一种用于火灾风险安防的图像识别分析方法技术

本发明专利技术公开了一种用于火灾风险安防的图像识别分析方法，涉及图像识别分析技术领域，所述用于火灾风险安防的图像识别分析方法包括下述操作步骤：S1、模拟火焰辐射特征；S2、投入使用；S3、图像识别分析；S4、制定救火方案和S5、逃离路线规划。该用于火灾风险安防的图像识别分析方法，利用摄像头和烟雾传感器第一时间发生火情，结合火情区域的周边各类信息作为参数，以精准预测出未来各时间段火焰辐射情况，再结合救火条件可以快速指定有效的灭火方案，实现快速控制火情，且火情区域内若存在被困人员可根据火情区域的周边地形信息结合未来各时间段火焰辐射情况为被困人员规划出安全撤离线路，以在救援人员赶来前实现自救。以在救援人员赶来前实现自救。以在救援人员赶来前实现自救。

【技术实现步骤摘要】
一种用于火灾风险安防的图像识别分析方法


[0001]本专利技术涉及图像识别分析
，具体为一种用于火灾风险安防的图像识别分析方法。

技术介绍

[0002]图像识别分析，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用，图像识别，顾名思义，就是对图像做出各种处理、分析，最终识别我们所要研究的目标，利用图像识别进行火灾探测具有独特的优势，通过提取火焰燃烧时的图像特征，在利用人工神经网络对火焰形态进行研究分析，基于此刻通过初始时段的火焰形态分析出未来一段时间的火焰辐射特性。
[0003]现有的通过图像识别分析技术对火灾风险进行安防时，采用的都是较为单一的判据，即提取火焰燃烧时的图像特征，由于判据单一导致结果容易出错，导致火灾识别的准确率较低，从而不好安排应对火灾的安防手段。
[0004]于是，有鉴于此，针对现有的结构及缺失予以研究改良，提出一种用于火灾风险安防的图像识别分析方法。

