(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111507302.4 (22)申请日 2021.12.10 (71)申请人 沭阳鸿行照明有限公司 地址 223600 江苏省 宿迁市沭阳县钱集 镇 工业集中区 (72)发明人 谢柏军　 (74)专利代理 机构 江苏长德知识产权代理有限 公司 32478 代理人 刘威威 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/26(2012.01) G06V 10/26(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的消防应急照明灯布局优化 方法 (57)摘要 本发明涉及消防设备部署技术领域， 具体涉 及基于人工智能的消防应急照明灯布局优化方 法。 方法包括： 获取目标建筑空间的建筑信息模 型以及全局图像； 根据全局图像各像素点的人员 分布概率、 消防安全隐患分布 概率和消防设备分 布概率， 得到全局图像对应的消防应急照明概率 图； 将消防应急照明概率图以及消防应急照明灯 的数量输入到训练好的消防应急照明灯布局优 化网络中， 生成消防应急照明灯布局方案； 根据 所述消防应急照明灯布局方案对建筑信息模型 中对应的消防应急照明灯的原始布局进行调整。 本发明利用消防应急照明灯布局优化网络对应 目标建筑空间中的消防应急照明灯的布局进行 优化， 以保证消防应急照明灯的布局能满足实际 需求。 权利要求书3页 说明书9页 附图1页 CN 114186735 A 2022.03.15 CN 114186735 A 1.一种基于人工智能的消防应急照明灯布局优化方法， 其特征在于， 该方法包括以下 步骤： 获取目标建筑空间的建筑信息模型以及目标建筑空间的全局图像； 根据全局图像 中各像素点对应的人员分布概率、 消防安全隐患分布概率和消防设备分 布概率， 得到对应的消防应急照明概 率图； 将消防应急照明概率图以及消防应急照明灯的数量输入到训练好的消防应急照明灯 布局优化网络中， 生成对应的消防应急照明灯布局方案； 根据所述消防应急照明灯布局方案对建筑信息模型中对应的消防应急照明灯的原始 布局进行调整。 2.根据权利要求1所述的一种基于人工智能的消防应急照明灯布局优化方法， 其特征 在于， 所述消防应急照明灯布局优化网络包括生成器子网络和判别器子网络， 对消防应急 照明灯布局优化网络进行训练的过程包括： 获取照明区域训练集， 所述照明区域训练集包括消防应急照明灯在不同位置的实际照 明区域和随机生成的照明区域； 为照明区域训练集中各照明区域设置对应的第一标签数 据， 所述第一标签数据包括： 符合实际和不符合实际； 将第一标签数据为符合实际的照明区域记为第 一照明区域， 将第 一照明区域对应的消 防应急照明灯的位置信息作为第一照明区域的第二标签数据； 将第一标签数据为不符合 实 际的照明区域记为第二照明区域， 将设定位置信息作为第二照明区域的第二标签数据； 根据照明区域训练集、 第 一标签数据和第二标签数据对判别器子网络进行训练， 其中， 第一标签数据为判别器子网络的第一分类器的标签数据， 第二标签数据为判别器子网络的 第二分类器的标签数据， 所述判别器子网络用于得到照明区域对应的消防应急照明灯的位 置信息； 将训练好的判别器子网络的网络参数冻结， 利用训练好的判别器子网络和历史消防应 急照明概率图对生成器子网络进 行训练， 所述生成器子网络用于生成符合实际情况的照明 区域。 3.