基于改進(jìn)FCM聚類算法的隧道火災(zāi)受困人員信息化定位方法

崔鵬飛

(中國公路工程咨詢集團(tuán)有限公司，北京 100089)

火災(zāi)是典型的突發(fā)性災(zāi)害，具有蔓延速度快的特點(diǎn)，可能造成大范圍危害，危害人類生命。隧道是人類生活中重要的交通設(shè)施，隧道具有較高的密閉特性，如果隧道內(nèi)發(fā)生火災(zāi)，對人類的威脅更加嚴(yán)重。隧道火災(zāi)受困人員信息化定位方法對于發(fā)生火災(zāi)隧道內(nèi)人員安全極為重要，火災(zāi)解救人員盡早發(fā)現(xiàn)隧道火災(zāi)內(nèi)受困人員所在位置，及時制訂受困人員解救措施，保護(hù)隧道火災(zāi)受困人員安全。

以往的火災(zāi)現(xiàn)場人員定位方法容易受到噪聲和外界因素干擾，尤其是具有較高密封性能的隧道，火災(zāi)受困人員信息化定位方法需具有更高的定位性能，通過精準(zhǔn)的信息化定位輔助解決人員明確隧道火災(zāi)受困人員的精準(zhǔn)位置。具有高實(shí)時性以及高精準(zhǔn)性的隧道火災(zāi)受困人員信息化識別方法極為重要。隧道火災(zāi)具有撲滅難度大、蔓延速度快的特點(diǎn)，目前針對隧道火災(zāi)的研究較多，劉斌以及惠豫川等分別研究隧道發(fā)生火災(zāi)時的頂棚射流溫度分布以及隧道火災(zāi)長度，對隧道火災(zāi)進(jìn)行初步探討。

目前針對隧道火災(zāi)受困人員定位的研究較少，研究基于改進(jìn)FCM聚類算法的隧道火災(zāi)受困人員信息化定位方法，將改進(jìn)的FCM聚類算法應(yīng)用于隧道火災(zāi)受困人員的信息化定位中，通過實(shí)驗(yàn)驗(yàn)證該方法具有較高的受困人員信息化定位精準(zhǔn)性，具有深遠(yuǎn)的發(fā)展意義。

1 隧道火災(zāi)受困人員信息化定位方法

1.1 隧道火災(zāi)圖像分割

1.1.1 FCM聚類算法

FCM聚類算法改善了硬C均值聚類算法，僅可分類單獨(dú)類別的缺陷，F(xiàn)CM聚類算法的聚類結(jié)果更加靈活，可將獨(dú)立的目標(biāo)對象分類至多類中。用={,,…,}?×表示數(shù)據(jù)集，其中與分別表示數(shù)據(jù)集的維度以及數(shù)量。將該數(shù)據(jù)集利用FCM聚類算法劃分為數(shù)量為的子集，完成劃分后獲取模糊劃分矩陣用表示，聚類中心用(=1,2,…,)表示，樣本屬于類別的隸屬度函數(shù)用,表示。FCM聚類算法的聚類損失函數(shù)表達(dá)式如下：

(1)

式(1)中，表示加權(quán)指數(shù)。

FCM聚類算法需獲取不同目標(biāo)與聚類中心的距離，建立聚類目標(biāo)至聚類中心的隸屬度矩陣，排序聚類目標(biāo)對于不同聚類中心的隸屬度，將目標(biāo)劃分至具有最高隸屬度的簇內(nèi)，所劃分的簇內(nèi)目標(biāo)間具有較高的相似度。聚類函數(shù)最小是FCM聚類算法的聚類目標(biāo)，F(xiàn)CM聚類算法的與,表達(dá)式如下：

(2)

(3)

FCM聚類算法中的式(2)與式(3)需滿足1≤≤，1≤≤。

1.1.2 改進(jìn)FCM聚類算法的圖像分割

利用改進(jìn)的FCM聚類算法分割隧道火災(zāi)圖像，為隧道火災(zāi)受困人員信息化精準(zhǔn)定位提供依據(jù)。用表示大小為×的隧道火災(zāi)圖像中的全部像素集合{,,…，×-1}。依據(jù)FCM聚類方法原理可知，利用隸屬度函數(shù)可將隧道火災(zāi)圖像中的全部像素劃分為不同類別。

