置效率。
6.一种消防生命通道监控***,其特征在于,包括:AI智能模块、监控中心平台和第三方的监管***;
所述AI智能模块,用于监控消防生命通道区域,获取所述消防生命通道区域的视频图像,识别所述视频图像中占用物体,并判断所述占用物体是否符合告警规则,如果符合则生成告警信息和隐患图像,将所述告警信息与所述隐患图像上传至监控中心平台;
所述监控中心平台,用于生成隐患事件记录,并将所述隐患事件分发至所述第三方的监管***;
所述第三方的监管***,用于接收所述隐患事件记录,并对所述隐患事件进行处置。
7.如权利要求6所述的***,其特征在于,所述AI智能模块包括识别子模块,所述识别子模块用于通过外形轮廓、车牌要素,识别所述占用物体是否为车辆。
8.如权利要求7所述的***,其特征在于,识别子模块还包括判断单元,当所述车辆在所述消防生命通道区域停留时间大于阈值时,所述识别子模块提取所述车辆车牌数据。
9.如权利要求6所述的***,其特征在于,所述监控中心平台通过专用应用接口与公安交警处罚专网连接。
10.如权利要求6所述的***,其特征在于,所述监控中心平台还包括智能分析单元,所述智能分析单元用于分析各监控区域的隐患频率、隐患发生时间、隐患处置效率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010423684.1A CN111629181B (zh) | 2020-05-19 | 2020-05-19 | 消防生命通道监控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010423684.1A CN111629181B (zh) | 2020-05-19 | 2020-05-19 | 消防生命通道监控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111629181A true CN111629181A (zh) | 2020-09-04 |
CN111629181B CN111629181B (zh) | 2021-03-16 |
Family
ID=72259131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010423684.1A Active CN111629181B (zh) | 2020-05-19 | 2020-05-19 | 消防生命通道监控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111629181B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112511807A (zh) * | 2020-12-16 | 2021-03-16 | 绿漫科技有限公司 | 一种消防通道监控联动方法 |
CN112633262A (zh) * | 2021-03-09 | 2021-04-09 | 微晟(武汉)技术有限公司 | 通道监测方法、装置、电子设备及介质 |
CN112711996A (zh) * | 2020-12-22 | 2021-04-27 | 中通服咨询设计研究院有限公司 | 一种用于消防通道占用检测的*** |
CN112966573A (zh) * | 2021-02-19 | 2021-06-15 | 合肥海赛信息科技有限公司 | 一种基于视频分析的消防通道占用智能检测方法 |
CN113192222A (zh) * | 2021-04-14 | 2021-07-30 | 山东理工大学 | 一种电力线路可视化告警的设备级告警策略方法 |
CN113239832A (zh) * | 2021-05-20 | 2021-08-10 | 河南中全科技有限公司 | 基于图像识别的隐患智能识别方法及*** |
WO2022198507A1 (zh) * | 2021-03-24 | 2022-09-29 | 京东方科技集团股份有限公司 | 障碍物检测方法、装置、设备和计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205354350U (zh) * | 2016-01-28 | 2016-06-29 | 广州市凯茂信息技术有限公司 | 一种高清违法停车事件自动监测抓拍*** |
CN106327878A (zh) * | 2016-11-16 | 2017-01-11 | 天津市中环***工程有限责任公司 | 一种移动违停抓拍***及实现方法 |
CN110070729A (zh) * | 2019-05-06 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于雾计算的违停车辆检测***及方法 |
CN110298837A (zh) * | 2019-07-08 | 2019-10-01 | 上海天诚比集科技有限公司 | 基于帧间差分法的消防占道异常物体检测方法 |
CN110443178A (zh) * | 2019-07-29 | 2019-11-12 | 浙江工贸职业技术学院 | 一种车辆违章停车的监控***及其方法 |
CN110443196A (zh) * | 2019-08-05 | 2019-11-12 | 上海天诚比集科技有限公司 | 基于ssim算法的消防占道检测方法 |
-
2020
- 2020-05-19 CN CN202010423684.1A patent/CN111629181B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205354350U (zh) * | 2016-01-28 | 2016-06-29 | 广州市凯茂信息技术有限公司 | 一种高清违法停车事件自动监测抓拍*** |
