kaiyun官方注册
您所在的位置: 首页> 其他> 设计应用> 基于免疫遗传算法的视频监控的研究
基于免疫遗传算法的视频监控的研究
来源:微型机与应用2013年第14期
李广龙,朱响斌
(浙江师范大学 数理与信息工程学院,浙江 金华321004)
摘要:利用免疫遗传算法的群体遗传和更新的原理,将它引入到视频跟踪的模型建立中,利用免疫遗传算法的原理来提高对运动物体识别跟踪的准确性。实验结果表明,引入免疫遗传算法之后可以在对运动物体进行实时监控的同时保持较高的鲁棒性。
Abstract:
Key words :

摘 要:利用免疫遗传算法的群体遗传和更新的原理,将它引入到视频跟踪的模型建立中,利用免疫遗传算法的原理来提高对运动物体识别跟踪的准确性。实验结果表明,引入免疫遗传算法之后可以在对运动物体进行实时监控的同时保持较高的鲁棒性。
关键词:视频监控计算机视觉视频图像;免疫遗传算法

视频监控系统集视频采集、压缩、传输于一体,并开始走向监控的智能化和传输方式的多元化。这使得在设计时需要大幅度地提高其处理信息的能力,同时对跟踪目标的效率也有了更高的要求[1]。在视频监控系统中,最关键的是如何去检测异常运动的目标。就目前而言,在异常运动目标算法中常见的有光流法、帧间差分法及背景相减法等。光流法复杂度较高、抗噪性能差,且需要特定的硬件支持。帧间差分法极易发生空洞现象,会干扰对目标位置的判断。背景相减法简单且易于实现,但是获取的特征数据不是很完整[2]。本文针对几种传统视频监控方法的不足,提出将免疫遗传算法的群体遗传和更新的思想引入到视频监控系统中,并利用免疫遗传原理来提高对运动物体的识别跟踪的准确性。
1 免疫遗传算法
免疫遗传算法IGA(Immune Genetic Algorithm)是基于生物免疫机制而提出来的一种改进的遗传算法,它模拟和反映了生物机体免疫系统的特点,结合工程应用后提出来的一种仿生优化算法。将待求解问题的目标函数对应为入侵生命体的抗原,而待求问题的解对应为免疫系统所产生的抗体,通过抗原和抗体的亲和力来描述可行解与最优解的逼近程度。生物免疫系统对抗原会自动产生相应的抗体来进行防御,这一过程称之为免疫应答。在免疫应答的过程中,部分抗体作为记忆细胞被保存下来,当同类抗原再次感染侵入时,具有记忆的免疫细胞就会被激活并产生大量抗体。
同时,抗体与抗体之间也存在着相互之间的促进与抑制,以维持抗体的多样性及免疫平衡,这种平衡是依浓度机制实现的,体现了免疫系统的自我调节功能。而抗体的亲和力浓度计算是系统保持种群多样性的基本手段之一[3]。
2 免疫遗传算法的引入
人工免疫遗传算法是从生物免疫系统中演化出的一种智能算法[4]。
2.1 抗原与抗体
抗原是待解决问题的抽象形式,而对抗原的识别就是对问题的求解过程。在免疫系统中抗原是对出现的异常抗体进行处理。相应地,在运动目标跟踪中,根据目标区域的特征作为样本,搜索与该样本最为相近的区域,进而得到运动物体的跟踪结果。
在运动物体的检测当中,将目标区域的颜色直方图分布q={qu},u=1…m定义为抗原,这是视频监控系统中需要待求解的问题。在对后续问题求解的过程中都是围绕寻求异常运动的目标来展开的。在异常运动目标模型的建立中,假设需要求解的运动目标的区域中心为x0,待求解的目标图像{xi},i=1,…,n,由n个点构成,每个点的灰度量化等级是m级,则异常运动的目标模型的特征值u=1,…,m的概率密度估计模型可以表示为[5-6]:


通过上述所讲解的迭代方法,可以通过对算法的重新编写来实现对异常运动物体的检测与识别。同时通过实验也可以完成对目标后续的异常移动进行跟踪。
在实验中,设置了几个按键以便于对视频监控系统的研究,图1、图2是试验中所跟踪到的异常运动物体的图像。
通过上述实验截图可以明显看出,运动目标从图1所示的位置运动到图2所示的位置。在移动过程中用椭圆形来标注运动的目标物体,通过图像上的显示可以看出,即使在运动的过程中,也可以实时、准确地跟踪目标物体。
通过学习与研究,了解到免疫遗传算法不仅保留了遗传算法的搜索特性,而且还利用了免疫算法的自适应特性,这不仅避免了收敛局部极值,还保证了局部和全局两个方面都达到最优。本文通过将免疫遗传算法引入到异常运动物体的视频监控系统中来,使得对异常移动物体的跟踪具有较高准确率的同时,保证了视频监控中对实时性的要求。在今后的学习与研究中,还将对该算法进行改进和完善,以便于得到更加简洁、高效的视频监控图像。
参考文献
[1] 况璐.基于DM642视频监控跟踪系统的实现[D].北京:中央民族大学,2010.
[2] 夏永泉,李卫丽,甘勇,等.智能视频监控中的运动目标检测技术研究[J].通信技术,2009,42(6):185-187.
[3] 缪红萍.免疫遗传算法及应用研究[D].北京:北京化工大学,2005.
[4] 史忠植.神经网络[M].北京:高等教育业出版社,2009.
[5] DASGUPTA D.Artificial immune systems and their applications[M].Springer-Verlang:Berlin Heide-lberg,1998.
[6] 丁大弸,黄欢,刘辉,等.基于meanshift算法的实时运动目标跟踪[J].山西电子技术,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.

此内容为AET网站原创,未经授权禁止转载。
Baidu
map