近年来,城市中的安全隐患日益增多,各类灾害事故呈现出风险高,危害大的特点,安全隐患日益增多的主要原因是社会经济持续快速发展,城市规模不断扩大导致的人口大量聚集,因此社会公共安全需求日益增加。随着城市化进程的持续进行,城市高层、地下、商业综合体、地铁、隧道等建筑发展迅猛,导致公安消防局现役防灭火力量严重不足,消防官兵长期疲劳作战,火灾防控压力巨大。国务院《促进大数据发展行动刚要》（2015）指出要推动智慧消防城市救援平台的建设和发展。“要深入推进消防信息化建设,积极建设‘智慧消防’”是2017年1月全国消防工作会议上中央政法委书记郭声琨强调的重点。在此背景下智能化指挥调度系统项目应运而生,利用图像识别技术对建筑图纸上的消防器材图标进行精准定位是基于深度学习的消防器材自动识别系统项目的一个重要组成部分。只有识别和获取了消防图标的位置,项目才能在此基础上生成对应的图标实现消防图纸的自动布点功能。在智能化指挥调度系统项目中,建筑图纸上消防器材图标的准确识别是定位建筑内消防器材位置,使救援平台为消防救援行动提供有效支撑的前提。针对手动录入建筑楼层消防信息效率低下的问题,本文提出了一种在Tensor Flow和Keras框架下利用YOLOv3算法来实现的基于深度学习的消防器材自动识别方案。通过收集数据集,下载预训练文件,使用YOLOv3算法进行自训练的方法,达到识别建筑图纸上四种消防器材图标和输出消防图标位置信息的目的。然后通过位置坐标获取实现自动布点功能,实验结果表明消防器材自动识别方案能显著的提高智能化指挥调度系统项目中建筑图纸上消防器材图标的录入的效率,具有很强的可靠性。本文的主要创新点在于:（1）利用YOLOv3算法同时识别多种类的消防图标。（2）训练出的目标检测模型能够克服建筑图纸上消防图标的大小不一致,角度各有不同的问题对消防器材图标进行识别。（3）训练出的目标检测模型能够克服建筑图纸上的其他图标的干扰完成对建筑图纸上消防图标的识别。