[0001] 本申请涉及建筑安全领域，尤其是涉及一种基于人工智能的建筑物安全监测方法及系统。

[0002] 随着经济的快速发展，建筑行业也取得了飞速发展，高层建筑层出不穷，但随着时间的推移，建筑物不可避免地会出现结构性变化和其他安全性问题，比如形变和沉降可能导致建筑物坍塌等严重安全问题。因此，为了有效预防建筑物的安全隐患问题，需要对建筑物各个方面的参数指标进行有效监测，以便对其健康状态进行评估。

[0003] 现有技术中，针对建筑物的安全监测主要由各个地方的建筑监管部门对建筑物的安全性进行定期检查，以规避可能出现的建筑事故，然而依据肉眼监测会受到多种主观因素的影响，监测结果的精确性难以保证，并且无法实时监测建筑物的安全，缺乏对安全事故预警的时效性。

[0004] 为此我们提出一种基于人工智能的建筑物安全监测方法及系统用于解决上述问题。

[0077] 下面结合以下实施例对本发明作进一步详细描述。

[0078] 参照图1，一种基于人工智能的建筑物安全监测方法，包括以下步骤：

[0079] S1.获取建筑物的结构监测数据。

[0080] S2.基于结构监测数据，选取建筑物使用前的关键部位结构数据或易于变形部位结构数据为第一结构数据，选取建筑物使用中的关键部位结构数据或易于变形部位结构数据为第二结构数据。

[0081] S3.构建BIM模型，将所述第一结构数据和第二结构数据导入BIM模型中，判断第一结构数据与第二结构数据是否存在差异。

[0082] S4.若是，则建筑物存在结构变化，计算出建筑物的结构变化值，所述结构变化值为第一结构数据与第一结构数据的差值。

[0083] S5.根据建筑物类型和结构形式，对所述结构变化值进行结构安全评估，判断建筑物是否存在结构安全隐患，输出结构安全隐患监测结果。

[0084] S6.获取建筑物关键区域内的烟雾浓度检测数据和温度检测数据。

[0085] S7.对所述烟雾浓度检测数据和温度检测数据进行分析，判断建筑物是否存在火灾安全隐患，输出火灾安全隐患监测结果。

[0086] S8.获取建筑物各入口处的图像监测数据，对所述图像监测数据进行分析，判断建筑物是否存在非法入侵安全隐患，输出非法入侵安全隐患监测结果。

[0087] S9.设置三种不同的报警规则，根据不同类型的安全隐患监测结果，触发不同的报警信号。

[0088] S10.基于触发的报警信号，对存在的安全隐患进行定位，获得安全隐患区域的位置信息。

[0089] S11.根据所述位置信息和安全隐患类型，获取安全隐患的解决方法。

[0090] 具体的，获取建筑物使用前的结构监测数据,了解建筑物在未使用前的结构状态，包括关键部位和易于变形部位的结构数据,为第一结构数据；获取建筑物使用阶段的结构监测数据，了解建筑物在使用中的结构状态，为第二结构数据；由于BIM模型是一种建筑信息模型，可以直观地展现建筑物的结构和属性，将第一结构数据和第二结构数据导入BIM模型中，可以更直观地比较建筑物两个阶段的结构状态，如果两个数据存在差异，说明建筑物在使用的阶段发生了结构变化，计算出结构变化的具体数值，也就是第一结构数据与第二结构数据的差值；并根据建筑物的类型和结构形式，结合结构变化值，对建筑物的结构安全进行评估，如果结构变化较大，可能会对建筑物的安全性产生影响，表明建筑物存在结构安全隐患；获取并分析烟雾浓度检测数据和温度检测数据，如果烟雾浓度或温度异常，表明建筑物存在火灾安全隐患；获取并分析图像监测数据，以检测非法入侵的行为，判断建筑物是否存在非法入侵安全隐患；并根据不同类型的安全隐患监测结果，设置不同的报警规则，然后根据这些规则，触发相应的报警信号；同时对安全隐患区域进行定位，获得存在安全隐患区域的位置信息，根据位置信息和安全隐患类型获取解决方法；从而实现对建筑物可能面临的各种类型的安全隐患进行监测、评估、报警和解决的全过程，进而有效地管理和应对建筑物各种类型的安全风险，提高建筑物的安全性和稳定性。

