基于智能AI语音交互算法的消防处警方法、装置与流程

本申请涉及消防安全领域，特别是涉及一种基于智能ai语音交互算法的消防处警方法、装置。

背景技术：

随着生产能力的发展，消防安全在社会生产中越来越重要。为保证消防安全，目前大多数企业采取安排消防安全负责人员在消防预警系统发出预警信号时进行实地巡查。但是由于实际生产经营中具有各种复杂因素，消防预警可能发生误判导致人力资源的浪费，增加了现场消息核实处警的相关人员工作量和消防预警误判对处警人员的精力浪费。

目前针对相关技术中消防处警时核实处警的相关人员工作量大的问题，尚未提出有效的解决方案。

技术实现要素：

本申请实施例提供了一种基于智能ai语音交互算法的消防处警方法、装置，以至少解决相关技术中消防处警时核实处警的相关人员工作量大的问题。

第一方面，本申请实施例提供了一种基于智能ai语音交互算法的消防处警方法，包括：

接收消防预警系统发出的预警信号；

向预设巡检人员拨打语音消息通知所述预警信号，其中，所述预设巡检人员为预先设置的巡检人员；

通过智能ai语音交互算法与巡检人员交流并将交流内容记录返回；

根据所述交流内容记录，捕获所述交流内容记录的关键字，判断所述预警信号是否为误报，若是则向预设巡检人员拨打语音消息通知所述预警信号为误报，同时备份相关的语音文件；若不是则启动预设救火流程，将所述预警信号以语音方式推送到预设负责人及救援人员。

在其中一个实施例中，向预设巡检人员拨打语音消息通知所述预警信号包括：

对所述预警信号进行预处理，其中，所述预处理包括对所述预警信号进行解析，得到预设报警信息，所述预设报警信息包括异常点位位置信息和预设异常类型；

将预处理后的所述预警信号进行语音转换处理，其中，所述语音转换处理包括将所述预设报警信息转换为音频信息；

通过拨打语音消息将所述音频信息发送给所述预设巡检人员。

在其中一个实施例中，所述智能ai语音交互算法包括线性预测倒谱系数算法和mel倒谱系数算法。

在其中一个实施例中，根据所述交流内容记录，捕获所述交流内容记录的关键字，判断所述预警信号是否为误报包括：

接收所述交流内容，对所述交流内容进行关键字提取，其中，所述关键字提取包括将所述交流内容文本化，通过textrank、lda、tpr或textrank关键词提取算法将所述交流内容的文本进行预设关键字提取处理，其中，所述预设关键字为预先设置的能够用于确定报警信息的关键字；

将提取到的所述关键字与预设关键字列表比对，若所述关键字与预设关键字列表重合度小于预设比例，则判定所述预警信号为误报，同时备份相关的语音文件，若所述关键字与预设关键字列表重合度大于或等于预设比例，则启动所述预设救火流程，将所述预警信号以语音方式推送到预设负责人及救援人员。

在其中一个实施例中，所述交流内容文本化包括：

对所述交流内容进行语音识别，将识别后的所述交流内容以json串的形式进行存储，提取出语音信息，以字符串的方式输出为文本文件。

第二方面，本申请实施例提供了一种基于智能ai语音交互算法的消防处警装置，包括：

接收模块，用于接收消防预警系统发出的预警信号；

语音输出模块，用于向预设巡检人员拨打语音消息通知预警信号；

语音交流模块，用于通过智能ai语音交互算法与巡检人员交流并将交流内容记录返回；

判断模块，用于根据交流内容记录，捕获所述交流内容记录的关键字，判断预警信号是否为误报；

处警模块，用于在判定预警信号为非误报的场景下，将预警信号以语音方式推送到预设负责人及救援人员。

相比于相关技术，本申请实施例提供的基于智能ai语音交互算法的消防处警方法，通过智能算法自动识别消防巡检人员的语音输入信息，解决了相关技术中消防处警时核实处警的相关人员工作量大的问题，实现了对消防处警人力成本。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的基于智能ai语音交互算法的消防处警方法流程图；

图2是根据本申请优选实施例一的基于智能ai语音交互算法的消防处警方法流程图；

图3是根据本申请实施例的基于智能ai语音交互算法的消防处警装置结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本实施例提供了一种基于智能ai语音交互算法的消防处警方法。图1是根据本申请实施例的一种基于智能ai语音交互算法的消防处警方法的流程图，如图1所示，该流程包括如下步骤：

步骤s101，接收消防预警系统发出的预警信号。

步骤s102，向预设巡检人员拨打语音消息通知预警信号，其中，预设巡检人员为预先设置的巡检人员。

步骤s103，通过智能ai语音交互算法与巡检人员交流并将交流内容记录返回。

步骤s104，根据交流内容记录，捕获交流内容记录的关键字。

步骤s105，判断预警信号是否为误报。

步骤s106，若不是则启动预设救火流程，将预警信号以语音方式推送到预设负责人及救援人员。

步骤s107，若是则向预设巡检人员拨打语音消息通知预警信号为误报。

步骤s108，备份相关的语音文件。

在本实施例中，消防预警系统具体包括：将消防监测数据要接入相应的消防监管单位，这个监管单位可以是微型消防站、消防队或者专门的运维服务商，由上述监管单位收到消防监管的异常消息推送。

