《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 設(shè)計應(yīng)用 > 基于免疫遺傳算法的視頻監(jiān)控的研究
基于免疫遺傳算法的視頻監(jiān)控的研究
來源:微型機(jī)與應(yīng)用2013年第14期
李廣龍,朱響斌
(浙江師范大學(xué) 數(shù)理與信息工程學(xué)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(yùn)動物體識別跟蹤的準(zhǔn)確性。實驗結(jié)果表明,引入免疫遺傳算法之后可以在對運(yùn)動物體進(jìn)行實時監(jiān)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(yùn)動物體識別跟蹤的準(zhǔn)確性。實驗結(jié)果表明,引入免疫遺傳算法之后可以在對運(yùn)動物體進(jìn)行實時監(jiān)控的同時保持較高的魯棒性。
關(guān)鍵詞: 視頻監(jiān)控計算機(jī)視覺;視頻圖像;免疫遺傳算法

    視頻監(jiān)控系統(tǒng)集視頻采集、壓縮、傳輸于一體,并開始走向監(jiān)控的智能化和傳輸方式的多元化。這使得在設(shè)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(biāo)的效率也有了更高的要求[1]。在視頻監(jiān)控系統(tǒng)中,最關(guān)鍵的是如何去檢測異常運(yùn)動的目標(biāo)。就目前而言,在異常運(yùn)動目標(biāo)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(fù)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(fā)生空洞現(xiàn)象,會干擾對目標(biāo)位置的判斷。背景相減法簡單且易于實現(xiàn),但是獲取的特征數(shù)據(jù)不是很完整[2]。本文針對幾種傳統(tǒng)視頻監(jiān)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(jiān)控系統(tǒng)中,并利用免疫遺傳原理來提高對運(yùn)動物體的識別跟蹤的準(zhǔn)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(jī)制而提出來的一種改進(jìn)的遺傳算法,它模擬和反映了生物機(jī)體免疫系統(tǒng)的特點(diǎn),結(jié)合工程應(yīng)用后提出來的一種仿生優(yōu)化算法。將待求解問題的目標(biāo)函數(shù)對應(yīng)為入侵生命體的抗原,而待求問題的解對應(yīng)為免疫系統(tǒng)所產(chǎn)生的抗體,通過抗原和抗體的親和力來描述可行解與最優(yōu)解的逼近程度。生物免疫系統(tǒng)對抗原會自動產(chǎn)生相應(yīng)的抗體來進(jìn)行防御,這一過程稱之為免疫應(yīng)答。在免疫應(yīng)答的過程中,部分抗體作為記憶細(xì)胞被保存下來,當(dāng)同類抗原再次感染侵入時,具有記憶的免疫細(xì)胞就會被激活并產(chǎn)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(jìn)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(jī)制實現(xiàn)的,體現(xiàn)了免疫系統(tǒng)的自我調(diào)節(jié)功能。而抗體的親和力濃度計算是系統(tǒng)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(tǒng)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(tǒng)中抗原是對出現(xiàn)的異??贵w進(jìn)行處理。相應(yīng)地,在運(yùn)動目標(biāo)跟蹤中,根據(jù)目標(biāo)區(qū)域的特征作為樣本,搜索與該樣本最為相近的區(qū)域,進(jìn)而得到運(yùn)動物體的跟蹤結(jié)果。
    在運(yùn)動物體的檢測當(dāng)中,將目標(biāo)區(qū)域的顏色直方圖分布q={qu},u=1…m定義為抗原,這是視頻監(jiān)控系統(tǒng)中需要待求解的問題。在對后續(xù)問題求解的過程中都是圍繞尋求異常運(yùn)動的目標(biāo)來展開的。在異常運(yùn)動目標(biāo)模型的建立中,假設(shè)需要求解的運(yùn)動目標(biāo)的區(qū)域中心為x0,待求解的目標(biāo)圖像{xi},i=1,…,n,由n個點(diǎn)構(gòu)成,每個點(diǎn)的灰度量化等級是m級,則異常運(yùn)動的目標(biāo)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(xiàn)對異常運(yùn)動物體的檢測與識別。同時通過實驗也可以完成對目標(biāo)后續(xù)的異常移動進(jìn)行跟蹤。
    在實驗中,設(shè)置了幾個按鍵以便于對視頻監(jiān)控系統(tǒng)的研究,圖1、圖2是試驗中所跟蹤到的異常運(yùn)動物體的圖像。
    通過上述實驗截圖可以明顯看出,運(yùn)動目標(biāo)從圖1所示的位置運(yùn)動到圖2所示的位置。在移動過程中用橢圓形來標(biāo)注運(yùn)動的目標(biāo)物體,通過圖像上的顯示可以看出,即使在運(yùn)動的過程中,也可以實時、準(zhǔn)確地跟蹤目標(biāo)物體。
    通過學(xué)習(xí)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(yīng)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(dá)到最優(yōu)。本文通過將免疫遺傳算法引入到異常運(yùn)動物體的視頻監(jiān)控系統(tǒng)中來,使得對異常移動物體的跟蹤具有較高準(zhǔn)確率的同時,保證了視頻監(jiān)控中對實時性的要求。在今后的學(xué)習(xí)與研究中,還將對該算法進(jìn)行改進(jìn)和完善,以便于得到更加簡潔、高效的視頻監(jiān)控圖像。
參考文獻(xiàn)
[1] 況璐.基于DM642視頻監(jiān)控跟蹤系統(tǒng)的實現(xiàn)[D].北京:中央民族大學(xué),2010.
[2] 夏永泉,李衛(wèi)麗,甘勇,等.智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測技術(shù)研究[J].通信技術(shù),2009,42(6):185-187.
[3] 繆紅萍.免疫遺傳算法及應(yīng)用研究[D].北京:北京化工大學(xué),2005.
[4] 史忠植.神經(jīng)網(wǎng)絡(luò)[M].北京:高等教育業(yè)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(yùn)動目標(biāo)跟蹤[J].山西電子技術(shù),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(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。