一种适用于智能消防的消防隐患识别方法及系统与流程

本技术涉及消防隐患识别的，尤其是涉及一种适用于智能消防的消防隐患识别方法及系统。

背景技术：

1、随着城市化进程的加速和建筑规模的日益复杂，消防安全已成为保障人民生命财产安全和社会稳定运行的关键环节。传统的消防管理模式主要依赖人工巡检和被动式报警，存在效率低、覆盖面窄、响应滞后等固有缺陷。近年来，物联网、人工智能等技术的飞速发展，催生了智能消防的概念。通过在监控区域部署各类传感器和监控设备，实时采集环境数据并进行分析，能够实现对潜在火灾隐患的主动识别与预警，对于提升消防安全管理水平、防患于未然具有至关重要的意义。

2、相关技术采用基于视频图像的分析方法，利用安装在室内外的摄像头，通过计算机视觉技术对监控画面进行分析，识别火焰、烟雾或违规堆放的易燃物等视觉特征。

3、然而，上述技术仅能识别静态的、显性的危险状态，而无法理解隐性的危险行为及其引发的潜在风险。

技术实现思路

1、为了能够提高消防隐患识别效率，本技术提供了一种适用于智能消防的消防隐患识别方法及系统。

2、第一方面，本技术提供了一种适用于智能消防的消防隐患识别方法，采用如下的技术方案：

3、一种适用于智能消防的消防隐患识别方法，包括以下步骤：

4、获取目标区域的视频流数据，利用预训练的行为识别模型，识别目标区域内人员的目标行为动作及所述目标行为动作对应的目标物体，根据目标行为动作与目标物体构建人员-行为-物体三元组；

5、将所述人员-行为-物体三元组输入至预设的消防隐患知识图谱中，得到初步匹配结果；

6、当初步匹配结果为未匹配成功时，将所述人员-行为-物体三元组作为查询起点，在消防隐患知识图谱中进行多跳路径搜索，得到多跳推理结果，并向客户端推送多跳推理结果和消防隐患预警信号。

7、本技术通过获取目标区域视频流数据，并利用预训练的行为识别模型，能够识别目标区域内人员的目标行为动作以及对应的目标物体。之后，本技术根据识别结果构建人员-行为-物体三元组，将构建好的人员-行为-物体三元组输入预设的消防隐患知识图谱中进行初步匹配。消防隐患知识图谱整合了丰富的消防隐患相关知识，通过这种匹配方式，可以快速判断当前场景中的行为和物体组合是否直接对应已知的消防隐患模式，提高隐患发现的效率。

8、当初步匹配未成功时，以三元组作为查询起点在消防隐患知识图谱中进行多跳路径搜索，多跳推理能够挖掘出看似不直接相关但通过一系列中间环节可能引发消防隐患的潜在关系，有助于发现那些隐藏较深、不易被直接察觉的消防隐患，提高消防安全管理的全面性和准确性。

9、可选地，所述初步匹配结果的获取过程，还包括：

10、提取人员-行为-物体三元组的目标特征向量，获取所述消防隐患知识图谱中预存的预备动作模板节点的节点特征向量；

11、分别计算目标特征向量与各节点特征向量的相似度，若存在相似度大于预设相似度阈值，则将相似度最大时对应的预备动作模板记为匹配成功的预备动作模板，基于匹配成功的预备动作模板，在所述消防隐患知识图谱中进行关系链追溯处理，得到违规行为。

12、本技术通过提取人员-行为-物体三元组的目标特征向量，以及获取消防隐患知识图谱中预存的预备动作模板节点的节点特征向量，能够将复杂的实体和动作信息转化为可量化比较的向量形式。之后通过分别计算目标特征向量与各节点特征向量的相似度，能够反映向量之间的差异和相似程度，当存在相似度大于预设相似度阈值的情况时，将相似度最大时对应的预备动作模板记为匹配成功的预备动作模板，并基于该模板在消防隐患知识图谱中进行关系链追溯处理。消防隐患知识图谱中包含了丰富的实体关系和知识规则，通过关系链追溯，可以从匹配成功的预备动作模板出发，沿着知识图谱中的边和节点进行深度挖掘，发现与该模板相关的其他潜在违规行为。例如，某个预备动作模板可能与特定的物体使用方式或人员操作流程相关联，通过关系链追溯可以找出在这些方面存在违规的行为，从而更全面地发现消防隐患。

