章曉強(qiáng),錢(qián)升港,張 拓,竺超明,何文秀
(1.浙江廣播電視大學(xué)蕭山學(xué)院,浙江 杭州 311200;2.浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,浙江 杭州 310023;3.浙江工業(yè)大學(xué)之江學(xué)院,浙江 紹興 312030)
隨著我國(guó)工業(yè)化以及城市化不斷發(fā)展,能源消耗、機(jī)動(dòng)車(chē)尾氣排放等迅速增加,空氣污染問(wèn)題逐漸嚴(yán)重,尤其是在經(jīng)濟(jì)發(fā)達(dá)的長(zhǎng)三角、珠三角和京津冀等地區(qū)[1]。大量未經(jīng)處理的氣體的排放導(dǎo)致空氣中存在大量的PM2.5懸浮顆粒,對(duì)人體會(huì)造成不可挽回的損害[2]。目前對(duì)PM2.5的監(jiān)測(cè)主要是隨意將監(jiān)測(cè)儀放置在不同環(huán)境下[3],因此很難監(jiān)測(cè)個(gè)人周?chē)沫h(huán)境變化。另一方面,近些年來(lái),隨著經(jīng)濟(jì)發(fā)展與人民生活水平的提高,居住環(huán)境和室內(nèi)空氣污染日益受到人們的關(guān)注,在房屋裝修后,室內(nèi)存在大量的有毒氣體殘留,主要為甲醛等[4],長(zhǎng)期低劑量接觸甲醛會(huì)導(dǎo)致人咳嗽、流淚、打噴嚏,長(zhǎng)期接觸較高濃度甲醛會(huì)引起呼吸道損害、呼吸困難,甚至最終導(dǎo)致死亡[5-6]。因此,為了個(gè)人的身體健康,對(duì)人體周?chē)h(huán)境的實(shí)時(shí)監(jiān)測(cè)并進(jìn)行示警顯得尤為重要[7]。人的活動(dòng)范圍不僅僅局限于室內(nèi)或者室外,而是會(huì)在室內(nèi)或者室外之間進(jìn)行切換。如果存在智能的算法識(shí)別出當(dāng)前所處環(huán)境,進(jìn)而對(duì)監(jiān)測(cè)內(nèi)容進(jìn)行切換,例如在室內(nèi)對(duì)甲醛等污染物進(jìn)行監(jiān)測(cè),在室外對(duì)PM2.5等污染物進(jìn)行監(jiān)測(cè),既可以直接展示用戶(hù)個(gè)體當(dāng)前環(huán)境的局部空氣質(zhì)量狀況,又能夠降低設(shè)備能耗。
在環(huán)境監(jiān)測(cè)方面,室內(nèi)外場(chǎng)景識(shí)別技術(shù)具有較大的應(yīng)用場(chǎng)景以及應(yīng)用價(jià)值。室內(nèi)外場(chǎng)景識(shí)別實(shí)現(xiàn)的方式多種多樣,大致可分為三類(lèi):(1)基于預(yù)部署設(shè)備;(2)基于圖像識(shí)別;(3)基于環(huán)境信息特征。李錦鋒等人[8]提出的算法通過(guò)小波變換對(duì)輸入圖像執(zhí)行分解,然后使用LBP算法提取紋理特征,對(duì)子圖之間的能量方差與均值進(jìn)行計(jì)算,并連接特征向量形成圖像特征,以此對(duì)室內(nèi)室外圖像的場(chǎng)景進(jìn)行識(shí)別。該方法具有不錯(cuò)的識(shí)別效果,但因?yàn)樵O(shè)備不具備方便攜帶的性質(zhì),無(wú)法直接應(yīng)用到可移動(dòng)的環(huán)境監(jiān)測(cè)當(dāng)中。畢京學(xué)等人[9]提出的方法基于手機(jī)集成的GPS模塊得到室內(nèi)外場(chǎng)景下的衛(wèi)星高度角和信噪比,通過(guò)截止高度角、信噪比臨界值和衛(wèi)星數(shù)目對(duì)室內(nèi)外場(chǎng)景進(jìn)行識(shí)別。但文章中所述的實(shí)驗(yàn)檢驗(yàn)地點(diǎn)太過(guò)單調(diào),其可靠性仍需檢驗(yàn)。
