一种用于建筑火灾的监测和预警方法及系统与流程

1.本发明涉及消防技术领域，具体涉及一种用于建筑火灾的监测和预警方法及系统。


背景技术：

2.火灾是指在时间或空间上失去控制的灾害性燃烧现象。在各种灾害中，火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一，人类能够对火进行利用和控制，是文明进步的一个重要标志。所以说人类使用火的历史与同火灾作斗争的历史是相伴相生的，对于火灾，在我国古代，人们就总结出“防为上，救次之，戒为下”的经验。随着社会的不断发展，在社会财富日益增多的同时，导致发生火灾的危险性也在增多，火灾的危害性也越来越大。实践证明，随着社会和经济的发展，消防工作的重要性就越来越突出，其中，由于高层建筑的居住密度高，逃生困难，一直是消防的难点之一，尤其是发生在夜间的失火，营救难度非常大，所以，现有的建筑火灾研究中还存在以下问题：
3.1、在建筑火灾事故发生后，火灾调查部门会对火灾事故进行调查，但由于火灾发生的原因是突发且复杂的，无法对现场数据的监测、收集和分析，从而无法形成系统性回顾，所以对于火灾的真实发生原因可能无法得出准确的结论，进而无法避免同样的致灾因素，无法积累预防和处理经验，形成恶性循环。
4.2、快速准确地获取火灾信息、起火地点及周边资源信息，是快速实施灭火救援的基础，而在无法提前明确致灾因素的前提下，火灾发生时建筑内的人员不能及时得到准确的信息，无法根据失火位置做出准确的判断，从而贻误最佳救援时机。


技术实现要素：

5.针对上述现有技术的不足，本技术提供一种用于建筑火灾的监测和预警方法及系统。
6.第一方面本技术提出了一种用于建筑火灾的监测和预警方法，包括：
7.模拟各类建筑对应的环境参数和消防设施状态参数，对模拟结果进行分析从而得到各类建筑对应的火灾致灾因子表；
8.收集各类建筑的历史图像数据，构建建筑场景识别模型；
9.采集目标建筑的图像数据并输入所述建筑场景识别模型中进行识别，得到对应的建筑类别；
10.根据所述建筑类别确定对应的火灾致灾因子表；
11.实时监测目标建筑中的现场参数；
12.根据现场参数和所述目标建筑对应的火灾致灾因子表进行比对分析，根据分析结果进行火灾监测和应急处理。
13.在一些实施例中，在所述模拟各类建筑对应的环境参数和消防设施状态参数，对模拟结果进行分析从而得到各类建筑对应的火灾致灾因子表前，包括：
14.按照建筑类别对各类建筑进行规范化分类，根据分类结果模拟对应的环境参数和消防设施状态参数；
15.所述环境参数包括温度参数、烟雾浓度参数和可燃气体浓度参数；
16.所述消防设施状态参数包括自动喷水灭火系统状态参数、气体灭火系统状态参数和防排烟系统状态参数。
17.在一些实施例中，包括：
18.根据所述环境参数模拟出对应数量的环境参数初始值，根据所述消防设施状态参数模拟出对应数量的消防设施状态参数初始值；
19.设定环境参数标准值和消防设施状态参数标准值；
20.将所述环境参数初始值向所述环境参数标准值进行调整得到环境参数调整值，将所述消防设施状态参数初始值向所消防设施状态参数标准值进行调整得到消防设施状态参数调整值。
21.在一些实施例中，包括：
22.当所述环境参数调整值小于所述环境参数标准值且消防设施状态参数调整值等于所述消防设施状态参数标准值，此时记录当前环境参数调整值为第一低风险环境参数预警值，记录当前消防设施状态参数调整值为第一低风险环境参数预警值；
23.当所述环境参数调整值等于所述环境参数标准值且消防设施状态参数调整值小于所述消防设施状态参数标准值，此时记录当前环境参数调整值为第二低风险环境参数预警值，记录当前消防设施状态参数调整值为第二低风险环境参数预警值；
24.当所述环境参数调整值大于所述环境参数标准值，且消防设施状态参数调整值大于所述消防设施状态参数标准值时，此时记录当前环境参数调整值为高风险环境参数预警值，记录当前消防设施状态参数调整值为高风险环境参数预警值；
