基于改進FCM聚類算法的隧道火災受困人員信息化定位方法

崔鵬飛

(中國公路工程咨詢集團有限公司，北京 100089)

火災是典型的突發性災害，具有蔓延速度快的特點，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施，隧道具有較高的密閉特性，如果隧道內發生火災，對人類的威脅更加嚴重。隧道火災受困人員信息化定位方法對于發生火災隧道內人員安全極為重要，火災解救人員盡早發現隧道火災內受困人員所在位置，及時制訂受困人員解救措施，保護隧道火災受困人員安全。

以往的火災現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，通過精準的信息化定位輔助解決人員明確隧道火災受困人員的精準位置。具有高實時性以及高精準性的隧道火災受困人員信息化識別方法極為重要。隧道火災具有撲滅難度大、蔓延速度快的特點，目前針對隧道火災的研究較多，劉斌以及惠豫川等分別研究隧道發生火災時的頂棚射流溫度分布以及隧道火災長度，對隧道火災進行初步探討。

目前針對隧道火災受困人員定位的研究較少，研究基于改進FCM聚類算法的隧道火災受困人員信息化定位方法，將改進的FCM聚類算法應用于隧道火災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性，具有深遠的發展意義。

1 隧道火災受困人員信息化定位方法

1.1 隧道火災圖像分割

1.1.1 FCM聚類算法

FCM聚類算法改善了硬C均值聚類算法，僅可分類單獨類別的缺陷，FCM聚類算法的聚類結果更加靈活，可將獨立的目標對象分類至多類中。用={,,…,}?×表示數據集，其中與分別表示數據集的維度以及數量。將該數據集利用FCM聚類算法劃分為數量為的子集，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用,表示。FCM聚類算法的聚類損失函數表達式如下：

(1)

式(1)中，表示加權指數。

FCM聚類算法需獲取不同目標與聚類中心的距離，建立聚類目標至聚類中心的隸屬度矩陣，排序聚類目標對于不同聚類中心的隸屬度，將目標劃分至具有最高隸屬度的簇內，所劃分的簇內目標間具有較高的相似度。聚類函數最小是FCM聚類算法的聚類目標，FCM聚類算法的與,表達式如下：

(2)

(3)

FCM聚類算法中的式(2)與式(3)需滿足1≤≤，1≤≤。

1.1.2 改進FCM聚類算法的圖像分割

利用改進的FCM聚類算法分割隧道火災圖像，為隧道火災受困人員信息化精準定位提供依據。用表示大小為×的隧道火災圖像中的全部像素集合{,,…，×-1}。依據FCM聚類方法原理可知，利用隸屬度函數可將隧道火災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，隧道火災圖像分割類別數量為時，像素與類別的隸屬度函數,表達式如下：

(4)

式(4)中，∈[0,-1]，加權函數具有控制作用，該參數值越高時，隧道火災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,=‖-‖。分割隧道火災圖像聚類的特征空間內，樣本呈現橢圓形或球形分布。為了提升FCM聚類算法分割隧道火災圖像的適應性，引入矢量特征效度(,)改進FCM聚類算法，利用(,)衡量不同樣本間的差異，通過特征散度內積范數‖(,)‖表示距離。

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

利用判決函數保障聚類結果間的類間緊致度最小，此時表達式如下：

(5)

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

(6)

結合式(6)，建立隧道火災圖像分割的最終目標函數如下：

(7)

通過所建立目標函數的求解，獲取隧道火災圖像的分割結果。

1.2 隧道火災圖像空間特征提取

采用SIFI算法提取完成分割后隧道火災圖像空間特征，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圖像尺度空間中的關鍵點，卷積處理隧道火災圖像與差異尺度空間中的高斯差分核，獲取尺度空間內關鍵點表達式如下：

(,,)=((,,)-

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

(,,)

(8)

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

(2)檢測尺度空間關鍵點

對比采樣點像素以及相鄰點，搜尋尺度空間的關鍵點。

(3)分配關鍵點方向

差異尺度空間內的隧道火災圖像鄰域像素具有梯度方向分布特性，所搜尋的隧道火災圖像中的關鍵點的方向參數利用梯度方向分布特性分配表達式如下：

(9)

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

(4)生成特征點描述

完成關鍵點方向分配后，將坐標軸旋轉至特征點方向，保證坐標軸存在旋轉不變特性。選取高斯窗口加權方法計算隧道火災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，避免隧道火災圖像空間特征向量受到光照變化影響。