技术实现思路

[0005]针对现有技术的不足，本专利技术提供了一种用于火灾风险安防的图像识别分析方法，解决了上述
技术介绍
中提出的问题。
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：一种用于火灾风险安防的图像识别分析方法，所述用于火灾风险安防的图像识别分析方法包括下述操作步骤：S1、模拟火焰辐射特征：收集火焰在各种情况下的燃烧辐射数据，并将燃烧辐射数据输入至人工神经网络进行深度学习；S2、投入使用：于监测范围内布设用于采集图像的摄像头和烟雾传感器，且摄像头和烟雾传感器相关联，烟雾传感器监测预设区域内是否出现燃烧产生的烟雾，摄像头实时识别监测范围内是否具有火焰，而烟雾传感器辅助摄像头监测摄像头无法监测到的区域，以便摄像头及时调整角度，此时摄像头获取的图像为初始火焰图像；S3、图像识别分析：初始火焰图像输入人工神经网络中，同时将实时的天气、湿度、风力参数以及地形、材料信息也输入人工神经网络中，人工神经网络中基于上述参数、信息对初始火焰图像进行识别分析，以获得未来各时间段的火焰辐射情况；S4、制定救火方案：基于未来各时间段的火焰辐射情况，再基于地形规划灭火方案，并按照救火方案对火灾进行灭火；
S5、逃离路线规划：若监测范围内有人员被困，利用通讯设备基于未来各时间段的火焰辐射情况规划以被困人员为起始点的安全撤离路线。
[0007]进一步的，所述S1步骤中，各种情况包括且不限于天气、地形、湿度、风力、材料信息，其中材料信息包括材料燃点、材料分布情况。
[0008]进一步的，所述S1步骤中，深度学习的操作如下：准备初始阶段的火焰图像和未来时段的火焰图像，将初始阶段的火焰图像输入至人工神经网络进行火焰特征分析，并基于天气、地形、湿度、风力、材料参数分析初始阶段的火焰图像中的火焰在燃烧预设时段后的火焰辐射情况；当火焰辐射情况与未来时段的火焰图像相一致时，即深度学习成功一次，并不断重复学习过程以提高准确率，在准确率达到预设值时投入使用。
[0009]进一步的，所述S2步骤中，摄像头具有红外成像功能以获取各区域火焰温度。
[0010]进一步的，所述S2步骤中，在布设摄像头和烟雾传感器时，记录监测区域内的地形、材料信息，并通过接入气象局获得监测区域内实时的天气、湿度、风力参数。
[0011]进一步的，所述S4步骤中，救火方案在制定时会接入外界信息进行辅助。
[0012]进一步的，所述外界信息包括救援人员的实时位置、灭火设备的种类和数量、道路情况。
[0013]进一步的，基于救援人员的实时位置能够快速安排各人员到达各位置进行灭火。
[0014]进一步的，基于灭火设备的种类和数量以及火灾区域各位置的火情能够便于各人员携带对应种类和数量的灭火设备，基于道路情况能够更好的规划灭火路线。
[0015]进一步的，所述S5步骤中，通讯设备包括且不限于手机通讯、无人机通讯、对讲机。
[0016]本专利技术提供了一种用于火灾风险安防的图像识别分析方法，具备以下有益效果：该用于火灾风险安防的图像识别分析方法，利用摄像头和烟雾传感器第一时间发生火情，并结合火情区域的周边各类信息作为参数，可以精准预测出未来各时间段火焰辐射情况，基于此结合救火条件可以快速指定有效的灭火方案，以实现快速控制火情，且针对火情区域内若存在被困人员可以根据火情区域的周边地形信息结合未来各时间段火焰辐射情况为被困人员规划出安全撤离线路，以在救援人员赶来前实现自救。
附图说明
[0017]图1为本专利技术一种用于火灾风险安防的图像识别分析方法的整体流程示意图。
具体实施方式
[0018]下面结合附图和实施例对本专利技术的实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不能用来限制本专利技术的范围。
[0019]如图1所示，本专利技术提供技术方案：一种用于火灾风险安防的图像识别分析方法，所述用于火灾风险安防的图像识别分析方法包括下述操作步骤：S1、模拟火焰辐射特征：收集火焰在各种情况下的燃烧辐射数据，并将燃烧辐射数据输入至人工神经网络进行深度学习；
其中，各种情况包括且不限于天气、地形、湿度、风力、材料信息，其中材料信息包括材料燃点、材料分布情况；深度学习的操作如下：准备初始阶段的火焰图像和未来时段的火焰图像，将初始阶段的火焰图像输入至人工神经网络进行火焰特征分析，并基于天气、地形、湿度、风力、材料参数分析初始阶段的火焰图像中的火焰在燃烧预设时段后的火焰辐射情况；当火焰辐射情况与未来时段的火焰图像相一致时，即深度学习成功一次，并不断重复学习过程以提高准确率，在准确率达到预设值时投入使用；S2、投入使用：于监测范围内布设用于采集图像的摄像头和烟雾传感器，且摄像头和烟雾传感器相关联，烟雾传感器监测预设区域内是否出现燃烧产生的烟雾，摄像头实时识别监测范围内是否具有火焰，而烟雾传感器辅助摄像头监测摄像头无法监测到的区域，以便摄像头及时调整角度，此时摄像头获取的图像为初始火焰图像，一般的摄像头捕捉到火焰时会优先烟雾传感器获取图像进行识别，而若火情出现在摄像头的监测范围外，则烟雾传感器先感应到烟雾，此时摄像头调整角度以调整监测范围从而获得火情所在位置的图像；摄像头具有红外成像功能以获取各区域火焰温度，在布设摄像头和烟雾传感器时，记录监测区域内的地形、材料信息，并通过接入气象局获得监测区域内实时的天气、湿度、风力参数S3、图像识别分析：初始火焰图像输入人工神经网络中，同时将实时的天气、湿度、风力参数以及地形、材料信息也输入人工神经网络中，人工神经网络中基于上述参数、信息对初始火焰图像进行识别分析，以获得未来各时间段的火焰辐射情况；S4、制定救火方案：基于未来各时间段的火焰辐射情况，再基于地形规划灭火方案，并按照救火方案对火灾进行灭火；其中，救火方案在制定时会接入外界信息进行辅助，外界信息包括救援人员的实时位置、灭火设备的种类和数量、道路情况，基于救援人员的实时位置能够快速安排各人员到达各位置进行灭火，基于灭火设备的种类和数量以及火灾区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于火灾风险安防的图像识别分析方法，其特征在于：所述用于火灾风险安防的图像识别分析方法包括下述操作步骤：S1、模拟火焰辐射特征：收集火焰在各种情况下的燃烧辐射数据，并将燃烧辐射数据输入至人工神经网络进行深度学习；S2、投入使用：于监测范围内布设用于采集图像的摄像头和烟雾传感器，且摄像头和烟雾传感器相关联，烟雾传感器监测预设区域内是否出现燃烧产生的烟雾，摄像头实时识别监测范围内是否具有火焰，而烟雾传感器辅助摄像头监测摄像头无法监测到的区域，以便摄像头及时调整角度，此时摄像头获取的图像为初始火焰图像；S3、图像识别分析：初始火焰图像输入人工神经网络中，同时将实时的天气、湿度、风力参数以及地形、材料信息也输入人工神经网络中，人工神经网络中基于上述参数、信息对初始火焰图像进行识别分析，以获得未来各时间段的火焰辐射情况；S4、制定救火方案：基于未来各时间段的火焰辐射情况，再基于地形规划灭火方案，并按照救火方案对火灾进行灭火；S5、逃离路线规划：若监测范围内有人员被困，利用通讯设备基于未来各时间段的火焰辐射情况规划以被困人员为起始点的安全撤离路线。2.根据权利要求1所述的一种用于火灾风险安防的图像识别分析方法，其特征在于：所述S1步骤中，各种情况包括且不限于天气、地形、湿度、风力、材料信息，其中材料信息包括材料燃点、材料分布情况。3.根据权利要求1所述的一种用于火灾风险安防的图像识别分析方法，其特征在于：所述S1步骤中，深度学习的操作如下：准备初始阶段的火焰图像和未来时段的火焰图像，将初始阶段的火焰图像输入至人工神经网络进行火焰特征分析，并...

【专利技术属性】
技术研发人员：于文辉，王洪浩，赵燕，梁善友，葛国磊，孙康，张岩，
申请(专利权)人：山东哲远信息科技有限公司，
类型：发明
国别省市：