路径规划、目标检测和行为识别等人工智能技术是当今智慧消防的重要研究内容。传统的路径规划、目标检测和行为识别技术已成功应用于各个领域中,然而将上述传统技术应用于消防场景时主要存在以下缺陷:由于建筑结构日渐复杂,传统路径规划用于火灾救援指导时,无法适应复杂的消防场景且无法实时掌握火灾详情;传统目标检测和行为识别技术只关注于人或物体本身而无法获取人与物之间的关联信息,难以预警因人为原因造成火灾发生的问题。针对上述两大问题,本文提出了基于深度学习的智能体救援路径规划算法和火灾隐患识别算法,并将这两个算法应用于智慧消防管理系统中,实现火灾救援指导和火患预警功能。具体地,本文主要的创新和研究工作如下:1.针对当前路径规划算法应用于消防救援存在的问题,本文提出了一个基于深度强化学习的智能体救援路径规划算法。该算法以深度Q网络（Deep Q Network,DQN）作为基础网络,为智能体在复杂环境中的感知决策提供解决思路;同时利用卷积神经网络对火点进行识别,当检测到火点时,智能体将火点位置和学习的救援路线传送给外界救援人员,实现智能化火灾救援指导功能。实验表明,本文提出的算法不仅能提供从安全逃生口到各个火点位置的较优路线,还能高效检测场景中的火点及位置信息。2.针对当前行为识别算法只关注人体本身,无法关联人与物之间的交互行为问题,本文提出了一个基于深度学习的人-物交互行为识别算法,以解决因人为原因造成的火灾隐患问题。将基于YOLO V3的目标检测算法和基于OpenPose的骨骼提取算法融合,通过构建行为知识库进行匹配,实现人与物发生关联时的行为识别,可对人员是否抽烟、是否手持火机、香烟等行为进行识别。实验表明,本文提出的算法对抽烟行为识别准确率可达91.3%,具有较好的可用性和可靠性,满足智慧消防火患预警应用要求。3.基于本文提出的两个算法,研究算法在企业级智慧消防管理系统中的应用。重点研究公共场合抽烟行为监管、火灾发生时的救援指导,消防设备巡检与维护、消防数据可视化,消防信息查询等功能,实现了“预防为主,防消结合”的智慧消防管理目标,保障企业生产安全。图[47]表[10]参[72]