Engineering Applications of Artificial Intelligence
A multi-agent architecture for supporting distributed normality-based intelligent surveillance
D.Vallejo et al./ Engineering Applications of Artificial Intelligence 24(2011) 329-335
ABSTRACT
Intelligent surveillance involves the use of Al techniques to monitor environments whose analysis is becoming more and more complex because of the large number of sensors used and the need of monitoring multiple events of interest simultaneously Most of the current surveillance systems provide solutions for particular problems but still suffer from lack of flexibility and scalability when they are used on different or related surveillance problems. To overcome this limitation two aspects should be addressed: a knowledge-based surveillance model flexible enough to deal with different events of interest and an architecture that gives support to this model when deploying the surveillance system within a particular scenario. This paper discusses the architecture devised to deploy intelligent surveillance systems by means of a set of autonomous agents that are responsible for the management of different surveillance tasks and for cooperating to monitor complex environments. This multi-agent architecture is inspired by a normality-based formal model used to define the knowledge needed to analyze general-purpose surveillance concepts. We use the architecture to deploy a surveillance system to monitor an urban traffic scenario.
The multi-agent architecture for intelligent surveillance
Architecture overview
The needs raised by the normality model described in the previous section have been used as the base for designing the multi-agent architecture for the deployment of intelligent surveillance systems. Fig. 2 shows the architecture proposed in this paper to carry out this task. This architecture is structured into three levels: reactive level, deliberative level, and user level. The different components of each level communicate with one another via a communication middleware that allows the interaction between them and the integration of new components. Next, the main characteristics of each one of these levels are summarized:
- The reactive level is composed of the surveillance devices used to monitor the sub-environments of the global scenario and of the agents that maintain a reactive model.
- The deliberative level is composed of those agents that maintain and use a knowledge model in order to analyze the normality and the abnormality of the environment from different points of view(components), as well as those agents that aggregate the information obtained from the sub-environments that establish the whole scenario and make decisions.
- The user level allows the interaction with the security expert via monitoring tools.
Fig.2. Architecture proposed for intelligent surveillance systems.
Besides devising the agents required to monitor environments from a global point of view, it is also interesting to establish a set of management agents that facilitate the control of the multi-agent system and provide the rest of agents with basic services, such as a yellow-pages service or a communication service. In order to face this need, the architecture defines a set of management agents according to the set of standards defined by the FIPA committee (Foundation for Intelligent Physical Agents, FIPA, 2004) for the development of multi-agent systems. These agents are the Agent Management system(AMS), which manages the multi-agent system and control the agents life cycle: the Directory Facilitator (DF),which provides a yellow-pages service; and the Message Transport Service(MTS), which deals with the sending and reception of messages exchanged between agents.
Next, the information flow between the components that compose the architecture is described (see Fig.3) in order to give an overview of how the information gathered from the environment sensors is converted into the high-level knowledge used to analyze behaviors and make decisions.
Fig.3. Overview of the information flow between the main components of the surveillance architecture.
1.Gathering information from the environment: Surveillance sensors get information from the monitored scenario, which is related to the kind of sensor(audio, video, presence, etc). In the case of video surveillance, this information is the sequence of static images obtained from the surveillance cameras. The integration of these devices into the system is done via the communication middleware that supports the proposed architecture.
2.Notifying surveillance events: The output of the sensors may require processing to extract the high-level information used to analyze the normality of the environment. For instance, the visual information from cameras must be processed by preprocessing agents before sending it to the upper level. However, simple devices, such as presence sensors, are possible to directly send their output to the upper level. In both cases, this information is encapsulated into surveillance events that will be notified via event channels to the deliberative level.
