基于人工智能的防火卷帘门运行状态监测方法技术

本发明专利技术涉及人工智能、防火设备技术领域，具体涉及一种基于人工智能的防火卷帘门运行状态监测方法。方法包括：获取防火卷帘门ROI区域图像，得到各支撑架图像和各防护布图像，根据各支撑架直线方程的斜率计算运动一致性指标，根据各支撑架图像计算各像素点与其相邻支撑架对应像素点的速度差，判断速度差是否等于0，若等于，则判定未出现堆叠，若不等于，则判定出现堆叠，根据速度差得到堆叠程度，根据像素值得到非堆叠区域的特征变化程度，根据堆叠区域堆叠程度和非堆叠区域的特征变化程度计算运动平稳性指标，根据运动一致性指标和运动平稳性指标，判断防火卷帘门的运行状态。本发明专利技术实现了防火卷帘门自动化状态监测，保障了检测标准的一致性。标准的一致性。标准的一致性。

【技术实现步骤摘要】
基于人工智能的防火卷帘门运行状态监测方法


[0001]本专利技术涉及人工智能、防火设备
，具体涉及一种基于人工智能的防火卷帘门运行状态监测方法。

技术介绍

[0002]防火卷帘门是很重要的消防设备，广泛应用于工业与民用建筑的防火隔断区，能有效地阻止火势蔓延，保障生命财产安全，是现代建筑中不可缺少的防火设施。为了保障防火卷帘门在发生火灾能够及时快速地做出反应，每隔固定时间需要对防火卷帘门的运行状态进行监测，判断防火卷帘门的运行是否满足需求。现有技术的状态监测均是由人工完成的，众多的防火卷帘门无疑增加了很多工作量，且人为监测的主观性过大，不能保障检测标准的一致性。

