CN108039012A - 一种消防应急灯 - Google Patents

Abstract

本发明提供一种消防应急灯，包括：本体，所述本体上设置有照明灯，所述本体在所述照明灯的一侧设置有激光指示器，所述激光指示器用于在地面投射箭头指示标志；所述本体上还设置有烟雾探测器和报警器。本发明消防应急灯通过激光指示器能够在地面形成明显的箭头指示标志，在发生紧急情况时，人们可以通过地面上的箭头指示标志快速找到楼道、安全通道等；紧急灯还设置有烟雾探测器和报警器，能够智能检测当前环境的烟雾浓度，提高了消防产品的集成度。

Description

一种消防应急灯

技术领域

本发明涉及一种消防设备领域，特别涉及一种消防应急灯。

背景技术

消防应急照明系统主要包括事故应急照明、应急出口标志及指示灯，是在发生火灾时正常照明电源切断后，引导被困人员疏散或展开灭火救援行动而设置的。但在日常的检查中发现，单位在消防应急灯具的选型、安装和使用过程中存在着许多问题。因此，合理选择应急照明系统供电控制方式、接线方式，做好日常维护工作，直接影响到消防应急照明系统作用的发挥。在日常生活中，要经常进行检查，防患未然。应急灯的种类:手提应急灯，消防应急灯，节能应急灯，供应应急灯，水下应急灯，可充电应急灯，太阳能应急灯，多功能应急灯等。现有的一些消防应急灯功能较为单一，有的并不具备对安全逃生通道的明确指向提示。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是提供一种结构简单、在地面能形成激光指示箭头的、带有烟雾探测器和报警器的消防应急灯。

(二)技术方案

为解决上述技术问题，本发明提供一种消防应急灯，包括：本体，所述本体上设置有照明灯，所述本体在所述照明灯的一侧设置有激光指示器，所述激光指示器用于在地面投射箭头指示标志；所述本体上还设置有烟雾探测器和报警器。

进一步的，还包括：红外遥控设备和实时数据采集设备，所述红外遥控设备用于输出启动监控信号或关闭监控信号；所述实时数据采集设备设置在所述本体上，包括CCD传感器、摄像镜头、滤光镜片和红外接收器，所述红外接收器用于在接收到所述红外遥控设备发送的所述启动监控信号，控制所述CCD传感器启动对消防应急灯所在室内环境的图像数据采集，以获得并输出时间上连续的各个数据帧；其中，实时数据采集设备的红外接收器还用于在接收到所述红外遥控设备发送的所述关闭监控信号，控制所述CCD传感器停止对室内环境的图像数据采集。

进一步的，还包括：

数量粗估设备，用于接收当前数据帧，对所述当前数据帧中的每一个像素点的像素值进行梯度分析以判断该像素点是否属于目标边界像素点，并基于所述当前数据帧中的所有目标边界像素点判断所述当前数据帧中的目标数量以作为粗估目标数量输出；

偏移量分析设备，用于将所述当前数据帧与之前最新接收到的历史数据帧进行匹配以获得所述当前数据帧中各个目标的偏移量，基于所述当前数据帧中各个目标的偏移量确定参考偏移量；

复杂型识别设备，与所述数量粗估设备连接，用于接收所述当前数据帧，在接收到的参考偏移量超限时，从省电状态进入正常状态，在接收到的参考偏移量未超限时，从正常状态进入省电状态，在正常状态中，基于所述参考偏移量确定执行目标识别的深度神经网络的隐含层数量，所示参考偏移量越大，确定的隐含层数量越多，其中，所述深度神经网络由输入层、隐含层和输出层组成，输入层输入的是当前数据帧，隐含层为一个或多个，用于逐层对输入层输入的当前数据帧进行特征抽象，输出层与最后一个隐含层连接，用于将最后一个隐含层的进行特征抽象的结果输出；

简单型识别设备，与所述数量粗估设备连接，用于接收所述当前数据帧，在接收到的参考偏移量未超限时，从省电状态进入正常状态，在接收到的参考偏移量超限时，从正常状态进入省电状态，在正常状态中，执行目标识别的深度神经网络的隐含层数量固定，其中，所述深度神经网络由输入层、隐含层和输出层组成，输入层输入的是当前数据帧，隐含层数量固定，用于逐层对输入层输入的当前数据帧进行特征抽象，输出层与最后一个隐含层连接，用于将最后一个隐含层的进行特征抽象的结果输出；所述复杂型识别设备和所述简单型识别设备的深度神经网络的输出层输出的都是当前数据帧中的嫌疑人对象图案；