像素與聚類中心的間距用表示，隧道火災(zāi)圖像分割類別數(shù)量為時，像素與類別的隸屬度函數(shù),表達(dá)式如下：

(4)

式(4)中，∈[0,-1]，加權(quán)函數(shù)具有控制作用，該參數(shù)值越高時，隧道火災(zāi)圖像分割獲取的類別模糊性越高，本文取=2。

FCM聚類算法利用歐式距離表示聚類中心值與像素的距離,=‖-‖。分割隧道火災(zāi)圖像聚類的特征空間內(nèi)，樣本呈現(xiàn)橢圓形或球形分布。為了提升FCM聚類算法分割隧道火災(zāi)圖像的適應(yīng)性，引入矢量特征效度(,)改進(jìn)FCM聚類算法，利用(,)衡量不同樣本間的差異，通過特征散度內(nèi)積范數(shù)‖(,)‖表示距離。

聚類中心值(,…,-1)即隧道火災(zāi)圖像分割聚類算法的解，聚類迭代過程中，重復(fù)調(diào)整令隧道火災(zāi)圖像像素的隸屬度函數(shù)有所變換。

利用判決函數(shù)保障聚類結(jié)果間的類間緊致度最小，此時表達(dá)式如下：

(5)

為了降低隧道火災(zāi)圖像分割的聚類復(fù)雜度，利用特征性度量空間代替像素空間進(jìn)行圖像分割，灰度直方圖,∈[0,-1]即特征度量分布結(jié)果，可將式(5)轉(zhuǎn)化如下：

(6)

結(jié)合式(6)，建立隧道火災(zāi)圖像分割的最終目標(biāo)函數(shù)如下：

(7)

通過所建立目標(biāo)函數(shù)的求解，獲取隧道火災(zāi)圖像的分割結(jié)果。

1.2 隧道火災(zāi)圖像空間特征提取

采用SIFI算法提取完成分割后隧道火災(zāi)圖像空間特征，特征提取主要包括以下步驟：

(1)生成尺度空間

選取高斯差分空間方法搜尋完成分割后隧道火災(zāi)圖像尺度空間中的關(guān)鍵點(diǎn)，卷積處理隧道火災(zāi)圖像與差異尺度空間中的高斯差分核，獲取尺度空間內(nèi)關(guān)鍵點(diǎn)表達(dá)式如下：

(,,)=((,,)-

(,,))*(,)=(,,)-

(,,)

(8)

式(8)中，表示卷積核，表示卷積系數(shù)，表示高斯差分核，(,)與分別表示圖像像素以及關(guān)鍵點(diǎn)尺度。

(2)檢測尺度空間關(guān)鍵點(diǎn)

對比采樣點(diǎn)像素以及相鄰點(diǎn)，搜尋尺度空間的關(guān)鍵點(diǎn)。

(3)分配關(guān)鍵點(diǎn)方向

差異尺度空間內(nèi)的隧道火災(zāi)圖像鄰域像素具有梯度方向分布特性，所搜尋的隧道火災(zāi)圖像中的關(guān)鍵點(diǎn)的方向參數(shù)利用梯度方向分布特性分配表達(dá)式如下：

(9)

式(9)中，表示隧道火災(zāi)圖像關(guān)鍵點(diǎn)尺度；(,)表示隧道火災(zāi)圖像像素的梯度方向；(,)表示隧道火災(zāi)圖像像素的梯度模值。

(4)生成特征點(diǎn)描述

完成關(guān)鍵點(diǎn)方向分配后，將坐標(biāo)軸旋轉(zhuǎn)至特征點(diǎn)方向，保證坐標(biāo)軸存在旋轉(zhuǎn)不變特性。選取高斯窗口加權(quán)方法計(jì)算隧道火災(zāi)圖像的梯度方向以及梯度模式，獲取不同窗口梯度方向直方圖，累加差異梯度方向生成SIFT空間特征向量，歸一化處理所提取的特征向量長度，避免隧道火災(zāi)圖像空間特征向量受到光照變化影響。