25.根据所述第一低风险环境参数预警值与第二低风险环境参数预警值得到低风险环境参数预警范围；
26.根据所述第一消防设施状态参数预警值与第二消防设施状态参数预警值得到低风险消防设施状态预警范围；
27.将所述低风险环境参数预警范围、低风险消防设施状态预警范围、高风险环境参数预警值和高风险环境参数预警值整合为火灾致灾因子表。
28.在一些实施例中，所述收集各类建筑历史图像数据，构建建筑场景识别模型，包括：
29.根据所述历史图像数据构建建筑场景识别样本数据集；
30.从所述建筑场景识别样本数据集中选取既定数量的建筑场景识别样本；
31.将所述建筑场景识别样本输入至所述卷积神经网络计算建筑通用特征；
32.通过全链接神经网络将所述建筑通用特征转化为建筑特征；
33.通过建筑场景识别样本的最小化误差确定模型建筑特征；
34.根据所述建筑特征和所述模型建筑特征构建建筑场景识别模型。
35.在一些实施例中，所述采集目标建筑的图像数据并输入所述建筑场景识别模型中进行识别，得到对应的建筑类别，包括：
36.将所述图像数据输入所述建筑场景识别模型中，获取目标建筑的建筑特征向量；
37.将建筑特征向量与所述建筑场景识别模型中各类建筑的建筑特征向量间距进行对比，如果建筑特征向量间距小于阈值时为相同建筑，反之为不同建筑。
38.在一些实施例中，所述根据所述建筑类别确定对应的火灾致灾因子表，包括：
39.根据所述建筑场景识别模型的识别结果确定目标建筑类型；
40.根据所述目标建筑类型选取对应的火灾致灾因子表，获取与所述目标建筑对应的低风险环境参数预警范围、低风险消防设施状态预警范围、高风险环境参数预警值和高风险环境参数预警值。
41.在一些实施例中，所述实时监测目标建筑中的现场参数，包括：
42.根据所述建筑场景识别模型的识别结果确定目标建筑类型；
43.根据所述目标建筑类型获取对应的建筑结构数据和建筑属性数据，根据所述建筑结构数据和建筑属性数据在所述目标建筑内设定实时监测点；
44.通过所述实时监测点获取对应的现场参数，所述现场参数包括环境参数实际值和消防设施状态参数实际值。
45.在一些实施例中，所述根据现场参数和所述目标建筑对应的火灾致灾因子表进行比对分析，根据分析结果进行火灾监测和灾前预警，包括：
46.将所述环境参数实际值和消防设施状态参数实际值分别与所述火灾致灾因子表中对应的环境参数和消防设施状态参数进行对比；
47.当所述环境参数实际值位于所述低风险环境参数预警范围内且所述消防设施状态参数实际值位于低风险消防设施状态预警范围内时，将所述实时监测点标记为疑似火灾点；
48.当所述环境参数实际值超过所述高风险环境参数预警值且所述消防设施状态参数实际值位于低风险消防设施状态预警范围内时/述环境参数实际值位于所述低风险环境参数预警范围内且所述消防设施状态参数实际值超过所述高风险消防设施状态预警值时，所述实时监测点发出警报信息并给出实时监测点的所在位置信息；
49.当所述环境参数实际值超过所述高风险环境参数预警值且所述消防设施状态参数实际值超过所述高风险消防设施状态预警值时，所述实时监测点发出警报信息并向附近救援单位发送报警信息。
50.第二方面本技术提出一种用于建筑火灾的监测和预警系统，包括：
51.参数模拟模块，用于模拟各类建筑对应的环境参数和消防设施状态参数，对模拟结果进行分析从而得到各类建筑对应的火灾致灾因子表；
52.建筑场景识别模型构建模块，用于收集各类建筑的历史图像数据，构建建筑场景识别模型；
53.建筑类别识别模块，用于采集目标建筑的图像数据并输入所述建筑场景识别模型中进行识别，得到对应的建筑类别；
54.火灾致灾因子表选取模块，用于根据所述建筑类别确定对应的火灾致灾因子表；
55.现场监测模块，用于实时监测目标建筑中的现场参数；
56.分析调度模块，用于根据现场参数和所述目标建筑对应的火灾致灾因子表进行比对分析，根据分析结果进行火灾监测和应急处理。
57.本发明的有益效果：
