[发明专利]基于残差网络的人群运动疏散仿真方法及系统

说明书

本公开公开了基于残差网络的人群运动疏散仿真方法及系统，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；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。实验结果表明，该方法能够真实地模拟人群运动过程，并且训练的人群仿真框架可以适用于不同的场景。

技术领域

本公开涉及人群疏散仿真技术领域，特别是涉及基于残差网络的人群运动疏散仿真方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

近年来，突发公共事件或重大伤亡灾害频繁发生，在一个拥挤的地区，一旦发生紧急情况，很容易造成恶意事件，如人群拥挤和踩踏。另外，现实中的场景类型存在很大差异，在不同场景中进行疏散演习耗资巨大，并且不能真实反映出人们在紧急情况下的行为。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

因此，群体仿真技术得到工业界、学术界和政府部门越来越多的关注，其能克服许多实战演练的缺点和不足，进而为疏散过程提供指导。传统的人群疏散仿真方法由于许多人为假设的数据和规则降低了人群仿真的视觉真实感。数据驱动方法是提高人群仿真真实感的有效途径，但是现有的工作主要针对特定场景训练模型，并将其运用到相同的场景，因此缺乏对模型适应性的考虑。目前，虽然有的基于神经网络的研究可以适应多个场景，但是它们大多仅集中考虑了人群邻域范围内的局部行为属性，却忽视了一些全局行为属性，从而造成了真实度的缺失。

发明内容

为了解决现有技术的不足，本公开提供了基于残差网络的人群疏散仿真方法及系统；该方法首先提取大量视频中的真实数据，对群体中共有的运动行为属性进行量化。其次建立了一个用于人群行为属性学习的残差网络模型。在此模型中，基于量化群体行为属性的结果，重新定义了残差网络的输入与输出，对其进行训练。残差网络从真实数据中学习人群运动的规则，从而使模型拟合群体运动的行为。该方法能够真实地模拟人群运动过程，并且训练的人群仿真框架可以适用于不同的场景，为人群疏散方案的制定提供借鉴。

第一方面，本公开提供了基于残差网络的人群疏散仿真方法；

基于残差网络的人群疏散仿真方法，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；

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。

第二方面，本公开还提供了基于残差网络的人群疏散仿真系统；

基于残差网络的人群疏散仿真系统，包括：

特征提取模块，其被配置为：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；

群组划分模块，其被配置为：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；