針對(duì)上述問(wèn)題,本文提出了多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法,該方法結(jié)合光照強(qiáng)度、濕度、溫度以及地磁強(qiáng)度等多種因素,提高了室內(nèi)外識(shí)別的精準(zhǔn)度,實(shí)現(xiàn)對(duì)不同場(chǎng)景進(jìn)行不同類(lèi)別監(jiān)測(cè)的實(shí)際需求。
太陽(yáng)作為白天室外的主要光源,其光照強(qiáng)度相對(duì)于室內(nèi)的人造光源(例如日光燈等)的光照強(qiáng)度高出一大截,即便是在陰天、多云或者雨天。主要原因是太陽(yáng)光由可見(jiàn)光、紫外線(xiàn)以及紅外線(xiàn)組成,而人造光源在通常情況下不包含紫外線(xiàn)以及紅外線(xiàn)。由于肉眼無(wú)法識(shí)別出太陽(yáng)光中的紫外線(xiàn)以及紅外線(xiàn)部分,而光傳感器除了可以測(cè)量到可見(jiàn)光部分外,還可以測(cè)量到不可見(jiàn)光部分(紫外線(xiàn)、紅外線(xiàn)),所以即使在人體感知光照強(qiáng)度相似的情況下,通過(guò)光傳感器測(cè)量到的室外的太陽(yáng)光的光照強(qiáng)度也會(huì)遠(yuǎn)遠(yuǎn)大于室內(nèi)人造光源的光照強(qiáng)度。因此可以通過(guò)光傳感器對(duì)光照強(qiáng)度進(jìn)行測(cè)量,進(jìn)而可以準(zhǔn)確地區(qū)分出室內(nèi)外場(chǎng)景。如圖1所示,在所處環(huán)境由室內(nèi)轉(zhuǎn)換成室外的情況下,室外太陽(yáng)光的光照強(qiáng)度明顯遠(yuǎn)遠(yuǎn)高于室內(nèi)的人造光源的光照強(qiáng)度。
圖1 室內(nèi)外場(chǎng)景轉(zhuǎn)換后光照強(qiáng)度折線(xiàn)圖
Li等人[10]提出了一種名為IO Detector的室內(nèi)外識(shí)別算法,該算法主要基于光照強(qiáng)度的下臨界值與上臨界值對(duì)室內(nèi)外環(huán)境進(jìn)行區(qū)分,將下臨界值定為200 lx,將上臨界值定為2 000 lx。依據(jù)原文所述,當(dāng)光傳感器檢測(cè)出的光照強(qiáng)度超過(guò)上臨界值時(shí),那么所處環(huán)境是室外就存在高置信度,反之,則對(duì)當(dāng)前時(shí)間進(jìn)行分析,判斷是否為白晝區(qū)間。假設(shè)當(dāng)前時(shí)間屬于白晝區(qū)間,那么所處環(huán)境是室內(nèi)就存在高置信度,否則就判斷當(dāng)前光照強(qiáng)度與下臨界值的關(guān)系。如果當(dāng)前光照強(qiáng)度低于下臨界值,那么所處環(huán)境是室外就存在高置信度,否則所處環(huán)境是室內(nèi)就存在高置信度。
并且文中只是簡(jiǎn)單的將8:00 am-17:00 pm設(shè)定為白天,將20:00 pm-5:00am設(shè)定為夜晚。由于地域差異等,不同地區(qū)的晝夜長(zhǎng)短不同,例如當(dāng)太陽(yáng)直射北半球時(shí),北半球晝長(zhǎng)夜短,而南半球與之相反。并且即使在相同地區(qū),不同季節(jié)也會(huì)導(dǎo)致晝夜長(zhǎng)短變化,例如北半球夏季晝長(zhǎng)夜短,冬季與之相反。因此不能簡(jiǎn)單地將晝夜時(shí)間設(shè)定為固定值,如何將晝夜區(qū)間準(zhǔn)確地區(qū)分對(duì)提高室內(nèi)外場(chǎng)景識(shí)別準(zhǔn)確度有著重要意義。本文改進(jìn)后通過(guò)GPS定位獲取當(dāng)前位置經(jīng)緯度,結(jié)合二十四節(jié)氣獲取當(dāng)前時(shí)間太陽(yáng)入射角,進(jìn)而通過(guò)計(jì)算獲取當(dāng)前位置的晝夜分隔時(shí)間點(diǎn)。主要分為三個(gè)步驟:
