System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及盗水监测方法,更具体地说是指消防栓盗水监测方法、装置、计算机设备及存储介质。
技术介绍
1、消火栓为固定消防设施,一般通过消防水源通过栓为水枪供水,使得水枪能够将水喷射至火源而实现消防、灭火,建筑物内为了实现消防,都需要配备该消火栓。现有的监测消防栓是否存在盗水多采用水压传感器,存在检测效果不稳定,容易发生误报、漏报等问题。
2、因此,有必要设计一种新的方法,实现自动监测消防栓是否存在被盗水的情况,监测准确率高,且不易出现漏报。
技术实现思路
1、本专利技术的目的在于克服现有技术的缺陷,提供消防栓盗水监测方法、装置、计算机设备及存储介质。
2、为实现上述目的,本专利技术采用以下技术方案:消防栓盗水监测方法,包括:
3、获取待监测图像;
4、将所述待监测图像输入至监测模型中进行消防栓是否存在盗水情况的检测,以得到监测结果;
5、输出所述监测结果,当所述监测结果是所述消防栓存在盗水情况,输出报警信息。
6、其进一步技术方案为:所述监测模型是通过带有盗水标签的图像以及非盗水标签的图像形成的样本集训练深度学习目标检测网络所得的。
7、其进一步技术方案为:所述带有盗水标签的图像包括带有盗水标签的消火栓与水管连接的图像以及带有盗水标签的消火栓与开消火栓的人同时存在的图像;所述非盗水标签的图像包括带有非盗水标签的仅存在消火栓的图像以及带有非盗水标签的行人路过消防栓或行人靠近消防栓的图像。
9、获取带有盗水标签的图像以及非盗水标签的图像,以得到样本集;
10、划分所述样本集,以得到训练集以及测试集;
11、构建深度学习目标检测网络以及损失函数;
12、利用所述训练集对所述深度学习目标检测网络进行训练;
13、采用损失函数以及测试集调整训练后的深度学习目标检测网络,以形成监测模型。
14、其进一步技术方案为:带有盗水标签的消火栓与水管连接的图像是根据盗水实际情况多次模拟采集盗水数据,模拟水管状态,并采集多路摄像头数据形成的图像,并经过标签标注形成的。
15、其进一步技术方案为:所述将所述待监测图像输入至监测模型中进行消防栓是否存在盗水情况的检测,以得到监测结果,包括:
16、将所述待监测图像输入至监测模型中,利用所述监测模型识别所述待监测图像中的各个目标的标签以及所在的位置,并通过目标的标签以及所在的位置确定是否有消火栓与水管连接或者消火栓与开消火栓的人同时被检测的情况,当存在有消火栓与水管连接或者存在消火栓与开消火栓的人同时被检测的情况,则确定监测结果为所述消防栓存在盗水情况;当不存在有消火栓与水管连接或者不存在消火栓与开消火栓的人同时被检测的情况,则确定监测结果为所述消防栓不存在盗水情况。
17、本专利技术还提供了消防栓盗水监测装置,包括:
18、获取单元,用于获取待监测图像;
19、监测单元,用于将所述待监测图像输入至监测模型中进行消防栓是否存在盗水情况的检测,以得到监测结果;
20、输出单元,用于输出所述监测结果,当所述监测结果是所述消防栓存在盗水情况,输出报警信息。
21、其进一步技术方案为:所述监测单元,用于将所述待监测图像输入至监测模型中,利用所述监测模型识别所述待监测图像中的各个目标的标签以及所在的位置,并通过目标的标签以及所在的位置确定是否有消火栓与水管连接或者消火栓与开消火栓的人同时被检测的情况,当存在有消火栓与水管连接或者存在消火栓与开消火栓的人同时被检测的情况,则确定监测结果为所述消防栓存在盗水情况;当不存在有消火栓与水管连接或者不存在消火栓与开消火栓的人同时被检测的情况,则确定监测结果为所述消防栓不存在盗水情况。
22、本专利技术还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
