一种消防工程远程监控方法及系统技术方案

本发明专利技术实施例提供了一种消防工程远程监控方法及系统，通过输入消防工程区域的消防监控信息中的消防监控目标数据，根据消防监控目标数据所对应的工程关键子区域的标签，确定与消防监控目标数据处理模型的模型参数相匹配的时空域延迟值，根据时空域延迟值通过消防监控目标数据处理模型对消防监控目标数据进行时空域延迟预测处理，形成与消防监控目标数据相匹配的第一预测特征，基于第一预测特征，确定与消防监控目标数据相匹配的第二预测特征，基于消防监控目标数据相匹配的第二预测特征，对消防监控目标数据进行识别，以实现输出消防监控目标数据的识别结果。如此，可以提高消防工程远程监控的识别准确率。工程远程监控的识别准确率。工程远程监控的识别准确率。

【技术实现步骤摘要】
一种消防工程远程监控方法及系统


[0001]本专利技术涉及计算机
，具体而言，涉及一种消防工程远程监控方法及系统。

技术介绍

[0002]如何提高消防工程远程监控的识别准确率，是本领域亟待解决的技术问题。

技术实现思路

[0003]有鉴于此，本专利技术实施例的目的在于提供一种消防工程远程监控方法及系统，能够提高消防工程远程监控的识别准确率。
[0004]根据本专利技术实施例的一个方面，提供一种消防工程远程监控方法，包括：输入消防工程区域的消防监控信息中的消防监控目标数据，其中所述消防监控目标数据包括所述消防工程区域的同一工程关键子区域的待识别消防监控目标数据的集合；根据所述消防监控目标数据所对应的工程关键子区域的标签，确定与消防监控目标数据处理模型的模型参数相匹配的时空域延迟值，根据所述时空域延迟值通过所述消防监控目标数据处理模型对所述消防监控目标数据进行时空域延迟预测处理，以形成与所述时空域延迟值相匹配的消防监控目标数据，对经过时空域延迟预测处理的消防监控目标数据交叉遗传进行处理，得到所述消防监控目标数据的交叉遗传预测结果，对所述消防监控目标数据的交叉遗传预测结果进行归一化处理，确定与所述消防监控目标数据对应的多维度数据向量，并确定所述多维度数据向量对应的关联监控业务功能特征向量；响应于所述关联监控业务功能特征向量，对所述多维度数据向量中的任一监控业务功能特征向量的图像特征向量进行深度特征提取处理，确定第一深度特征提取向量，对所述第一深度特征提取向量进行全连接处理和深度特征提取处理，确定第二深度特征提取向量，通过回归分析处理，将浅度通道中第二深度特征提取向量采集至深度通道中，并经过融合处理，形成与所述消防监控目标数据相匹配的第一预测特征；基于所述第一预测特征，确定与所述消防监控目标数据相匹配的第二预测特征，基于消防监控目标数据相匹配的第二预测特征，对所述消防监控目标数据进行识别，以实现输出所述消防监控目标数据的识别结果。
[0005]根据本申请的另一方面，提供一种消防工程远程监控系统，包括：输入模块，用于输入消防工程区域的消防监控信息中的消防监控目标数据，其中所述消防监控目标数据包括所述消防工程区域的同一工程关键子区域的待识别消防监控目标数据的集合；确定模块，用于根据所述消防监控目标数据所对应的工程关键子区域的标签，确定与消防监控目标数据处理模型的模型参数相匹配的时空域延迟值，根据所述时空域延迟值通过所述消防监控目标数据处理模型对所述消防监控目标数据进行时空域延迟预测处理，以形成与所述时空域延迟值相匹配的消防监控目标数据，对经过时空域延迟预测处理的消防监控目标数据交叉遗传进行处理，得到所述消防监控目标数据的交叉遗传预测结果，对所
述消防监控目标数据的交叉遗传预测结果进行归一化处理，确定与所述消防监控目标数据对应的多维度数据向量，并确定所述多维度数据向量对应的关联监控业务功能特征向量；处理模块，用于响应于所述关联监控业务功能特征向量，对所述多维度数据向量中的任一监控业务功能特征向量的图像特征向量进行深度特征提取处理，确定第一深度特征提取向量，对所述第一深度特征提取向量进行全连接处理和深度特征提取处理，确定第二深度特征提取向量，通过回归分析处理，将浅度通道中第二深度特征提取向量采集至深度通道中，并经过融合处理，形成与所述消防监控目标数据相匹配的第一预测特征；识别模块，用于基于所述第一预测特征，确定与所述消防监控目标数据相匹配的第二预测特征，基于消防监控目标数据相匹配的第二预测特征，对所述消防监控目标数据进行识别，以实现输出所述消防监控目标数据的识别结果。