[0091] 进一步的，将所述第一结构数据和第二结构数据导入BIM模型中，判断第一结构数据与第二结构数据是否存在差异的具体步骤如下：

[0092] 获取第一结构数据和第二结构数据；

[0093] 对所述第一结构数据和第二结构数据进行处理，使其格式和单位具有一致性；

[0094] 将经过处理后的所述第一结构数据和第二结构数据导入建立的BIM模型中，在所述BIM模型中对第一结构数据和第二结构数据进行对齐和匹配；

[0095] 通过分析工具对所述第一结构数据和第二结构数据进行比较，判断第一结构数据与第二结构数据是否存在差异。

[0096] 具体的，由于数据来源于不同的设备，数据的格式和单位可能不一致，为了能进行有效的比较和分析，对第一结构数据和第二结构数据进行处理，包括数据清洗、格式转换、单位转换等步骤，使其格式和单位具有一致性。BIM模型是一种三维的建筑信息模型，可以直观地展现建筑物的结构和属性，将经过处理后的第一结构数据和第二结构数据导入建立的BIM模型中，并对第一结构数据和第二结构数据进行对齐和匹配，使它们在同一基准和坐标系下进行比较，从而更准确地找出结构变化或差异；如果发现差异或变化，可能意味着建筑物在使用的阶段发生了结构变化，可能存在结构安全隐患。

[0097] 参照图2，具体的步骤S5包括以下子步骤：

[0098] S51.根据建筑物类型和结构形式，设定结构变化安全区间。

[0099] S52.获取建筑物的结构变化值，判断所述结构变化值与所述结构变化安全区间的关系。

[0100] S53.若所述结构变化值位于结构变化安全区间内，则表明建筑物的结构变化在正常变化范围内，不存在结构安全隐患。

[0101] S54.若所述结构变化值位于结构变化安全区间外，则表明建筑物的结构变化为非正常变化，存在结构安全隐患，输出结构安全隐患监测结果。

[0102] 具体的，由于不同类型的建筑物和不同的结构形式，其结构变化的安全区间不同，如一些结构类型可能对弯曲度有特定的限制，而另一些可能对挠度有特定的限制，因此，需要根据建筑物的类型和结构形式，设定合适的结构变化安全区间；通过计算获得建筑物的实际结构变化值，结构变化值为第一结构数据与第二数据结构的差值，将建筑物的结构变化值与之前设定的结构变化安全区间进行比较，如果结构变化值在安全区间内，说明建筑物的结构变化是正常的，没有超出安全的限制，这种情况下，可以认为建筑物没有结构安全隐患，不需要采取额外的措施；如果结构变化值超出了设定的安全区间，那么这可能意味着建筑物存在结构安全隐患，在这种情况下，输出相应的监测结果，提醒用户或管理者采取相应的措施，例如修复或加固等，以防止因结构变化引发的安全事故，保障人员和建筑物的安全。

[0103] 参照图3，具体的步骤S7包括以下子步骤：

[0104] S71.获取烟雾浓度检测数据和温度检测数据。

[0105] S72.对所述烟雾浓度检测数据和温度检测数据进行预处理操作，所述预处理操作包括去除异常值、数据平滑以及缺失值填充，获得烟雾浓度处理数据和温度处理数据。

[0106] S73.对所述烟雾浓度处理数据和温度处理数据进行特征提取，所述烟雾浓度处理数据的特征包括烟雾浓度的趋势和变化率，所述温度处理数据的特征包括温度的平均值和标准差，获得烟雾浓度特征数据和温度特征数据。