在本实施例中，向预设巡检人员拨打语音消息通知预警信号中的预警信号包括消防监管单位发现的可能具有消防安全隐患的位置和消防安全隐患类型，其中，可能具有消防安全隐患的位置以坐标数字的形式存储在数据对中，消防安全隐患的类型以预设数字的形式存储在键值对中。

在其中一个实施例中，智能ai语音交互算法包括线性预测倒谱系数算法和mel倒谱系数算法，其中，线性预测倒谱系数(linearpredictioncepstralcoefficients)的计算是由光滑自回归功率谱(smoothedauto-regressivepowerspectrum)计算得到的，mel倒谱系数(melfrequencycepstrumcoefficient)是基于人耳听觉特性提出，与hz频率成非线性对应关系。mel频率倒谱系数(mfcc)则是利用它们之间的这种关系，计算得到的hz频谱特征。通过线性预测倒谱系数算法和mel倒谱系数算法，相比于传统的ai智能语音交互算法，具有更高的信息接收效率和处理效率。

在其中一个实施例中，根据交流内容记录，捕获交流内容记录的关键字，判断预警信号是否为误报包括：接收交流内容，对交流内容进行关键字提取，其中，关键字提取包括将交流内容文本化，通过textrank、lda、tpr或textrank关键词提取算法将交流内容的文本进行预设关键字提取处理，其中，预设关键字为预先设置的能够用于确定报警信息的关键字；将提取到的关键字与预设关键字列表比对，若关键字与预设关键字列表重合度小于预设比例，则判定预警信号为误报，同时备份相关的语音文件，若关键字与预设关键字列表重合度大于或等于预设比例，则启动预设救火流程，将预警信号以语音方式推送到预设负责人及救援人员。

通过上述步骤，实现了通过ai智能语音算法将消防预警信号进行处理后发送至预设消防安全负责人员，通过与预设消防安全负责人员的智能语音对话信息判断消防安全信息是否发生误判，根据预设消防安全负责人员的语音信息判断是否启动消防安全应急预案，用计算机智能算法代替人工勘察，节约了成本，减少了人力资源的消耗。

本实施例还提供了一种基于智能ai语音交互算法的消防处警方法。图2是根据本申请优选实施例一的基于智能ai语音交互算法的消防处警方法流程图，如图2所示，该流程包括如下步骤：

步骤s201，接收消防预警系统发出的预警信号。

步骤s202，对预警信号进行预处理。

在本实施例中，预处理包括对预警信号进行解析，得到预设报警信息，预设报警信息包括异常点位位置信息和预设异常类型，其中，进行预处理的目的在于将消防预警信号转化为可识别的预警信号，同时通过预处理滤除预警信号中含有的噪音和干扰因素，减小预警信息中消防安全隐患的位置误差和类型误差。

步骤s203，将预处理后的预警信号进行语音转换处理。

在本实施例中，语音转换处理包括将预设报警信息转换为音频信息，其中，上述预警信号中包含了消防安全隐患的具体位置和消防安全隐患类型，在语音转换处理之前以字符代码的形式记录，经过语音转换处理后的消防预警信号以音频信息的形式存储，准备根据后续步骤的判断结果发送至预设人员。通过本实施例，将消防预警信号转换为语音信息，提高了消防预警信息的可读性，使后续步骤以ai智能语音算法的方式进行交互更加便捷。

步骤s204，通过拨打语音消息将音频信息发送给预设巡检人员。

步骤s205，通过智能ai语音交互算法与巡检人员交流并将交流内容记录返回。

步骤s206，根据交流内容记录，捕获交流内容记录的关键字。

步骤s207，判断预警信号是否为误报。

步骤s208，若不是则启动预设救火流程，将预警信号以语音方式推送到预设负责人及救援人员。

步骤s209，若是则向预设巡检人员拨打语音消息通知预警信号为误报。

步骤s210，备份相关的语音文件。

通过上述步骤，实现了通过ai智能语音算法将消防预警信号进行预先处理后发送至预设消防安全负责人员，通过与预设消防安全负责人员的智能语音对话信息判断消防安全信息是否发生误判，根据预设消防安全负责人员的语音信息判断是否启动消防安全应急预案，用计算机智能算法代替人工勘察，节约了成本，减少了人力资源的消耗。

下面通过优选实施例对本申请实施例进行描述和说明。

本实施例还提供了一种基于智能ai语音交互算法的消防处警装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

该基于智能ai语音交互算法的消防处警设备可以基于获取到的基于智能ai语音交互算法的消防处警，执行本申请实施例中的基于智能ai语音交互算法的消防处警方法，从而实现结合图1描述的基于智能ai语音交互算法的消防处警方法。

相比于现有技术，本申请具有以下优点：

1.本申请利用计算机智能算法，自动分析处理消防安全预警信号，通过ai语音算法与预设消防安全负责人员进行语音交流，判断消防预警是否发生误判，避免了人力资源的浪费。

2.本申请通过计算机系统控制识别系统的方式，取代了传统的人工监控，节约了人力成本和经济成本。

3.本申请通过封装系统的方式面向用户，具有简单易操作的特点，学习成本较低。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。