[发明专利]一种基于大量真实人群运动视频的人群运动仿真方法

说明书

本发明公开了一种基于大量真实人群运动视频的人群运动仿真方法，包括五个步骤，将视频分帧并保存成连续高清图像，生成每张图像的人群密度图，对每张密度图中的每个个体精准定位，得到每个个体的精确位置；将每个个体在不同图像中的位置关联起来，形成一条完整的运动轨迹，并提取运动轨迹数据；量化运动轨迹数据，定义训练数据、数据标签，计算数据相关性；搭建深度卷积神经网络，输入运动轨迹数据进行训练，以学习人群运动行为；在二维空间随机放置多个模拟个体，测试深度卷积神经网络的预测效果，调整参数进行仿真，并绘制人群运动轨迹。本发明能够实时计算人群的位置，进而模拟出人群运动轨迹，具有较高的仿真精准度和普适性。

技术领域

本发明涉及计算机仿真领域，尤其涉及一种基于大量真实人群运动视频的人群运动仿真方法。

背景技术

人群运动轨迹仿真是人群运动仿真技术中十分重要的一部分。作为一种分析工具，人群运动轨迹仿真可以应用于公共安全领域，如船舶、飞机等大型交通工具的设计，体育场馆、地铁站等大型公共设施的设计等等。

以体育场馆为例，通过人群运动轨迹仿真，可以根据体育场馆的设计规模，模拟球迷退场等常规情景下的人群运动轨迹，辅助分析场馆的走廊宽度、出口数目和出口位置等设计是否合理；可以模拟球迷发生冲突、火灾、恐怖袭击等非常规情景下的人群运动轨迹，辅助建立紧急情况下人员的疏散方案、合理布置消防器材、分配警力；还可以作为场馆管理人员进行消防、反恐等安全方案预演及培训的辅助工具。与传统方法相比，人群运动轨迹仿真具有直观、灵活、高效、经济和无人员安全风险等诸多优点。因此，人群运动轨迹仿真的研究受到了广大学者的关注。

现阶段人群运动轨迹仿真主要基于人群运动仿真模型实现。人群运动仿真研究始于上世纪80年代。1987年，Reynolds提出了Boid鸟群仿真模型，该模型也是最早的群体行为模型之一。该模型采用了分离性、方向性和凝聚性三套简单的规则，建立群体运动仿真模型。Boids模型采用预定义的规则来实现避免碰撞。但在特定场景中，人类群体不一定需要避免碰撞，甚至有可能是相互紧密耦合。因此boids模型无法准确模拟人群的分离性。

2007年，Varasa和Cornejoa提出了基于元胞自动机的人群运动模型。该模型通过少量规则近似模拟人群运动现象。与复杂的行为模型相比，其计算过程简单且高效。但由于人群运动的复杂性和不确定性，其模拟难度远远高于按照预定规则的群体运动，无法准确模拟人群之间的堆挤和碰撞行为。

2009年，J.Filler从社会心理学的角度提出了一个基于社会力学的人群动力学模型。通过研究恐慌状态下人群的特征，作者提出影响人群运动三个因素，并建立了基于牛顿力和人类心理的混合模型。由于该模型有较多的作用力参数，使各种作用力之间较难平衡，计算的复杂度高，因此难以得到较平滑的运动轨迹。

除了元胞自动机和社会力学，Muti-agent模型也被用来建立人群动力学模型。Muti-Agent模型是由多个智能Agent组成。多个Agent通过协同工作，可以完成单个Agent无法解决的复杂任务。基于Muti-Agent的人群模型中，每个Agent都可以看作具有自主性、社会性和主动性的智能体，而且每个智能体可以自主感知其周围环境。但这种模型很难设计针对不同情况的规则，将这类规则与人类行为联系起来是很难的。

传统的人群运动轨迹仿真方法通常以影响行人运动的各种因素为基础。通过预先定义的一系列运动规则来控制人群行为。这些规则虽然考虑了影响行人运动的多种因素，但忽略了因素之间的相互影响。而且人类行为的复杂性较高，无法用简单的规则或数学公式进行描述。因此，在此基础上进行仿真，无法准确模拟人群运动轨迹。

发明内容

本发明提供一种基于大量真实人群运动视频的人群运动仿真方法，以克服上述技术问题。

一种基于大量真实人群运动视频的人群运动仿真方法，包括如下步骤：