[发明专利]一种基于流体力学的人群突发事件检测及疏散方法和系统

说明书

本发明提供了一种基于流体力学的人群突发事件检测及疏散方法和系统，属于人群疏散计算机仿真技术领域，本发明从视频监控的角度，将场景看作一个整体，引入粒子表示法对人群流进行描述，采用基于流体力学的脉线流思想对粒子流运动进行跟踪，从得到的群体运动目标的脉线流轨迹中提取有效群集性特征来描述场景中运动目标的群集特性，依此判断场景中是否发生人群突发事件，以解决高密度人群下的检测问题；同时，继续对得到的脉线流轨迹进行相似性聚类，并对聚类得到的团队进行分析处理，以实现高密度人群的合理有效疏散，达到了运用脉线流思想的同时研究和处理人群突发事件检测和人群疏散问题的目的。

技术领域

本发明属于人群疏散计算机仿真技术领域，尤其涉及一种基于流体力学的人群突发事件检测及疏散方法和系统。

背景技术

公共场合下人群突发事件检测和人群疏散问题的研究，已是计算机视觉、智能交通领域研究的热点和难点问题。近年来，其他公共场所因突发事件造成人员拥挤伤亡的事件也时有发生，因此，对公共场合人群突发事件的及时检测和疏散的模型研究具有重要意义和应用价值。

目前，针对人群突发事件检测和人群疏散问题的研究，往往各自采用不同类型的方法分别进行，未能较好地将两者联系起来，一并研究，导致两部分研究工作呈现“各自为阵”相互衔接不好的情况，一定程度影响了解决这两部分问题的“整体性”。因此，若能较好地采用同一思路，将其贯穿于“检测”和“疏散”，将具有非常广阔的应用前景。

首先，在人群突发事件检测方面，目前国内外相关学者已作了大量深入探讨，并取得了一些不错的成果。一些基于局部时空、梯度特征或者纹理特征来描述群体行为的方法在局部区域上实现了人群突发事件检测。但是，这些方法共同的特点是无法对群体行为的特征进行全局描述，不能表征群体行为整体的运动状态。因此，理解整个场景中的群体行为，将场景看作一个整体来处理，在该领域研究中具有较大的优势。近年来，针对“将场景作为整体”的研究中，一些基于隐马尔可夫模型、动力学分析、运动学特征方法取得了一定的效果。然而，随着群体密度和场景复杂度增加，且存在人群之间相互遮挡、重叠现象时，采用这些方法得到的检测结果往往效果较差。

其次，在人群流疏散模型方面，目前国内外针对该模型的研究主要分两种：一种是离散型模型，另一种是连续型模型。离散型模型典型代表有元胞自动机、格子气等，该模型的优点是规则简单，运算速度快；连续型模型经典代表有社会力模型等，该模型对人群疏散中出现的相对人流、堵塞等特殊现象能较好地描述。但上述两种常见模型分别具有以下弊端：一是离散型模型在人群密度较大时，得到的结果偏差较大；二是连续性模型的模拟速度比较慢，当公共场所中人群之间存在相互遮挡、重叠现象时，采用上述传统的疏散模型得到的效果往往不理想。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于流体力学的人群突发事件检测及疏散方法和系统，解决人群突发事件检测和人群疏散的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种基于流体力学的人群突发事件检测及疏散方法，包括以下步骤：

S1、引入粒子表示法对人群流进行描述，并通过计算场景中的光流场获取人群流的运动信息；

S2、利用脉线流跟踪粒子流运动，并利用粒子平流检测与跟踪所述人群流的运动信息，得到人群的脉线流轨迹；

S3、根据所述人群的脉线流轨迹提取表征场景的群集性特征，并对所述群集性特征进行分类训练；

S4、根据训练结果检测是否发生人群突发事件，若是，则进入步骤S5，否则，返回步骤S1；

S5、对所述人群的脉线流轨迹进行聚类处理，并根据聚类结果以及群体运动相似性将脉线流划分为不同团体；

S6、确定不同团体间疏散策略的相互关系，并建立人群流疏散模型的目标函数；