3.Generating knowledge to analyze the environment: Surveillance events from the reactive level are processed by normality agents to study the normality and detect possible normality violations. The knowledge generated by these agents is written on the blackboard of each particular sub-environment. This approach based on a distributed blackboard improves the scalability and robustness of the surveillance system. Thus, the knowledge written on the blackboard of each sub-environment is local but, at the same time, allows the fusion information agents to infer more detailed conclusions about the monitoring process. Furthermore, when a normality agent detects that the normality according to a particular aspect is
剩余内容已隐藏，支付完成后下载完整资料
人工智能的工程应用
一种支持分布式正态智能监控的多代理体系结构
D.Vallejo et al./ Engineering Applications of Artificial Intelligence 24(2011) 329-335
摘要
智能监控包括使用监控技术，由于使用的传感器数量多，同时需要监控多个感兴趣的事件，因此分析变得更加复杂。目前的大多数监控系统都为特定的问题提供了解决方案，但在不同或相关的监控问题上使用时仍然缺乏灵活性和稳定性。为了克服这一限制，需要解决两个方面：一个知识基础的监视模型，它足够灵活地处理不同的感兴趣事件，以及一个在特定场景中部署监视系统时为该模型提供支持的体系结构。本文讨论了通过一组自主控制器来部署智能监控系统的体系结构，这些自主控制器负责管理不同的监控请求，并与监控复杂环境协作。这种多代理体系结构的灵感来自一个基于常态的形式模型，该模型用于定义分析通用监视概念所需的知识。我们使用该架构部署一个监控系统来监控城市交通状况。
1 智能监控的多智能体体系结构
1.1 体系结构概述
正态性模型提出的需求已被用作设计智能监控系统部署的多代理体系结构的基础。图2显示了本文中提出的执行此任务的体系结构。该体系结构分为三个层次：反应层、审议层和用户层。每个级别的不同组件通过一个通信中间件彼此通信，该中间件允许它们之间的交互和新组件的集成。接下来，总结每个层次的主要特征。
- 由监测设备组成的反应水平，用于监测全球情景的子环境和维持反应模型的主体。
- 审议级别由维护和使用知识模型从不同的角度（组成部分）分析环境的正常性和异常性 的代理，以及从建立整个场景并作出决策的子环境中收集信息的代理组成。
- 用户级别允许通过监控工具与安全专家进行交互。
除了从全局角度设计监控环境所需的代理之外，还需要建立一组管理代理，以便于控制多代理系统，并为其余代理提供基本服务，例如允许页面服务或通信服务。为了满足这一需求，该架构根据FIPA委员会（智能物理代理基金会）定义的一套标准定义了一组管理代理。FIPA 2004多代理系统的开发。智能体是管理多智能体系统和控制智能体生命周期的智能体管理系统：目录服务商（提供黄页服务的数据）；以及处理代理之间交换的消息发送和接收的消息传输服务（MTS），描述了体系结构（参见图3）为了说明如何将从传感器收集的信息转化为用于分析行为和做出决策的高级知识。
图2：为智能监控系统提出的体系结构
图3：监视体系结构的主要组件之间的信息流概述
除了从全局角度设计监控环境所需的代理之外，还需要建立一组管理代理，以便于控制多代理系统，并为其余代理提供基本服务，例如允许页面服务或通信服务。为了满足这一需求，该体系结构根据FIPA委员会智能物理代理基础为开发多代理系统定义的一组标准定义了一组管理代理。这些代理是代理管理系统(AMS)，它管理多代理系统并控制代理的生命周期:目录促进者(DF)。它提供黄页服务；以及消息传输服务（MTS），它处理代理之间交换的消息的发送和接收。
接下来，之间的信息流为了概述如何将从环境传感器收集到的信息转化为用于分析行为和做出决策的高级知识，描述了构成架构的组件（见图3）。
