基于数字图像处理的人员运动参数提取方法研究

针对人员疏散研究中提取疏散场景行人运动参数的需要,采用数字图像处理技术对记录行人运动的视频进行了处理.首先对背景进行混合高斯建模并提取前景,然后采用mean-shift算法对视频中彼此相连的多个行人目标进行有效地聚类分割并准确地跟踪每个行人,得到了包含有行人运动特性时空信息的运动轨迹,利用轨迹得到了行人在行进过程中的速度变化特征.结果表明该文所提出方法可以方便、快速、准确地提取人员运动特性参数,可望对提取人员疏散实验以及真实场景中行人运动的基础数据,如速度、密度、流量等提供有效的技术手段.     

行李箱携带人群汇流过程的基本图实验研究

行李箱携带者作为公共交通枢纽一种典型的人员类型,研究其对人群运动特征的影响对于公共设施的优化具有重要意义。开展了行李箱携带人群在六种汇流角度下的紧急疏散实验,比较了不同汇流角度对行人运动速度及疏散效率的影响,获取了不同汇流角度和不同测量区域的运动基本图。结果表明:1)在实验设置下,比较不同汇流角度?(出口宽度d=3.00 m)发现,?越小(30°),人群运动速度最大(1.86 m/s)、累计疏散时间最短。随着汇流角度的增大,人群运动速度呈现降低趋势(?=180°时,人群运动速度最小(1.40 m/s)、累计疏散时间最长)。表明汇流角度小的设施,有利于提高行人疏散效率;2)比较不同测量区域的基本图(汇流角度一定)发现,汇流交汇处的人群密度分布要小于离交汇处较远的测量区域;3)比较不同汇流角度的基本图(测量区域一定)发现,汇流交汇处的行人密度与流量主要分布在1.34 m-2~2.15 m-2与2.00 (m·s)-1~3.50 (m·s)-1之间。并且,在实验观测的密度范围内,行人流量随着人群密度的增加而上升。研究结果可为优化建筑设施设计和制定人群管理策略提供 依据。     

基于行人占据区域的泰森多边形人员密度统计方法

行人动力学的研究一直是火灾下人员疏散研究的重要内容。研究者通过大量观测和可控实验,获得行人的运动行为特征,揭示人员运动规律,但是仍然缺乏足够的定量校准的实验数据。在总结了前人对于实验中全局密度与局部密度统计方法的基础上,基于泰森多边形方法,结合人际关系距离与视野的观念,提出了一种行人占据多边形的速度密度统计方法。通过对平均密度平均速度的比较发现,方法得到的结果比传统统计方法得到的结果波动更小且更接近于连续变化、在密度低时比泰森多边形方法的结果更符合实际情况;而对于个人的速度密度散点图,结果也比泰森多边形方法的结果更为集中,尤其是除去了密度小而速度低的不合理数据点。     

GSM汽车防盗报警系统设计

介绍了利用西门子TC35I工业模块而设计的一款基于GSM网络的汽车防盗报警系统.该系统利用GSM网络实现对汽车进行远程报警、跟踪、控制,有效地解决了传统报警器存在的各种问题.     

九曲桥行人运动实验与模拟研究

公共场所中的人群疏散是行人疏散动力学研究中的重要内容。基于九曲桥行人运动观测实验对转角区域的行人运动特征进行研究,并利用人员疏散模拟软件Pathfinder模拟了因激励作用所导致的行人速度提高对通行效率的影响。结果表明,由于行人的停留、拍照行为导致转角内区域出现了明显的行人变换走道现象;行人在转角内区域出现的停留、超越行为导致行人速度出现大幅度波动,最低速度约为0.2 m/s,最高速度约为0.7 m/s;与转角后区域相比,行人密度变化对转角内区域的行人速度的影响更小,单位流量的影响更大;由于观测实验中行人停留、拍照等行为的存在,相同密度下转角后区域行人运动速度、单位流量均低于P&M平直通道模型;适当的激励作用有助于减轻行人拥堵,提高通行效率,当行人速度达到较高水平后效果不再显著。     

面向网络安全的关于僵尸网络的研究

对僵尸网络进行系统全面的分析和研讨,给出了僵尸网络的基本定义、分类、危害和发展过程;深入剖析僵尸网络的功能结构与工作原理,探讨僵尸网络的发展趋势和进一步的研究方向;在总结目前跟踪、检测和防御僵尸网络的最新研究成果的基础上,提出利用僵尸网络产生异常行为的规律性进行行为特征统计分析的检测方法、通过部署蜜罐对僵尸网络进行行为仿真的检测方法和监控僵尸网络流量数据特征的流量数据特征匹配的检测方法;通过对大量的僵尸网络活动的分析,提出了6种有效的防范僵尸网络的措施。     