①計(jì)算正午時(shí)間。地球總共被人為劃分為24個(gè)時(shí)區(qū),其中相鄰的兩個(gè)時(shí)區(qū)中心之間間隔1小時(shí),每個(gè)時(shí)區(qū)的經(jīng)度跨度為15°。因此可通過(guò)經(jīng)度計(jì)算出當(dāng)前位置所處的時(shí)區(qū),然后通過(guò)計(jì)算當(dāng)前經(jīng)度與當(dāng)前時(shí)區(qū)中心的差值計(jì)算出當(dāng)前位置的準(zhǔn)確正午時(shí)間,如式(1)所示。
式中:N為當(dāng)前位置的正午時(shí)間,l為當(dāng)前位置的經(jīng)度,為對(duì)x進(jìn)行向下求整,為對(duì)x進(jìn)行向上求整。
②計(jì)算白天時(shí)長(zhǎng)。太陽(yáng)入射角隨時(shí)間的變化在北緯23°26′與南緯23°26′之間呈規(guī)律性變化,該變化與農(nóng)歷的二十四節(jié)氣有關(guān)[11],因此可以通過(guò)二十四節(jié)氣對(duì)當(dāng)前時(shí)間太陽(yáng)入射角進(jìn)行計(jì)算,主要為春分、夏至、秋分和冬至。首先判斷出當(dāng)前日期所處的節(jié)氣區(qū)間,根據(jù)當(dāng)前日期距離兩個(gè)節(jié)氣的時(shí)間比例計(jì)算當(dāng)前日期太陽(yáng)直射位置,進(jìn)而計(jì)算出太陽(yáng)入射角大小,如式(2)所示。
式中:β為當(dāng)前日期的太陽(yáng)入射角,x為當(dāng)前日期,day1是當(dāng)前日期前一個(gè)節(jié)氣的日期,Day2是當(dāng)前日期后一個(gè)節(jié)氣的日期,α1是當(dāng)前日期前一個(gè)節(jié)氣的太陽(yáng)入射角,α2是當(dāng)前日期后一個(gè)節(jié)氣的太陽(yáng)入射角,Day(x1,x2)為計(jì)算x1與x2間天數(shù)之差的函數(shù)。
③計(jì)算晝夜分割點(diǎn)。如圖2所示,當(dāng)天太陽(yáng)直射點(diǎn)為A,假設(shè)該位置的緯度為λ,該緯度上弧B1AB2所處位置為白晝,弧B1CB2所處位置為黑夜,因此,該維度上白晝時(shí)長(zhǎng)與弧B1AB2所占的比例相關(guān),如式(3)所示。
圖2 太陽(yáng)直射示意圖
式中:D為當(dāng)前位置的白晝時(shí)長(zhǎng)。
在得到正午時(shí)間點(diǎn)和白晝時(shí)長(zhǎng)后,通過(guò)正午時(shí)間點(diǎn)將白晝時(shí)長(zhǎng)對(duì)半分,可計(jì)算得到當(dāng)日晝夜分割時(shí)間點(diǎn),如式(4)所示。
式中:T1為日出時(shí)間,T2為日落時(shí)間。
另一方面,天氣也是影響光照強(qiáng)度的重要因素,例如陰天、多云、雨天等異常天氣也會(huì)導(dǎo)致光照強(qiáng)度衰弱。因此,若將上臨界值設(shè)定為動(dòng)態(tài)值,根據(jù)天氣情況動(dòng)態(tài)地調(diào)整上臨界值能夠提高識(shí)別的準(zhǔn)確度。天氣情況主要通過(guò)當(dāng)前空氣中的濕度來(lái)判別,如果當(dāng)前空氣中濕度較高,就極有可能是處在異常天氣情況下。本文通過(guò)在其他算法中需要的濕度傳感器監(jiān)測(cè)到的當(dāng)前環(huán)境的濕度數(shù)據(jù)對(duì)上臨界值進(jìn)行動(dòng)態(tài)調(diào)整,如式(5)所示。