58.本发明通过对各类建筑的火灾相关数据进行正常范围到预警范围的模拟，从而让调查人员能形成系统性回顾，对于火灾的真实发生原因提供有效依据，提升结论判断的准确性，同时能有效防止同样的火灾致灾因素，可以积累火灾预防和处理经验，在上述前提下本发明能够提前明确火灾致灾因素，当火灾发生时建筑内的人员能够获取准确的信息，从而根据失火位置做出准确的判断，把握最佳救援时机。
附图说明
59.图1为本发明的总体流程图。
60.图2为构建建筑场景识别模型的流程图。
61.图3为本发明的系统框图。
具体实施方式
62.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制；相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
63.第一方面本技术提出了一种用于建筑火灾的监测和预警方法，如图1所示包括s100～s600：
64.s100：模拟各类建筑对应的环境参数和消防设施状态参数，对模拟结果进行分析从而得到各类建筑对应的火灾致灾因子表；
65.按照建筑类别对各类建筑进行规范化分类，根据分类结果模拟对应的环境参数和消防设施状态参数；
66.其中，按照建筑类别对各种建筑模型进行规范化分类，分为商场建筑市场建筑、工业建筑、公共娱乐建筑、群租房建筑、宾馆饭店建筑、医院建筑、养老院建筑、学校建筑、工地建筑和文物建筑等不同建筑类型；
67.所述环境参数包括温度参数、烟雾浓度参数和可燃气体浓度参数；
68.所述消防设施状态参数包括自动喷水灭火系统状态参数、气体灭火系统状态参数和防排烟系统状态参数。
69.根据所述环境参数模拟出对应数量的环境参数初始值，根据所述消防设施状态参数模拟出对应数量的消防设施状态参数初始值；
70.其中，拟定的环境参数初始值包括温度参数，温度参数按照室内正常温度范围进行拟定，本实施例中环境参数初始值的温度参数范围为0
°‑
22
°
；
71.烟雾浓度参数按照烟雾遮蔽度或减光率正常范围进行拟定，本实施例中本实施例中环境参数初始值的烟雾浓度参数范围为小于0.65％obs/m(％obs/m 指的是遮蔽度或减光率，是指在经过单位长度后，光被烟雾颗粒遮蔽程度的百分比)；
72.可燃气体浓度参数按照可燃气体非爆炸浓度范围进行拟定，本实施例中本实施例中环境参数初始值的可燃气体浓度参数范围为小于25％lel(可燃气体在空气中遇明火种爆炸的最低浓度，称为爆炸下限—简称％lel)；
73.所述消防设施状态参数初始值中的消防设施状态参数根据所述消防设施自身的
初始值进行拟定。
74.设定环境参数标准值和消防设施状态参数标准值；
75.所述环境参数标准值根据国家规定温度报警、烟雾报警和可燃气体报警的最低下限进行设定；所述消防设施状态参数标准值根据所述消防设施自身的额定值进行拟定。
76.将所述环境参数初始值向所述环境参数标准值进行调整得到环境参数调整值，将所述消防设施状态参数初始值向所消防设施状态参数标准值进行调整得到消防设施状态参数调整值。
77.当所述环境参数调整值小于所述环境参数标准值且消防设施状态参数调整值等于所述消防设施状态参数标准值，此时记录当前环境参数调整值为第一低风险环境参数预警值，记录当前消防设施状态参数调整值为第一低风险环境参数预警值；
78.当所述环境参数调整值等于所述环境参数标准值且消防设施状态参数调整值小于所述消防设施状态参数标准值，此时记录当前环境参数调整值为第二低风险环境参数预警值，记录当前消防设施状态参数调整值为第二低风险环境参数预警值；
79.因为会出现消防设施故障导致数据误报的情况，所以当出现环境参数/消防设施状态参数单一项超过预警值的情况归类为低风险预警。
80.当所述环境参数调整值大于所述环境参数标准值，且消防设施状态参数调整值大于所述消防设施状态参数标准值时，此时记录当前环境参数调整值为高风险环境参数预警值，记录当前消防设施状态参数调整值为高风险环境参数预警值；
81.其中出现环境参数和消防设施状态参数同时超过预警值并且消防设施故障的情况较少，所以将上述两种参数同时超过预警值的情况归类为高风险预警值。
