基于改进蜂群算法的视频目标检测方法.docVIP

基于改进蜂群算法的视频目标检测方法 　　摘 要：本文提出一种基于改进蜂群算法的视频目标检测方法，首先对两幅图像进行优化获得最大互信息值，进而获得最佳空间匹配参数，最后通过三帧差分法检测出目标。该算法相对传统算法，能够抑制背景残留噪声，而且不需要对图像进行预处理、特征选取以及背景更新，降低了算法复杂度。通过与传统蜂群算法的结果对比，证明了改进算法的有效性和可靠性。 　　关键词：视频检测；蜂群算法；互信息 　　中图分类号：TP391 文献标识码：A 　　Abstract：Here，a video object detection method based on an improved bee colony algorithm is presented.First，the maximum mutual information values of two images are obtained through optimization.Then，the best spatial matching parameters are acquired，and finally the target is detected through the three frame difference method.Compared to the traditional algorithm，the proposed algorithm can restrain the residual background noise，and does not require the image pre-processing，feature selection and background updating，which reduce the complexity of the algorithm.Compared with the results based on the traditional bee colony algorithm，the effectiveness and reliability of the improved algorithm are demonstrated. 　　Keywords：video detection；bee colony algorithm；mutual information 　　1 引言（Introduction） 　　近年来，科学技术的不断发展以及人民生活水平的不断提高使人类对生活质量和本身的安全性保证需求愈来愈高。视频监控由于能形象、直观地表示信息而被应用于大部分公共场所。相比较传统的视频监控，高端化的视频监控系统可通过计算机视觉、图像处理等技术提取出人们感兴趣的目标信息图像，然后对其进行检测、跟踪、分类以及行为理解和描述等过程来判别监控画面中的情况，代表了未来视频监控产业的发展趋势。视频监控系统的关键技术主要有四个方面：目标的检测，目标的跟踪，目标的分类，行为的理解与描述。 　　视频目标检测在人机交互、视频监控、交通视频、视频会议、客流量统计等许多方面都有非常重要的应用，是当今计算机视觉领域的研究热点与难点之一。传统的检测算法[1]如背景差分法、相邻帧差法、光流场法等已相对成熟，但存在不足：背景差分法对光线等外在因素的变化过于敏感，帧差法检测目标的完整性较差，光流场法的计算比较复杂且容易被外界噪声干扰。因此，学者们提出了许多改进算法，如背景移动补偿算法[2]、帧间差法与背景差分相结合的算法[3]等。 　　2 互相关信息（Mutual information） 　　互相关信息是一种具有测量图像间的统计相关性作用的信息理论概念。它代表图像间的重合区域，重合区域越多，互相关信息越大。当两幅图像在几何上完全重合时的互相关信息是最大的，称为最大互信息。 　　假设有两个随机变量A和B，灰度值范围为0―255，和分别是它们各自的概率密度函数，表示它们之间的相关密度函数。那么随机变量A和B的互相关信息表示如下： 　　由于联合熵的值取决于边缘熵与变换函数，因此需要找出最优变换函数对图像进行配准，以让联合熵最小，则此时的互相关信息为最大互信息。因为互相关信息是关于图像全部像素的，所以带来的计算量较大。小波变换为一种拥有多分辨率的时间――尺度分析方法，本文结合小波分解的方法，对配准图像进行小波变换，主要包括平移和旋转，因此，通过对小波变换函数中平移和旋转参数的最优化以获得最大互信息。 　　3 改进蜂群算法（Improved bee colony algorithm） 　　所谓人工蜂群算法就是对蜜蜂行为加以模拟而提出的一种优化算法。蜂群中出现群体智慧的最小搜索模型主要包括四个基本的组成要素：食物源、引领蜂、