本文關(guān)鍵詞：山區(qū)視頻監(jiān)控點(diǎn)選址算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：目前,視頻監(jiān)控在城市街道等局部范圍內(nèi)的應(yīng)用已經(jīng)非常廣泛,而對(duì)于可進(jìn)行大區(qū)域聯(lián)合監(jiān)控的視頻監(jiān)控系統(tǒng)的需求還沒(méi)有得到完全滿(mǎn)足,我國(guó)西部邊境山區(qū)亟需大規(guī)模邊防視頻監(jiān)控系統(tǒng)支持邊境的軍事防控工作。山區(qū)視頻監(jiān)控系統(tǒng)建設(shè)需首先解決視頻監(jiān)控點(diǎn)的選址問(wèn)題,合理的監(jiān)控點(diǎn)布局可以降低系統(tǒng)的建設(shè)與維護(hù)成本,提高監(jiān)控質(zhì)量。當(dāng)前,山區(qū)視頻監(jiān)控點(diǎn)選址主要有兩種方法,一是結(jié)合地形圖及野外測(cè)量作業(yè)進(jìn)行人工監(jiān)控點(diǎn)選址,二是以基本地理數(shù)據(jù)包括數(shù)字高程模型(Digital Elevation Model,DEM)等為數(shù)據(jù)源,以數(shù)字地形分析為基礎(chǔ),結(jié)合模擬退火、遺傳算法等優(yōu)化算法進(jìn)行監(jiān)控點(diǎn)自動(dòng)選址。相比較而言,前者對(duì)單個(gè)監(jiān)控點(diǎn)位置的確定較為精確,且能避開(kāi)自然條件不適合的區(qū)域,但是不能保證多監(jiān)控點(diǎn)聯(lián)合監(jiān)控覆蓋率的最大化,并且耗費(fèi)較大的人力財(cái)力。后者可以在相對(duì)較短時(shí)間內(nèi)進(jìn)行監(jiān)控點(diǎn)的選址,并且可以在理論上保證多個(gè)監(jiān)控點(diǎn)聯(lián)合監(jiān)控的質(zhì)量�；贒EM的監(jiān)控點(diǎn)自動(dòng)選址算法已經(jīng)能夠解決較小區(qū)域的監(jiān)控點(diǎn)布設(shè)問(wèn)題,但視頻監(jiān)控點(diǎn)選址問(wèn)題的復(fù)雜度隨著監(jiān)控區(qū)域增大及監(jiān)控點(diǎn)的增長(zhǎng)呈指數(shù)增長(zhǎng)趨勢(shì),現(xiàn)有自動(dòng)選址算法的性能會(huì)明顯降低,無(wú)法保證監(jiān)控點(diǎn)聯(lián)合監(jiān)控的質(zhì)量。另外,為保證較高的布局質(zhì)量,自動(dòng)選址算法需進(jìn)行較為復(fù)雜的計(jì)算,對(duì)于較大規(guī)模的選址問(wèn)題,選址算法的效率還有待提高。因此,本文以數(shù)字高程模型為數(shù)據(jù)源,利用地形可視性分析方法、蟻群優(yōu)化(AntColony Optimization, ACO)算法及并行計(jì)算手段,探索山區(qū)大范圍視頻監(jiān)控點(diǎn)自動(dòng)選址新方法,進(jìn)一步提高監(jiān)控點(diǎn)選址的質(zhì)量和效率。論文分析了山區(qū)視頻監(jiān)控特點(diǎn),實(shí)現(xiàn)了山區(qū)視頻監(jiān)控點(diǎn)蟻群優(yōu)化選址及其并行算法。