技术实现思路

[0003]为了解决现有技术中防火卷帘门运行状态监测的监测标准不一致的问题，本专利技术的目的在于提供一种基于人工智能的防火卷帘门运行状态监测方法，所采用的技术方案具体如下：本专利技术提供了一种基于人工智能的防火卷帘门运行状态监测方法,该方法包括以下步骤：获取连续两帧防火卷帘门的ROI区域图像，根据所述防火卷帘门的ROI区域图像，得到各支撑架图像和各防护布图像；根据所述各支撑架图像，得到各支撑架直线方程的斜率，根据所述各支撑架直线方程的斜率，计算防火卷帘门支撑架的运动一致性指标；根据所述各支撑架图像，计算各支撑架上各像素点与其上方相邻支撑架对应像素点的速度差，判断所述各支撑架上各像素点与其上方相邻支撑架对应像素点的速度差是否等于0，若等于，则判定相邻支撑架之间的防护布未出现堆叠，若不等于，则判定相邻支撑架之间的防护布出现堆叠，根据所述速度差，得到堆叠区域各像素点的堆叠程度；根据上一帧非堆叠区域各像素点的像素值和当前帧非堆叠区域对应像素点的像素值，得到当前帧非堆叠区域各像素点的特征变化程度，根据所述堆叠区域各像素点的堆叠程度和非堆叠区域各像素点的特征变化程度，计算防火卷帘门防护布区域的运动平稳性指标；根据所述防火卷帘门支撑架的运动一致性指标和防火卷帘门防护布区域的运动平稳性指标，判断防火卷帘门的运行状态。
[0004]优选的，所述根据所述防火卷帘门的ROI区域，得到各支撑架图像和各防护布图像的方法包括：将防火卷帘门ROI区域的RGB图像转化为对应的HSV图像；通过设定HSV三个通道的阈值，得到防火卷帘门支撑架区域的二值图和防护布区
域的二值图；将防火卷帘门支撑架区域的二值图与防火卷帘门ROI区域的RGB图像相乘，得到各支撑架图像，将防火卷帘门防护布区域的二值图与防火卷帘门ROI区域的RGB图像相乘，得到各防护布图像。
[0005]优选的，所述根据所述各支撑架直线方程的斜率，计算防火卷帘门支撑架的运动一致性指标的方法包括：采用如下公式计算各支撑架的运动一致性指标：其中，为时刻第个支撑架的斜率，为防火卷帘门的ROI区域中底边横线的斜率，为时刻第个支撑架的运动一致性指标；根据各支撑架的运动一致性指标，计算防火卷帘门支撑架的运动一致性指标。
[0006]优选的，所述根据所述各支撑架图像，计算各支撑架上各像素点与其上方相邻支撑架对应像素点的速度差的方法包括：获取各支撑架的直线上各像素点的速度；过各支撑架的直线上各像素点作平行于像素坐标系轴的线段，获取所述线段与各支撑架上方相邻支撑架的直线的交点，所述像素坐标系轴为沿着ROI区域左侧垂直方向边框线构建的坐标轴；根据各支撑架的直线上各像素点和其上方相邻支撑架的直线的交点，构建各支撑架的直线上各像素点对应的点对；根据各点对中像素点的速度，计算各支撑架上各像素点与其上方相邻支撑架对应像素点的速度差。
[0007]优选的，采用如下公式计算防火卷帘门防护布区域的运动平稳性指标：其中，为防护布图像中堆叠区域像素点集合，为防护布图像中非堆叠区域像素点集合，为防护布图像中堆叠区域的堆叠程度，为防护布图像中非堆叠区域像素点的特征变化程度，为堆叠区域的权重，为非堆叠区域的权重，为防火卷帘门防护布区域的运动平稳性指标。
[0008]优选的，所述根据所述防火卷帘门支撑架的运动一致性指标和防火卷帘门防护布区域的运动平稳性指标，判断防火卷帘门的运行状态的方法包括：判断所述防火卷帘门支撑架的运动一致性指标是否大于运动一致性指标的标准阈值，若大于，则记为0，若不大于，则记为1；判断所述防火卷帘门防护布区域的运动平稳性指标是否大于运动平稳性指标的标准阈值，若大于，则记为0，若不大于，则记为1；
根据防火卷帘门支撑架的运动一致性的标记值和防火卷帘门防护布区域的运动平稳性的标记值，计算防火卷帘门运行状态的监测指标；根据防火卷帘门运行状态的监测指标判断防火卷帘门的运行状态。
[0009]本专利技术具有如下有益效果：本专利技术获取了防火卷帘门的各支撑架图像和各防护布图像，根据各支撑架直线方程的斜率与防火卷帘门的ROI区域中底边横线的斜率的差值，差值越小，表明防火卷帘门支撑架的运动一致性指标越大；根据各防护布图像堆叠区域各像素点的堆叠程度和非堆叠区域各像素点的特征变化程度，计算了防火卷帘门防护布区域的运动平稳性指标，各防护布区域中堆叠区域的堆叠程度和非堆叠区域的运动稳定性反映防护布区域的运动平稳性，堆叠区域的堆叠程度越小，防护布区域的运动平稳性指标越大；非堆叠区域的特征变化程度越小，防护布区域的运动平稳性指标越大。本专利技术根据防火卷帘门支撑架的运动一致性指标和防火卷帘门防护布区域的运动平稳性指标，判断防火卷帘门的运行状态。本专利技术计算各支撑架两端运动一致性指标，并根据运动一致性指标得到防护布区域运动平稳性指标，实现了防火卷帘门自动化状态监测，避免人为监测的主观性过大，保障了检测标准的一致性。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0011]图1为本专利技术的基于人工智能的防火卷帘门运行状态监测方法的流程图；图2为像素坐标系的示意图。
具体实施方式
[0012]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于人工智能的防火卷帘门运行状态监测方法进行详细说明如下。
[0013]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0014]下面结合附图具体的说明本专利技术所提供的一种基于人工智能的防火卷帘门运行状态监测方法的具体方案。
[0015]基于人工智能的防火卷帘门运行状态监测方法实施例现有技术中防火卷帘门的状态监测均是由人工完成的，人为监测的主观性过大，不能保障检测标准的一致性，为了解决上述问题，本实施例提出了基于人工智能的防火卷帘门运行状态监测方法，如图1所示，本实施例的基于人工智能的防火卷帘门运行状态监测方法包括以下步骤：步骤S1，获取连续两帧防火卷帘门的ROI区域图像，根据所述防火卷帘门的ROI区域图像，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的防火卷帘门运行状态监测方法，其特征在于，该方法包括以下步骤：获取连续两帧防火卷帘门的ROI区域图像，根据所述防火卷帘门的ROI区域图像，得到各支撑架图像和各防护布图像；根据所述各支撑架图像，得到各支撑架直线方程的斜率，根据所述各支撑架直线方程的斜率，计算防火卷帘门支撑架的运动一致性指标；根据所述各支撑架图像，计算各支撑架上各像素点与其上方相邻支撑架对应像素点的速度差，判断所述各支撑架上各像素点与其上方相邻支撑架对应像素点的速度差是否等于0，若等于，则判定相邻支撑架之间的防护布未出现堆叠，若不等于，则判定相邻支撑架之间的防护布出现堆叠，根据所述速度差，得到堆叠区域各像素点的堆叠程度；根据上一帧非堆叠区域各像素点的像素值和当前帧非堆叠区域对应像素点的像素值，得到当前帧非堆叠区域各像素点的特征变化程度，根据所述堆叠区域各像素点的堆叠程度和非堆叠区域各像素点的特征变化程度，计算防火卷帘门防护布区域的运动平稳性指标；根据所述防火卷帘门支撑架的运动一致性指标和防火卷帘门防护布区域的运动平稳性指标，判断防火卷帘门的运行状态。2.根据权利要求1所述的一种基于人工智能的防火卷帘门运行状态监测方法，其特征在于，所述根据所述防火卷帘门的ROI区域，得到各支撑架图像和各防护布图像的方法包括：将防火卷帘门ROI区域的RGB图像转化为对应的HSV图像；通过设定HSV三个通道的阈值，得到防火卷帘门支撑架区域的二值图和防护布区域的二值图；将防火卷帘门支撑架区域的二值图与防火卷帘门ROI区域的RGB图像相乘，得到各支撑架图像，将防火卷帘门防护布区域的二值图与防火卷帘门ROI区域的RGB图像相乘，得到各防护布图像。3.根据权利要求1所述的一种基于人工智能的防火卷帘门运行状态监测方法，其特征在于，所述根据所述各支撑架直线方程的斜率，计算防火卷帘门支撑架的运动一致性指标的方法包括：采用如下公式计算各支撑架的运动一致性指标：其中，为时刻第个支撑架的斜率，为防火卷帘门的ROI区域中...

【专利技术属性】
技术研发人员：邓红，
申请(专利权)人：南通森田消防装备有限公司，
类型：发明
国别省市：