基于GLCM纹理特征分析的人群密度估计方法实现

实现人群密度自动估计是智能视频监控的研究内容之一,而基于灰度共生矩阵(GLCM)纹理特征的密度估计法是一种重要的人群密度估计方法。本文采用GLCM构建的五个特征量作为参数,通过计算纹理特征量对人群图像进行纹理分析,并采用SVM分类器进行人群密度等级分类。仿真实验结果表明:基于纹理特征的人群密度估计方法计算复杂度低、鲁棒性好。     

人群运动与密度估计技术研究

人群的密度和运动估计对于人群安全和建筑物设计至关重要.本文研究了基于图像和视频处理的智能化人群自动估计方法.在人群密度估计上,对于低密度人群图像采用基于像素统计的方法,对于较高密度人群图像采用基于多尺度分析和分形的纹理分析方法,并应用支撑向量机进行人群密度等级分类.在人群运动估计上,使用块匹配法对人群运动速度进行估计.对人群图像和视频的实验表明,本文的方法较以前的方法更为准确有效.     

人群聚集拥挤度的量化表征方法

为有效识别人群聚集区域并量化拥挤人群聚集程度,构建全新的人群聚集拥挤度量化表征方法,归纳总结“人群拥挤度”定义,计算不同条件人群的个人间距并分析其分布特征,基于人群个人间距提出“个体聚集度”和人群“聚集拥挤度”计算方法,并对上海城隍庙豫园内九曲桥的一段入口区域进行实例分析。研究结果表明：人群规模和密度并不能完全真实反映群体拥挤程度,但通过人群个体间距概率分布和累积概率分布可以识别人群的局部聚集现象,基于个人间距的人群聚集度量化方法能够有效地衡量人群局部聚集程度和整体聚集情况,研究结果可为人群风险监测预警提供参考。     

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。     

突发事件人群异常聚集热点区域预测

为及时发现城市公共场所人群异常聚集区域,有必要构建突发事件热点区域预测模型。统计分析城市移动基站手机接入量和手机移动轨迹数据,建立人群聚集量阈值计算模型,并利用马尔科夫链构建人群密度预测模型,进而建立突发事件热点区域预测模型。采用该模型对某市庆祝"五一"职工大型文体比赛开、闭幕式期间的人群聚集热点区域进行预测。结果表明,手机聚集与人群聚集之间存在较强的相关关系,依据手机的聚集量能估算出人群的聚集规模;使用马尔科夫链能预测不同区域间的人群转移量和人群聚集密度;用该模型能预测人群可能异常聚集的热点区域,预测精度为92.1%。     

人群密度对行走速度及步长影响的试验研究

针对现有的疏散基本参数不符合我国人群特征、导致模拟计算结果及相关法律和技术规范不准确这一现状,以大学生为研究对象,设计人群密度对行走速度及步长的影响试验。试验采用轻质框架固定人群密度的方法,测量2~8人/m~2的人群密度下,人群行走100m所需时间及步数,并计算人群的平均行走速度及步长。对获得的数据进行拟合,分析得到了人群密度对行走速度及步长的影响规律。结果表明,当人群密度小于4人/m~2时,人员的行走速度及步长基本保持不变,约为1.4 m/s和0.75 m,当人群密度超过4人/m~2时,人员的行走速度及步长快速下降,最低约0.4 m/s和0.2 m。当人群密度超过4人/m~2时,行走速度及步长与人群密度之间分别符合二次函数和线性函数关系。     

基于栅格的疏散人流数值测量方法

为获得人员疏散过程中的疏散人流更精确的数值,在Voronoi图方法的基础上,建立一种基于栅格的密度测量方法。通过研究Voronoi图中的被疏散人空间半径对密度测量的影响,计算最优半径以扩大现有方法的适用范围。设计栅格化的测量方法用以记录被疏散人转向数值,并生成转向图。以武汉某超市疏散为例,采用可视化与数值分析相结合的方式,对疏散过程中疏散人流数值进行分析。结果表明,密度和被疏散人转向的平面分布能够反映疏散场所建筑布局特征,并且由密度与被疏散人空间面积的变化可确定人群高密度状态的出现时间。被疏散人转向多发生在密度较低区域和高密度边缘区域。     

