淺談消防智能訓練管理系統的應用

吳茂洪

摘 要：在當前科技強軍的大背景下，消防部隊訓練更應重視智能化發展水平。提升訓練智能化水平，迫切的需要投入智能化、科學化的人工智能設備和系統，多方位的應用于消防訓練。消防智能訓練管理系統采用人工智能、機器學習等技術，應用訓練數據采集設備，實現消防官兵各類訓練、考核和競賽的自動化管理，包括訓練成績自動登記、統計、分析和評估。使用大數據分析方法，建立消防訓練云分析模型，查找短板，制定針對性訓練方案，進一步提升訓練效能。

關鍵詞：消防；訓練；智能化；管理系統

中圖分類號：TU998 文獻標識碼：A 文章編號：1671-2064（2017）16-0193-01

隨著社會經濟及民生的不斷快速發展，現代火災的危險性、復雜性對消防部隊滅火救援工作提出了越來越高的要求。消防部隊戰斗力的提升，關鍵在于訓練工作的不斷創新、改進。只有始終堅持科學施訓，不斷提高訓練效能，全方位提升消防官兵職業素質，才能適應滅火救援形勢的需要。以“大數據+云服務+互聯網+人工智能”搭建的智能訓練管理系統在一定程度上能有效解決消防部隊訓練工作存在的問題，進一步提升訓練效能。

1 當前消防部隊訓練中的主要問題

1.1 組訓效率低

在日常訓練、考核、比賽中，需要大量人員組織，全程需靠人工計時、登記、匯總等，耗時耗力，拖延時間，造成訓練量無法保證，效率較低。

1.2 訓練成績誤差大

在計時的訓練項目中，采取人工按表方式計時間折算為成績的話，會因計時人反應程度不同而造成人為的誤差，不夠精確，且無法統一標準，造成誤差較大；在肢體訓練項目中，會因受訓者在個別的動作中不規范或不符合要求中蒙混過關。

1.3 未能有效評價

訓練、考核、比賽數據沒有沉淀、對比、分析和評估，無法知道進步或退步，優秀與短板，對個人的培養，對基層團隊綜合戰斗力的提升沒有數據支持，無法做到科學培養，精準提升訓練效能。

2 智能訓練管理系統相關介紹

2.1 概述

智能訓練管理系統通過深度視覺設備、智能穿戴設備、體征感知設備等各類傳感器，利用人工智能、視覺識別、模式識別和機器深度學習、卷積神經網絡算法等技術，自動采集速度類及肢體類運動項目數據，實現各類訓練、考核和競賽的自動化管理。同時將訓練數據層層匯集，形成訓練云數據庫，并在云數據庫的基礎上進行數據統計、數據分析、數據挖掘、機器學習和預測，為管理人員提供訓練決策輔助。

2.2 系統五個主要功能

（1）人臉識別系統。人臉識別系統主要用于身份驗證，采用生物特征檢測技術，對人員的生物特征進行掃描，相關身份數據儲存在云服務器中，隨時可調用。人臉識別系統識別精準度高，室外復雜光線環境下也可使用，實現了參訓（考）人員身份自動檢測，節省了訓（考）前檢錄等環節，提高了訓練（考核）效率。

（2）中長跑計時檢測。中長跑訓練科目是部隊體能訓練基礎科目。系統同時可考核150人，大大提升訓練效率。每名參訓官兵需裝備腕帶式的可穿戴設備，系統采用雙頻無線感應技術，結合可穿戴設備，能實現中長跑自動報圈、計時、計速、發布，并自動采集數據上傳至云服務器。

（3）短跑高精度計時檢測。短跑訓練科目需要具備較高的精度計時檢測，當前人工按表的方式誤差較大。系統采用深度攝像感應設備及機器視覺、人工智能學習技術，實現短跑高精度計時，距離誤差小于±3mm，計時精度為±0.017秒。

（4）肢體型運動的動作檢測。肢體型運動項目主要有單桿、雙杠、仰臥起坐等。系統通過深度感應器，結合視頻圖像采集設備，監控肢體型動作，能自動采集人體不同部位的位置點，轉化為深度圖像數據。通過人工智能和機器視覺識別技術，來判定人體骨骼、臉、頭、軀體、關節等位置和動作，從而判斷動作是否標準，是否到位，自動計數、發布，并將數據上傳至云服務器。

（5）云端大數據分析。通過智能訓練管理系統，日常的各項訓練成績都會上傳儲存在云服務器中，構成了系統的底層核心數據，隨著訓練工作的不斷深入，各項數據不斷豐富、完善，將逐步形成大數據。系統采用云數據挖掘技術對大數據進行深度分析，實現戰斗力全面分析，有效支撐戰斗力提升。

3 智能訓練管理系統促進訓練工作的幾點優勢

3.1 有效提升訓練效能

（1）保障人員訓練量。通過智能訓練管理系統的人臉識別系統能節省檢錄環節，在中長跑、短跑及肢體型科目能實現多人同時參訓，節省組訓人員，實現訓練成績自動采集。

（2）確保公平公正。智能訓練管理系統采用生物特征檢測，包括人臉識別和指紋識別技術來判定參與訓練、考核或競賽的人員的真實身份，從而防止他人替代的現象。

（3）系統應用范圍廣。智能訓練管理系統可應用于100m、3000m等賽跑訓練與考核，也可應用于消防專業項目（如負重跑、折返跑、滅火操、水帶連接等），利用深度攝像儀，雙頻無線技術，結合可穿戴設備，精確人員圈數，速度，自動采集數據并完成上傳，計時精度可達到±0.03秒；同時可應用于肢體類考核（如引體向上、俯臥撐、屈臂支撐等），系統采用深度攝像感應設備及機器視覺、人工智能學習技術，實現肢體類運動檢測裁決計數。其中，深度感應3D攝像頭捕捉動作，通過人工智能識別技術判斷動作是否標準并自動計數，防漏檢、誤檢及作弊，復雜室外場景都可使用。

3.2 促進戰訓工作規范化管理

針對下達的訓練計劃要求，通過系統做到實時跟進基層單位、個人的訓練情況。系統可按條件自動生成數據、圖表，反饋比較形象、直觀。對各級官兵的訓練成績做到實時監控，找到戰斗力短板，做出針對性的訓練安排。依據訓練數據對團隊及個人整體能力水平做出評估，通過人工智能算法，對各種要素進行分析、計算，實現團隊及個人戰斗力量化管理。

3.3 輔助訓練工作科學決策

智能訓練系統自動采集數據后，會自動上傳聯網，匯集到云數據庫中，通過數據云進行統計、分析和數據挖掘。建立多維度的數據分析模型，通過人工智能和機器深度學習，提供輔助決策和預策的能力。

4 結語

隨著滅火搶險救援任務日益繁重，對消防部隊滅火救援實戰能力提出了越來越高的要求，科技強警是新形勢下深化消防部隊滅火救援實戰能力的必由之路。

參考文獻

[1]鄭楊慧，牛曉莉.推進體能訓練實戰化的幾點思考[J].軍事體育學報，2014，（01）.

[2]李波濤.部隊實戰化體能訓練現狀與對策[J].軍事體育學報，2015，（04）.

[3]余殷博.基于人工智能下的機器學習歷史及展望[J].電子技術與軟件工程，2017，（04）.endprint