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,通過實驗驗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。
1.1.1 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。
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。
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,實現(xiàn)隧道火災(zāi)受困人員的信息化定位。
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。通過實驗驗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,實驗?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實驗結(jié)果可以看出,本文方法可以有效實現(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的實驗結(jié)果可以看出,采用本文方法可以實現(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實驗結(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。
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時性高的優(yōu)勢。