一种消防灭火风险评估智能防控方法及系统与流程

本发明涉及智慧消防，特别是一种消防灭火风险评估智能防控方法及系统。

背景技术：

1、随着物联网、大数据分析及人工智能技术的飞速发展，智慧消防已从传统的被动式报警向主动式监测与智能化防控转型，现有的火灾风险评估与防控技术主要依赖于火灾自动报警系统，通过感烟、感温探测器或红外图像传感器采集现场数据，结合预设的固定阈值进行逻辑判断，近年来，基于计算机视觉的火焰识别算法与多传感器融合技术逐渐成为研究热点，部分先进系统开始尝试利用数字孪生技术构建城市安全监管平台，对火灾风险进行可视化监测与推演。

2、现有的消防监测前端感知技术往往缺乏针对复杂光照及反射环境的深度净化机制，导致监控画面中的强光反射或环境伪影极易被误判为火焰特征，严重影响了前端特征提取的纯净度与准确性，传统的数据融合策略多采用固定的权重分配机制，无法感知环境本身的复杂度变化，当监控区域出现浓烟遮挡、气流剧烈扰动或背景杂乱等“高环境复杂度”情况时，视觉数据与传感器数据的置信度会发生动态偏移，而固定权重的融合方式无法自适应调整，极易引发系统的误报或漏报。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种消防灭火风险评估智能防控方法解决针对复杂光照及反射环境的深度净化机制，导致监控画面中的强光反射或环境伪影极易被误判为火焰特征，严重影响了前端特征提取的纯净度与准确性，传统的数据融合策略多采用固定的权重分配机制，无法感知环境本身的复杂度变化，当监控区域出现浓烟遮挡、气流剧烈扰动或背景杂乱等“高环境复杂度”情况时，视觉数据与传感器数据的置信度会发生动态偏移，而固定权重的融合方式无法自适应调整，极易引发系统的误报或漏报问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种消防灭火风险评估智能防控方法，其包括，采集监控区域的原始可见光图像及环境传感数据；

5、对所述原始可见光图像执行反射抑制与信号增强处理，输出纯净火灾特征图像；

6、根据所述纯净火灾特征图像及环境传感数据计算环境复杂度系数；

7、基于所述环境复杂度系数对所述纯净火灾特征图像及环境传感数据分配动态权重，并生成区域火情综合得分；

8、获取历史火情样本数据和历史环境状态数据，基于所述历史火情样本数据和历史环境状态数据构建风险等级云模型，并将所述区域火情综合得分转换为特征向量输入至所述风险等级云模型，输出定性风险等级；

9、在所述定性风险等级触发布控阈值时建立物元模型，利用可拓变换推演生成若干候选防控方案；

10、计算各所述候选防控方案的综合优度值并筛选出最优处置策略，驱动现场防控设备执行动作响应。

11、作为本发明所述消防灭火风险评估智能防控方法的一种优选方案，其中：所述对所述原始可见光图像执行反射抑制与信号增强处理，输出纯净火灾特征图像，具体步骤为：

12、获取所述原始可见光图像的rgb三通道分量，利用暗通道先验算法计算每个像素点的透射率估算值，并构建大气光值矩阵；

13、采用多尺度视网膜皮层增强算法对所述原始可见光图像进行卷积运算，分离出光照分量与反射分量，利用所述透射率估算值对所述光照分量进行抑制处理，得到初步去雾图像；

14、对所述初步去雾图像进行直方图均衡化处理，增强图像中的高频边缘信息，消除环境光反射造成的伪影干扰，输出所述纯净火灾特征图像。

15、作为本发明所述消防灭火风险评估智能防控方法的一种优选方案，其中：所述根据所述纯净火灾特征图像及环境传感数据计算环境复杂度系数，具体步骤为：

16、对所述纯净火灾特征图像进行灰度化处理，计算图像像素的灰度均值，并利用香农熵公式计算所述纯净火灾特征图像的纹理复杂度熵值，所述纹理复杂度熵值表征图像背景的杂乱程度；

17、获取所述环境传感数据中单位时间内的温度采样序列，计算所述温度采样序列的标准差，作为温度波动剧烈度参数；

18、获取所述环境传感数据中的实时烟雾浓度值，构建环境复杂度计算模型，计算环境复杂度系数，所述环境复杂度系数的计算公式如下：

19、;

20、其中，为环境复杂度系数，为所述纹理复杂度熵值，为所述温度波动剧烈度参数，为所述灰度均值，为所述实时烟雾浓度值，为自然常数，为自然对数函数。

21、作为本发明所述消防灭火风险评估智能防控方法的一种优选方案，其中：所述基于所述环境复杂度系数对所述纯净火灾特征图像及环境传感数据分配动态权重，并生成区域火情综合得分，具体步骤为：

