章曉強(qiáng)，錢升港，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)車尾氣排放等迅速增加，空氣污染問題逐漸嚴(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)人周圍的環(huán)境變化。另一方面，近些年來，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)人體周圍環(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:(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)太過單調(diào)，其可靠性仍需檢驗(yàn)。

針對(duì)上述問題，本文提出了多元融合的無監(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)行不同類別監(jiān)測(cè)的實(shí)際需求。

1 基礎(chǔ)算法設(shè)計(jì)

1.1 基于光照強(qiáng)度的室內(nèi)外場(chǎng)景識(shí)別

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)光由可見光、紫外線以及紅外線組成，而人造光源在通常情況下不包含紫外線以及紅外線。由于肉眼無法識(shí)別出太陽(yáng)光中的紫外線以及紅外線部分，而光傳感器除了可以測(cè)量到可見光部分外，還可以測(cè)量到不可見光部分(紫外線、紅外線)，所以即使在人體感知光照強(qiáng)度相似的情況下，通過光傳感器測(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°。因此可通過經(jīng)度計(jì)算出當(dāng)前位置所處的時(shí)區(qū)，然后通過計(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。天氣情況主要通過當(dāng)前空氣中的濕度來判別，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。

1.2 基于溫濕度的室內(nèi)外場(chǎng)景識(shí)別

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)換后溫度折線圖

圖5 晴天室內(nèi)外場(chǎng)景轉(zhuǎn)換后濕度折線圖

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。

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。

1.3 基于地磁的室內(nèi)外場(chǎng)景識(shí)別

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。

2 基于多元融合的無監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法

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需要不斷地在場(chǎng)景中進(jìn)行移動(dòng)，因?yàn)槿绻脩舨灰苿?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，那么說明所處環(huán)境是室內(nèi)；反之，則說明所處環(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，則說明所處環(huán)境是室內(nèi)；反之，則說明所處環(huán)境是室外。若CF和δVOTE相等，則對(duì)所處環(huán)境類型的識(shí)別失敗。

3 實(shí)驗(yàn)及分析

通過實(shí)驗(yàn)對(duì)本文提出的基于多元融合的無監(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，其中有圖書館、大型商場(chǎng)以及上述地點(diǎn)周圍的室外場(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監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法在各類情況下都有較為優(yōu)異的表現(xiàn)。

4 總結(jié)

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監(jiān)督室內(nèi)外場(chǎng)景識(shí)別算法，該算法通過投票機(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，用于微型無源移動(dòng)式環(huán)境監(jiān)測(cè)設(shè)備動(dòng)態(tài)開啟或休眠部分監(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%，符合微型無源移動(dòng)式環(huán)境監(jiān)測(cè)設(shè)備的使用要求。