CN106327878A (zh) * | 2016-11-16 | 2017-01-11 | 天津市中环***工程有限责任公司 | 一种移动违停抓拍***及实现方法 |
CN110070729A (zh) * | 2019-05-06 | 2019-07-30 | 济南浪潮高新科技投资发展有限公司 | 一种基于雾计算的违停车辆检测***及方法 |
CN110298837A (zh) * | 2019-07-08 | 2019-10-01 | 上海天诚比集科技有限公司 | 基于帧间差分法的消防占道异常物体检测方法 |
CN110443178A (zh) * | 2019-07-29 | 2019-11-12 | 浙江工贸职业技术学院 | 一种车辆违章停车的监控***及其方法 |
CN110443196A (zh) * | 2019-08-05 | 2019-11-12 | 上海天诚比集科技有限公司 | 基于ssim算法的消防占道检测方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112511807A (zh) * | 2020-12-16 | 2021-03-16 | 绿漫科技有限公司 | 一种消防通道监控联动方法 |
CN112711996A (zh) * | 2020-12-22 | 2021-04-27 | 中通服咨询设计研究院有限公司 | 一种用于消防通道占用检测的*** |
CN112966573A (zh) * | 2021-02-19 | 2021-06-15 | 合肥海赛信息科技有限公司 | 一种基于视频分析的消防通道占用智能检测方法 |
CN112633262A (zh) * | 2021-03-09 | 2021-04-09 | 微晟(武汉)技术有限公司 | 通道监测方法、装置、电子设备及介质 |
CN112633262B (zh) * | 2021-03-09 | 2021-05-11 | 微晟(武汉)技术有限公司 | 通道监测方法、装置、电子设备及介质 |
WO2022198507A1 (zh) * | 2021-03-24 | 2022-09-29 | 京东方科技集团股份有限公司 | 障碍物检测方法、装置、设备和计算机存储介质 |
CN113192222A (zh) * | 2021-04-14 | 2021-07-30 | 山东理工大学 | 一种电力线路可视化告警的设备级告警策略方法 |
CN113239832A (zh) * | 2021-05-20 | 2021-08-10 | 河南中全科技有限公司 | 基于图像识别的隐患智能识别方法及*** |
CN113239832B (zh) * | 2021-05-20 | 2023-02-17 | 众芯汉创(北京)科技有限公司 | 基于图像识别的隐患智能识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111629181B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111629181B (zh) | 消防生命通道监控***及方法 | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的*** | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
KR20100119476A (ko) | 연속류도로 사고 및 돌발 자동판별 검지시스템 및 그 방법 | |
KR102282800B1 (ko) | 라이다와 영상카메라를 이용한 멀티 표적 추적 방법 | |
CN110619277A (zh) | 一种多社区智慧布控方法以及*** | |
CN110889339A (zh) | 基于头肩检测的危险区域分级预警方法与*** | |
CN117319609A (zh) | 一种物联网大数据智能视频监控***及方法 | |
CN111785050A (zh) | 一种高速公路疲劳驾驶预警装置及方法 | |
CN114898297A (zh) | 基于目标检测和目标跟踪的非机动车违法行为判定的方法 | |
CN112580470A (zh) | 城市视觉感知方法、装置、电子设备和存储介质 | |
CN111783700A (zh) | 一种路面异物自动识别预警方法和*** | |
CN116246416A (zh) | 一种用于安防的智能分析预警平台及方法 | |
CN112598865B (zh) | 一种电缆线路防外力破坏的监控方法及*** | |
CN117978969A (zh) | 一种应用于养殖业的ai视频管理平台 | |
KR20200086015A (ko) | 상황 연계형 영상분석장치 | |
CN113850995A (zh) | 一种基于隧道雷视数据融合的事件检测方法、装置及*** | |
CN116208633A (zh) | 一种人工智能服务平台***、方法、设备及介质 | |
CN115359416A (zh) | 一种铁路货场天眼智能预警*** | |
CN115272924A (zh) | 一种基于模块化视频智能分析引擎的治理*** | |
KR20220067271A (ko) | 영상취득장치 및 영상취득방법 | |
CN111382697A (zh) | 影像数据处理方法及第一电子设备 | |
KR20200136583A (ko) | 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법 | |
CN118135768B (zh) | 一种高速公路收费站人员动态作业环境下的安全监控方法 |
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 |