式中:δ1是上臨界值,δ2是下臨界值,H是當(dāng)前所處環(huán)境的濕度。
基于光照強(qiáng)度的室內(nèi)外識(shí)別算法的具體流程如圖3所示,其室內(nèi)置信度如式(6)所示。
圖3 基于光照強(qiáng)度的室內(nèi)外識(shí)別算法流程圖
式中:CL為基于光照強(qiáng)度的識(shí)別室內(nèi)外場(chǎng)景的室內(nèi)置信度,time為當(dāng)前時(shí)間。
室內(nèi)環(huán)境由于其密閉性,通常會(huì)處于一個(gè)較為穩(wěn)定的狀態(tài),其溫濕度在通常情況下會(huì)在一個(gè)范圍內(nèi)保持恒定或輕微波動(dòng)[12]。而室外環(huán)境由于季節(jié)、天氣等因素,處于一個(gè)整體不穩(wěn)定,但局部穩(wěn)定的情況,例如全年溫度起伏較大,但在夏季時(shí)室外溫度遠(yuǎn)遠(yuǎn)高于室內(nèi)溫度,而在冬季時(shí)室外溫度遠(yuǎn)遠(yuǎn)低于室內(nèi)溫度;在陰雨天時(shí)室外濕度遠(yuǎn)遠(yuǎn)高于室內(nèi)濕度,而在晴天時(shí)室外濕度遠(yuǎn)遠(yuǎn)低于室內(nèi)濕度。如圖4所示,在夏季時(shí),場(chǎng)景從室內(nèi)轉(zhuǎn)換到室外后,溫濕度傳感器測(cè)出溫度逐漸上升,最終保持在較大差距。如圖5所示,在晴天時(shí),場(chǎng)景從室內(nèi)轉(zhuǎn)換到室外后,溫濕度傳感器測(cè)出濕度逐漸波動(dòng)下降,最終保持在較大差距。因此,利用溫濕度傳感器采集到的數(shù)據(jù)可以用來(lái)區(qū)分室內(nèi)外場(chǎng)景。
圖4 夏季室內(nèi)外場(chǎng)景轉(zhuǎn)換后溫度折線(xiàn)圖
圖5 晴天室內(nèi)外場(chǎng)景轉(zhuǎn)換后濕度折線(xiàn)圖
本文所采用的基于溫濕度的室內(nèi)外場(chǎng)景識(shí)別算法通過(guò)溫濕度傳感器實(shí)時(shí)采集當(dāng)前環(huán)境的溫度序列和濕度序列,并通過(guò)移動(dòng)智能設(shè)備結(jié)合GPS定位采集到的定位數(shù)據(jù)從氣象網(wǎng)站上獲取當(dāng)前位置所在地點(diǎn)的溫度以及濕度(即室外溫度以及濕度)。該部分算法具體可分為兩個(gè)部分,基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法以及基于濕度的室內(nèi)外場(chǎng)景識(shí)別算法。
1.2.1 基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法
基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法其流程如圖6所示。
圖6 基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法流程圖
具體可分為三個(gè)步驟:
①計(jì)算所處環(huán)境平均溫度。通過(guò)溫濕度傳感器測(cè)量一段時(shí)間內(nèi)的溫度序列([T1,T2,…,Tn],n=20),對(duì)溫度序列取均值,如式(7)所示。
式中:AvgT是溫度序列均值,n是溫度序列長(zhǎng)度。
②臨界值判定。將上一步得到的AvgT與從氣象網(wǎng)站上獲取的所處地區(qū)的溫度t進(jìn)行比較,判斷其差值是否大于設(shè)定臨界值φ1(本文中臨界值φ1的值設(shè)置為4℃)。如果差值大于φ1,則說(shuō)明所處環(huán)境是室內(nèi)就存在高置信度,反之則進(jìn)行步驟(3)。
③計(jì)算溫度序列方差并計(jì)算室內(nèi)置信度。方差計(jì)算如式(8)所示。
式中:D([T1,T2,…,Tn])為溫度序列[T1,T2,…,Tn]的方差。