[0006]相较于现有技术而言，本专利技术实施例提供的消防工程远程监控方法及系统，通过输入消防工程区域的消防监控信息中的消防监控目标数据，根据消防监控目标数据所对应的工程关键子区域的标签，确定与消防监控目标数据处理模型的模型参数相匹配的时空域延迟值，根据时空域延迟值通过消防监控目标数据处理模型对消防监控目标数据进行时空域延迟预测处理，形成与消防监控目标数据相匹配的第一预测特征，基于第一预测特征，确定与消防监控目标数据相匹配的第二预测特征，基于消防监控目标数据相匹配的第二预测特征，对消防监控目标数据进行识别，以实现输出消防监控目标数据的识别结果。如此，可以提高消防工程远程监控的识别准确率。
[0007]为使本专利技术实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。
附图说明
[0008]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0009]图1示出了本专利技术实施例所提供的服务器的组件示意图；图2示出了本专利技术实施例所提供的消防工程远程监控方法的流程示意图；图3示出了本专利技术实施例所提供的消防工程远程监控系统的功能模块框图。
具体实施方式
[0010]为了使本
的学员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。根据本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0011]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的科技项目对象在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何
变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、监控数据对象或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、监控数据对象或设备固有的其它步骤或单元。
[0012]图1示出了服务器100的示例性组件示意图。服务器100可以包括一个或多个处理器104，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。服务器100还可以包括任何存储介质106，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储介质106可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储介质都可以使用任何技术来存储信息。进一步地，任何存储介质可以提供信息的易失性或非易失性保留。进一步地，任何存储介质可以表示服务器100的固定或可移除部件。在一种情况下，当处理器104执行被存储在任何存储介质或存储介质的组合中的相关联的指令时，服务器100可以执行相关联指令的任一操作。服务器100还包括用于与任何存储介质交互的一个或多个驱动单元108，诸如硬盘驱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种消防工程远程监控方法，其特征在于，包括：输入消防工程区域的消防监控信息中的消防监控目标数据，其中所述消防监控目标数据包括所述消防工程区域的同一工程关键子区域的待识别消防监控目标数据的集合；根据所述消防监控目标数据所对应的工程关键子区域的标签，确定与消防监控目标数据处理模型的模型参数相匹配的时空域延迟值，根据所述时空域延迟值通过所述消防监控目标数据处理模型对所述消防监控目标数据进行时空域延迟预测处理，以形成与所述时空域延迟值相匹配的消防监控目标数据，对经过时空域延迟预测处理的消防监控目标数据交叉遗传进行处理，得到所述消防监控目标数据的交叉遗传预测结果，对所述消防监控目标数据的交叉遗传预测结果进行归一化处理，确定与所述消防监控目标数据对应的多维度数据向量，并确定所述多维度数据向量对应的关联监控业务功能特征向量；响应于所述关联监控业务功能特征向量，对所述多维度数据向量中的任一监控业务功能特征向量的图像特征向量进行深度特征提取处理，确定第一深度特征提取向量，对所述第一深度特征提取向量进行全连接处理和深度特征提取处理，确定第二深度特征提取向量，通过回归分析处理，将浅度通道中第二深度特征提取向量采集至深度通道中，并经过融合处理，形成与所述消防监控目标数据相匹配的第一预测特征；基于所述第一预测特征，确定与所述消防监控目标数据相匹配的第二预测特征，基于消防监控目标数据相匹配的第二预测特征，对所述消防监控目标数据进行识别，以实现输出所述消防监控目标数据的识别结果。2.一种消防工程远程监控系统，其特...

【专利技术属性】
技术研发人员：何建峰，邹枫超，
申请(专利权)人：苏州科知律信息科技有限公司，
类型：发明
国别省市：