[发明专利]基于残差网络的人群运动疏散仿真方法及系统

权利要求书

1.基于残差网络的人群疏散仿真方法，其特征是，包括：

获取待进行人群疏散仿真的视频；从待进行人群疏散仿真的视频中，提取实际的群体内聚性特征和实际的群体集群性特征；

基于实际的群体内聚性特征，将待进行人群疏散仿真的视频中的人群划分为若干个实际群组；

针对每个实际群组，将当前实际群组中每个实际个体的运动特征和实际的群体集群性特征作为训练好的残差网络的输入值，训练好的残差网络输出当前实际个体下一时间步的预测速度；

每个实际个体的运动特征，具体包括：目标个体当前运动特征的水平速度和垂直速度、目标个体与障碍物的相对水平距离和相对垂直距离、目标个体与最终目标的相对水平距离和相对垂直距离、目标个体所在的群体对当前个体i的集群性影响和场景内的所有个体对目标个体的影响力f；

在t时刻时，个体i在最短路径l_ij上所受的集群性影响E_i(l_ij,t)的计算公式为：

其中，表示t时刻个体i的速度方向向量，表示在t时刻，该条路径的末端的个体j的速度方向向量，φ是集群性控制参数,用于控制集群性运动中个体作为一个整体的一致性程度，其取值范围在[0,1]之间,φ值越大，人群的集群性程度就越高；

所述场景内的所有个体对目标个体的影响力f的计算公式为：

其中，N表示场景中的总个体数，表示目标个体在t时刻的位置，表示场景中的其它个体在t时刻的位置，表示目标个体与个体i之间的距离；

实际的群体集群性特征的获取步骤，包括：

S11：基于个体位置集合P_i，对于个体i，将个体i与其邻居连接成图；个体i的邻居是指距离个体i最近的四个其他个体；

S12：根据广度优先搜索算法选择个体i和其余个体间的最短路径，并将个体i和其余个体间的最短路径存于路径集合W中；

S13：根据路径集合W和个体的当前速度集V_t，计算所有个体对个体i的集群性影响值；输出的值；

根据当前实际个体下一时间步的预测速度，生成人群疏散的仿真动画，对人群运动疏散速度进行引导。

2.如权利要求1所述的方法，其特征是，训练好的残差网络的训练过程，包括：

S31：构建残差网络；基于历史真实视频提取训练用群体内聚性特征和训练用群体集群性特征；

S32：基于训练用群体内聚性特征，将历史真实视频中的人群划分为若干个训练群组；

S33：针对每个训练群组，将当前训练群组中每个训练个体的运动特征和训练用群体集群性特征作为残差网络的输入值，将当前训练群组中当前训练个体的下一时间步的速度作为残差网络的输出值，对残差网络进行训练，得到训练好的残差网络。

3.如权利要求1所述的方法，其特征是，实际的群体内聚性特征，等于任意两个个体间的位置相似性、速度大小相似性和运动方向相似性的三者加权求和。

4.如权利要求1所述的方法，其特征是，基于实际的群体内聚性特征，将待进行人群疏散仿真的视频中的人群划分为若干个实际群组；具体步骤包括：判断相邻个体的实际的群体内聚性特征的特征值是否大于等于设定阈值，如果大于等于设定阈值，则表示当前相邻个体属于同一个实际群组；否则，表示当前相邻个体不属于同一个实际群组。