將式(8)計(jì)算得到的方差與臨界值φ2(本文中臨界值φ2的值設(shè)置為0.03)進(jìn)行比較,結(jié)合步驟(2)從而得到基于溫度的室內(nèi)置信度,如式(9)所示。
式中:CT為基于溫度的室內(nèi)置信度,D為溫度序列的方差D([T1,T2,…,Tn])的縮寫(xiě)。
1.2.2 基于濕度的室內(nèi)外場(chǎng)景識(shí)別算法
基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法其流程如圖7所示。
圖7 基于濕度的室內(nèi)外場(chǎng)景識(shí)別算法流程圖
具體可分為三個(gè)步驟:
①計(jì)算所處環(huán)境平均濕度。通過(guò)溫濕度傳感器測(cè)量一段時(shí)間內(nèi)的濕度序列([H1,H2,…,Hn],n=20),對(duì)濕度序列取均值,如式(10)所示。
式中:AvgH是濕度序列均值,n是濕度序列長(zhǎng)度。
②臨界值判定。將上一步得到的AvgH與從氣象網(wǎng)站上獲取的所處地區(qū)的濕度h進(jìn)行比較,判斷其差值是否大于設(shè)定臨界值φ3(本文中臨界值φ3的值設(shè)置為5)。如果差值大于φ3,則說(shuō)明所處環(huán)境是室內(nèi)就存在高置信度,反之則進(jìn)行步驟(3)。
③計(jì)算濕度序列方差并計(jì)算室內(nèi)置信度。方差計(jì)算如式(11)所示。
式中:D([H1,H2,…,Hn])為濕度序列[H1,H2,…,Hn]的方差。
將式(11)計(jì)算得到的方差與臨界值φ4(本文中臨界值φ4的值設(shè)置為1)進(jìn)行比較,結(jié)合步驟(2)從而得到基于濕度的室內(nèi)置信度,如式(12)所示。
式中:CH為基于濕度的室內(nèi)置信度,D為濕度序列的方差D([T1,T2,…,Tn])的縮寫(xiě)。
地磁場(chǎng)是地球內(nèi)部存在的一種天然磁場(chǎng),可以把地球視作一個(gè)磁偶極子,其中一極在北極的附近,另一極在南極的附近,兩極之間產(chǎn)生的磁場(chǎng)即為地磁場(chǎng)[13]。兩極之間的磁軸與地球的自轉(zhuǎn)軸呈11.3°左右的傾斜角,磁場(chǎng)強(qiáng)度大概為25μT~70μT左右。
由于建筑中的鋼筋混凝土結(jié)構(gòu)以及室內(nèi)的電氣設(shè)備等均會(huì)對(duì)地磁場(chǎng)造成干擾[14],如圖8所示。在室內(nèi)時(shí),地磁場(chǎng)強(qiáng)度波動(dòng)幅度較大,而在室外時(shí),雖然地磁場(chǎng)也存在波動(dòng),但是波動(dòng)幅度較小。具體可從圖9中可以看出,可看到在室內(nèi)時(shí),地磁場(chǎng)強(qiáng)度方差較大,說(shuō)明地磁場(chǎng)強(qiáng)度波動(dòng)幅度較大[15],而在室外時(shí),地磁場(chǎng)強(qiáng)度方差較小,說(shuō)明地磁場(chǎng)強(qiáng)度波動(dòng)幅度較小。因此,利用磁傳感器測(cè)得的地磁強(qiáng)度序列進(jìn)而得到的地磁強(qiáng)度方差可以用來(lái)區(qū)分室內(nèi)外場(chǎng)景。
圖8 室內(nèi)外場(chǎng)景轉(zhuǎn)換后地磁場(chǎng)強(qiáng)度折線(xiàn)圖
圖9 室內(nèi)外場(chǎng)景轉(zhuǎn)換后地磁場(chǎng)強(qiáng)度方差折線(xiàn)圖
基于地磁的室內(nèi)外場(chǎng)景識(shí)別算法其流程如圖10所示。
圖10 基于地磁的室內(nèi)外場(chǎng)景識(shí)別算法流程圖
具體可分為三個(gè)步驟:
①計(jì)算地磁方差序列。將磁傳感器測(cè)量得到的地磁強(qiáng)度序列([G1,G2,…,Gn],n=100)通過(guò)滑動(dòng)窗口的方式計(jì)算得到地磁強(qiáng)度方差序列([D1,D2,…,Dm],m=5),如式(13)所示。
式中:Du為地磁強(qiáng)度方差序列中的元素,u為地磁方差在地磁方差序列中的索引,k為滑動(dòng)窗口大小,具體大小為地磁強(qiáng)度序列長(zhǎng)度除以地磁強(qiáng)度方差序列長(zhǎng)度,即n/m=20,AGu為滑動(dòng)窗口中的地磁強(qiáng)度序列均值,如式(14)所示。
②計(jì)算地磁強(qiáng)度方差序列最大值Dmax,如式(15)所示。
式中:max()是最大值函數(shù)。
③計(jì)算基于地磁的室內(nèi)置信度。將地磁強(qiáng)度方差的最大值Dmax與臨界值DG(本文中臨界值DG的值設(shè)置為14)相比較,如果Dmax大于DG,那么所處環(huán)境是室內(nèi)就存在高置信度,反之,則所處環(huán)境是室外就存在低置信度,如式(16)所示。
式中:CG為基于地磁的室內(nèi)置信度。
在上一節(jié)中提出的四種基礎(chǔ)室內(nèi)外場(chǎng)景識(shí)別算法各有其優(yōu)缺點(diǎn),并且所適用的環(huán)境也不盡相同。
基于光強(qiáng)度的室內(nèi)外場(chǎng)景識(shí)別算法在白天時(shí)能夠迅速、準(zhǔn)確的識(shí)別出室內(nèi)外場(chǎng)景,但在晚上的時(shí)候,如果室內(nèi)的人造光源的強(qiáng)度較高,可能會(huì)被算法識(shí)別為室外。并且光傳感器存在其局限性,如果光傳感器被遮擋,就不能夠正常測(cè)量當(dāng)前環(huán)境的光照強(qiáng)度。
基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法在夏季、冬季等室內(nèi)外溫度區(qū)別明顯的季節(jié)識(shí)別的效果較好,但在春季、秋季等室內(nèi)外溫度區(qū)別不明顯的季節(jié)識(shí)別的效果可能就不太樂(lè)觀。
基于濕度的室內(nèi)外場(chǎng)景識(shí)別算法局限和溫度差不多,但是不在于季節(jié),而是室內(nèi)外濕度差別,如果在雨天或者晴天的情況下,室內(nèi)外濕度差距較大,識(shí)別的效果較好,但在室內(nèi)外濕度差別不大的情況下,識(shí)別的效果可能就不太明顯。
基于地磁的室內(nèi)外場(chǎng)景識(shí)別算法雖然能夠依靠地磁強(qiáng)度方差與臨界值對(duì)比,較好地識(shí)別出室內(nèi)外場(chǎng)景,但是存在的最大局限性就是用戶(hù)需要不斷地在場(chǎng)景中進(jìn)行移動(dòng),因?yàn)槿绻脩?hù)不移動(dòng),地磁強(qiáng)度就基本不會(huì)發(fā)生變化,進(jìn)而導(dǎo)致地磁強(qiáng)度方差幾乎為零,導(dǎo)致該算法無(wú)法準(zhǔn)確識(shí)別室內(nèi)外場(chǎng)景。
結(jié)合上述算法的優(yōu)點(diǎn),本文提出了一種基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法。其具體流程如圖11所示。
圖11 基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法流程圖
具體可分為三個(gè)步驟:
①對(duì)各算法室內(nèi)置信度進(jìn)行投票。通過(guò)上述基礎(chǔ)算法計(jì)算得到各算法室內(nèi)置信度,分別為CL、CT、CH和CG,投票過(guò)程如式(17)所示。
式中:VOTE(x)為分析基礎(chǔ)算法的室內(nèi)置信度與臨界值δVOTE關(guān)系的函數(shù)(本文中臨界值δVOTE的值設(shè)置為0.5),如式(18)所示。
