山区视频监控点选址算法研究

发布时间：2017-05-01 20:10

  本文关键词：山区视频监控点选址算法研究，由笔耕文化传播整理发布。

【摘要】：目前,视频监控在城市街道等局部范围内的应用已经非常广泛,而对于可进行大区域联合监控的视频监控系统的需求还没有得到完全满足,我国西部边境山区亟需大规模边防视频监控系统支持边境的军事防控工作。山区视频监控系统建设需首先解决视频监控点的选址问题,合理的监控点布局可以降低系统的建设与维护成本,提高监控质量。当前,山区视频监控点选址主要有两种方法,一是结合地形图及野外测量作业进行人工监控点选址,二是以基本地理数据包括数字高程模型(Digital Elevation Model,DEM)等为数据源,以数字地形分析为基础,结合模拟退火、遗传算法等优化算法进行监控点自动选址。相比较而言,前者对单个监控点位置的确定较为精确,且能避开自然条件不适合的区域,但是不能保证多监控点联合监控覆盖率的最大化,并且耗费较大的人力财力。后者可以在相对较短时间内进行监控点的选址,并且可以在理论上保证多个监控点联合监控的质量。基于DEM的监控点自动选址算法已经能够解决较小区域的监控点布设问题,但视频监控点选址问题的复杂度随着监控区域增大及监控点的增长呈指数增长趋势,现有自动选址算法的性能会明显降低,无法保证监控点联合监控的质量。另外,为保证较高的布局质量,自动选址算法需进行较为复杂的计算,对于较大规模的选址问题,选址算法的效率还有待提高。因此,本文以数字高程模型为数据源,利用地形可视性分析方法、蚁群优化(AntColony Optimization, ACO)算法及并行计算手段,探索山区大范围视频监控点自动选址新方法,进一步提高监控点选址的质量和效率。论文分析了山区视频监控特点,实现了山区视频监控点蚁群优化选址及其并行算法。以山地视频监控点选址为研究案例,实现山区视频监控点蚁群优化选址,并与模拟退火算法、规则格网随机选址及模拟最优解进行比较,验证了本文提出的蚁群自动选址方法的有效性。论文主要的研究内容与结论如下：1.实现了面向视频监控的可视域算法在基于参考面的地形可视域分析算法基础上,将视频监控特点参数化,实现面向视频监控的可视域算法。与ArcGIS平台比较,本文实现的可视域算法具有较高的计算精度。并在此基础上进行单个视频监控点监控区域的模拟。2.实现了基于蚁群优化的监控点自动选址算法基于数字地形分析技术及蚁群优化理论,设计并实现了面向山区大规模视频监控点自动选址算法ACO_VMS。具体包括,以地形特征点作为监控候选点,利用面向视频监控的可视域算法模拟单个监控点的监控区域,以监控联合覆盖率最大化为优化目标,在蚁群优化算法框架下进行监控点的自动选址。在Visual Studio环境下,利用C++程序设计语言设计实现了该算法。并结合MPI(Message Passing Interface)消息传递接口实现了了ACO_VMS的并行计算方式,提高了选址算法的效率。在计算集群下使用2-16个计算节点进行并行ACO_VMS算法的并行效率测试,结果显示并行算法具有较高的加速比与并行效率。3.基于ACO_VMS的视频监控点选址实例分析以数字高程模型作为数据基础,在面积为750平方公里(2048x2048 pixels)的山区,进行100-200个视频监控点的选址实验。与模拟退火算法相比较,ACO_VMS选址结果的联合覆盖率相对提高19.12%-25.95%,绝对值提高10.15%-11.52%：与模拟最优解相比较,ACO_VMS选址结果的监控点组合的联合覆盖率与之相差不超过6.54%；与规则格网随机选址结果相比较,ACO_VMS可以相对提高20.21%-24.98%的联合覆盖率,联合覆盖率绝对值提高9%-11.18%。且对于相同的联合覆盖率监控要求,ACO VMS使用的监控点数目较规则随机选址可减少30%左右。
【关键词】：山区视频监控选址 数字高程模型 可视域 蚁群优化 并行计算
【学位授予单位】：南京师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6
【目录】：

• 摘要5-7
• Abstract7-15
• 第1章 绪论15-25
• 1.1 选题背景及研究意义15-17
• 1.1.1 选题背景15-16
• 1.1.2 问题的提出16-17
• 1.1.3 研究意义17
• 1.2 研究进展17-21
• 1.2.1 地形特征要素提取研究进展17-18
• 1.2.2 可视域分析研究进展18-19
• 1.2.3 视频监控点选址研究进展19-20
• 1.2.4 小结20-21
• 1.3 研究目标、内容21-22
• 1.3.1 研究目标21
• 1.3.2 研究内容21
• 1.3.3 关键问题21-22
• 1.4 研究方法与技术路线22-23
• 1.4.1 研究方法22
• 1.4.2 技术路线22-23
• 1.5 论文组织23-25
• 第2章 基于蚁群优化的监控点选址算法研究25-43
• 2.1 蚁群优化基本原理25-26
• 2.1.1 蚁群优化基本要素25
• 2.1.2 蚁群行为分析25-26
• 2.2 监控点自动选址背景设定26-29
• 2.2.1 监控摄像机假定26-27
• 2.2.2 可视域与摄像机成像质量27-28
• 2.2.3 选址目标及约束条件28-29
• 2.3 ACO_VMS算法设计29-38
• 2.3.1 视频监控点自动选址算法框架29-38
• 2.4 ACO_VMS评价方法38-40
• 2.5 ACO_VMS效率分析40-41
• 2.6 本章小结41-43
• 第3章 基于并行蚁群的监控点选址算法研究43-52
• 3.1 并行策略43-44
• 3.2 基于并行蚁群的选址算法设计44-45
• 3.3 并行效率分析45-47
• 3.4 蚁群算法参数率定47-51
• 3.4.1 信息素保留率47-48
• 3.4.2 期望启发式因子48-49
• 3.4.3 蚂蚁个数49-50
• 3.4.4 迭代次数50-51
• 3.5 本章小结51-52
• 第4章 山区视频监控点选址算法实例52-65
• 4.1 实验样区与实验数据52-54
• 4.1.1 实验样区52-53
• 4.1.2 实验数据53
• 4.1.3 实验平台53-54
• 4.2 候选监控点提取54-56
• 4.2.1 地形特征点提取54-55
• 4.2.2 地形特征点筛选55-56
• 4.3 监控点监控区域模拟56-59
• 4.3.1 面向视频监控的可视域算法精度分析56-57
• 4.3.2 面向视频监控的可视域算法参数优化57-59
• 4.4 基于ACO_VMS的监控点自动选址59-63
• 4.4.1 应用模式1-联合覆盖率最大化60-62
• 4.4.2 应用模式2-监控点数目最小化62-63
• 4.5 本章小结63-65
• 第5章 结论与展望65-67
• 5.1 主要工作及结论65-66
• 5.2 存在的不足及研究展望66-67
• 参考文献67-70
• 致谢70-71

【参考文献】

中国期刊全文数据库 前3条

1 张刚;汤国安;宋效东;杨坤;;基于DEM的分布式并行通视分析算法研究[J];地理与地理信息科学;2013年04期

2 范春阳;;从产品和系统谈边防监控的实现[J];中国公共安全(市场版);2007年09期

3 晏实江;汤国安;李发源;董有福;;利用DEM边缘检测进行黄土地貌沟沿线自动提取[J];武汉大学学报(信息科学版);2011年03期

  本文关键词：山区视频监控点选址算法研究，由笔耕文化传播整理发布。

，

本文编号：339565