根据权利要求2所述的一种基于人工智能的消防应急照明灯布局优化方法， 其特征 在于， 生成器子网络的损失函数的计算公式为： 其中， Loss2为生成器子网络的损失函数值， ROI1为生成器子网络生成的第1个照明区 域， ROI2为生成器子网络生成的第2个照 明区域， ROIN为生成器子网络生成的第N个照 明区 域， ROIf为生成器子网络生成的第f个照明区域， 为第f个照明区域的中心点的横坐 标， 为第f个照明区域的中心点的纵坐标， 为第f个照明区域的中心点对应的照明概 率， w(x,y)为第f个照明区域中横坐标为x且纵坐标为y的像素点的照明概率， 为判别器 子网络的第一分类器输出的第f各照明区域对应的判别结果， N为生 成器子网络生成的照明 区域的数量， e为自然常数。 4.根据权利要求1所述的一种基于人工智能的消防应急照明灯布局优化方法， 其特征权　利　要　求　书 1/3 页 2 CN 114186735 A 2在于， 所述将消防应急照明概率图 以及消防应急照明灯的数量输入到训练好的消防应急照 明灯布局优化网络中， 生成对应的消防应急照明灯布局方案的过程包括： 将全局图像按照建筑信息模型中的各房间的位置划分为多个子区域； 根据全局图像中对应的各子区域， 将消防应急照明概率图进行划分， 得到各子区域对 应的子消防应急照明概 率图； 将全局图像中各子区域对应的子消防应急照明概率图以及各子区域对应的消防应急 照明灯的数量输入到训练好的消防应急照明灯布局优化网络中， 生成各子区域对应的消防 应急照明灯布局方案 。 5.根据权利要求4所述的一种基于人工智能的消防应急照明灯布局优化方法， 其特征 在于， 根据所述消防应急照明灯 布局方案对建筑信息模型中对应的消防应急照明灯布局进 行调整， 包括： 根据所述建筑信 息模型中消防应急照明灯的布局信 息， 获取各子区域内各消防应急照 明灯的原 始位置信息； 根据各子区域内各消防应急照明灯的原始位置信息与各子区域对应的消防应急照明 灯布局方案对应的各消防应急照明灯的目标位置信息， 构建对应的二分图； 利用KM算法对各子区域对应的二分图进行处理， 得到各子区域中各消防应急照明灯的 原始位置信息与目标位置信息的匹配对集 合； 根据各子区域对应的匹配对集合， 计算各子区域对应的消防应急照明灯的原始布局的 合理程度， 判断各子区域对应的消防应急照明灯的原始布局的合理程度是否小于合理程度 阈值， 若小于， 则将对应子区域内的消防应急照明灯的原 始位置调整至对应的目标位置 。 6.根据权利要求1所述的一种基于人工智能的消防应急照明灯布局优化方法， 其特征 在于， 根据全局图像各像素点对应的人员分布概率、 消防安全隐患程度概率、 消防设备分布 概率， 得到对应的消防应急照明概 率图， 包括： 获取连续多帧全局图像， 记为全局图像序列； 根据所述全局图像序列中各图像对应的人员关键点的位置， 将各图像进行二值化处理 得到人员分布图序列； 计算人员分布图序列中各位置对应的各像素点的像素值的平均值， 记为各位置像素点对应的人员分布概 率； 将所述全局图像序列输入到语义分割网络中， 得到消防设备遮罩图像和危险品遮罩图 像； 根据消防设备遮罩图像对全局图像序列中各图像进行二值处理得到消防设备遮罩二 值图像序列； 计算消防设备遮罩二值图像序列中各位置对应的各像素点的像素值的平均 值， 记为各位置像素点对应的消防设备分布概 率； 根据危险品遮罩图像对全局图像序列中各图像进行二值处理得到危险品遮罩二值图 像序列； 计算危险品遮罩二值图像序列中各位置对应的各像素点的像素值的平均值， 记为 各位置像素点对应的消防安全隐患分布概 率； 根据各位置像素点对应的人员分布概率、 消 防安全隐患分布概率和消 防设备分布概 率， 得到各位置像素点对应的照明概 率； 将各位置像素点对应的照明概率作为对应位置像素点的像素值， 得到消防应急照明概 率图。权　利　要　求　书 2/3 页 3 CN 114186735 A 3