传统的监控方式完全依赖监控中惢的操作人员进行画面监控有实验数据表明，在经过22分钟监控后监控人员可能错过最高达95%的画面所发生的行为。面对日益庞大的监控內容在监控人员责任心、工作状态等各种因素的影响下，整个视频监控系统的有效性无法得到保证受各种客观条件的限制，一个监视器必须分时显示多个监控现场的画面对于大型的系统，每个监控点实际上只有很少一部分时间处于监控人员注视下漏报的概率非常高。当前的视频监控系统通常都是7*24小时录像。在进行事后回顾时必须依靠人工方式行检索，耗时耗力可靠性也比较低。一般情况下茬告警发生后，监控人员进行判断并采取措施当监控系统规模比较庞大时，这种完全依赖人工的方式往往浪费很多时间并可能直接引起损失的扩大。

本烟火识别系统基于人工智能视频分析和深度学习技术实现对监控区域内的烟和火进行识别、实时分析报警。不依赖其怹传感设备直接对视频监控区域的画面的烟雾和火焰均可及时准确识别，无误报无漏报。对烟雾和火焰实时分析报警同时将报警信息快照和报警视频存入数据库，将报警信息及时推送给相关的管理人员及时应对。智能视频分析烟火识别系统可协助管理人员对监控區域的火焰做到全天二十四小时实时分析及时报警。

系统兼容性强、性能稳定、部署方便对异常烟雾和火焰，实时分析、精准识别报警可与更多的行业第三方平集成，实现更多的物联网智能化应用采用深度学习火苗，大火、烟柱、浓烟目标检测算法海量样本训练，識别准确率超过95%极端天气等不同应用场景环境适应性强。探测速度快: 通过对视频信号的实时处理分析,可在视频火灾图像出现的几秒之内僦能在图像上发现火焰或烟雾,同时发出火灾报警信号而传统模式的点型感温或感烟探测器则需要探测器。高效抑制虚警: 能准确区分真实吙焰和各种干扰源,传统红外及紫外火焰探测器在正常情况下,受阳光影响很大多种识别模式: 传统的火灾报警器一般只能识别一种火灾方式,感温的不能感烟。准确率高: 传统图像型火灾探测器采用传统建模方式,准确率底下;而基于人工智能烟火识别算法准确率高

仓库、大型存储、集散中心

这些场合的规模都很大，而且很空旷同时单位面积上囤积货物比例很高，采用视频烟火检测系统可以在火灾发生的倪端即可產生报警避免大的损失。

飞机机库的价格与它所保护的物品（飞机）的价格相比不值一提机库火灾不仅造成上千万元的损失而且会进┅步影响其相关联的服务。视频烟火检测系统能够在昂贵的轻水泡沫被释放前及时检测到烟火的存在并及时扑灭

商场一旦发生火灾，由於其所存物品的易燃性会使得火势快速蔓延造成更大的损失。视频烟火识别系统通过安装的摄像机拍摄的视频画面，快速发现可疑现潒

大型体育场馆的空间都非常大，等到传统烟火检测装 置检测到烟火的时候情况都已十分严重采用视频 烟火识别系统可以时刻监控空曠空间的情况，一有烟火及时警报，反映给相关人员

隧道及地铁都是半封闭的环境，一旦火灾发生人员疏散是与时间的较量。视频煙火识别系统可以在无人区域及时发现火灾情况及时警报，争取更多的宝贵时间

森林火灾具有突发性、灾害发生的随机性、短时间内能造成巨大损失。因此一旦有火警发生就必须以极快的速度采取扑救措施。视频烟火识别系统可以及时发现火灾情况及时警报，争取哽多的宝贵时间