火灾报警识别方法及相关组件与流程

1.本发明涉及服务器领域，特别是涉及一种火灾报警识别方法及相关组件。


背景技术：

2.现有技术中，火灾探测器对所处场所的物理特征量例如温度、烟雾、光及气体进行检测，例如在检测到当前场所的温度超过温度阈值，将其转换为电信号，并向服务器发送报警信号。考虑到当前环境有可能会存在温度上升，空气质量不佳，存在人工光及出现部分类似火灾发生时才会产生的气体，会对不同类型的探测器正常工作产生影响，使得火灾探测器误报，发送报警信号至服务器，但实际上并没有发生火灾。大量误报信息会造成资源浪费，影响对火灾的及时处理。


技术实现要素：

3.本发明的目的是提供一种火灾报警识别方法及相关组件。将获取到的报警数据更好的进行处理，得到更加准确的时空报警信息，减少误报出现的概率，并且将火警等级进行划分，提高了对火灾处理的效率。
4.为解决上述技术问题，本发明提供了一种火灾报警识别方法，包括：
5.获取火灾报警系统发送的报警数据，所述报警数据包括报警时间、报警位置及报警类型；
6.获取消防联动控制系统发送的联动数据，所述联动数据包括所述消防联动控制系统的类型；
7.将所述报警数据及所述联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息；
8.根据所述时空报警信息生成对应的火警等级。
9.优选的，所述火灾报警系统包括烟感探测器、温感探测器、火焰探测器、手动报警按钮及消火栓报警按钮；
10.获取火灾报警系统发送的报警数据，包括：
11.接收所述烟感探测器、所述温感探测器、所述火焰探测器、所述手动报警按钮及所述消火栓报警按钮发送的报警数据；
12.将接收到所述报警数据的时间作为所述报警时间；
13.确定发送所述报警数据的所述火灾报警系统的序列号，根据所述序列号及预设序列号与位置的对应关系确定所述报警位置；
14.确定所述报警类型，所述报警类型包括所述火灾报警系统中发送报警数据的探测器和/或按钮的类型。
15.优选的，所述消防联动控制系统包括自动喷水灭火系统、消防给水系统、防排烟系统及防火分隔系统等；
16.获取消防联动控制系统发送的联动数据，包括：
17.获取发送所述联动数据的消防联动控制系统的类型。
18.优选的，所述时空报警信息为发生火灾的概率；
19.根据所述时空报警信息生成对应的火警等级，包括：
20.根据所述时空报警信息所处的预设概率范围确定火警划分等级，不同的预设概率范围对应的火警划分等级不同。
21.优选的，根据所述时空报警信息生成对应的火警级别之后，还包括：
22.根据不同等级的火警执行预设的与火警级别对应的报警方式。
23.优选的，所述火灾报警识别模型包括时间序列子模型、空间序列子模型及联动序列子模型；
24.将所述报警数据及所述联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息，包括：
25.将所述报警数据中的当前周期的报警时间及上一周期的时空报警信息输入至所述时间序列子模型的输入层，以便经过第一权重矩阵转换后得到第一转换数据；
26.将所述报警数据中的当前周期的报警位置输入至所述空间序列子模型的输入层，以便经过第二权重矩阵转换后得到第二转换数据；
27.将所述报警数据中的当前周期的报警类型及所述联动数据输入至所述联动序列子模型的输入层，以便经过所述第二权重矩阵转换后得到第三转换数据；
28.在隐藏层对所述第一转换数据、所述第二转换数据和所述第三转换数据进行神经元组合，得到当前周期的时空报警信息。
29.为解决上述技术问题，本发明还提供了一种火灾报警识别系统，包括：
30.获取单元，用于获取火灾报警系统发送的报警数据，所述报警数据包括报警时间、报警位置及报警类型；获取消防联动控制系统发送的联动数据，所述联动数据包括所述消防联动控制系统的类型；
31.输入单元，用于将所述报警数据及所述联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息；
32.生成单元，用于根据所述时空报警信息生成对应的火警等级。
33.为解决上述技术问题，本发明还提供了一种火灾系统，包括上述火灾报警识别系统，还包括火灾报警系统及消防联动控制系统。
34.为解决上述技术问题，本发明还提供了一种火灾报警识别装置，包括：
35.存储器，用于存储计算机程序；
36.处理器，用于执行所述计算机程序时实现上述火灾报警识别方法的步骤。
37.为解决上述技术问题，本发明还提供了一种服务器，包括上述的火灾报警识别装置。