②場(chǎng)景識(shí)別。比較countin與countout的值,如果countin大于countout,那么說(shuō)明所處環(huán)境是室內(nèi);反之,則說(shuō)明所處環(huán)境是室外。若countin的值與countout的值相等,則進(jìn)入步驟(3)。
③計(jì)算多元融合室內(nèi)置信度。如式(19)所示。
式中:CF為多元融合室內(nèi)置信度,Ck為基礎(chǔ)算法的室內(nèi)置信度。
將CF與δVOTE進(jìn)行比較,如果CF大于δVOTE,則說(shuō)明所處環(huán)境是室內(nèi);反之,則說(shuō)明所處環(huán)境是室外。若CF和δVOTE相等,則對(duì)所處環(huán)境類(lèi)型的識(shí)別失敗。
通過(guò)實(shí)驗(yàn)對(duì)本文提出的基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法的性能進(jìn)行驗(yàn)證。為此選擇了多個(gè)復(fù)雜場(chǎng)景進(jìn)行數(shù)據(jù)采集,其中有圖書(shū)館、大型商場(chǎng)以及上述地點(diǎn)周?chē)氖彝鈭?chǎng)景,并對(duì)每組數(shù)據(jù)打上相應(yīng)的標(biāo)簽(室內(nèi)或室外),共計(jì)100組數(shù)據(jù),其中室內(nèi)50組,室外50組。對(duì)每組數(shù)據(jù)均使用基于光照強(qiáng)度的室內(nèi)外場(chǎng)景識(shí)別算法、基于溫度的室內(nèi)外場(chǎng)景識(shí)別算法、基于濕度的室內(nèi)外場(chǎng)景識(shí)別算法、基于地磁的室內(nèi)外場(chǎng)景識(shí)別算法和基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法進(jìn)行實(shí)驗(yàn)對(duì)照分析,具體結(jié)果如表1所示。
表1 室內(nèi)外場(chǎng)景識(shí)別算法實(shí)驗(yàn)結(jié)果 單位:%
由實(shí)驗(yàn)結(jié)果可知,每種基礎(chǔ)算法在對(duì)室內(nèi)外場(chǎng)景識(shí)別上各有所長(zhǎng),但都有缺點(diǎn)與短板,并且在部分情況下識(shí)別率不高,本文提出的基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法在各類(lèi)情況下都有較為優(yōu)異的表現(xiàn)。
本文在介紹并改進(jìn)多種基礎(chǔ)的室內(nèi)外場(chǎng)景識(shí)別算法的基礎(chǔ)上,提出了一種基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法,該算法通過(guò)投票機(jī)制,將多種改進(jìn)后的基礎(chǔ)算法融合到一起,進(jìn)而得到了一種精度更高的室內(nèi)外場(chǎng)景識(shí)別算法,該算法能夠適應(yīng)大多數(shù)的不利條件因素下的室內(nèi)外場(chǎng)景識(shí)別,用于微型無(wú)源移動(dòng)式環(huán)境監(jiān)測(cè)設(shè)備動(dòng)態(tài)開(kāi)啟或休眠部分監(jiān)測(cè)傳感器,進(jìn)而降低能耗,延長(zhǎng)續(xù)航時(shí)間。由實(shí)驗(yàn)結(jié)果可知,基于多元融合的無(wú)監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法準(zhǔn)確率達(dá)到了近90%,符合微型無(wú)源移動(dòng)式環(huán)境監(jiān)測(cè)設(shè)備的使用要求。