考虑跨越障碍物行为的元胞自动机模型

为研究跨越障碍物行为对人员疏散进程的影响,建立考虑跨越障碍物行为的人员疏散元胞自动机模型。模型中引入危险度的概念,利用危险度区分可跨越障碍物与不可跨越障碍物;通过2种不同的邻域,实现行人的跨越障碍物行为;建立某地震后的疏散场景,对不同初始行人密度及跨越障碍物行人比例的疏散过程进行模拟,分析初始行人密度、跨越障碍物行为以及跨越障碍物行人比例对人员疏散过程的影响。仿真结果表明:行人跨越障碍物行为使得模拟过程更加符合实际行人面对障碍物的运动模式,消除了障碍物路口行人必须绕过障碍物引起的某些阻塞;与不存在行人跨越障碍物行为相比,初始行人密度增加对存在行人跨越障碍物行为的场景影响更小;行人在面对可跨越障碍物时,跨越障碍物行人比例越高,疏散所需时间越短。     

基于BP神经网络步态识别的研究

在即将建设完成的全国公安机关视频图像资源的整合与共享平台下,将BP网络作为一个模块加入视频监控系统中,通过对BP网络的训练,形成对犯罪嫌疑人步态信息的记忆,形成记忆的BP网络对视频监控系统采集的行人步态信息进行识别,若是可疑人员立刻通知民警进行处理。从而将步态识别的应用扩大至全国视频监控范围,同时为BP神经网络的应用提供了新方向。     

地铁内通道交通性能实例分析

为定量描述地铁站内行人交通特性,进而解决行人交通局部拥堵问题。借鉴机动车交通流性质,分析典型性行人通道的交通流特性。对广州地铁站特定行人通道及下行自动扶梯人流高峰时段进行拍摄,处理相关数据,分析通道与扶梯连接处的流线,建立二者的行人交通基本特性图,并分析其各自最大通行能力。结果表明:人行通道的通行能力小于与其相连接的自动扶梯的通行能力,高峰时瓶颈将会产生在通道处。     

汽车行人碰撞接触中行人运动学规律仿真研究

基于交通事故模拟分析PC-Crash软件及其内嵌多体系统动力学分析MADYMO模块,建立并验证了车辆多体模型和行人多体模型;对汽车与行人碰撞接触阶段的行人运动学具有较大影响的因素展开广泛分析,并构建汽车行人碰撞仿真试验方案;通过选取对汽车与行人碰撞接触阶段具有较大影响的因素作为仿真试验的自变量,对不同碰撞环境下汽车与行人碰撞接触过程中的行人运动学规律(包括运动姿态和对应的碰撞车速阈值)进行深入研究;汽车行人碰撞仿真与真实事故以及碰撞试验对比具有较好的规律吻合性和一致性。研究表明,笔者采用的计算机建模仿真方法在汽车行人碰撞运动学研究中具有实用价值。     

基于注意力机制的人群计数方法

为准确预测固定场景中的人群计数,在人群分析领域,采用一种融合注意力机制的卷积神经网络(CNN)进行人群计数,该模块结合空间域注意力和通道域注意力,空间域注意力可以编码整个图像的像素级上下文信息,以更准确地表达像素级别的密度图,而通道域注意力可以在不同的通道中提取更多的区分特征使网络显著表达人群的局部区域,并在多个公开数...     

公共建筑环境下行人行为特性及拥挤机理研究综述

介绍国内外对于公共建筑环境下行人行为特性及拥挤机理方面的研究成果,主要包括:自由流情况下的行人运动速度,人群运动的最佳密度,行人的年龄、文化、性别、退让距离、温度、旅行目的、运动方向和建筑设施类型对行人流速度和流量的影响,以及行人流的密度和速度关系。成果显示:各国学者在人群的速度、密度和流量之间的相互关系方面研究较多,所得的结论趋于一致;但对于影响行人流速度和流量的各种因素并没有进行深入的研究,尤其是拥挤情况下行人的心理状态和拥挤事故的相互关系。     

