近年来，生物信息系统的计算能力受到了国内外专家学者的普遍关注。以神经计算、进化计算、DNA计算及免疫计算等仿生计算为代表的计算智能技术得到了空前的发展，掀起了仿生计算的高潮。 特别值得一提的是免疫计算。科学家已证实，人体的免疫系统是一个与人脑一样复杂的巨系统，拥有1012个免疫细胞，遍布全身各个角落。当外部病原体或细菌侵入机体时，免疫细胞能够识别“自体”和“非自体”，迅速清除和消灭异物，确保机体的安全性。生物免疫系统的这种能力，具有多样性、耐受性、大规模并行分布处理、自组织、自学习、自适应、免疫记忆和鲁棒性等特点，近年来受到国内外众多学者的高度重视。 本课题研究的目的是对溺水报警系统所传送的连续多帧的图像进行背景提取，由于传统的背景提取方法大都是针对静态图像或者是单一图像的，因此背景分割的速度较慢，无法满足溺水报警系统的要求。同时，由于溺水报警系统所传送的图像是在很短的时间间隔内拍摄的，因此每一帧图像之间的相似程度比较高。根据这一特性，本文提出了一种基于免疫系统的免疫记忆特性所改进的遗传算法。该算法利用这种相似性，在传统的遗传算法的初始种群中，加入了根据先验知识制成的疫苗，从而大大提高了算法的收敛速度；另一方面，对遗传算子中的选择算子也进行了改进，吸取了免疫系统中的克隆选择的优点，并且根据细胞的亲和力进行高频变异，进而提高了背景分割的速度，以达到溺水报警系统的要求。 如今的自然科学，呈现出多学科交叉、相互借鉴的特性。免疫遗传算法就是其中的一例。虽然免疫算法的研究开始较晚，但是它在理论方面与遗传算法的相似程度正在迅速地被研究人员所发现。因此免疫遗传算法定会在更多领域得到应用。