基于改进FCM聚类算法的隧道火灾受困人员信息化定位方法

崔鹏飞

(中国公路工程咨询集团有限公司，北京 100089)

火灾是典型的突发性灾害，具有蔓延速度快的特点，可能造成大范围危害，危害人类生命。隧道是人类生活中重要的交通设施，隧道具有较高的密闭特性，如果隧道内发生火灾，对人类的威胁更加严重。隧道火灾受困人员信息化定位方法对于发生火灾隧道内人员安全极为重要，火灾解救人员尽早发现隧道火灾内受困人员所在位置，及时制订受困人员解救措施，保护隧道火灾受困人员安全。

以往的火灾现场人员定位方法容易受到噪声和外界因素干扰，尤其是具有较高密封性能的隧道，火灾受困人员信息化定位方法需具有更高的定位性能，通过精准的信息化定位辅助解决人员明确隧道火灾受困人员的精准位置。具有高实时性以及高精准性的隧道火灾受困人员信息化识别方法极为重要。隧道火灾具有扑灭难度大、蔓延速度快的特点，目前针对隧道火灾的研究较多，刘斌以及惠豫川等分别研究隧道发生火灾时的顶棚射流温度分布以及隧道火灾长度，对隧道火灾进行初步探讨。

目前针对隧道火灾受困人员定位的研究较少，研究基于改进FCM聚类算法的隧道火灾受困人员信息化定位方法，将改进的FCM聚类算法应用于隧道火灾受困人员的信息化定位中，通过实验验证该方法具有较高的受困人员信息化定位精准性，具有深远的发展意义。

1 隧道火灾受困人员信息化定位方法

1.1 隧道火灾图像分割

1.1.1 FCM聚类算法

FCM聚类算法改善了硬C均值聚类算法，仅可分类单独类别的缺陷，FCM聚类算法的聚类结果更加灵活，可将独立的目标对象分类至多类中。用={,,…,}⊂×表示数据集，其中与分别表示数据集的维度以及数量。将该数据集利用FCM聚类算法划分为数量为的子集，完成划分后获取模糊划分矩阵用表示，聚类中心用(=1,2,…,)表示，样本属于类别的隶属度函数用,表示。FCM聚类算法的聚类损失函数表达式如下：

(1)

式(1)中，表示加权指数。

FCM聚类算法需获取不同目标与聚类中心的距离，建立聚类目标至聚类中心的隶属度矩阵，排序聚类目标对于不同聚类中心的隶属度，将目标划分至具有最高隶属度的簇内，所划分的簇内目标间具有较高的相似度。聚类函数最小是FCM聚类算法的聚类目标，FCM聚类算法的与,表达式如下：

(2)

(3)

FCM聚类算法中的式(2)与式(3)需满足1≤≤，1≤≤。

1.1.2 改进FCM聚类算法的图像分割

利用改进的FCM聚类算法分割隧道火灾图像，为隧道火灾受困人员信息化精准定位提供依据。用表示大小为×的隧道火灾图像中的全部像素集合{,,…，×-1}。依据FCM聚类方法原理可知，利用隶属度函数可将隧道火灾图像中的全部像素划分为不同类别。

像素与聚类中心的间距用表示，隧道火灾图像分割类别数量为时，像素与类别的隶属度函数,表达式如下：

(4)

式(4)中，∈[0,-1]，加权函数具有控制作用，该参数值越高时，隧道火灾图像分割获取的类别模糊性越高，本文取=2。

FCM聚类算法利用欧式距离表示聚类中心值与像素的距离,=‖-‖。分割隧道火灾图像聚类的特征空间内，样本呈现椭圆形或球形分布。为了提升FCM聚类算法分割隧道火灾图像的适应性，引入矢量特征效度(,)改进FCM聚类算法，利用(,)衡量不同样本间的差异，通过特征散度内积范数‖(,)‖表示距离。