基于视频分析的人群密集场所客流监控预警研究

为实现人群密集场所客流安全隐患早发现,辅助管理人员早决策,人群聚集风险区早疏散,提升对灾难的预见性和主动性。在国内外人群异常聚集监测预警现状分析基础上,对比分析得出监控视频分析技术是解决人群密集场所精准预警难题较为理想的解决方案;构建以视频智能分析的人群计数、密度估计、行人追踪、活动烈度识别为核心技术的人群密集场所风险预警技术框架;将该技术框架应用到某大型商圈的商业街区,获得监控区域内的人群总数、密度分布、行人轨迹和异常活动等特征。结果表明:提出的基于视频分析的人群密集场所风险预警技术框架可为城市大型商圈、交通枢纽、大型活动场所等城市公共场所的安全管理提供参考和借鉴。     

基于改进最优迈步模型的楼梯区域疏散模拟

面对火灾等紧急事件,如何从多层和高层建筑内快速有效地疏散人群是火灾安全研究的一个重要课题。针对楼梯间这一重要疏散场景,考虑行人在台阶与转角平台处的迈步特征差别,在转角平台提出并采用圆形连续场域的生成法和运动规则,构建了一种改进的最优迈步模型。利用该模型重现了NIST进行的疏散演习场景,并从实时疏散人数、总疏散时间和基本图等方面进行了分析。结果表明:模型符合真实楼梯间行人疏散特性,可用于楼梯区域行人流的研究和分析。     

Simulating optimum egress time

A standard evacuation map posted in a room shows the location of the current room and the path to the nearest exit. If the number of occupants in the building is only small, then the shortest paths to the exits may enable all the occupants to evacuate in minimum possible time. Previous studies have shown, however, that the shortest path configuration does not lead to minimum egress time for large crowds in public facilities such as those in a school, theater or gym.We extend the previous studies by determining the minimum egress time for different crowd sizes on a fixed network graph. We apply optimization search on a mesoscopic multi-agent pedestrian simulation that employs the concept of Route-Choice Self-Organization (RCSO). We show that the egress time gap between the shortest path configuration and RCSO configuration increases very quickly with respect to crowd size. Thus, for crowded pedestrian facilities, there may be a need to revise the standard evacuation map so that evacuation behavior that approximates the RCSO becomes possible, and this can lead to a much better egress time.     

走廊弯腰疏散行为试验研究

为研究走廊里人群弯腰疏散行为,组织45名学生进行6组不同初始密度疏散试验,通过录像分析得出不同密度时弯腰疏散基本图,将结果与行走及爬行疏散比较。试验结果表明:弯腰和行走疏散的速度分别是1.4 m/s和1.7 m/s,而爬行疏散速度为0.73 m/s;在密度小于0.5人/m2时,3种疏散方式的流动速度相当;在密度大于0.5人/m2时,3种移动方式速度有明显差异;得出弯腰疏散的速度频率分布图,速度均值为:女生1.02±0.16 m/s,男生1.09±0.2 m/s;在低速度区,女生占很大比重,男生在高速度区的频率较高。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

CDES: A pixel-based crowd density estimation system for Masjid al-Haram

CDES is an automatic crowd density estimation system that can be used to estimate crowd density from digital images taken at Masjid al-Haram. Developed using a combination of image processing and artificial intelligence (AI) technologies, CDES possesses the capability to count the number of people in moderately high crowds from a flexibly selected region of interest (ROI). Background removal and edge detection are first applied to the image for crowd feature extraction. Then, the extracted crowd foreground blob pixels are scaled accordingly to correct perspective distortion. Finally, the corrected pixel blobs act as input for the backpropagation (BP) neural network to estimate the number of people within the blob. Using the area of the selected ROI, the crowd density is calculated and classified into five ranges from very low to very high. The experimental results are presented.     

基于互相关算法的人员密集场所人群运动速度特征研究

研究人群密集场所的人群运动速度特征可以预测人群的运动趋势,在大型活动组织过程中可以对异常人群运动做出预警,避免过度的拥挤及踩踏事件的发生,保证大型群体性活动的安全顺利开展。利用国内某重要城市核心区公共场所人群运动的视频图像,通过互相关算法提取该场所人群的运动速度,并进一步比较通往景区的四条不同路径上人群运动速度的差异性,分析其人群运动特征。分析结果表明单向通道的人群运动速度较大且运动方向基本与通道的两侧边界平行,而双向通道中由于人群中阻尼效应的影响,人群运动速度的大小和方向都发生了不同程度的改变。分析结果可为核心区管理者进行大型群体性活动的组织、人群疏散与引导提供建议,进而为人群拥挤踩踏事故风险防控、拥挤踩踏事故专项应急预案制定及人群聚集活动安全方案编制提供理论支持。