[0107] S74.设定烟雾浓度警戒阈值和温度警戒阈值，将所述烟雾浓度特征数据与烟雾浓度警戒阈值比较，所述温度特征数据与温度警戒阈值比较。

[0108] S75.若所述烟雾浓度特征数据大于烟雾浓度警戒阈值或所述温度特征数据大于温度警戒阈值，则表明建筑物内部存在火灾安全隐患，输出火灾安全隐患检测结果。

[0109] 具体的，对烟雾浓度检测数据和温度检测数据进行预处理，包括去除异常值、数据平滑以及缺失值填充，可以保证数据的准确性和可靠性，去除可能的干扰，平滑数据波动，填补缺失值，以便更好地分析和判断；通过对烟雾浓度处理数据和温度处理数据进行特征提取，可以得到烟雾浓度的趋势和变化率，以及温度的平均值和标准差等特征，这些特征可以更好地反映建筑物内部烟雾浓度和温度的情况，为后续的火灾安全隐患检测提供依据；根据建筑物的实际情况，设定合适的烟雾浓度警戒阈值和温度警戒阈值，将提取出来的烟雾浓度特征数据和温度特征数据与设定的烟雾浓度警戒阈值和温度警戒阈值进行比较，如果烟雾浓度特征数据或温度特征数据超过了设定的警戒阈值，那么意味着建筑物存在火灾安全隐患，输出火灾安全隐患监测结果，提醒用户或管理者采取相应的措施，例如启动灭火系统，疏散人群等，以防止火灾事故的发生，保障人员和建筑物的安全。

[0110] 参照图4，具体的步骤S8包括以下子步骤：

[0111] S81.获取建筑物各入口处的图像检测数据。

[0112] S82.对所述图像检测数据进行清洗、去噪以及增强处理，获得图像处理数据。

[0113] S83.利用目标检测和特征提取技术，对图像处理数据中的移动物体和特定行为模式进行识别提取，获取行为特征数据。

[0114] S84.将所述行为特征数据与预设的安全行为规则进行对比，若所述行为特征数据与安全行为规则不一致，则表明存在异常行为，所述异常行为包括陌生人进入、人员数量超过阈值以及人员行为异常。

[0115] S85.基于所述异常行为，表明建筑物内存在非法入侵安全隐患，输出非法入侵安全隐患监测结果。

[0116] 具体的，对图像检测数据进行预处理，包括清洗、去噪以及增强处理，以去除图像中的噪声和不必要的信息，提高图像的清晰度和质量，以便更好地进行后续的特征提取和识别；利用目标检测和特征提取技术，对图像处理数据中的移动物体和特定行为模式进行识别提取，可以获得行为特征数据，包括移动物体的位置、速度、方向等；并将行为特征数据与预设的安全行为规则进行比较，如果行为特征数据与安全行为规则不一致，那么存在非法入侵等异常行为，则建筑物内存在非法入侵安全隐患，输出非法入侵安全隐患监测结果，提醒用户或管理者采取相应的措施，例如启动报警系统等，以防止非法入侵事件的发生，保障建筑物和人员安全。

[0117] 参照图5，具体的步骤S9包括以下子步骤：

[0118] S91.根据不同类型的安全隐患，设定相应的报警规则。

[0119] S92.对于结构安全隐患，当结构变化值位于结构变化安全区间外时触发第一报警规则；对于火灾安全隐患，当烟雾浓度特征数据大于烟雾浓度警戒阈值或所述温度特征数据大于温度警戒阈值时触发第二报警规则；对于非法入侵安全隐患，当行为特征数据与安全行为规则不一致时触发第三报警规则。

[0120] S93.针对不同的报警规则，设定相应的报警信号。

[0121] S94.对于第一报警规则，设定声音报警信号；对于第二报警规则，设定灯光报警信号；对于第三报警规则，设定网络报警信号。

[0122] 具体的，根据不同类型的安全隐患，设定相应的报警规则，如，对于结构安全隐患，当结构变化值位于结构变化安全区间外时，可以触发第一报警规则，对于第一报警规则，可以设定声音报警信号，当系统检测到结构安全隐患时，发出声音警报；对于火灾安全隐患，当烟雾浓度特征数据大于烟雾浓度警戒阈值或温度特征数据大于温度警戒阈值时，可以触发第二报警规则，对于第二报警规则，可以设定灯光报警信号，当系统检测到火灾安全隐患时，发出灯光警报；对于非法入侵安全隐患，当行为特征数据与安全行为规则不一致时，可以触发第三报警规则，对于第三报警规则，可以设定网络报警信号，当系统检测到非法入侵安全隐患时，通过网络发送报警信息；从而准确及时地提醒用户或管理者采取相应的措施，防止可能出现的风险，保障人员和建筑物的安全。