23、本专利技术还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
24、本专利技术与现有技术相比的有益效果是:本专利技术通过采用监控模型对待监测图像进行消防栓是否存在盗水情况的检测,该监控模型可以过滤行人经过消防栓以及靠近消防栓的情况,提高检测准确率,准确检测出有消火栓与水管连接或者存在消火栓与开消火栓的人同时被检测的情况,进而确定为消防栓有盗水情况,实现自动监测消防栓是否存在被盗水的情况,监测准确率高,且不易出现漏报。
25、下面结合附图和具体实施例对本专利技术作进一步描述。
本文档来自技高网...【技术保护点】
1.消防栓盗水监测方法,其特征在于,包括:
2.根据权利要求1所述的消防栓盗水监测方法,其特征在于,所述监测模型是通过带有盗水标签的图像以及非盗水标签的图像形成的样本集训练深度学习目标检测网络所得的。
3.根据权利要求2所述的消防栓盗水监测方法,其特征在于,所述带有盗水标签的图像包括带有盗水标签的消火栓与水管连接的图像以及带有盗水标签的消火栓与开消火栓的人同时存在的图像;所述非盗水标签的图像包括带有非盗水标签的仅存在消火栓的图像以及带有非盗水标签的行人路过消防栓或行人靠近消防栓的图像。
4.根据权利要求3所述的消防栓盗水监测方法,其特征在于,所述监测模型是通过带有盗水标签的图像以及非盗水标签的图像形成的样本集训练深度学习目标检测网络所得的,包括:
5.根据权利要求3所述的消防栓盗水监测方法,其特征在于,带有盗水标签的消火栓与水管连接的图像是根据盗水实际情况多次模拟采集盗水数据,模拟水管状态,并采集多路摄像头数据形成的图像,并经过标签标注形成的。
6.根据权利要求1所述的消防栓盗水监测方法,其特征在于,所述将所述待监测图像
7.消防栓盗水监测装置,其特征在于,包括:
8.根据权利要求7所述的消防栓盗水监测装置,其特征在于,所述监测单元,用于将所述待监测图像输入至监测模型中,利用所述监测模型识别所述待监测图像中的各个目标的标签以及所在的位置,并通过目标的标签以及所在的位置确定是否有消火栓与水管连接或者消火栓与开消火栓的人同时被检测的情况,当存在有消火栓与水管连接或者存在消火栓与开消火栓的人同时被检测的情况,则确定监测结果为所述消防栓存在盗水情况;当不存在有消火栓与水管连接或者不存在消火栓与开消火栓的人同时被检测的情况,则确定监测结果为所述消防栓不存在盗水情况。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
...【技术特征摘要】
1.消防栓盗水监测方法,其特征在于,包括:
2.根据权利要求1所述的消防栓盗水监测方法,其特征在于,所述监测模型是通过带有盗水标签的图像以及非盗水标签的图像形成的样本集训练深度学习目标检测网络所得的。
3.根据权利要求2所述的消防栓盗水监测方法,其特征在于,所述带有盗水标签的图像包括带有盗水标签的消火栓与水管连接的图像以及带有盗水标签的消火栓与开消火栓的人同时存在的图像;所述非盗水标签的图像包括带有非盗水标签的仅存在消火栓的图像以及带有非盗水标签的行人路过消防栓或行人靠近消防栓的图像。
4.根据权利要求3所述的消防栓盗水监测方法,其特征在于,所述监测模型是通过带有盗水标签的图像以及非盗水标签的图像形成的样本集训练深度学习目标检测网络所得的,包括:
5.根据权利要求3所述的消防栓盗水监测方法,其特征在于,带有盗水标签的消火栓与水管连接的图像是根据盗水实际情况多次模拟采集盗水数据,模拟水管状态,并采集多路摄像头数据形成的图像,并经过标签标注形成的。
6.根据权利要求1所述的消防栓盗水监测方法,其特征在于,所述将...
【专利技术属性】
技术研发人员:冯炳,沈继勇,朱栋华,章晓犇,寿嘉怡,杨义伟,
申请(专利权)人:杭州滨江水务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。