《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于免疫遺傳算法的視頻監控的研究
基于免疫遺傳算法的視頻監控的研究
來源:微型機與應用2013年第14期
李廣龍,朱響斌
(浙江師范大學 數理與信息工程學院,浙江 金華321004)
摘要: 利用免疫遺傳算法的群體遺傳和更新的原理,將它引入到視頻跟蹤的模型建立中,利用免疫遺傳算法的原理來提高對運動物體識別跟蹤的準確性。實驗結果表明,引入免疫遺傳算法之后可以在對運動物體進行實時監控的同時保持較高的魯棒性。
Abstract:
Key words :

摘  要: 利用免疫遺傳算法的群體遺傳和更新的原理,將它引入到視頻跟蹤的模型建立中,利用免疫遺傳算法的原理來提高對運動物體識別跟蹤的準確性。實驗結果表明,引入免疫遺傳算法之后可以在對運動物體進行實時監控的同時保持較高的魯棒性。
關鍵詞: 視頻監控計算機視覺視頻圖像;免疫遺傳算法

    視頻監控系統集視頻采集、壓縮、傳輸于一體,并開始走向監控的智能化和傳輸方式的多元化。這使得在設計時需要大幅度地提高其處理信息的能力,同時對跟蹤目標的效率也有了更高的要求[1]。在視頻監控系統中,最關鍵的是如何去檢測異常運動的目標。就目前而言,在異常運動目標算法中常見的有光流法、幀間差分法及背景相減法等。光流法復雜度較高、抗噪性能差,且需要特定的硬件支持。幀間差分法極易發生空洞現象,會干擾對目標位置的判斷。背景相減法簡單且易于實現,但是獲取的特征數據不是很完整[2]。本文針對幾種傳統視頻監控方法的不足,提出將免疫遺傳算法的群體遺傳和更新的思想引入到視頻監控系統中,并利用免疫遺傳原理來提高對運動物體的識別跟蹤的準確性。
1 免疫遺傳算法
    免疫遺傳算法IGA(Immune Genetic Algorithm)是基于生物免疫機制而提出來的一種改進的遺傳算法,它模擬和反映了生物機體免疫系統的特點,結合工程應用后提出來的一種仿生優化算法。將待求解問題的目標函數對應為入侵生命體的抗原,而待求問題的解對應為免疫系統所產生的抗體,通過抗原和抗體的親和力來描述可行解與最優解的逼近程度。生物免疫系統對抗原會自動產生相應的抗體來進行防御,這一過程稱之為免疫應答。在免疫應答的過程中,部分抗體作為記憶細胞被保存下來,當同類抗原再次感染侵入時,具有記憶的免疫細胞就會被激活并產生大量抗體。
    同時,抗體與抗體之間也存在著相互之間的促進與抑制,以維持抗體的多樣性及免疫平衡,這種平衡是依濃度機制實現的,體現了免疫系統的自我調節功能。而抗體的親和力濃度計算是系統保持種群多樣性的基本手段之一[3]。
2 免疫遺傳算法的引入
    人工免疫遺傳算法是從生物免疫系統中演化出的一種智能算法[4]。
2.1 抗原與抗體
    抗原是待解決問題的抽象形式,而對抗原的識別就是對問題的求解過程。在免疫系統中抗原是對出現的異常抗體進行處理。相應地,在運動目標跟蹤中,根據目標區域的特征作為樣本,搜索與該樣本最為相近的區域,進而得到運動物體的跟蹤結果。
    在運動物體的檢測當中,將目標區域的顏色直方圖分布q={qu},u=1…m定義為抗原,這是視頻監控系統中需要待求解的問題。在對后續問題求解的過程中都是圍繞尋求異常運動的目標來展開的。在異常運動目標模型的建立中,假設需要求解的運動目標的區域中心為x0,待求解的目標圖像{xi},i=1,…,n,由n個點構成,每個點的灰度量化等級是m級,則異常運動的目標模型的特征值u=1,…,m的概率密度估計模型可以表示為[5-6]:


    通過上述所講解的迭代方法,可以通過對算法的重新編寫來實現對異常運動物體的檢測與識別。同時通過實驗也可以完成對目標后續的異常移動進行跟蹤。
    在實驗中,設置了幾個按鍵以便于對視頻監控系統的研究,圖1、圖2是試驗中所跟蹤到的異常運動物體的圖像。
    通過上述實驗截圖可以明顯看出,運動目標從圖1所示的位置運動到圖2所示的位置。在移動過程中用橢圓形來標注運動的目標物體,通過圖像上的顯示可以看出,即使在運動的過程中,也可以實時、準確地跟蹤目標物體。
    通過學習與研究,了解到免疫遺傳算法不僅保留了遺傳算法的搜索特性,而且還利用了免疫算法的自適應特性,這不僅避免了收斂局部極值,還保證了局部和全局兩個方面都達到最優。本文通過將免疫遺傳算法引入到異常運動物體的視頻監控系統中來,使得對異常移動物體的跟蹤具有較高準確率的同時,保證了視頻監控中對實時性的要求。在今后的學習與研究中,還將對該算法進行改進和完善,以便于得到更加簡潔、高效的視頻監控圖像。
參考文獻
[1] 況璐.基于DM642視頻監控跟蹤系統的實現[D].北京:中央民族大學,2010.
[2] 夏永泉,李衛麗,甘勇,等.智能視頻監控中的運動目標檢測技術研究[J].通信技術,2009,42(6):185-187.
[3] 繆紅萍.免疫遺傳算法及應用研究[D].北京:北京化工大學,2005.
[4] 史忠植.神經網絡[M].北京:高等教育業出版社,2009.
[5] DASGUPTA D.Artificial immune systems and their applications[M].Springer-Verlang:Berlin Heide-lberg,1998.
[6] 丁大弸,黃歡,劉輝,等.基于meanshift算法的實時運動目標跟蹤[J].山西電子技術,2008(5):42-44.
[7] HARITAOGLU I,HARWOOD D,DAVIS L S.W4:realtime surveillance of people and their activities[C].IEEE  Trans.Pattern Anal.Mach.Intell.,2000,22(8):809-830.

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 日本资源在线 | 欧美日韩高清 | 91精品视频免费 | 国产一区日韩二区欧美三区 | 男人边吃奶边爱边做视频刺激 | 最近免费中文字幕大全高清10 | 欧美一级v片 | 丝袜国产视频 | 欧美成a人片在线观看 | 视频一区在线播放 | 羞羞的网址 | 亚洲不卡影院 | 五月激情小说网 | 91福利一区二区在线观看 | 在线视频 日韩 | 欧美精品免费专区在线观看 | 我看一级黄色片 | 亚洲青草 | 怡红院成人永久免费看 | 久草中文在线观看 | 九九国产精品 | 成年人免费观看视频网站 | 污视频免费在线播放 | 黄色片大全在线观看 | 欧美亚洲综合在线观看 | 五月丁香六月综合缴清无码 | 韩国伦理片免费观看 | a视频在线免费观看 | bbbb在线视频播放 | 成人在线免费观看视频 | 欧美国产成人免费观看永久视频 | 成人毛片免费观看视频在线 | 欧美一级亚洲一级 | 国产精品成人免费观看 | 天天躁天天爽 | 毛片在线视频在线播放 | 色综合天天综合网看在线影院 | 黄色爱爱网站 | 狠狠色狠狠色综合日日小蛇 | 久久狠狠色狠狠色综合 | 日韩精品一区二区三区高清 |