[0123] 进一步的，根据触发的报警信号，对存在的安全隐患进行定位的具体步骤如下：

[0124] 根据触发的报警信号，确定安全隐患类型，并对安全隐患进行风险评估，输出风险评估结果；

[0125] 根据风险评估结果，将风险等级较高的区域划分为重点区域；

[0126] 对所述重点区域进行实际勘查，获得实际勘查结果；

[0127] 根据所述风险评估结果和实际勘查结果，对存在安全隐患的区域进行定位记录，获得安全隐患区域的位置信息。

[0128] 具体的，通过分析触发的报警信号，可以初步判断安全隐患的类型，如果触发了声音报警信号，那么可能是结构安全隐患；如果触发了灯光报警信号，那么可能是火灾安全隐患；如果触发了网络报警信号，那么可能是非法入侵安全隐患；确定安全隐患类型后，需要对这些安全隐患进行风险评估，从而了解这些安全隐患可能带来的风险程度，输出风险评估结果；根据风险评估结果，将那些风险等级较高的区域划分为重点区域，对于重点区域需要采取更加严格的措施进行管理和监控，以防止可能出现的风险；并结合风险评估结果和实际勘查结果，对存在安全隐患的区域进行定位记录，包括记录区域的位置、大小、状况等，以便后续采取相应的防护措施，从而确保建筑物和人员的安全。

[0129] 进一步的，根据位置信息和安全隐患类型，获取安全隐患的解决方法的具体步骤如下：

[0130] 根据触发的报警信号，获取存在的安全隐患类型；

[0131] 对于结构安全隐患，判断能否进行修复，若能，则根据所述位置信息，使用修复材料对结构进行加固修复，并定期对修复材料进行性能测试；若不能，则对建筑物进行拆除；

[0132] 对于火灾安全隐患，根据所述位置信息确定火源，利用灭火设备进行灭火，并对建筑物内部人员换进行安全疏散；

[0133] 对于非法入侵安全隐患，设置门禁设备，只有授权人员可以进入建筑物内，并利用入侵报警设备对未授权人员的进入进行警示。

[0134] 具体的，由于结构安全隐患涉及到建筑物的稳定性，因此需要判断能否进行修复，如果能修复，根据位置信息对结构进行加固修复，并定期对修复材料进行性能测试，确保修复工作的有效性；如果无法修复，那么可能需要拆除建筑物，以防止潜在的结构崩塌风险；火灾安全隐患涉及到人员和建筑物的安全，因此需要迅速确定火源，并使用灭火设备进行灭火，同时，需要对建筑物内部人员进行安全疏散，以防止人员伤亡；非法入侵安全隐患涉及到建筑物和人员安全，因此需要采取措施防止未授权人员进入，设置门禁设备，只有授权人员可以进入建筑物内，同时，可以利用入侵报警设备对未授权人员的进入进行警示，及时提醒管理人员采取应对措施，及时处理潜在的安全风险，确保建筑物和人员的安全。

[0135] 参照图6，基于人工智能的建筑物安全监测系统，通过应用如上述的基于人工智能的建筑物安全监测方法，包括数据获取模块1、模型构建模块2、中央控制模块3、报警模块4以及可视化模块5，通过数据获取模块1获取建筑物使用前和使用阶段的结构监测数据，分别为第一结构数据和第二结构数据，利用中央控制模块3中的数据处理单元对第一结构数据和第二结构数据进行处理，使其格式和单位具有一致性；并通过模型构建模块2创建BIM模型，将第一结构数据和第二结构数据导入建立的BIM模型中，直观地比较建筑物不同阶段的结构状态，了解建筑物在使用过程中是否发生结构变化，进而判断建筑物是否存在结构安全隐患，输出结构安全隐患监测结果；并通过数据获取模块1获取建筑物关键区域内的烟雾浓度检测数据和温度检测数据，利用中央控制模块3中的数据处理单元对烟雾浓度监测数据和温度检测数据进行预处理，提升数据的准确性和质量，然后通过中央控制模块3中的分析判断单元对烟雾浓度检测数据和温度检测数据进行分析，判断建筑物是否存在火灾安全隐患，输出火灾安全隐患监测结果；同时，通过数据获取模块1获取建筑物各入口处的图像监测数据，利用分析判断模块32对图像监测数据进行分析，判断建筑物是否存在非法入侵安全隐患，输出非法入侵安全隐患监测结果；利用可视化模块5将安全隐患监测结果显示出来，并通过报警模块4根据不同类型的安全隐患监测结果触发不同的报警信号向相关人员进行报警提示，以获取各种类型的安全风险的解决方法，从而及时对安全隐患进行处理，提高建筑物的安全性和稳定性，保障人员的安全，减少潜在的危险和损失。

[0136] 以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。