82.根据所述第一低风险环境参数预警值与第二低风险环境参数预警值得到低风险环境参数预警范围；
83.根据所述第一消防设施状态参数预警值与第二消防设施状态参数预警值得到低风险消防设施状态预警范围；
84.将所述低风险环境参数预警范围、低风险消防设施状态预警范围、高风险环境参数预警值和高风险环境参数预警值整合为火灾致灾因子表。
85.s200：收集各类建筑的历史图像数据，构建建筑场景识别模型；
86.具体构建建筑场景识别模型的流程如图2所示，包括s210～s260：
87.s210：根据所述历史图像数据构建建筑场景识别样本数据集；
88.在构建建筑场景识别样本数据集阶段，需要准备训练用样本数据，所述训练用样本数据包括大量多通道数据，比如成千上万数量级的历史图像数据，并要标出每个样本对应的正确识别结果。本实施例中，构建的建筑场景识别样本数据集中包括建筑场景检索式、同类型建筑图片以及不同类型建筑图片；
89.s220：从所述建筑场景识别样本数据集中选取既定数量的建筑场景识别样本；
90.需要使用深度学习计算训练一个用以分析两张不同图片中的建筑是否为同一建筑的模型，训练这一模型需要大量的图片，并标记好哪些图片属于同一建筑，数据量越大数据标记得越精确，训练出来的模型的精度就越高，可使用爬虫程序从建筑场景识别样本数据集选取出优质的规范数据。
91.s230：将所述建筑场景识别样本输入至所述卷积神经网络计算建筑通用特征；
92.其中，通用特征包括图像线条走势、图像拐点、图像定点特征、图像类别以及风格。
93.s240：通过全链接神经网络将所述建筑通用特征转化为建筑特征；
94.s250：通过建筑场景识别样本的最小化误差确定模型建筑特征；
95.其中，模型建筑特征算法为：
96.l(t，y，n)＝max(||f(t)-f(y)||∧2-||f(t)-f(n)||∧2 a，0)
97.l(t，y，n)为建筑场景识别样本所带来的误差；f(t)、f(y)、f(n)分别表示建筑场景检索式、同类型建筑图片以及不同类型建筑图片经过训练后得到的训练建筑特征向量；a，0为正数，用于增加区分度。
98.s260：根据所述建筑特征和所述模型建筑特征构建建筑场景识别模型。
99.当f(t)与f(y)的特征向量距离小于f(t)与f(y)的特征向量距离，则训练结束，或者，所述f(t)与f(y)的特征向量距离大于等于f(t)与f(n)的特征向量距离，则增加各图片类别对应的样本图片的数量，以重新进行训练。当计算出来的损失度(loss)足够小的时候，或者损失度长时间没有变化，训练过程就此结束，得到建筑场景识别模型。
100.s300：采集目标建筑的图像数据并输入所述建筑场景识别模型中进行识别，得到对应的建筑类别；
101.将所述图像数据输入所述建筑场景识别模型中，获取目标建筑的建筑特征向量；
102.其中，图像数据为建筑场景检索式，即建筑图片，也可以是图片的描述或整体建筑图片的某一部分。
103.将建筑特征向量与所述建筑场景识别模型中各类建筑的建筑特征向量间距进行对比，如果建筑特征向量间距小于阈值时为相同建筑，反之为不同建筑。
104.其中，阈值可随机设定，并通过计算进行计算判断，获取最佳阈值。如，随机选择不同的阈值，计算其阈值在测试集中的精度，选取那个能让测试集精度最高的阈值。其中，测试集为建筑场景识别样本数据集，精度为：正确区分同一建筑的数量/总数量。
105.s400：根据所述建筑类别确定对应的火灾致灾因子表；
106.根据所述建筑场景识别模型的识别结果确定目标建筑类型；
107.根据所述目标建筑类型选取对应的火灾致灾因子表，获取与所述目标建筑对应的低风险环境参数预警范围、低风险消防设施状态预警范围、高风险环境参数预警值和高风险环境参数预警值。
108.s500：实时监测目标建筑中的现场参数；
109.根据所述建筑场景识别模型的识别结果确定目标建筑类型；
