基于蚁群优化算法的视频监控智能检测系统的研究与实现

发布时间：2017-05-16 02:17

  本文关键词：基于蚁群优化算法的视频监控智能检测系统的研究与实现，，由笔耕文化传播整理发布。

【摘要】：当前视频监控已广泛运用于各行各业中,其大规模的应用致使人工检修的难度逐渐增加,进而影响着实时监控的效率。本文中讨论的视频监控智能检测系统就是解决当前视频监控排障问题的优秀方案。在实际应用中,为了保证较高的检测效率,系统遇到了并发功耗高、检测任务线程满载等性能问题,因此决定引入负载均衡机制优化其性能。目前已有多种较为成熟的负载均衡算法,蚁群算法因其求解机制和信息维护机制的优点,较其他算法在负载均衡方面有着更高的调度效率和系统吞吐率。目前在负载均衡领域,一般分配问题是主要研究方向。但由于视频监控检测系统有着任务有序执行等特点,无法用一般分配问题进行描述。针对上述问题,本文在一般分配问题的基础上,结合系统并行检测模块的特点,采用依赖于序列的并行负载均衡模型描述并行检测模块,同时针对局部搜索算法评价解质量标准单一的问题,对局部搜索算法的寻优过程进行改进,并将此改进算法应用到遗传算法和蚁群优化算法中。然后通过上面提到的模型对优化算法进行模拟仿真,得出针对于此模型的最优负载算法,最后在实际系统中对模拟结果进行了验证。本文的创新点主要包括以下三点：1、完成了视频监控智能检测系统的开发和优化。对视频监控智能检测系统总体架构进行了分层,对每层当中用到的关键技术进行分析。使用IIS技术和Socket技术实现了模块之间的通信；采用数据缓存技术解决了数据库高并发性能的瓶颈；采用动态链接库技术完成了对检测算法的封装。2、研究了蚁群算法及其在负载均衡机制中的应用,在研究的基础上针对负载均衡中网络异构性的特点改进了算法中的局部搜索算法,引入网络转移代价系数和邻居结点的概念,优化寻优过程并提高算法性能。采用适用于有序并发执行机制的依赖于序列的负载均衡模型,对改进算法进行模拟仿真,结果显示在应用于蚁群优化算法时,改进局部搜索算法在相对负载失衡率和执行时间两项性能指标的表现上均较原版算法有所提升。3、根据系统并行检测架构的特点,设计了适用于有序并发执行机制的负载均衡架构,并将在模型仿真中性能最优的蚁群优化算法和改进蚁群优化算法应用在系统中。通过多轮测试得出任务执行时间和总内存占用两个重要性能指标的实验结果,进一步验证了模型仿真中得出的结论,优化了当前系统的高并发性能。
【关键词】：蚁群优化算法 负载均衡 局部搜索算法 异构网络
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN948.6;TP18
【目录】：

• 摘要5-7
• Abstract7-11
• 1 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 负载均衡技术研究现状12-13
• 1.2.2 蚁群算法研究现状13-15
• 1.3 主要工作和创新点15
• 1.4 论文结构15-17
• 2 视频监控智能检测系统概述17-27
• 2.1 视频监控智能检测系统概述17-22
• 2.1.1 数据采集层17-18
• 2.1.2 通信层18-19
• 2.1.3 系统服务层19-22
• 2.1.4 系统网络拓扑架构22
• 2.2 系统功能架构22-25
• 2.2.1 服务器端功能22-24
• 2.2.2 PC客户端功能24-25
• 2.3 系统实现25-26
• 2.4 本章小结26-27
• 3 并行负载均衡关键技术研究27-39
• 3.1 负载均衡27-30
• 3.1.1 负载均衡概述27
• 3.1.2 负载均衡算法分类27-28
• 3.1.3 常用智能均衡算法介绍28-30
• 3.2 蚁群算法30-37
• 3.2.1 蚁群算法起源30-31
• 3.2.2 蚁群算法原型31-33
• 3.2.3 蚁群算法的应用33-37
• 3.3 本章小结37-39
• 4 并行负载均衡问题的仿真及优化39-53
• 4.1 依赖于序列的并行负载均衡问题39-43
• 4.1.1 并行检测负载均衡的特点39
• 4.1.2 问题描述39-41
• 4.1.3 蚁群优化算法的框架41-43
• 4.2 蚁群优化算法的改进43-45
• 4.2.1 转移代价改进43
• 4.2.2 邻居结点的引入43-44
• 4.2.3 部搜索算法的改进44-45
• 4.3 实验设计45-47
• 4.3.1 实验描述45-46
• 4.3.2 蚁群优化算法初始参数设计46-47
• 4.3.3 遗传算法初始参数优化47
• 4.4 实验结果与分析47-51
• 4.5 本章小结51-53
• 5 系统实现与性能分析53-61
• 5.1 系统实现53-57
• 5.1.1 并行检测模块实现流程53-54
• 5.1.2 并行检测负载性能瓶颈54-55
• 5.1.3 蚁群优化算法的应用55-57
• 5.2 测试结果及数据分析57-59
• 5.3 本章小结59-61
• 6 总结与展望61-63
• 参考文献63-69
• 致谢69-71
• 个人简历、在校期间发表的学术论文与研究成果71

【参考文献】

中国期刊全文数据库 前3条

1 薛军,李增智,王云岚;负载均衡技术的发展[J];小型微型计算机系统;2003年12期

2 马良,项培军;蚂蚁算法在组合优化中的应用[J];管理科学学报;2001年02期

3 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期

中国博士学位论文全文数据库 前1条

1 袁国武;智能视频监控中的运动目标检测和跟踪算法研究[D];云南大学;2012年

  本文关键词：基于蚁群优化算法的视频监控智能检测系统的研究与实现，由笔耕文化传播整理发布。

本文编号：369391