主控设备，用于接收实时数据采集设备对应的嫌疑人对象图案，对多个嫌疑人对象图案进行像素值方差分析，将像素值方差最大的嫌疑人对象图案作为最佳对象图案输出；其中，所述偏移量分析设备将所述当前数据帧与之前最新接收到的历史数据帧进行匹配以获得所述当前数据帧中各个目标的偏移量包括：针对每一个目标，将所述当前数据帧中该目标每一个像素点的像素值与以所述历史高清图像帧对应位置像素点为中心的圆形像素块内的各个像素点的像素值进行匹配以获取匹配到的像素点，确定所述当前数据帧中该目标该像素点与匹配到的像素点的距离差值以作为所述当前数据帧中该目标该像素点的偏移量，基于所述当前数据帧中该目标的所有像素点的偏移量确定所述当前数据帧中该目标的平均偏移量，将所述当前数据帧中所有目标中平均偏移量最大的目标的平均偏移量作为参考偏移量。

进一步的，所述主控设备设置在对应的监控室内，为ARM模块；所述数量粗估设备、所述偏移量分析设备、所述复杂型识别设备和所述简单型识别设备都设置在监控室内。

进一步的，还包括：无线报警设备，与监控室内的接收终端建立双向通信链路连接，还与所述主控设备连接；其中，所述无线报警设备用于接收所述最佳对象图案，并将所述最佳对象图案发送给接收终端；所述接收终端可以为移动终端。

进一步的，所述无线报警设备在将所述最佳对象图案发送给接收终端之前，对所述最佳对象图案进行基于MPEG-4标准的图像压缩；其中，所述无线报警设备将压缩后的最佳对象图案发送给接收终端。

(三)有益效果

本发明消防应急灯通过激光指示器能够在地面形成明显的箭头指示标志，在发生紧急情况时，人们可以通过地面上的箭头指示标志快速找到楼道、安全通道等；紧急灯还设置有烟雾探测器和报警器，能够智能检测当前环境的烟雾浓度，提高了消防产品的集成度。

附图说明

图1为本发明消防应急灯的结构示意图；

图2为本发明消防应急灯主控设备的外设示意图；

其中：1为本体、2为照明灯、3为激光指示器、4为烟雾探测器、5为报警器。

具体实施方式

参阅图1和图2，本发明提供一种消防应急灯，包括：本体1，本体1上设置有照明灯2，本体1在照明灯2的一侧设置有激光指示器3，激光指示器3用于在地面投射箭头指示标志；本体1上还设置有烟雾探测器4和报警器5。

本实施例消防应急灯通过激光指示器能够在地面形成明显的箭头指示标志，在发生紧急情况时，人们可以通过地面上的箭头指示标志快速找到楼道、安全通道等；紧急灯还设置有烟雾探测器和报警器，能够智能检测当前环境的烟雾浓度，提高了消防产品的集成度。

现有的一些消防应急灯功能都较为单一，并不具备监控功能，而现在人们开始逐渐重视室内防盗安全，开始安装监控摄像头，用于对室内的内部环境进行实时监控，以获得相应的监控图像。现有监控系统的设计，主要集中在摄像头的选择以及摄像头的安装方式上，或者集中在摄像头拍摄的监控图像的室内嫌疑人的目标识别上，但是，对应存在的监控图像质量较差的情况，未进行过专门的设计和定制，导致监控效果不佳，甚至无法识别到真正的室内嫌疑人。因此，本实施例还包括：红外遥控设备和实时数据采集设备，红外遥控设备用于输出启动监控信号或关闭监控信号；实时数据采集设备设置在本体1上，包括CCD传感器、摄像镜头、滤光镜片和红外接收器，红外接收器用于在接收到红外遥控设备发送的启动监控信号，控制CCD传感器启动对消防应急灯所在室内环境的图像数据采集，以获得并输出时间上连续的各个数据帧；其中，实时数据采集设备的红外接收器还用于在接收到红外遥控设备发送的关闭监控信号，控制CCD传感器停止对室内环境的图像数据采集。

本实施例还包括：

数量粗估设备，用于接收当前数据帧，对当前数据帧中的每一个像素点的像素值进行梯度分析以判断该像素点是否属于目标边界像素点，并基于当前数据帧中的所有目标边界像素点判断当前数据帧中的目标数量以作为粗估目标数量输出；