- 从环境中收集信息:监视传感器从被监视的场景中获取信息，这与传感器的种类（音频、视频、存在等）有关。在视频监控中，这些信息是从监控摄像机中获取的静态图像序列。将这些设备集成到系统中是通过支持所提议的体系结构的通信中间件完成的。
- 通知监视事件：传感器的输出可能需要处理以提取用于分析环境正常性的高级信息。例如，摄像头的视觉信息在发送到上层之前必须由预处理代理处理。然而，每一个简单的设备，如存在传感器，都可以直接将它们的输出发送到上层。在这两种情况下，这些信息都被封装到监视事件中，这些监视事件将通过事件通道通知到审议级别。
- 生成用于分析环境的知识：由正常性代理处理来自反应级别的监视事件，以研究正常性并检测可能的正常性违规。这些代理生成的知识写在每个特定子环境的板上。该方法基于分布式板块，提高了监控系统的可扩展性和可靠性。因此，写在每个子环境板块上的知识是局部的，但同时，使融合信息代理能够推断出关于监控过程的更详细的结论。此外，当一个正态代理检测到根据某个特定方面的正态性不满足时，它会向异常代理发送一个通知。它通过监控工具对安全人员管理同一方面较为常见的异常情况。环境正态性分析代理使用相同子环境的正态性代理共享的知识来研究子环境级别的正态性，也就是说，考虑到相关子环境中监控的所有方面。
- 每个子环境中生成的融合信息由融合信息代理使用，融合信息代理负责从全局的角度分析各方面威胁的正态性。该分析是利用从监控组成全局场景的不同子环境中的相同方面的海量代理获得的部分知识进行的。这种全局研究通常需要一种机制来将局部信息转换为全局信息，从而将从每个子环境获得的知识关联起来。在此背景下，全球翻译代理负责这一过程，为了提供融合信息代理所需信息的同质性视图。最后，全球融合代理聚合了不同融合代理的知识，以提供一个涉及多个监视方面的更复杂的监视枪。
- 支持决策过程:决策支持和危机管理器代理使用每个子环境的代理和全局常态分析模块生成的知识，向安全人员建议针对异常检测可能采取的行动。这些交互是通过监视工具进行的。
1.2 通信机制
本节描述了多代理体系结构提供的通信机制，以支持代理在智能监控过程中相互通信。图4以图形方式显示了当前存在的三种机制：（a）基于事件的通信，（b）代理之间的直接通信，（c）通过烧录板系统的通信。
基于事件的通信（参见图4a）用于部署打字通道，也就是说，通信围绕发送和接收的信息类型进行，而不是考虑发送者或接收者的身份。这类通信完全适合反应级（传感器和预处理程序）的组成部分和审议级（常态代理等）的代理之间的交互作用。这种机制的关键概念是事件，它代表了发布者和信息订阅者之间的抽象。
直接通信允许代理与要发送的消息中显式建立物理地址的代理或多个代理通信。此类通信可以是没有中介（代理代理）的通信，也可以通过实现由菲帕尼塞奇传输服务指定的消息传输系统的代理进行通信。这种通信机制适用于某些情况，例如那些涵盖正常性代理和异常代理之间的相互作用的通信机制，这些通信机制分析了相同的监视概念。
最后，通过由体系结构系统排序的黑板进行通信，可以使多个代理在监视环境时共享知识。典型的黑板将被用来写它的常态，它分析一个共同的概念，例如轨道，在两个或更多的物理相关的子环境。由于这种机制，像融合剂这样的高水平物质可以通过收集这些信息来阅读这部分知识，从而提供更有效的监视。
图4：体系结构支持的通信机制：（a）基于事件，（b）代理之间，（c）通过黑板系统
1.3 系统性要求
本节说明了设计的体系结构如何提供任何监视系统都应该支持的系统需求，特别注意这种应用程序的实际部署。为了应对这一挑战，我们的参考点是Detmold等人所讨论的工作。（2008年），作者提出了一种视频监控中间件，并阐述了一套系统需求。这一参考的理由在于这两个建议（本文中讨论的是Detmold等人，2008年）与作者在该领域的发言之间的相似性。
这些要求如下：
- 可扩展性，即体系结构提供的集成新组件的能力和机制。
- 可用性，与系统健康性和故障检测及其相关后果有关。
- 可进化性，指硬件或软件变更时的系统响应。
- 集成性，作为集成新产品的架构能力。
- 安全性，作为打击不充分或未经授权使用的机制。
- 可管理性，作为安全人员和软件系统之间的交互。
在可扩展性方面，建议的架构考虑了两个方面。一方面，在集成新的监视传感器时提供了支持。监视感兴趣的新事件或线程的需要
一个新的监视传感器的集成是在活跃的层面上完成的，这是一个预处理代理所需的取决于传感器的类别。在这种情况下，可扩展性可以保证依赖于连接反应和商议级别的事件通道。由于可能在需要时部署正常异常代理，因此需要监测新的兴趣事件。此解决方案链接到集成需求，稍后将不进行描述。
可用性通过事件通道和应用机制进行管理。这样，如果一个分析概念的非复制代理突然终止，那么它的订阅者将继续工作，但不需要这样一个代理先前推断出的知识。
关于体系结构提供的安全机制，已经考虑了多种方法来保护信息、确保其完整性或验证代理的身份。在此上下文中，实现的原型支持SSL协议。最后，在可管理性方面，体系结构特别关注部署过程。因此，提供了代理工厂以自动化代理部署。
