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(shí)驗(yàn)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(shí)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(shí)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(shí)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)的異常抗體進(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(shí)現(xiàn)對異常運(yùn)動物體的檢測與識別。同時通過實(shí)驗(yàn)也可以完成對目標(biāo)后續(xù)的異常移動進(jìn)行跟蹤。
    在實(shí)驗(yàn)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(yàn)中所跟蹤到的異常運(yùn)動物體的圖像。
    通過上述實(shí)驗(yàn)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(shí)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(shí)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(shí)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(shí)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.