以山地視頻監(jiān)控點(diǎn)選址為研究案例,實(shí)現(xiàn)山區(qū)視頻監(jiān)控點(diǎn)蟻群優(yōu)化選址,并與模擬退火算法、規(guī)則格網(wǎng)隨機(jī)選址及模擬最優(yōu)解進(jìn)行比較,驗(yàn)證了本文提出的蟻群自動(dòng)選址方法的有效性。論文主要的研究?jī)?nèi)容與結(jié)論如下：1.實(shí)現(xiàn)了面向視頻監(jiān)控的可視域算法在基于參考面的地形可視域分析算法基礎(chǔ)上,將視頻監(jiān)控特點(diǎn)參數(shù)化,實(shí)現(xiàn)面向視頻監(jiān)控的可視域算法。與ArcGIS平臺(tái)比較,本文實(shí)現(xiàn)的可視域算法具有較高的計(jì)算精度。并在此基礎(chǔ)上進(jìn)行單個(gè)視頻監(jiān)控點(diǎn)監(jiān)控區(qū)域的模擬。2.實(shí)現(xiàn)了基于蟻群優(yōu)化的監(jiān)控點(diǎn)自動(dòng)選址算法基于數(shù)字地形分析技術(shù)及蟻群優(yōu)化理論,設(shè)計(jì)并實(shí)現(xiàn)了面向山區(qū)大規(guī)模視頻監(jiān)控點(diǎn)自動(dòng)選址算法ACO_VMS。具體包括,以地形特征點(diǎn)作為監(jiān)控候選點(diǎn),利用面向視頻監(jiān)控的可視域算法模擬單個(gè)監(jiān)控點(diǎn)的監(jiān)控區(qū)域,以監(jiān)控聯(lián)合覆蓋率最大化為優(yōu)化目標(biāo),在蟻群優(yōu)化算法框架下進(jìn)行監(jiān)控點(diǎn)的自動(dòng)選址。在Visual Studio環(huán)境下,利用C++程序設(shè)計(jì)語(yǔ)言設(shè)計(jì)實(shí)現(xiàn)了該算法。并結(jié)合MPI(Message Passing Interface)消息傳遞接口實(shí)現(xiàn)了了ACO_VMS的并行計(jì)算方式,提高了選址算法的效率。在計(jì)算集群下使用2-16個(gè)計(jì)算節(jié)點(diǎn)進(jìn)行并行ACO_VMS算法的并行效率測(cè)試,結(jié)果顯示并行算法具有較高的加速比與并行效率。3.基于ACO_VMS的視頻監(jiān)控點(diǎn)選址實(shí)例分析以數(shù)字高程模型作為數(shù)據(jù)基礎(chǔ),在面積為750平方公里(2048x2048 pixels)的山區(qū),進(jìn)行100-200個(gè)視頻監(jiān)控點(diǎn)的選址實(shí)驗(yàn)。與模擬退火算法相比較,ACO_VMS選址結(jié)果的聯(lián)合覆蓋率相對(duì)提高19.12%-25.95%,絕對(duì)值提高10.15%-11.52%：與模擬最優(yōu)解相比較,ACO_VMS選址結(jié)果的監(jiān)控點(diǎn)組合的聯(lián)合覆蓋率與之相差不超過(guò)6.54%；與規(guī)則格網(wǎng)隨機(jī)選址結(jié)果相比較,ACO_VMS可以相對(duì)提高20.21%-24.98%的聯(lián)合覆蓋率,聯(lián)合覆蓋率絕對(duì)值提高9%-11.18%。且對(duì)于相同的聯(lián)合覆蓋率監(jiān)控要求,ACO VMS使用的監(jiān)控點(diǎn)數(shù)目較規(guī)則隨機(jī)選址可減少30%左右。
【關(guān)鍵詞】：山區(qū)視頻監(jiān)控選址 數(shù)字高程模型 可視域 蟻群優(yōu)化 并行計(jì)算
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN948.6
【目錄】：