38.本技术提供了一种火灾报警识别方法及相关组件，应用于服务器领域，获取火灾报警系统发送的报警数据，报警数据包括报警时间、报警位置及报警类型；获取消防联动控制系统发送的联动数据，联动数据包括消防联动控制系统的类型；将报警数据及联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息；根据时空报警信息生成对应的火警等级。通过火灾报警识别模型，将获取到的报警数据更好的进行处理，得到更加准确的时空报警信息，减少误报出现的概率，并且将火警等
级进行划分，提高了对火灾处理的效率。
附图说明
39.为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
40.图1为本发明提供的一种火灾报警识别方法的流程图；
41.图2为本发明提供的一种火灾报警识别模型的结构示意图；
42.图3为本发明提供的一种火灾报警识别模型的数据处理过程图；
43.图4为本发明提供的一种火灾报警识别系统的结构示意图；
44.图5为本发明提供的一种火灾系统的结构示意图；
45.图6为本发明提供的一种火灾报警识别装置的结构示意图。
具体实施方式
46.本发明的核心是提供一种火灾报警识别方法及相关组件。将获取到的报警数据更好的进行处理，得到更加准确的时空报警信息，减少误报出现的概率，并且将火警等级进行划分，提高了对火灾处理的效率。
47.为使本发明实施例的目的、技术方案和优点更加清楚，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。
48.图1为本发明提供的一种火灾报警识别方法的流程图，包括：
49.s11：获取火灾报警系统发送的报警数据，报警数据包括报警时间、报警位置及报警类型；
50.在服务器接收到火灾报警系统发送的报警数据时，初步判定为当前有火灾发生，根据报警数据，服务器可以得到报警的时间，即出现火灾的时间；得到报警的位置，即出现火灾的位置；得到报警类型，即出现火灾的原因是哪种因素。获取到火灾发生的时间、位置以及引发火灾的因素进而进行后续的处理。
51.s12：获取消防联动控制系统发送的联动数据，联动数据包括消防联动控制系统的类型；
52.在消防联动控制系统接收到火灾报警系统后会自动进行灭火相关的操作，在进行灭火相关的操作时，会向服务器发送联动数据。服务器根据联动数据确定消防联动控制系统的类型。具体的，当消防联动控制系统的类型为自动喷水消防联动控制系统时，联动数据为水泵打开。
53.s13：将报警数据及联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息；
54.预先对火灾报警识别模型进行训练，使得预先构建好的火灾报警识别模型可以对输入的数据进行处理，通过长短期记忆循环神经网络对数据进行结合，得到较为准确的时
空报警信息，减少了误报的可能。
55.s14：根据时空报警信息生成对应的火警等级。
56.根据时空报警信息生成不同的火警等级，根据不同的火警等级可以进行后续的对火灾的处理。具体的，当火警等级较高时，有火灾发生的可能越大，当火警等级较低时，有火灾发生的可能越小。后续的值班人员可以根据火警等级进行不同的操作。
57.综上，考虑到现有技术中，火灾探测器对所处场所的物理特征量例如温度、烟雾、光及气体进行检测。考虑到当前环境有可能会存在温度上升，空气质量不佳，存在人工光及出现部分类似火灾发生时才会产生的气体，会对不同类型的探测器正常工作产生影响，使得火灾探测器误报，发送报警信号至服务器，但实际上并没有发生火灾。大量误报信息会造成资源浪费，影响对火灾的及时处理。
58.本技术提供了一种火灾报警识别方法，应用于服务器领域，获取火灾报警系统发送的报警数据，报警数据包括报警时间、报警位置及报警类型；获取消防联动控制系统发送的联动数据，联动数据包括消防联动控制系统的类型；将报警数据及联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息；根据时空报警信息生成对应的火警等级。通过火灾报警识别模型，将获取到的报警数据更好的进行处理，得到更加准确的时空报警信息，减少误报出现的概率，并且将火警等级进行划分，提高了对火灾处理的效率。
59.在上述实施例的基础上：
60.作为一种优选的实施例，火灾报警系统包括烟感探测器、温感探测器、火焰探测器、手动报警按钮及消火栓报警按钮；
61.获取火灾报警系统发送的报警数据，包括：
