机器学习的消防通道推荐系统(附件)
如今，住宅用户中的火灾事故频发，为了提高火灾事故中被困人员的自救成功率，通过搭建基于机器学习的消防通道推荐系统来快速规划被困人员的逃生路径。本课题从淮安市图审平台获得226张建筑平面图和建筑施工平面图，通过使用以TensorFlow为框架的SSD算法和Faster-Rcnn算法对建筑图纸进行训练，实现对建筑图纸中构件的识别功能，平均识别准确率为95%。同时通过从数据库中调用建筑图纸信息和建筑图纸构件信息，构建相应楼层的室内地图，采用A*算法对不同位置进行路径规划，平均路径规划时间为8秒，较好地避开了墙壁等障碍物。关键词 图像识别，路径规划，Faster-Rcnn，Tensorflow
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
1.3 课题来源 3
2 需求分析 3
2.1 功能需求分析 3
2.2 可行性分析 3
2.3 界面需求 4
2.4 性能需求 4
2.5 系统业务流程 4
3 关键问题的研究 5
3.1关键问题 5
3.2关键技术 6
4 系统总体设计 9
4.1 构件识别 9
4.2 地图构建及路径规划 12
5 实验过程 13
5.1 建筑图纸预处理实验 13
5.2 建筑图纸构件检测实验 15
6．数据结构设计 22
6.1 数据来源 22
6.2 建筑图纸数据表结构 24
6.3 建筑图纸构件数据表结构 24
7 系统模块设计 25
7.1 图纸预处理模块 26
7.2 图纸构件识别模块 26
7.3 数据存储模块 28
7.4 路径规划模块 28
7.5 数据显示模块 29
8 系统部署与结果测试 31
8.1 系统部署 31
8.2 系统测试及结果 31
8.3 测试总结 32
结 论 33
*好棒文|www.hbsrm.com +Q: ￥351916072￥
/> 致 谢 34
参 考 文 献 35
附录A 用户操作手册 37
附录B 大学期间的发表的论文 39
附录C查重报告 42
1 引言
课题背景
随着城镇化的不断推进，城市建筑物尤其住宅建筑数量不断兴起，农村人口大量涌入城市，给城市的居住模式带来了巨大改变。与此同时，这也给城市的发展带来很多隐患，如电梯安全、火灾安全等，其中火灾事故频发是最为严重的隐患之一。如何通过有效手段为被困人员推荐消防逃生通道快速逃出被困现场，成为了一个值得研究的内容。
经过几十年的发展，图像识别、深度学习、神经网络技术有了巨大的飞跃[1]。在当今大数据时代[2]，路径规划相关算法与应用对智能交通、通信网络等人工智能研究领域的发展具有重要推动作用。消防通道推荐系统的研究通过对建筑图纸中消防逃生通道的方位、设施等特征进行提取、分析，并且通过路径规划方法为被困人员规划逃生路线，最后为被困人员推送路线信息，为火灾被困人员逃生提供有效的建议。
1.2 国内外研究综述
1.2.1 国外路径规划研究综述
1959年，荷兰计算机科学家Dijkstra提出Dijkstra最短路径算法[3]，通过广度优先搜索解决了有向图或无向图的最短路径问题，但还只是一种贪心策略。1986年，Khatib提出了人工势场算法[4]，已经克服贪心的缺点，最初应用于解决机器人避障的问题，把机器人附近环境中的运动看作一种虚拟引力场，但人工势场是一种局部规划算法，存在局部最优点。2007年，Nash A提出Theta*（ThetaStar）算法，作为A*（AStar）搜索算法的改进算法，是一种启发式搜索算法，沿着图的边传播信息，可寻找任意角度的边。Theta*为全局规划，可全局寻优。
在应用领域中，许多国外公司有丰富的实践经验。谷歌（Google）公司将室内导航应用和可穿戴式头戴式设备结合，利用先进的特征跟踪和AR方法进行导航，在导航时通过视觉频道和听觉频道将方向信息呈现给用户；特斯拉公司于2016年10月为生产汽车安装Autopilot系统，并且宣布该公司所生产的所有车型都具备完全自动驾驶功能。
1.2.2 国外图像识别研究综述
国外对图像处理与识别的研究始于1950年，美国科学家Handel提出了对文字进行识别的想法。1965年，对数字图像识别和处理研究，为图像识别的发展提供了巨大动力。1972年，英国工程师Hounsfield发明了历史上第一台CT机，能够用来进行头颅诊断。自20世纪70年代以后，在人工智能技术迅速发展的同时，也促进了图像识别技术有更加深入与广泛的研究。与此同时，如何使用计算机系统理解图像、解释图像开始进入人们的研究范围。而通过模拟人类视觉来理解、解释外部世界，这被称为计算机视觉，而最能代表计算机视觉的由马萨诸塞州理工学院提出的计算机视觉原理原理[5]。2012年，Hinton在深度学习概念的基础上提出卷积神经网络，这对图像特征识别时自动提取与任务相关的信息有巨大的促进作用，这也使图像识别领域的发展有了极大的提高[6]。
在应用领域中，Enclitic公司通过图像分析技术协助医生做出相应诊断同时标记出医学图像中的异常；Affectiva公司通过采用图像理解算法来识别人在视觉刺激下的情感反应。
1.2.3 国内路径规划研究综述
国内对路径规划技术的研究没有国外早，但20世纪90年代之后，尤其是进入了21世纪国内对路径规划相关算法的研究有了长足的进步。2004年，张海刚、徐震浩等人结合生物免疫学通过改进遗传算法中亲和力的计算方法构造了一个可以求解VRPTW（vehicle routing problems with time windows）问题，同时提高遗传算法路径规划的稳定性。2017年，郭枭鹏等人通过改进人工势场算法提出快速扩展随机树算法，克服了人工势场算法目标不可达和局部最小值两个缺点，同时提高了搜索效率[7]。