1.3 隧道火災受困人員信息化定位

依據所提取的隧道火災圖像空間特征，利用改進Gabor小波算法實現隧道火災受困人員的信息化定位。信息化定位隧道火災受困人員時，隧道火災圖像內受困人員目標區域的三維顏色色調受火災煙氣影響，容易出現平滑情況，選取三原色方差方法信息化定位隧道火災受困人員。

用、、表示隧道火災存在受困人員區域的三原色矩陣，用表示隧道火災受困人員目標區域的可疑度函數，可得表示如下：

(10)

像素亮度值中值表達式如下：

(11)

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

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

(12)

式(12)中，與分別表示Gabor小波的尺度因子以及方向，(,)與分別表示像素點坐標以及隧道火災煙霧的方向數量，與,(,)分別表示像素間的標準差以及隧道火災區域圖像的二維Gabor小波基。

選取S函數建立隧道火災的方向角分布模型表達式如下：

(13)

選取S函數建立隧道火災的煙霧變化能量模型表達式如下：

(14)

以上式(14)中，,()與分別表示受困人員目標區域能量參數以及火災煙霧紋理的運動角度；與分別表示隧道火災區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特性，實現精準的信息化定位。

設兩幀隧道火災現場圖像(,)與(,)的受困人員像素亮點數分別為與，隧道火災受困人員在圖像空間特征內的動態特性表達式如下：

,())

(15)

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

隧道火災受困人員在隧道火災圖像中的動態特性識別表達式如下：

(16)

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

通過式(16)獲取的具有高動態特性的像素點即隧道火災圖像內受困人員的具體位置，實現隧道火災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FCM聚類算法的隧道火災受困人員信息化定位方法，對于隧道火災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生重大火災、較大火災以及一般火災三種類型火災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場景，場景模擬結果如圖1所示。

(a)重大火災

圖1火災場景模擬結果可以看出，實驗模擬隧道火災場景在重大火災的火源點坐標為(45.6，51.2)，較大火災的火源點坐標為(89.5，37.5)，一般火災的火源點坐標為(27.4，84.5)。圖1隧道火災模擬場景中各包含8個不同位置的受困人員，模擬的隧道火災場景具有較高的有效性，可應用于測試本文方法對隧道火災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的受困人員實施信息化定位，不同類型隧道火災受困人員信息化定位坐標結果如表1所示。

表1 隧道火災受困人員信息化定位結果

表1實驗結果可以看出，本文方法可以有效實現隧道火災受困人員的信息化定位，對于不同類型的隧道火災，本文方法均可以有效實現受困人員坐標點的精準定位，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受困人員坐標與模擬場景中隧道火災受困人員實際坐標。不同類型隧道火災場景中，本文方法信息化定位受困人員的相對誤差結果如圖2所示。

(a)重大火災

從圖2的實驗結果可以看出，采用本文方法可以實現隧道火災受困人員精準的信息化定位。采用本文方法定位重大火災、較大火災以及一般火災三種不同類型隧道火災受困人員，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FCM聚類算法分割隧道火災圖像，通過圖像分割為信息化定位提供基礎，保證本文方法的定位優越性。

為了進一步驗證本文方法對隧道火災受困人員的信息化定位性能，統計不同火災煙霧濃度系數情況下，本文方法對受困人員的定位精度以及定位時間，統計結果如圖3所示。

圖3 不同火災煙霧濃度系數的定位結果

從圖3可以看出，采用本文方法對隧道火災受困人員進行信息化定位，不同火災煙霧濃度系數下，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內可以快速獲取受困人員的信息化定位結果。由圖3實驗結果可知，本文方法可提升隧道火災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煙霧濃度系數情況下，波動范圍較小，說明本文方法受干擾的影響較小，具有較高的穩定性。

3 結 論

研究基于改進FCM聚類算法的隧道火災受困人員信息化定位方法，通過隧道火災受困人員的動態特性提升信息化定位精度。采用改進的FCM聚類算法分割隧道火災圖像，提取完成分割后隧道火災圖像的空間特征，實現受困人員的信息化定位，可在較短時間內快速獲取具有較高精度的隧道火災受困人員信息化定位結果，具有定位精度高且定位實時性高的優勢。