22、基于所述环境复杂度系数构建视觉权重函数与环境权重函数，当所述环境复杂度系数增大时，降低视觉权重函数的输出值并提升环境权重函数的输出值；

23、提取所述纯净火灾特征图像的灰度均值与纹理复杂度熵值的开方值作为视觉特征因子，提取所述环境传感数据中的实时烟雾浓度值与实时环境温度值的和作为环境特征因子；

24、利用所述视觉权重函数对所述视觉特征因子进行加权，利用所述环境权重函数对所述环境特征因子进行加权，求和得到区域火情综合得分，所述区域火情综合得分的计算公式如下：

25、;

26、其中，为区域火情综合得分，为所述灰度均值，为所述环境复杂度系数，为所述纹理复杂度熵值，为所述实时烟雾浓度值，为所述实时环境温度值，为自然常数。

27、作为本发明所述消防灭火风险评估智能防控方法的一种优选方案，其中：所述获取历史火情样本数据和历史环境状态数据，基于所述历史火情样本数据和历史环境状态数据构建风险等级云模型，并将所述区域火情综合得分转换为特征向量输入至所述风险等级云模型，输出定性风险等级，具体步骤为：

28、对所述历史火情样本数据和历史环境状态数据进行统计分析，计算各预设风险等级对应的期望值、熵值和超熵值，构建正向云发生器模型；

29、将所述区域火情综合得分作为云滴输入至所述正向云发生器模型，生成服从正态分布的临时熵值，所述临时熵值引入了随机扰动因子以模拟环境的不确定性；

30、计算所述区域火情综合得分相对于各预设风险等级的确定度，选取确定度最大值对应的预设风险等级作为定性风险等级，所述确定度的计算公式如下：

31、;

32、其中，为确定度，为所述区域火情综合得分，为所述期望值，为所述临时熵值，为指数函数。

33、作为本发明所述消防灭火风险评估智能防控方法的一种优选方案，其中：所述在所述定性风险等级触发布控阈值时建立物元模型，利用可拓变换推演生成若干候选防控方案，具体步骤为：

34、当所述定性风险等级超过预设的布控阈值时，构建包含防控目标、消防设备及动作量值的物元模型；

35、对所述物元模型进行置换变换与增删变换，根据当前的火灾类型匹配对应的消防设备组合，所述消防设备组合包括喷淋系统、排烟风机及防火卷帘；

36、对所述消防设备组合进行逻辑排列，生成包含单一设备动作及多设备联动动作的若干候选防控方案。

37、作为本发明所述消防灭火风险评估智能防控方法的一种优选方案，其中：所述计算各所述候选防控方案的综合优度值并筛选出最优处置策略，驱动现场防控设备执行动作响应，具体步骤为：

38、获取各所述候选防控方案的预估灭火效能系数、响应速率因子、预估能耗成本及设备响应延迟时间；

39、构建综合优度评价模型，将所述预估灭火效能系数与所述响应速率因子的乘积作为分子，将所述预估能耗成本与所述设备响应延迟时间的加权和作为分母，计算各所述候选防控方案的综合优度值，所述综合优度值的计算公式如下：

40、;

41、其中，为综合优度值，为所述预估灭火效能系数，为所述响应速率因子，为所述预估能耗成本，为所述设备响应延迟时间，为能耗平衡调节常数，为时间平衡调节常数；

42、筛选出所述综合优度值最大的候选防控方案作为最优处置策略，生成控制指令驱动现场防控设备执行动作响应。

43、第二方面，本发明提供了一种消防灭火风险评估智能防控系统，包括，数据采集模块、图像处理模块、复杂度计算模块、动态评估模块、风险推演模块、方案生成模块及策略执行模块；

44、所述数据采集模块，用于采集监控区域的原始可见光图像及环境传感数据；

45、所述图像处理模块，用于对所述原始可见光图像执行反射抑制与信号增强处理，输出纯净火灾特征图像；

46、所述复杂度计算模块，用于根据所述纯净火灾特征图像及环境传感数据计算环境复杂度系数；

47、所述动态评估模块，基于所述环境复杂度系数对所述纯净火灾特征图像及环境传感数据分配动态权重，并生成区域火情综合得分；

48、所述风险推演模块，用于获取历史火情样本数据和历史环境状态数据，基于所述历史火情样本数据和历史环境状态数据构建风险等级云模型，并将所述区域火情综合得分转换为特征向量输入至所述风险等级云模型，输出定性风险等级；

49、所述方案生成模块，用于在所述定性风险等级触发布控阈值时建立物元模型，利用可拓变换推演生成若干候选防控方案；

50、所述策略执行模块，用于计算各所述候选防控方案的综合优度值并筛选出最优处置策略，驱动现场防控设备执行动作响应。

51、第三方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的消防灭火风险评估智能防控方法的任一步骤。

52、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的消防灭火风险评估智能防控方法的任一步骤。

53、本发明有益效果为：通过对原始可见光图像执行针对性的反射抑制与信号增强处理，有效滤除了复杂光照下的镜面反射干扰并增强了微弱火灾特征，解决了恶劣成像条件下关键视觉特征失真的问题，深度融合图像的纹理信息与实时环境数据的波动特性，构建出量化表征当前场景干扰程度的环境复杂度系数，将抽象的环境干扰因素转化为可计算的数值指标，赋予了系统客观感知环境干扰等级的能力。