[发明专利]基于图像深度识别的被困人员救援辅助系统

说明书

本发明提供了一种基于图像深度识别的被困人员救援辅助系统，包括求救按钮、监控画面分析模块、统筹决策模块和客户端，所述系统能够根据人员位置和烟气蔓延情况制定最佳救助路线并发送到客户端，在客户端进行展示，提高了救援工作的效率和准确度。

技术领域

本发明涉及火灾救援领域，尤其涉及应用人工智能的火灾救援系统领域。

背景技术

现如今，大型建筑内部发生火灾或紧急情况时，人员受伤、被困、迷路等丧失自主逃生能力的情况时有发生，然而大部分逃生者并不能及时将被困位置反馈至专业救援人员，救援人员只能依靠热成像、呼喊、询问等手段进行短距离低效、盲目地搜索，另一方面被困者周围环境画面、建筑内部火灾发展情况不及时传达导致救援准备不充分、救援方案制定不合理。

本发明提出了一种基于图像深度识别的被困人员救援辅助系统，能够在建筑物既有视频监控系统的基础上，根据人员主动求救信号和人员身体姿态的变化，判定人员是否被困无法逃生，进而制定最优救援路线，高效、准确，并准备充分地进行救援。

发明内容

本发明提出了一种基于图像深度识别的被困人员救援辅助系统，具体方案如下：

基于图像深度识别的被困人员救援辅助系统，包括求救按钮、监控画面分析模块、统筹决策模块和客户端，其特征在于，所述监控画面分析模块分析建筑物内监控系统采集的画面后，向所述统筹决策模块发出报警信号，由统筹决策模块制定最佳救助路线，在客户端进行展示。

进一步的，所述监控画面分析模块中包括求救姿势分析模型和身体姿态分析模型，所述求救姿势分析模型通过分析实时监控来判断建筑内是否存在人员发出特定求救姿势，等待救援；所述身体姿态分析模型通过分析视频画面中人员身体姿态的变化来判断人员是否已丧失逃生能力。

进一步的，所述求救姿势分析模型中存储有求救姿势图像的数据集，当监控系统画面中的人员摆出特定求救姿势时，所述求救姿势分析模型向所述监控画面分析模块发出警告。

进一步的，所述求救姿势分析模型中设置有自学习模型，所述自学习模型能够自动更新建筑内是否存在人员发出特定求救姿势的判断标准。

进一步的，所述身体姿态分析模型中存储有人员被困视频数据集，当监控系统画面中的人员出现与人员被困视频数据集中相同的身体姿态变化特点时，所述身体姿态分析模型项所述监控画面分析模块发出警告。

进一步的，所述身体姿态分析模型中设置有自学习模型，所述自学习模型能够自动更新建筑内是否存在人员被困情况的判断标准。

进一步的，所述统筹决策模块中包括救援时间预测模型和火灾烟气蔓延模型，所述救援时间预测模型用于预测救援人员到达预定节点的时间；所述火灾烟气蔓延模型用于预测火灾烟气到达预定节点的时间。

进一步的，所述救援时间预测模型基于救援人员的位置、综合能力、平时训练成绩、建筑消防系统中建筑基本信息预测到达被困人员所在位置节点所需时间t以及由所述位置节点返回时间t1。

进一步的，所述火灾烟气蔓延模型基于建筑消防系统中的火灾荷载、可燃物类型、火灾报警器的报警时序、建筑基本信息预测火灾烟气蔓延使位置节点丧失疏散能力时间t2。

进一步的，在系统各模型中均设置有自更新模型，由系统依据救援时间预测模型和火灾烟气蔓延模型的相关时间预测结果，确定最佳救援路径，当预测结果与实际结果相差大于阈值时，启用自更新模型对系统参数进行更新。

进一步的，所述客户端上设置有显示屏，能够可视化的展示救援信息。

进一步的，所述建筑物内监控系统包括热成像摄像头。

使用上述救援辅助系统，解决了救援过程中确定被困人员位置和实施救援过程中的低效、盲目的缺陷，同时，本系统客户端的可视化装置能够简化救援过程，克服了现有技术的缺点。