13、基于匹配成功的预备动作模板进行关系链追溯得到的违规行为结果具有较好的可解释性。由于预备动作模板是预先定义好的、具有明确语义的动作模式，通过关系链追溯可以清晰地展示违规行为是如何从匹配成功的模板推导出来的，以及涉及到的相关实体和关系，有助于消防管理人员理解隐患产生的原因和过程。

14、可选地，所述向客户端推送多跳推理结果和消防隐患预警信号，包括：

15、根据所述多跳推理结果中的路径长度及因果关系强度，计算当前行为的风险值，在所述风险值大于触发阈值时，生成包含隐患位置的消防隐患预警信号，并将消防隐患预警信号推送至客户端。

16、本技术通过考虑多跳推理结果中的路径长度和因果关系强度来计算当前行为的风险值，实现了对风险的量化评估。基于多跳推理结果和风险值计算生成预警信号，能够减少误报和漏报的情况。多跳推理可以挖掘出隐藏较深的潜在隐患，而风险值的量化评估则进一步提高了预警的准确性。只有当风险真正达到一定程度时才会发出预警，尽量避免因误报导致的不必要恐慌和资源浪费，提高可靠性。

17、可选地，在向客户端推送消防隐患预警信号之前，还包括：

18、获取目标区域的环境参数数据，所述环境参数数据包括温度、烟雾浓度及人员密度；

19、基于所述环境参数数据，通过预设的动态阈值调整算法，调整向客户端推送消防隐患预警信号的触发阈值；

20、在所述多跳推理结果对应的风险置信度超过调整后的触发阈值时，再向客户端推送消防隐患预警信号。

21、本技术基于环境参数数据，通过预设的动态阈值调整算法调整向客户端推送消防隐患预警信号的触发阈值。不同的环境条件下，相同的行为和情况可能具有不同的风险程度。例如，在高温、高烟雾浓度的环境中，即使多跳推理结果对应的风险置信度相对较低，也可能存在较大的火灾隐患，此时适当降低触发阈值，以便及时发出预警；而在低温、低烟雾浓度且人员稀少的环境中，可适当提高触发阈值，尽量避免不必要的预警。动态调整触发阈值能够使预警系统更加贴合实际情况，进一步提高预警的准确性和可靠性。

22、可选地，在向客户端推送多跳推理结果和消防隐患预警信号之后，还包括：

23、持续获取目标区域在预设时长内的视频流数据；

24、利用所述行为识别模型检测目标区域内是否出现与所述违规行为对应的消除动作，若未检测到所述消除动作，则向客户端推送消防隐患告警信号。

25、在推送多跳推理结果和消防隐患预警信号后，持续获取目标区域在预设时长内的视频流数据，能够对消防隐患进行实时、动态的跟踪。本技术利用行为识别模型检测目标区域内是否出现与违规行为对应的消除动作，可以有效避免因误判而发出的预警信号。通过检测消除动作，可以进一步验证预警的准确性。如果检测到消除动作，说明相关人员已经采取了措施处理隐患，此时无需再次发出告警信号；若未检测到，则确认隐患仍然存在，需要进一步告警，从而提高预警的有效性和可靠性。

26、可选地，还包括：

27、利用图神经网络对所述消防隐患知识图谱中的节点嵌入表示进行优化处理，所述优化处理包括引入注意力机制以增强违规行为节点与预备动作模板节点之间的关联权重，将优化处理后的消防隐患知识图谱更新为新的消防隐患知识图谱。

28、图神经网络能够对消防隐患知识图谱中的节点嵌入表示进行优化处理。通过引入注意力机制，它可以自动学习并突出不同节点之间的重要关系，为每个节点生成更精准、更具代表性的嵌入向量。这些向量能够更好地捕捉节点的语义信息和结构特征，使得知识图谱中的知识表示更加准确和丰富。在优化处理过程中，图神经网络可以挖掘知识图谱中隐藏的关联和模式，发现并修正可能存在的错误或不一致的信息。通过增强违规行为节点与预备动作模板节点之间的关联权重，可以进一步完善知识图谱的结构，使其更加完整和一致，有助于提高知识图谱的质量和可靠性。

