防火通道堵塞智能检测算法的制作方法

本发明涉及基于视觉算法的防火安全通道堵塞检测领域，具体为防火通道堵塞智能检测算法。

背景技术：

现有智慧楼宇中采用的防火安全监测方案多采用物理传感器，如烟雾报警器、防火门开闭感应器等等。缺点是硬件成本和维护成本较高。烟雾报警器等传感器方案只能在起火时发出告警，不能起到预防作用。另有一些方案同样采用视觉检测的方法，但受限于算法限制，这类视觉检测方法主要针对防火门的开闭及堵塞状态做检测。检测范围狭窄，不能对更广泛的通道走廊等区域做堵塞检测。

技术实现要素：

针对上述问题，本发明的目的在于提供防火通道堵塞智能检测算法，本发明用于辅助消防监测。适用于工厂、仓库、商业楼宇等等。本发明通过纯视觉检测技术，配合监控相机，对安全通道进行全天候实时监控，对通道堵塞进行实时告警。

为实现上述目的，本发明提供如下技术方案：防火通道堵塞智能检测算法，包括实时流媒体读取模块，所述实时流媒体读取模块用于收集实时流媒体数据；防火通道状态学习模块，用以采集正常通行状态下流媒体数据并生成通道状态模型；防火通道堵塞物检测模块，基于通道状态模型，用于识别检测通道中出现的堵塞物，标记存在堵塞通道隐患的物体，触发通道堵塞告警。

优选的，还包括实时告警模块，用于接收通道堵塞物检测结果，根据堵塞情况判断是否需要发送实时告警，当满足条件触发通道堵塞告警时，负责录制相关堵塞事件的视频和截图，并发送给前端界面呈现给用户。

优选的，所述实时流媒体读取模块通过直连视频监控设备拉取实时视频流并解码成图像帧，提供持续稳定的图像帧输入，用于通道状态学习和通道堵塞检测。

优选的，所述视频监控设备为监控相机或dvr设备。

优选的，所述防火通道状态学习模块的工作流程为：对视频帧预处理，对前背景区域分割；交互式通道背景图像采集，创建通道状态模型并进行实时更新。

优选的，所述防火通道堵塞物检测模块工作流程为：判断是否存在前景物体，若有堵塞物并判断是否为堵塞物，然后根据判断结果是否发出告警。

与现有技术相比，本发明的有益效果如下：本发明可以利用楼宇中已有的监控相机做防火安全检测，不增加额外的硬件安装成本。本方案能对各类形式的防火安全通道做堵塞检测，一旦出现任何妨碍防火通道通行的障碍物即发出告警，从而从源头上消除安全隐患。

附图说明

图1是本发明提供的系统模块架构图。

图2是本发明提供的防火通道状态学习模块流程图。

图3是本发明提供的防火通道堵塞物检测模块流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

请参阅图1-图3所示，防火通道堵塞智能检测算法，防火通道堵塞智能检测算法，包括实时流媒体读取模块，用于收集实时流媒体数据；防火通道状态学习模块，用以采集正常通行状态下流媒体数据并生成通道状态模型；防火通道堵塞物检测模块，基于通道状态模型，用于识别检测通道中出现的堵塞物，标记存在堵塞通道隐患的物体，触发通道堵塞告警，进一步优选，还包括实时告警模块，用于接收通道堵塞物检测结果，根据堵塞情况判断是否需要发送实时告警，当满足条件触发通道堵塞告警时，负责录制相关堵塞事件的视频和截图，并发送给前端界面呈现给用户。

在本发明中，实时流媒体读取模块通过直连视频监控设备拉取实时视频流并解码成图像帧，提供持续稳定的图像帧输入，用于通道状态学习和通道堵塞检测，进一步优选，视频监控设备为监控相机或dvr设备等其他监测设备。

在本发明中，防火通道状态学习模块的工作流程为：对视频帧预处理，对前背景区域分割；交互式通道背景图像采集，创建通道状态模型并进行实时更新。防火通道堵塞物检测模块工作流程为：判断是否存在前景物体，若有堵塞物并判断是否为堵塞物，然后根据判断结果是否发出告警。以下提供一本发明的具体实施例

实施例1

参照图1-图3所示，本发明提出的检测算法采用纯视觉方案，可以利用楼宇中已有的监控相机做防火安全检测，不增加额外的硬件安装成本。本方案能对各类形式的防火安全通道做堵塞检测，一旦出现任何妨碍防火通道通行的障碍物即发出告警，从而从源头上消除安全隐患。

具体为：图1中所示，本发明包括完整的消防通道堵塞物检测算法。基于实时视频监控系统，本发明软件系统由以下模块组成：实时流媒体读取模块、通道正常状态学习模块、通道堵塞检测模块、实时告警模块。

其中，实时流媒体读取模块通过直连监控相机或通过dvr等视频监控设备拉取实时视频流并解码成适合分析的图像帧。其主要功能是为防火通道检测系统提供持续稳定的图像帧输入，用于通道状态学习和通道堵塞检测。

在图2中，防火通道正常状态学习方法是本发明不同于其他已有方法的关键点。采用基于背景建模的方法，提供了一套高效的人工交互系统，用以采集防火通道的正常通行状态。对特定场景中的特定物体做适应性学习，从而使本方案能适应各种不同场景下的检测。该模块通过自动的前背景分割，智能获取干净的通道背景图像用于状态模型学习。能在最小化人工交互成本的同时学习到精确的通道状态模型。以及实时告警模块用于接收通道堵塞物检测测结果，根据堵塞时长等判断是否需要发送实时告警。当满足条件触发通道堵塞告警时，该模块负责录制相关堵塞事件的视频和截图，并发送给前端界面呈现给用户。

本发明提出的检测算法采用纯视觉方案，可以充分利用已有的视频监控系统做防火安全检测，相比硬件传感器方案，不增加额外的硬件安装成本。能更广泛的检测防火安全通道，不受时间场景的限制，相比单纯的防火门开闭检测，适应场景更广泛，能够从源头上消除安全隐患。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。