视频传感器区域覆盖算法

视频传感器是一种广泛应用于各类突发事件感知的重要传感器，对保障城市经济和社会的高速发展起到突出作用。为了最大程度地提高视频传感器的覆盖率，根据摄像机的有向感知特性，提出一种基于改进人工蜂群优化的视频传感器监控区域增强算法。该算法受粒子群算法的启发引入全局最优值，改进人工蜂群的搜索策略，提高其开采能力和收敛速度，并利用反向学习思想产生新蜜源替换最差蜜源。结果表明，改进算法能够有效提高监控区域的覆盖率，其性能优于传统方法。

近年来，随着时代的变化，科学技术在不断地进步和发展。视频监控系统也随着嵌入式技术和无线通信技术等技术水平的进步而飞速发展。视频监控系统在很多领域应用十分广泛，例如：环境监控、智能交通、医疗卫生和军事战场等[1] [2]。随着各行各业对监控网络的投入和建设，现全国已经构建了较为完善的视频安防监控系统，但仍面临许多困难和挑战[3] [4]，其中视频监控设备布置的科学合理性，成为了影响监控系统应用过程中效能优劣的瓶颈问题，受到了国内外许多研究学者的关注[5] [6] [7] [8]。

视频监控系统实则是摄像机，是从物理环境中监测并采集视觉信息的视频传感器[9]。覆盖问题是视频传感器的关键问题。摄像机对环境的感知范围有方向和边界的，传统的传感器部署方法无法适用于有向传感器覆盖。如何提高视频传感器覆盖率是待解决的优化问题。

近年来，众多的学者利用粒子群算法[10]、人工蜂群算法[11] [12]、鱼群算法[13]、遗传算法[14]和果蝇算法[15]等对传感器节点覆盖进行了探索与研究， 但这些算法存在结构复杂、早熟收敛和覆盖率低等问题， 为此研究者们陆续提出各种改进方法。

文献[10]基于传感器有向感知模型， 将改进粒子群覆盖优化算法应用到有向传感器网络覆盖增强中，取得了较好的效果，但算法在搜索时易陷入局部极值，影响了进一步优化。

文献[11]改进人工蜂群算法， 将侦察蜂更新策略用一维高斯变异方法代替， 该算法与其他进化算法进行了比较，验证了人工蜂群算法在解决无向传感器网络覆盖问题上比其他的进化算法性能更好， 但此算法不能直接运用到视频传感器覆盖上。

文献[15]提出一种具有自适应步长、自适应降维的改进的果蝇优化算法，该算法对全向传感器的覆盖具有增强效果。上述方法在一定程度上能够解决传感器覆盖问题，但智能优化算法本身存在一些缺点，导致其优化的结果不是很理想，因此仍然存在着算法改进的空间，可进一步提高传感器覆盖率。

本文在有限节点数量的情况下，为改善视频传感器网络覆盖性能，将根据摄像机的有向感知特性， 提出一种基于改进人工蜂群的视频传感器网络监控区域增强算法，通过调节摄像机的主感方向，提高监控区域的覆盖率。该算法受粒子群算法的启发在种群更新时引入全局最优值，改变原搜索策略，提高蜂群开采能力，并利用反向学习思想替换最差蜜源。与标准人工蜂群算法相比，本文算法可以获得更高的覆盖率。

2. 视频传感器覆盖数学模型 2.1. 有向感知模型 摄像机在某一时刻的实际视域范围是一个三维截头棱锥， 为了简化问题， 文献[16]采用扇形模型表达摄像机的二维视域，如图1，把摄像机的感知模型表示为四元组( ), , , str ϕv，其中()00, s xy为摄像机节点位置，单位向量( )tv是扇形区域的中轴线，是摄像机的主感知方向，表示在t 时刻所处的感知方向，r为感知半径， 为摄像机最远感知距离，ϕ 是扇形边界和中轴线的夹角， 最大视野角度为2ϕ ， 当ϕ = π 时，