聚类中心值(,…,-1)即隧道火灾图像分割聚类算法的解，聚类迭代过程中，重复调整令隧道火灾图像像素的隶属度函数有所变换。

利用判决函数保障聚类结果间的类间紧致度最小，此时表达式如下：

(5)

为了降低隧道火灾图像分割的聚类复杂度，利用特征性度量空间代替像素空间进行图像分割，灰度直方图,∈[0,-1]即特征度量分布结果，可将式(5)转化如下：

(6)

结合式(6)，建立隧道火灾图像分割的最终目标函数如下：

(7)

通过所建立目标函数的求解，获取隧道火灾图像的分割结果。

1.2 隧道火灾图像空间特征提取

采用SIFI算法提取完成分割后隧道火灾图像空间特征，特征提取主要包括以下步骤：

(1)生成尺度空间

选取高斯差分空间方法搜寻完成分割后隧道火灾图像尺度空间中的关键点，卷积处理隧道火灾图像与差异尺度空间中的高斯差分核，获取尺度空间内关键点表达式如下：

(,,)=((,,)-

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

(,,)

(8)

式(8)中，表示卷积核，表示卷积系数，表示高斯差分核，(,)与分别表示图像像素以及关键点尺度。

(2)检测尺度空间关键点

对比采样点像素以及相邻点，搜寻尺度空间的关键点。

(3)分配关键点方向

差异尺度空间内的隧道火灾图像邻域像素具有梯度方向分布特性，所搜寻的隧道火灾图像中的关键点的方向参数利用梯度方向分布特性分配表达式如下：

(9)

式(9)中，表示隧道火灾图像关键点尺度；(,)表示隧道火灾图像像素的梯度方向；(,)表示隧道火灾图像像素的梯度模值。

(4)生成特征点描述

完成关键点方向分配后，将坐标轴旋转至特征点方向，保证坐标轴存在旋转不变特性。选取高斯窗口加权方法计算隧道火灾图像的梯度方向以及梯度模式，获取不同窗口梯度方向直方图，累加差异梯度方向生成SIFT空间特征向量，归一化处理所提取的特征向量长度，避免隧道火灾图像空间特征向量受到光照变化影响。

1.3 隧道火灾受困人员信息化定位

依据所提取的隧道火灾图像空间特征，利用改进Gabor小波算法实现隧道火灾受困人员的信息化定位。信息化定位隧道火灾受困人员时，隧道火灾图像内受困人员目标区域的三维颜色色调受火灾烟气影响，容易出现平滑情况，选取三原色方差方法信息化定位隧道火灾受困人员。

用、、表示隧道火灾存在受困人员区域的三原色矩阵，用表示隧道火灾受困人员目标区域的可疑度函数，可得表示如下：

(10)

像素亮度值中值表达式如下：

(11)

式(11)中，表示隧道火灾区域的面积；表示隧道火灾受困人员像素亮度值的中值；通过隧道火灾面积阈值判断隧道火灾图像区域是否存在受困人员，0≤≤1，≥。

选取Gabor小波方法获取隧道火灾图像空间特征内的面积边缘以及烟雾纹理，可得二维Gabor小波基表达式如下：

(12)

式(12)中，与分别表示Gabor小波的尺度因子以及方向，(,)与分别表示像素点坐标以及隧道火灾烟雾的方向数量，与,(,)分别表示像素间的标准差以及隧道火灾区域图像的二维Gabor小波基。

选取S函数建立隧道火灾的方向角分布模型表达式如下：

(13)

选取S函数建立隧道火灾的烟雾变化能量模型表达式如下：

(14)

以上式(14)中，,()与分别表示受困人员目标区域能量参数以及火灾烟雾纹理的运动角度；与分别表示隧道火灾区域的像素空间以及归一化因子。

通过以上建立的模型，提取受困人员的动态特性，实现精准的信息化定位。

设两帧隧道火灾现场图像(,)与(,)的受困人员像素亮点数分别为与，隧道火灾受困人员在图像空间特征内的动态特性表达式如下：

,())

(15)