• 摘要5-7
• Abstract7-15
• 第1章 緒論15-25
• 1.1 選題背景及研究意義15-17
• 1.1.1 選題背景15-16
• 1.1.2 問(wèn)題的提出16-17
• 1.1.3 研究意義17
• 1.2 研究進(jìn)展17-21
• 1.2.1 地形特征要素提取研究進(jìn)展17-18
• 1.2.2 可視域分析研究進(jìn)展18-19
• 1.2.3 視頻監(jiān)控點(diǎn)選址研究進(jìn)展19-20
• 1.2.4 小結(jié)20-21
• 1.3 研究目標(biāo)、內(nèi)容21-22
• 1.3.1 研究目標(biāo)21
• 1.3.2 研究?jī)?nèi)容21
• 1.3.3 關(guān)鍵問(wèn)題21-22
• 1.4 研究方法與技術(shù)路線22-23
• 1.4.1 研究方法22
• 1.4.2 技術(shù)路線22-23
• 1.5 論文組織23-25
• 第2章 基于蟻群優(yōu)化的監(jiān)控點(diǎn)選址算法研究25-43
• 2.1 蟻群優(yōu)化基本原理25-26
• 2.1.1 蟻群優(yōu)化基本要素25
• 2.1.2 蟻群行為分析25-26
• 2.2 監(jiān)控點(diǎn)自動(dòng)選址背景設(shè)定26-29
• 2.2.1 監(jiān)控?cái)z像機(jī)假定26-27
• 2.2.2 可視域與攝像機(jī)成像質(zhì)量27-28
• 2.2.3 選址目標(biāo)及約束條件28-29
• 2.3 ACO_VMS算法設(shè)計(jì)29-38
• 2.3.1 視頻監(jiān)控點(diǎn)自動(dòng)選址算法框架29-38
• 2.4 ACO_VMS評(píng)價(jià)方法38-40
• 2.5 ACO_VMS效率分析40-41
• 2.6 本章小結(jié)41-43
• 第3章 基于并行蟻群的監(jiān)控點(diǎn)選址算法研究43-52
• 3.1 并行策略43-44
• 3.2 基于并行蟻群的選址算法設(shè)計(jì)44-45
• 3.3 并行效率分析45-47
• 3.4 蟻群算法參數(shù)率定47-51
• 3.4.1 信息素保留率47-48
• 3.4.2 期望啟發(fā)式因子48-49
• 3.4.3 螞蟻個(gè)數(shù)49-50
• 3.4.4 迭代次數(shù)50-51
• 3.5 本章小結(jié)51-52
• 第4章 山區(qū)視頻監(jiān)控點(diǎn)選址算法實(shí)例52-65
• 4.1 實(shí)驗(yàn)樣區(qū)與實(shí)驗(yàn)數(shù)據(jù)52-54
• 4.1.1 實(shí)驗(yàn)樣區(qū)52-53
• 4.1.2 實(shí)驗(yàn)數(shù)據(jù)53
• 4.1.3 實(shí)驗(yàn)平臺(tái)53-54
• 4.2 候選監(jiān)控點(diǎn)提取54-56
• 4.2.1 地形特征點(diǎn)提取54-55
• 4.2.2 地形特征點(diǎn)篩選55-56
• 4.3 監(jiān)控點(diǎn)監(jiān)控區(qū)域模擬56-59
• 4.3.1 面向視頻監(jiān)控的可視域算法精度分析56-57
• 4.3.2 面向視頻監(jiān)控的可視域算法參數(shù)優(yōu)化57-59
• 4.4 基于ACO_VMS的監(jiān)控點(diǎn)自動(dòng)選址59-63
• 4.4.1 應(yīng)用模式1-聯(lián)合覆蓋率最大化60-62
• 4.4.2 應(yīng)用模式2-監(jiān)控點(diǎn)數(shù)目最小化62-63
• 4.5 本章小結(jié)63-65
• 第5章 結(jié)論與展望65-67
• 5.1 主要工作及結(jié)論65-66
• 5.2 存在的不足及研究展望66-67
• 參考文獻(xiàn)67-70
• 致謝70-71

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 張剛;湯國(guó)安;宋效東;楊坤;;基于DEM的分布式并行通視分析算法研究[J];地理與地理信息科學(xué);2013年04期

2 范春陽(yáng);;從產(chǎn)品和系統(tǒng)談邊防監(jiān)控的實(shí)現(xiàn)[J];中國(guó)公共安全(市場(chǎng)版);2007年09期

3 晏實(shí)江;湯國(guó)安;李發(fā)源;董有福;;利用DEM邊緣檢測(cè)進(jìn)行黃土地貌溝沿線自動(dòng)提取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2011年03期

  本文關(guān)鍵詞：山區(qū)視頻監(jiān)控點(diǎn)選址算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：339565