在应用领域，高德地图在2017年初推行骑行导航功能，在骑行时推荐路线能够很好规避天桥、地道等设施；百度公司将在2018年生产国内首款基于5G技术的无人驾驶巴士。
1.2.4 国内图像识别研究综述
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
1.3 课题来源 3
2 需求分析 3
2.1 功能需求分析 3
2.2 可行性分析 3
2.3 界面需求 4
2.4 性能需求 4
2.5 系统业务流程 4
3 关键问题的研究 5
3.1关键问题 5
3.2关键技术 6
4 系统总体设计 9
4.1 构件识别 9
4.2 地图构建及路径规划 12
5 实验过程 13
5.1 建筑图纸预处理实验 13
5.2 建筑图纸构件检测实验 15
6．数据结构设计 22
6.1 数据来源 22
6.2 建筑图纸数据表结构 24
6.3 建筑图纸构件数据表结构 24
7 系统模块设计 25
7.1 图纸预处理模块 26
7.2 图纸构件识别模块 26
7.3 数据存储模块 28
7.4 路径规划模块 28
7.5 数据显示模块 29
8 系统部署与结果测试 31
8.1 系统部署 31
8.2 系统测试及结果 31
8.3 测试总结 32
结 论 33
*好棒文|www.hbsrm.com +Q: ￥351916072￥
/> 致 谢 34
参 考 文 献 35
附录A 用户操作手册 37
附录B 大学期间的发表的论文 39
附录C查重报告 42
1 引言
课题背景
随着城镇化的不断推进，城市建筑物尤其住宅建筑数量不断兴起，农村人口大量涌入城市，给城市的居住模式带来了巨大改变。与此同时，这也给城市的发展带来很多隐患，如电梯安全、火灾安全等，其中火灾事故频发是最为严重的隐患之一。如何通过有效手段为被困人员推荐消防逃生通道快速逃出被困现场，成为了一个值得研究的内容。
经过几十年的发展，图像识别、深度学习、神经网络技术有了巨大的飞跃[1]。在当今大数据时代[2]，路径规划相关算法与应用对智能交通、通信网络等人工智能研究领域的发展具有重要推动作用。消防通道推荐系统的研究通过对建筑图纸中消防逃生通道的方位、设施等特征进行提取、分析，并且通过路径规划方法为被困人员规划逃生路线，最后为被困人员推送路线信息，为火灾被困人员逃生提供有效的建议。
1.2 国内外研究综述
1.2.1 国外路径规划研究综述
1959年，荷兰计算机科学家Dijkstra提出Dijkstra最短路径算法[3]，通过广度优先搜索解决了有向图或无向图的最短路径问题，但还只是一种贪心策略。1986年，Khatib提出了人工势场算法[4]，已经克服贪心的缺点，最初应用于解决机器人避障的问题，把机器人附近环境中的运动看作一种虚拟引力场，但人工势场是一种局部规划算法，存在局部最优点。2007年，Nash A提出Theta*（ThetaStar）算法，作为A*（AStar）搜索算法的改进算法，是一种启发式搜索算法，沿着图的边传播信息，可寻找任意角度的边。Theta*为全局规划，可全局寻优。
在应用领域中，许多国外公司有丰富的实践经验。谷歌（Google）公司将室内导航应用和可穿戴式头戴式设备结合，利用先进的特征跟踪和AR方法进行导航，在导航时通过视觉频道和听觉频道将方向信息呈现给用户；特斯拉公司于2016年10月为生产汽车安装Autopilot系统，并且宣布该公司所生产的所有车型都具备完全自动驾驶功能。
1.2.2 国外图像识别研究综述
国外对图像处理与识别的研究始于1950年，美国科学家Handel提出了对文字进行识别的想法。1965年，对数字图像识别和处理研究，为图像识别的发展提供了巨大动力。1972年，英国工程师Hounsfield发明了历史上第一台CT机，能够用来进行头颅诊断。自20世纪70年代以后，在人工智能技术迅速发展的同时，也促进了图像识别技术有更加深入与广泛的研究。与此同时，如何使用计算机系统理解图像、解释图像开始进入人们的研究范围。而通过模拟人类视觉来理解、解释外部世界，这被称为计算机视觉，而最能代表计算机视觉的由马萨诸塞州理工学院提出的计算机视觉原理原理[5]。2012年，Hinton在深度学习概念的基础上提出卷积神经网络，这对图像特征识别时自动提取与任务相关的信息有巨大的促进作用，这也使图像识别领域的发展有了极大的提高[6]。
在应用领域中，Enclitic公司通过图像分析技术协助医生做出相应诊断同时标记出医学图像中的异常；Affectiva公司通过采用图像理解算法来识别人在视觉刺激下的情感反应。
1.2.3 国内路径规划研究综述
国内对路径规划技术的研究没有国外早，但20世纪90年代之后，尤其是进入了21世纪国内对路径规划相关算法的研究有了长足的进步。2004年，张海刚、徐震浩等人结合生物免疫学通过改进遗传算法中亲和力的计算方法构造了一个可以求解VRPTW（vehicle routing problems with time windows）问题，同时提高遗传算法路径规划的稳定性。2017年，郭枭鹏等人通过改进人工势场算法提出快速扩展随机树算法，克服了人工势场算法目标不可达和局部最小值两个缺点，同时提高了搜索效率[7]。
在应用领域，高德地图在2017年初推行骑行导航功能，在骑行时推荐路线能够很好规避天桥、地道等设施；百度公司将在2018年生产国内首款基于5G技术的无人驾驶巴士。
1.2.4 国内图像识别研究综述
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wlw/450.html