2 使用多代理架构部署智能监控系统并监控复杂环境
从抽象的角度考虑第3节中描述的正态分析模型。基于概念分析的监控系统设计意味着以下问题的管理：
1、确定环境中所需和/或可用的传感器组，以及在需要时处理所收集信息的机制。
2、建立将全球环境划分为一组感知或子环境P=（E，E2..，En），目的是简化监测。
3、确定要监视的移动对象，或者在一般情况下，确定要注意的环境元素。
- 设计或重用规范组件，以便分析要在环境中监控的概念。
这组一般步骤直接反映了关于三层结构的架构建议。在反应性水平上，需要集成使用的传感器和部署的预处理代理程序。在审议阶段，需要部署负责分析每个概念的规范代理程序，以及代理程序相互通信和合作所需的通信机制。最后，在用户级，监视和知识获取工具将与监视该中心的代理交互。
2.1 监视代理的部署和配置
在反应水平上，区分两组代理：（i）负责处理部署在环境中的一组传感器收集的信息的代理，即后处理代理PA，（ii）负责管理任何独立于域的多代理系统的基本操作的代理，即MA=（PM、SM、CM），回顾TPM代表代理平台的管理器，SM代表服务管理器或黄色页面代理，CM代表通信管理器代理。在每个子环境中，EI代表预处理代理PA；对于E中存在的每个传感器标识，需要部署信息处理，如视频或音频传感器。例如，如果子环境E由摄像机s1麦克风s2和存在传感器s3组成，则视频预处理代理pay和音频预处理代理pa2将被典型地部署。这些代理将分别分析从传感器S和2获得的信息。在这种情况下，SAPLD不需要部署另一个预处理代理，因为它的输出是用布尔值表示的，在通知协商级别之前不需要额外处理。构成全球环境的大多数子环境都以类似的方式处理。
在审议的层面上，可以根据构成这一层面的代理所进行的分析的范围，对环境层面的局部范围E、层面或全球范围进行区分。因此，从亚环境的角度来看，常态因子NAA、异常因子AAA和环境分析因子ENAA具有局部范围。而构成信息融合模块NAM和决策模块DSM的代理具有全局范围。
这样，正态代理将被强制部署在每个子环境中，以监控每个概念。例如，如果在子环境中分析了概念c1、移动物体的轨迹和人行横道中的c2正常行为，那么将部署两个正态代理na1和na2来处理c1和 c2。可选地，异常代理可以为每个实例化；为了完成的正态性分析，因此，当检测到不符合中的正态性定义的异常时，它将与通信，以检测发生的异常情况。
一个监测概念的例子，用于监测各部门的正常情况，独立于在Albasac等人中深入讨论的监测环境。在这种特殊情况下，监测特定城市环境中的轨迹的代理的知识库，例如第6.1节中的知识库，通过使用图形化的知识获取工具进行配置。另一方面，讨论了机器学习算法的使用。特别关注概念正常速度以及如何生成异常代理自动集成的知识库。
此外，将在每个子环境中部署一个单一的环境正态性分析；该环境负责根据中监控的概念检查每个对象obj是否满足正态性定义。该代理后面的逻辑聚合了正态性代理编写的知识在板块上，深入讨论了Albasac等人。
为了对环境进行全球监控，需要融合或聚合由上述代理推断出的知识的代理进行实例化。该过程意味着部署以下代理：
1、一个代理TA，用于将Enaain管理的本地信息转换为模块GNAM代理可以使用的全局信息（见图2）。
2、一个代理来决定是否必须聚合由常规代理生成的知识，以及由什么融合代理来负责这一点。
3、一个融合信息代理针对每个子环境中的每个概念。更典型的情况是使用两个正态性代理和在不同子环境中获得的与单个对象obj相关的信息来处理相同的概念，例如轨迹。
4、一种融合全局代理GA，用于聚合由融合代理FA、归一化代理NAA、环境归一化分析代理ENNA和异常代理AAA生成的知识。
最后，可以选择部署一个决策支持代理DSSA，在监控系统和使用监控工具和管理环境警报的安全人员之间充当调解人。
2.2 通讯系统的部署
在反应级别（见图2），通信的类型基于事件和事件通道。后者代表反应水平和审议水平之间的粘合。通过这种方式，传感器和预处理代理PA收集的信息是事件通道的输入流，而审议级别的异常分析代理NAA则是这些信息的接收者（订阅者）。根据在构成全球环境一部分的每个子环境EI中获得的信息类型，可以在每个EI中部署一个或多个事件通道。但是，更常见的做法是为从同一级别的每种信息（视觉、听觉、感官等）部署一个单一的事件通道，部署一个或多个代理CM（消息传输服务）实例以支持代理之间的直接通信。
在审议阶段（见图2）。正常代理和异常代理之间的通信；监控相同方面或概念的通信必须首先解决，在这种情况下，需要知道的存在，可以通过直接咨询黄页代
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[609958]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