110.根据所述目标建筑类型获取对应的建筑结构数据和建筑属性数据，根据所述建筑结构数据和建筑属性数据在所述目标建筑内设定实时监测点；
111.其中，建筑结构数据包括建筑尺寸、建筑层数、房间位置、门窗位置、消防设施数量和消防设施类型等，所述建筑属性数据包括建筑存在年限、建筑强度等级和建筑材料属性等。
112.设定实时监测点方式为：建立消防设备数据库，所述消防设备数据库的建立过程具体包括：分别建立建筑信息子库和消防设备子库，将各类建筑模型的建筑数据导入建筑信息子库；根据建筑数据中的消防设施数据在消防设备子库内导入消防设备信息；从而建筑物内标记出需要设定的实时监测点。
113.通过所述实时监测点获取对应的现场参数，所述现场参数包括环境参数实际值和消防设施状态参数实际值。
114.s600：根据现场参数和所述目标建筑对应的火灾致灾因子表进行比对分析，根据分析结果进行火灾监测和应急处理。
115.将所述环境参数实际值和消防设施状态参数实际值分别与所述火灾致灾因子表中对应的环境参数和消防设施状态参数进行对比；
116.当所述环境参数实际值位于所述低风险环境参数预警范围内且所述消防设施状态参数实际值位于低风险消防设施状态预警范围内时，将所述实时监测点标记为疑似火灾点；
117.此时环境参数实际值和消防设施状态参数实际值均没有达到高风险预警值，所以可以通过疑似火灾点所在区域的监控摄像头的监控视频复核是否发生火灾，和/或通过消防巡检人员前往疑似火灾点现场确认的方式复核发生火灾。
118.当所述环境参数实际值超过所述高风险环境参数预警值且所述消防设施状态参数实际值位于低风险消防设施状态预警范围内时/述环境参数实际值位于所述低风险环境参数预警范围内且所述消防设施状态参数实际值超过所述高风险消防设施状态预警值时，所述实时监测点发出警报信息并给出实时监测点的所在位置信息；
119.该步骤是根据采集到的各个实时监测点的环境参数实际值和消防设施状态参数实际值分别进行判断，当其中一个超过预警值时说明该监测点可能出现火灾，这样判定能够提高判定的准确率，降低出现误判的概率。进一步的，每一个实时监测点均发出警报信息并且给出异常的实时监测点的所在位置，一方面能够尽可能多的提高通知的覆盖面积，另一方面在逃生时，逃生人员也能够根据自己的所在位置和异常的实时监测点的相对位置规划合适的逃生路线，能够有效提高逃生率。
120.当所述环境参数实际值超过所述高风险环境参数预警值且所述消防设施状态参数实际值超过所述高风险消防设施状态预警值时，所述实时监测点发出警报信息并向附近救援单位发送报警信息。
121.因为出现环境参数和消防设施状态参数同时超过预警值并且消防设施故障的情况较少，所以当两种实际值均超过预警值时说明该监控点大概率出现火灾，此时不仅要让实时监测点发出警报信息，而且应该做好救援准备，所以还需要向附近救援单位发送报警信息，报警信息包括起火地点、报警人员联系方式、有无被困人员和燃烧物质信息，提供上述信息从而让救援单位提高现场信息获取效率，保证有效救援时间。
122.第二方面本技术提出一种用于建筑火灾的监测和预警系统，如图3所示，包括：
123.参数模拟模块，用于模拟各类建筑对应的环境参数和消防设施状态参数，对模拟结果进行分析从而得到各类建筑对应的火灾致灾因子表；
124.建筑场景识别模型构建模块，用于收集各类建筑的历史图像数据，构建建筑场景识别模型；
125.建筑类别识别模块，用于采集目标建筑的图像数据并输入所述建筑场景识别模型中进行识别，得到对应的建筑类别；
126.火灾致灾因子表选取模块，用于根据所述建筑类别确定对应的火灾致灾因子表；
127.现场监测模块，用于实时监测目标建筑中的现场参数；
128.分析调度模块，用于根据现场参数和所述目标建筑对应的火灾致灾因子表进行比对分析，根据分析结果进行火灾监测和应急处理。
129.以上仅是本发明优选的实施方式，需指出的是，对于本领域技术人员在不脱离本技术方案的前提下，作出的若干变形和改进的技术方案应同样视为落入本权利要求书要求保护的范围。