1.3 隧道火災(zāi)受困人員信息化定位

依據(jù)所提取的隧道火災(zāi)圖像空間特征，利用改進(jìn)Gabor小波算法實(shí)現(xiàn)隧道火災(zāi)受困人員的信息化定位。信息化定位隧道火災(zāi)受困人員時，隧道火災(zāi)圖像內(nèi)受困人員目標(biāo)區(qū)域的三維顏色色調(diào)受火災(zāi)煙氣影響，容易出現(xiàn)平滑情況，選取三原色方差方法信息化定位隧道火災(zāi)受困人員。

用、、表示隧道火災(zāi)存在受困人員區(qū)域的三原色矩陣，用表示隧道火災(zāi)受困人員目標(biāo)區(qū)域的可疑度函數(shù)，可得表示如下：

(10)

像素亮度值中值表達(dá)式如下：

(11)

式(11)中，表示隧道火災(zāi)區(qū)域的面積；表示隧道火災(zāi)受困人員像素亮度值的中值；通過隧道火災(zāi)面積閾值判斷隧道火災(zāi)圖像區(qū)域是否存在受困人員，0≤≤1，≥。

選取Gabor小波方法獲取隧道火災(zāi)圖像空間特征內(nèi)的面積邊緣以及煙霧紋理，可得二維Gabor小波基表達(dá)式如下：

(12)

式(12)中，與分別表示Gabor小波的尺度因子以及方向，(,)與分別表示像素點(diǎn)坐標(biāo)以及隧道火災(zāi)煙霧的方向數(shù)量，與,(,)分別表示像素間的標(biāo)準(zhǔn)差以及隧道火災(zāi)區(qū)域圖像的二維Gabor小波基。

選取S函數(shù)建立隧道火災(zāi)的方向角分布模型表達(dá)式如下：

(13)

選取S函數(shù)建立隧道火災(zāi)的煙霧變化能量模型表達(dá)式如下：

(14)

以上式(14)中，,()與分別表示受困人員目標(biāo)區(qū)域能量參數(shù)以及火災(zāi)煙霧紋理的運(yùn)動角度；與分別表示隧道火災(zāi)區(qū)域的像素空間以及歸一化因子。

通過以上建立的模型，提取受困人員的動態(tài)特性，實(shí)現(xiàn)精準(zhǔn)的信息化定位。

設(shè)兩幀隧道火災(zāi)現(xiàn)場圖像(,)與(,)的受困人員像素亮點(diǎn)數(shù)分別為與，隧道火災(zāi)受困人員在圖像空間特征內(nèi)的動態(tài)特性表達(dá)式如下：

,())

(15)

式(15)中，(,)表示隧道火災(zāi)受困人員在隧道火災(zāi)圖像空間特征內(nèi)的移動速度。

隧道火災(zāi)受困人員在隧道火災(zāi)圖像中的動態(tài)特性識別表達(dá)式如下：

(16)

式(16)中，(,)與(,)分別表示火災(zāi)圖像的空間坐標(biāo)以及高亮像素，(,)與(,)分別表示相鄰兩幀隧道火災(zāi)圖像以及圖像的高亮動態(tài)變化性。

通過式(16)獲取的具有高動態(tài)特性的像素點(diǎn)即隧道火災(zāi)圖像內(nèi)受困人員的具體位置，實(shí)現(xiàn)隧道火災(zāi)受困人員的信息化定位。

2 算例分析

為了證明所研究基于改進(jìn)FCM聚類算法的隧道火災(zāi)受困人員信息化定位方法，對于隧道火災(zāi)受困人員的信息化定位有效性，采用MATLAB仿真軟件模擬某隧道場景，該隧道長度為885m，隧道最寬處寬度為19.8m，屬于中長隧道。通過實(shí)驗(yàn)驗(yàn)證本文方法在該隧道發(fā)生重大火災(zāi)、較大火災(zāi)以及一般火災(zāi)三種類型火災(zāi)情況下的受困人員信息化定位性能。

方法模擬不同類型火災(zāi)場景，場景模擬結(jié)果如圖1所示。

(a)重大火災(zāi)