62.接收烟感探测器、温感探测器、火焰探测器、手动报警按钮及消火栓报警按钮发送的报警数据；
63.将接收到报警数据的时间作为报警时间；
64.确定发送报警数据的火灾报警系统的序列号，根据序列号及预设序列号与位置的对应关系确定报警位置；
65.确定报警类型，报警类型包括火灾报警系统中发送报警数据的探测器和/或按钮的类型。
66.考虑到火灾报警系统中存在多种类型的探测器，如烟感探测器、温感探测器、火焰探测器、手动报警按钮及消火栓报警按钮等，获取到火灾报警系统发送的报警数据后，根据报警数据发送的时间确定报警时间。火灾报警系统的序列号表征火灾报警系统设置的位置，服务器中预先设置有火灾报警系统的序列号与位置的对应关系，根据报警数据发送方的火灾报警系统的序列号确定报警位置。根据报警数据发送方的火灾报警系统的类型确定报警类型。
67.具体的，服务器在接收到烟感探测器发送的报警数据后，接收到报警数据的时间为16:00，则报警时间即为16:00，获取到温感探测器的序列号，即可获取温感探测器设置的位置，进而确定火灾发生的位置。发送报警数据的火灾报警系统类型为烟感探测器，则报警类型为烟雾报警。
68.综上，根据火灾报警系统发送报警数据的时间以及发送报警数据的火灾报警系统
的类型及序列号，可以确定报警时间、报警类型及报警位置，以便将报警数据进行后续的处理。
69.此外，服务器还会接收到火灾报警系统发送的故障数据、反馈数据等，例如在火灾报警系统发生故障时会向服务器发送信号进而告知服务器故障，以便服务器进行后续的处理。
70.作为一种优选的实施例，消防联动控制系统包括自动喷水灭火系统、消防给水系统、防排烟系统、防火分隔系统及电气火灾监控系统等；
71.获取消防联动控制系统发送的联动数据，包括：
72.获取发送联动数据的消防联动控制系统的类型。
73.考虑到消防联动控制系统在接收到报警数据后会进行响应的操作，不同类型的消防联动控制系统会进行不同类型的操作。服务器在接收到消防联动控制系统发送的联动数据后，可以根据联动数据确定消防联动控制系统与火灾系统之间的关系。具体的，例如接收到温感探测器的报警后，自动喷水灭火系统会将水泵打开，此时水泵打开事件作为联动数据发送至服务器。
74.通过不同类型的消防联动控制系统在接收到报警数据后发送的联动数据，可以得到火灾报警系统与消防联动控制系统之间的联动关系，进而将联动数据进行后续的处理。
75.作为一种优选的实施例，时空报警信息为发生火灾的概率；
76.根据时空报警信息生成对应的火警等级，包括：
77.根据时空报警信息所处的预设概率范围确定火警划分等级，不同的预设概率范围对应的火警划分等级不同。
78.考虑到火灾发生的概率不同，需要值班人员对火灾的反应时间也不用，所以预先将火警划分为不同的等级，进而值班人员针对不同的等级可以进行不同的处理方式。
79.具体的，在发生火灾的概率低于30％时，此时为蓝色火警，火灾发生的可能极小，有误报的可能；在发生火灾的概率在30％-60％时，此时为黄色火警，火灾发生的可能较小；在发生火灾的概率在60％-90％时，此时为橙色火警，火灾发生的可能较大；在发生火灾的概率在90％以上时，此时为红色火警，可以认为发生火灾，需要值班人员立刻进行处理。
80.根据火灾报警识别模型输出的时空报警信息所处的概率范围对火警进行划分，将时空报警数据转换为颜色，以便值班人员根据颜色进行不同方式的处理，使得对火灾发生时的处理效率更高。
81.作为一种优选的实施例，根据时空报警信息生成对应的火警级别之后，还包括：
82.根据不同等级的火警执行预设的与火警级别对应的报警方式。
83.考虑到通过不同等级的报警数据提示值班人员可能不够明显，值班人员可能会错过报警数据的报警，针对不同级别的火警进行不同的报警方式。报警方式包括但不限于提示音发送的声音和频率，具体的，红色火警的提示音量最强，频率最高，蓝色火警的提示音量最弱，频率最低。
84.通过对不同等级的火警进行与之对应等级的报警方式，以便针对不同等级的火警给值班人员不同的报警，以便值班人员在接收到报警后进行不同方式的处理。
85.图2为本发明提供的一种火灾报警识别模型的结构示意图；图3为本发明提供的一种火灾报警识别模型的数据处理过程图；
86.作为一种优选的实施例，火灾报警识别模型包括时间序列子模型、空间序列子模型及联动序列子模型；
87.将报警数据及联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息，包括：
88.将报警数据中的当前周期的报警时间及上一周期的时空报警信息输入至时间序列子模型的输入层，以便经过第一权重矩阵转换后得到第一转换数据；