偏移量分析设备，用于将当前数据帧与之前最新接收到的历史数据帧进行匹配以获得当前数据帧中各个目标的偏移量，基于当前数据帧中各个目标的偏移量确定参考偏移量；

复杂型识别设备，与数量粗估设备连接，用于接收当前数据帧，在接收到的参考偏移量超限时，从省电状态进入正常状态，在接收到的参考偏移量未超限时，从正常状态进入省电状态，在正常状态中，基于参考偏移量确定执行目标识别的深度神经网络的隐含层数量，所示参考偏移量越大，确定的隐含层数量越多，其中，深度神经网络由输入层、隐含层和输出层组成，输入层输入的是当前数据帧，隐含层为一个或多个，用于逐层对输入层输入的当前数据帧进行特征抽象，输出层与最后一个隐含层连接，用于将最后一个隐含层的进行特征抽象的结果输出；

简单型识别设备，与数量粗估设备连接，用于接收当前数据帧，在接收到的参考偏移量未超限时，从省电状态进入正常状态，在接收到的参考偏移量超限时，从正常状态进入省电状态，在正常状态中，执行目标识别的深度神经网络的隐含层数量固定，其中，深度神经网络由输入层、隐含层和输出层组成，输入层输入的是当前数据帧，隐含层数量固定，用于逐层对输入层输入的当前数据帧进行特征抽象，输出层与最后一个隐含层连接，用于将最后一个隐含层的进行特征抽象的结果输出；复杂型识别设备和简单型识别设备的深度神经网络的输出层输出的都是当前数据帧中的嫌疑人对象图案；

主控设备，用于接收实时数据采集设备对应的嫌疑人对象图案，对多个嫌疑人对象图案进行像素值方差分析，将像素值方差最大的嫌疑人对象图案作为最佳对象图案输出；其中，偏移量分析设备将当前数据帧与之前最新接收到的历史数据帧进行匹配以获得当前数据帧中各个目标的偏移量包括：针对每一个目标，将当前数据帧中该目标每一个像素点的像素值与以历史高清图像帧对应位置像素点为中心的圆形像素块内的各个像素点的像素值进行匹配以获取匹配到的像素点，确定当前数据帧中该目标该像素点与匹配到的像素点的距离差值以作为当前数据帧中该目标该像素点的偏移量，基于当前数据帧中该目标的所有像素点的偏移量确定当前数据帧中该目标的平均偏移量，将当前数据帧中所有目标中平均偏移量最大的目标的平均偏移量作为参考偏移量。

主控设备设置在对应的监控室内，参阅图2，主控设备为ARM模块；数量粗估设备、偏移量分析设备、复杂型识别设备和简单型识别设备都设置在监控室内。

其中，本实施例还包括：无线报警设备，与监控室内的接收终端建立双向通信链路连接，还与主控设备连接；其中，无线报警设备用于接收最佳对象图案，并将最佳对象图案发送给接收终端；接收终端可以为移动终端。

其中，无线报警设备在将最佳对象图案发送给接收终端之前，对最佳对象图案进行基于MPEG-4标准的图像压缩；无线报警设备将压缩后的最佳对象图案发送给接收终端。无线报警设备基于频分双工通信机制，频分双工是指上行链路和下行链路的传输分别在不同的频率上进行。

在第一、二代蜂窝系统中，基本都是采用FDD技术来实现双工传输的。特别是在第一代蜂窝系统中，由于传输的是连续的基带信号，必须用不同的频率来提供双工的上下行链路信道。在第一代蜂窝系统中传输连续信息采用FDD技术时，收发两端都必须有产生不同载波频率的频率合成器，在接收端还必须有一个防止发射信号泄漏到接收机的双工滤波器。另外，为了便于双工器的制作，收发载波频率之间要有一定的频率间隔。在第二代的GSM、IS-136和IS-95等系统中，也采用了FDD技术。在这些系统中，由于信息是以时隙方式进行传输的，收发可以在不同的时隙中进行，移动台或基站的发射信号不会对本接收机产生干扰。所以，尽管采用的FDD技术，也不需要昂贵的双工滤波器。FDD模式的特点是在分离(上下行频率间隔190MHz)的两个对称频率信道上，系统进行接收和传送，用保护频段来分离接收和传送信道。采用包交换等技术，可突破二代发展的瓶颈，实现高速数据业务，并可提高频谱利用率，增加系统容量。但FDD必须采用成对的频率，即在每2×5MHz的带宽内提供第三代业务。该方式在支持对称业务时，能充分利用上下行的频谱，但在非对称的分组交换(互联网)工作时，频谱利用率则大大降低(由于低上行负载，造成频谱利用率降低约40％)，在这点上，TDD模式有着FDD无法比拟的优势。