圖1火災(zāi)場景模擬結(jié)果可以看出，實(shí)驗(yàn)?zāi)M隧道火災(zāi)場景在重大火災(zāi)的火源點(diǎn)坐標(biāo)為(45.6，51.2)，較大火災(zāi)的火源點(diǎn)坐標(biāo)為(89.5，37.5)，一般火災(zāi)的火源點(diǎn)坐標(biāo)為(27.4，84.5)。圖1隧道火災(zāi)模擬場景中各包含8個不同位置的受困人員，模擬的隧道火災(zāi)場景具有較高的有效性，可應(yīng)用于測試本文方法對隧道火災(zāi)受困人員信息化定位方法有效性。

采用本文方法對模擬場景的不同類型隧道火災(zāi)的受困人員實(shí)施信息化定位，不同類型隧道火災(zāi)受困人員信息化定位坐標(biāo)結(jié)果如表1所示。

表1 隧道火災(zāi)受困人員信息化定位結(jié)果

表1實(shí)驗(yàn)結(jié)果可以看出，本文方法可以有效實(shí)現(xiàn)隧道火災(zāi)受困人員的信息化定位，對于不同類型的隧道火災(zāi)，本文方法均可以有效實(shí)現(xiàn)受困人員坐標(biāo)點(diǎn)的精準(zhǔn)定位，便于救援人員快速對受困人員展開救援。

為了驗(yàn)證本文方法的信息化定位精度，對比采用本文方法信息化定位隧道火災(zāi)受困人員坐標(biāo)與模擬場景中隧道火災(zāi)受困人員實(shí)際坐標(biāo)。不同類型隧道火災(zāi)場景中，本文方法信息化定位受困人員的相對誤差結(jié)果如圖2所示。

(a)重大火災(zāi)

從圖2的實(shí)驗(yàn)結(jié)果可以看出，采用本文方法可以實(shí)現(xiàn)隧道火災(zāi)受困人員精準(zhǔn)的信息化定位。采用本文方法定位重大火災(zāi)、較大火災(zāi)以及一般火災(zāi)三種不同類型隧道火災(zāi)受困人員，軸以及軸的相對誤差均低于20cm，驗(yàn)證本文方法具有較高的定位精度。本文方法具有較高的受困人員信息化定位性能，主要原因是本文方法采用改進(jìn)FCM聚類算法分割隧道火災(zāi)圖像，通過圖像分割為信息化定位提供基礎(chǔ)，保證本文方法的定位優(yōu)越性。

為了進(jìn)一步驗(yàn)證本文方法對隧道火災(zāi)受困人員的信息化定位性能，統(tǒng)計(jì)不同火災(zāi)煙霧濃度系數(shù)情況下，本文方法對受困人員的定位精度以及定位時間，統(tǒng)計(jì)結(jié)果如圖3所示。

圖3 不同火災(zāi)煙霧濃度系數(shù)的定位結(jié)果

從圖3可以看出，采用本文方法對隧道火災(zāi)受困人員進(jìn)行信息化定位，不同火災(zāi)煙霧濃度系數(shù)下，本文方法均具有較高的定位精度，定位精度均高于98.5%，且在200ms內(nèi)可以快速獲取受困人員的信息化定位結(jié)果。由圖3實(shí)驗(yàn)結(jié)果可知，本文方法可提升隧道火災(zāi)受困人員的定位精度以及定位實(shí)時性。本文方法在不同火災(zāi)煙霧濃度系數(shù)情況下，波動范圍較小，說明本文方法受干擾的影響較小，具有較高的穩(wěn)定性。

3 結(jié) 論

研究基于改進(jìn)FCM聚類算法的隧道火災(zāi)受困人員信息化定位方法，通過隧道火災(zāi)受困人員的動態(tài)特性提升信息化定位精度。采用改進(jìn)的FCM聚類算法分割隧道火災(zāi)圖像，提取完成分割后隧道火災(zāi)圖像的空間特征，實(shí)現(xiàn)受困人員的信息化定位，可在較短時間內(nèi)快速獲取具有較高精度的隧道火災(zāi)受困人員信息化定位結(jié)果，具有定位精度高且定位實(shí)時性高的優(yōu)勢。