式(15)中，(,)表示隧道火灾受困人员在隧道火灾图像空间特征内的移动速度。

隧道火灾受困人员在隧道火灾图像中的动态特性识别表达式如下：

(16)

式(16)中，(,)与(,)分别表示火灾图像的空间坐标以及高亮像素，(,)与(,)分别表示相邻两帧隧道火灾图像以及图像的高亮动态变化性。

通过式(16)获取的具有高动态特性的像素点即隧道火灾图像内受困人员的具体位置，实现隧道火灾受困人员的信息化定位。

2 算例分析

为了证明所研究基于改进FCM聚类算法的隧道火灾受困人员信息化定位方法，对于隧道火灾受困人员的信息化定位有效性，采用MATLAB仿真软件模拟某隧道场景，该隧道长度为885m，隧道最宽处宽度为19.8m，属于中长隧道。通过实验验证本文方法在该隧道发生重大火灾、较大火灾以及一般火灾三种类型火灾情况下的受困人员信息化定位性能。

方法模拟不同类型火灾场景，场景模拟结果如图1所示。

(a)重大火灾

图1火灾场景模拟结果可以看出，实验模拟隧道火灾场景在重大火灾的火源点坐标为(45.6，51.2)，较大火灾的火源点坐标为(89.5，37.5)，一般火灾的火源点坐标为(27.4，84.5)。图1隧道火灾模拟场景中各包含8个不同位置的受困人员，模拟的隧道火灾场景具有较高的有效性，可应用于测试本文方法对隧道火灾受困人员信息化定位方法有效性。

采用本文方法对模拟场景的不同类型隧道火灾的受困人员实施信息化定位，不同类型隧道火灾受困人员信息化定位坐标结果如表1所示。

表1 隧道火灾受困人员信息化定位结果

表1实验结果可以看出，本文方法可以有效实现隧道火灾受困人员的信息化定位，对于不同类型的隧道火灾，本文方法均可以有效实现受困人员坐标点的精准定位，便于救援人员快速对受困人员展开救援。

为了验证本文方法的信息化定位精度，对比采用本文方法信息化定位隧道火灾受困人员坐标与模拟场景中隧道火灾受困人员实际坐标。不同类型隧道火灾场景中，本文方法信息化定位受困人员的相对误差结果如图2所示。

(a)重大火灾

从图2的实验结果可以看出，采用本文方法可以实现隧道火灾受困人员精准的信息化定位。采用本文方法定位重大火灾、较大火灾以及一般火灾三种不同类型隧道火灾受困人员，轴以及轴的相对误差均低于20cm，验证本文方法具有较高的定位精度。本文方法具有较高的受困人员信息化定位性能，主要原因是本文方法采用改进FCM聚类算法分割隧道火灾图像，通过图像分割为信息化定位提供基础，保证本文方法的定位优越性。

为了进一步验证本文方法对隧道火灾受困人员的信息化定位性能，统计不同火灾烟雾浓度系数情况下，本文方法对受困人员的定位精度以及定位时间，统计结果如图3所示。

图3 不同火灾烟雾浓度系数的定位结果

从图3可以看出，采用本文方法对隧道火灾受困人员进行信息化定位，不同火灾烟雾浓度系数下，本文方法均具有较高的定位精度，定位精度均高于98.5%，且在200ms内可以快速获取受困人员的信息化定位结果。由图3实验结果可知，本文方法可提升隧道火灾受困人员的定位精度以及定位实时性。本文方法在不同火灾烟雾浓度系数情况下，波动范围较小，说明本文方法受干扰的影响较小，具有较高的稳定性。

3 结 论

研究基于改进FCM聚类算法的隧道火灾受困人员信息化定位方法，通过隧道火灾受困人员的动态特性提升信息化定位精度。采用改进的FCM聚类算法分割隧道火灾图像，提取完成分割后隧道火灾图像的空间特征，实现受困人员的信息化定位，可在较短时间内快速获取具有较高精度的隧道火灾受困人员信息化定位结果，具有定位精度高且定位实时性高的优势。