本实施例以时间轴为顺序，采用与先前帧匹配的方式获取各个目标的偏移量，并以偏移量最大的目标的偏移量作为整个图像的参考偏移量，使得数据更有参考价值；搭建了以图像目标偏移量为衡量因子的图像识别处理的决策机制，使得在图像识别处理阶段即实现对图像目标抖动的克服；通过对嫌疑人识别效果的比较，将识别效果最佳的嫌疑人对象图案最为最佳对象图案输出，从而提高了嫌疑人对象的识别效果。

本实施例针对现有技术中室内监控图像质量低下的技术问题，通过摄像设备对室内环境进行图像数据采集，采用自适应的深度神经网络获取多个嫌疑人图像，从中选择质量最佳的嫌疑人图像以进行嫌疑人的身份识别，从而解决了上述技术问题。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种消防应急灯，其特征在于，包括：本体(1)，所述本体(1)上设置有照明灯(2)，所述本体(1)在所述照明灯(2)的一侧设置有激光指示器(3)，所述激光指示器(3)用于在地面投射箭头指示标志；所述本体(1)上还设置有烟雾探测器(4)和报警器(5)。

2.如权利要求1所述的消防应急灯，其特征在于，还包括：红外遥控设备和实时数据采集设备，所述红外遥控设备用于输出启动监控信号或关闭监控信号；所述实时数据采集设备设置在所述本体(1)上，包括CCD传感器、摄像镜头、滤光镜片和红外接收器，所述红外接收器用于在接收到所述红外遥控设备发送的所述启动监控信号，控制所述CCD传感器启动对消防应急灯所在室内环境的图像数据采集，以获得并输出时间上连续的各个数据帧；其中，实时数据采集设备的红外接收器还用于在接收到所述红外遥控设备发送的所述关闭监控信号，控制所述CCD传感器停止对室内环境的图像数据采集。

3.如权利要求1所述的消防应急灯，其特征在于，还包括：

数量粗估设备，用于接收当前数据帧，对所述当前数据帧中的每一个像素点的像素值进行梯度分析以判断该像素点是否属于目标边界像素点，并基于所述当前数据帧中的所有目标边界像素点判断所述当前数据帧中的目标数量以作为粗估目标数量输出；

偏移量分析设备，用于将所述当前数据帧与之前最新接收到的历史数据帧进行匹配以获得所述当前数据帧中各个目标的偏移量，基于所述当前数据帧中各个目标的偏移量确定参考偏移量；

复杂型识别设备，与所述数量粗估设备连接，用于接收所述当前数据帧，在接收到的参考偏移量超限时，从省电状态进入正常状态，在接收到的参考偏移量未超限时，从正常状态进入省电状态，在正常状态中，基于所述参考偏移量确定执行目标识别的深度神经网络的隐含层数量，所示参考偏移量越大，确定的隐含层数量越多，其中，所述深度神经网络由输入层、隐含层和输出层组成，输入层输入的是当前数据帧，隐含层为一个或多个，用于逐层对输入层输入的当前数据帧进行特征抽象，输出层与最后一个隐含层连接，用于将最后一个隐含层的进行特征抽象的结果输出；

简单型识别设备，与所述数量粗估设备连接，用于接收所述当前数据帧，在接收到的参考偏移量未超限时，从省电状态进入正常状态，在接收到的参考偏移量超限时，从正常状态进入省电状态，在正常状态中，执行目标识别的深度神经网络的隐含层数量固定，其中，所述深度神经网络由输入层、隐含层和输出层组成，输入层输入的是当前数据帧，隐含层数量固定，用于逐层对输入层输入的当前数据帧进行特征抽象，输出层与最后一个隐含层连接，用于将最后一个隐含层的进行特征抽象的结果输出；所述复杂型识别设备和所述简单型识别设备的深度神经网络的输出层输出的都是当前数据帧中的嫌疑人对象图案；

主控设备，用于接收实时数据采集设备对应的嫌疑人对象图案，对多个嫌疑人对象图案进行像素值方差分析，将像素值方差最大的嫌疑人对象图案作为最佳对象图案输出；其中，所述偏移量分析设备将所述当前数据帧与之前最新接收到的历史数据帧进行匹配以获得所述当前数据帧中各个目标的偏移量包括：针对每一个目标，将所述当前数据帧中该目标每一个像素点的像素值与以所述历史高清图像帧对应位置像素点为中心的圆形像素块内的各个像素点的像素值进行匹配以获取匹配到的像素点，确定所述当前数据帧中该目标该像素点与匹配到的像素点的距离差值以作为所述当前数据帧中该目标该像素点的偏移量，基于所述当前数据帧中该目标的所有像素点的偏移量确定所述当前数据帧中该目标的平均偏移量，将所述当前数据帧中所有目标中平均偏移量最大的目标的平均偏移量作为参考偏移量。