29、本技术通过引入注意力机制增强违规行为节点与预备动作模板节点之间的关联权重，使图神经网络在进行风险推理时能够更加关注这些重要的关联关系。图神经网络可以利用节点之间的增强关联权重，在知识图谱中进行更高效的多跳推理，挖掘更深层次的风险信息。通过多跳推理，模型可以发现违规行为与潜在消防隐患之间的间接联系，提前预警可能出现的风险情况。

30、可选地，在对消防隐患知识图谱进行优化处理之后，还包括：

31、在新的消防隐患知识图谱中，提取优化后的节点嵌入表示，并基于优化后的节点嵌入表示构建用于加速多跳路径搜索的向量检索索引，并将所述优化后的节点嵌入表示和向量检索索引存入预设的索引数据库中。

32、在消防隐患知识图谱中，多跳推理需要沿着图中的边逐步探索不同节点之间的关联路径，以挖掘潜在的消防隐患信息。传统的搜索方法在面对大规模知识图谱时，往往需要遍历大量节点和边，导致搜索效率低下。而基于优化后的节点嵌入表示构建向量检索索引后，可以将节点的高维特征映射到低维向量空间，并利用索引结构快速定位相关节点，使得在多跳路径搜索过程中，能够迅速找到与当前节点相关的候选节点，减少了搜索范围，从而显著加速多跳路径的搜索过程，提高推理效率。

33、可选地，所述向量检索索引的构建过程包括：

34、截取所述优化后的节点嵌入表示中前n个维度的元素，得到低维前缀向量；

35、基于所述低维前缀向量构建第一层级索引，基于所述优化后的节点嵌入表示构建第二层级索引，将所述第一层级索引和第二层级索引进行级联，得到向量检索索引。

36、本技术截取优化后的节点嵌入表示中前n个维度的元素得到低维前缀向量，并基于此构建第一层级索引。在检索时，利用第一层级索引进行初步筛选，由于低维前缀向量包含了节点嵌入表示的关键信息，能够快速排除大量不相关的节点，将搜索范围大幅缩小。

37、第二层级索引基于完整的优化后的节点嵌入表示构建，在第一层级索引缩小范围后，利用第二层级索引对初步筛选出的节点进行更精确的匹配。本技术采用的双层级索引的级联方式，结合低维前缀向量的快速筛选能力和完整嵌入表示的精准匹配能力，使得检索过程既高效又准确，能够快速定位到目标节点，显著提升整体的检索效率。

38、可选地，所述初步匹配结果的获取过程，包括：

39、在所述消防隐患知识图谱中，查找与所述人员-行为-物体三元组完全匹配的违规规则，若查找到完全匹配的违规规则，则判定初步匹配结果为匹配成功，若未查找到完全匹配的违规规则，则判定初步匹配结果为未匹配成功。

40、第二方面，本技术提供了一种适用于智能消防的消防隐患识别系统，采用如下的技术方案：

41、一种适用于智能消防的消防隐患识别系统，包括：处理器，以及与所述处理器通信连接的存储器；

42、所述存储器内设置有计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序；

43、所述处理器处理所述计算机可读存储介质上存储的计算机程序时，实现如第一方面所述的方法。

44、综上所述，本技术包括以下至少一种有益技术效果：

45、1.本技术通过获取目标区域视频流数据，并利用预训练的行为识别模型，能够识别目标区域内人员的目标行为动作以及对应的目标物体。之后，本技术根据识别结果构建人员-行为-物体三元组，将构建好的人员-行为-物体三元组输入预设的消防隐患知识图谱中进行初步匹配。消防隐患知识图谱整合了丰富的消防隐患相关知识，通过这种匹配方式，可以快速判断当前场景中的行为和物体组合是否直接对应已知的消防隐患模式，提高隐患发现的效率。

46、2.本技术基于环境参数数据，通过预设的动态阈值调整算法调整向客户端推送消防隐患预警信号的触发阈值。不同的环境条件下，相同的行为和情况可能具有不同的风险程度。例如，在高温、高烟雾浓度的环境中，即使多跳推理结果对应的风险置信度相对较低，也可能存在较大的火灾隐患，此时适当降低触发阈值，以便及时发出预警；而在低温、低烟雾浓度且人员稀少的环境中，可适当提高触发阈值，尽量避免不必要的预警。动态调整触发阈值能够使预警系统更加贴合实际情况，进一步提高预警的准确性和可靠性。