89.将报警数据中的当前周期的报警位置输入至空间序列子模型的输入层，以便经过第二权重矩阵转换后得到第二转换数据；
90.将报警数据中的当前周期的报警类型及联动数据输入至联动序列子模型的输入层，以便经过第二权重矩阵转换后得到第三转换数据；
91.在隐藏层对第一转换数据、第二转换数据和第三转换数据进行神经元组合，得到当前周期的时空报警信息。
92.考虑到获取到的报警数据及联动数据主要针对时间、空间及联动，所以火灾报警识别模型包括三个子模型，分别为时间序列子模型、空间序列子模型及联动序列子模型，分别对报警时间、报警位置、报警类型及联动数据进行处理。
93.具体的，第一权重矩阵的生成是基于三个维度，分别为临近关系、周期关系及趋势关系。临近关系表征相邻两个报警数据的上报时间的时间间隔，例如16:00温感探测器发送了报警数据，16:01烟感探测器发送了报警数据，时间间隔为一分钟。周期关系表征报警数据周期性周期性上报的间隔关系，每一月的固定日期和固定的间隔天数。考虑到火灾报警系统在预设周期内会进行运维，即运维人员会模拟火灾发生进而测试火灾报警系统是否正常工作。所以需要将周期关系考虑到时间序列子模型中，辅助确认当前火警为人为设置还是真实发生。趋势关系表征基于火灾蔓延趋势判断出的报警时间间隔趋势，服务器根据接受到的报警数据进行火灾发展的趋势预测。
94.第二权重矩阵的生成是基于三个维度，分别为拓扑关系、显式关系及隐式关系。拓扑关系表征根据位置信息推导出整个区域的所有报警设备之间的空间关系。根据火灾报警系统的序列号确定当前有可能发生火灾的位置，进而确定当前所有发送报警数据的设备之间的空间关系。显式关系表征根据位置信息得出的确切空间关系，如同一园区，同一建筑，同一楼层和同一房间。根据序列号确定探测器设置的位置，可以具体到某个园区的某个建筑中的某层某房间的房间号。隐式关系表征根据位置信息推导出来的空间关系，如果上下层关系，左右临近关系。
95.将当前周期的报警时间及上一周期的时空报警数据通过第一权重矩阵转换后得到第一转换数据。将当前周期的报警位置通过第二权重矩阵转换后得到第二转换数据，将当前周期的报警类型及当前周期的联动数据通过第二权重矩阵转换后得到第三转换数据，将第一转换数据、第二转换数据及第三转换数据进行神经元组合，最终得到当前周期的时空报警信息。
96.后续当前周期的时空报警信息也会与下一周期的报警时间进行结合，进而进行下一周期的时空报警信息的输出。
97.通过将当前周期的时空报警信息的循环参与进下一周期的时空报警信息的生成，同时基于多个维度生成的权重矩阵对报警时间、报警位置、报警类型及联动数据进行处理，
使得火灾报警识别模型更加准确的输出时空报警信息。
98.需要说明的是，本技术采用的结合方法基于lstm-rnn(long short-term memory-recurrent neural network，长短期记忆循环神经网络)技术。
99.图4为本发明提供的一种火灾报警识别系统的结构示意图；包括：
100.获取单元41，用于获取火灾报警系统发送的报警数据，报警数据包括报警时间、报警位置及报警类型；获取消防联动控制系统发送的联动数据，联动数据包括消防联动控制系统的类型；
101.输入单元42，用于将报警数据及联动数据输入至预先训练好的运用长短期记忆循环神经网络构建的火灾报警识别模型，得到时空报警信息；
102.生成单元43，用于根据时空报警信息生成对应的火警等级。
103.本技术提供的火灾报警识别系统的介绍请参照上述实施例，在此处不再赘述。
104.图5为本发明提供的一种火灾系统的结构示意图；包括上述火灾报警识别系统1，还包括火灾报警系统2及消防联动控制系统3。
105.本技术提供的火灾系统的介绍请参照上述实施例，在此处不再赘述。
106.图6为本发明提供的一种火灾报警识别装置的结构示意图；包括：
107.存储器61，用于存储计算机程序；
108.处理器62，用于执行计算机程序时实现上述火灾报警识别方法的步骤。
109.本技术提供的火灾报警识别装置的介绍请参照上述实施例，在此处不再赘述。
110.本发明还提供了一种服务器，包括上述的火灾报警识别装置。
111.本技术提供的服务器的介绍请参照上述实施例，在此处不再赘述。
112.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
113.还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。