考虑多群体恐惧传播的行人流模型及应急扩散研究

为了有效描述突发情况下人群扩散状态和演化机理,基于社会力和非线性多群体恐惧传播方法构建了一种新的行人流模型.该模型首先基于自驱力、排斥力、吸引力和恐惧传播力对传统的社会力模型进行改进.同时结合人群扩散的非线性特征和人员之间的异质特征,将人群分为多个子群,通过引入非线性传播力来刻画恐惧传播特征,并给出恐惧消除平衡点的计算方法.最后,利用搭建的仿真平台进行试验,深入研究了影响该模型的关键因素,如人群扩散速度、人群扩散距离、人群扩散时间、人群数量等.结果 表明:人群扩散速度呈现先快速增加后降低的趋势;相对于人群数量而言,突发事件初始影响范围对人群扩散距离影响更大.     

一种基于图像内容过滤的有线电视网信息审计系统

如何实现广播电视网节目内容的自动审计已成为目前广播电视网网络安全所面临的问题。笔者首先分析了目前有线电视网节目内容的审计,大多基于人工,不仅费时费力,且与先进的现代电视技术极不相匹配,接着对图像内容过滤的关键技术进行了分析,并用反差、能量、熵、相关4个特征量表示纹理特征,在此基础上用交互的动态规划法来进行图像对象分割然后利用相似度描述两个特征量的相似程度,最后以对黄色内容识别为实例,通过提取图像的纹理特征与定义好的特征库相匹配,监控包含不良人体图像信息的视频,实现对有线电视网节目内容的自动审计。     

人群密度与预警管理的研究

一旦拥挤人群发生突发事件,容易造成群死群伤事故,将预警管理的方法应用到人群安全管理中有利于提高人群的安全管理水平.对人群安全的预警,需要找出适当的预警指标.在综合考虑各类可能的预警指标后,优选出人群密度作为预警指标.根据已有的人群密度研究成果,给出了基于密度的人群安全预警等级.     

公共场所人群加速度异常检测系统

针对目前基于速度检测公共场所密集人群异常行为存在的检测准确率低、使用范围局限的问题,从人群的加速度角度对可能导致公共安全事故的人群异常行为进行研究,提出了一种基于加速度检测人群异常行为的算法,并基于该算法实现了针对人群逃散、人群聚集、人群拥挤和人群逆行4种异常行为检测的系统。首先,利用金字塔Lucas-Kanade光流法进行特征点跟踪;然后,在获取到特征点的速度矩阵基础上进一步计算其加速度矩阵,反映速度的整体变化;最后,从加速度大小和方向两方面检测人群异常行为。结果表明,所提算法检测用时较少,相比基于速度检测的对比算法,检测的正确率提高到80%,误报率降低为5%。     

基于Swin Transformer的弱监督人群计数研究

为降低人群聚集引发安全事故的概率,解决完全监督方法数据标注成本高,而现有弱监督方法性能欠佳的问题,提出一种基于Swin Transformer的弱监督人群计数模型。首先,引入具有全局感受野且能够有效提取语义人群信息的Transformer模型,来应对基于卷积神经网络(CNN)的弱监督人群计数方法感受野有限、性能欠佳的问题;然后,采用具有层级设计并且拥有多尺度、层次化计算图像特征能力的Swin Transformer模型作为主干网络,以加强对不同尺度特征的学习,使模型能够更好地应对人群尺度变化的问题;最后,选择只需要人群数量作为监督信息的弱监督方式进行训练,避免对图像中每个人的头部进行标注这一繁琐易错的工作。结果表明：所提模型在ShanghaiTech Part A、ShanghaiTech Part B、UCF-QNRF数据集上的平均绝对误差依次为66.1、8.7、97.1,均方误差依次为106.2、14.9、165.8,在主流数据集上计数性能较好;该模型的性能优于此前的弱监督方法和部分完全监督方法。     

城市街巷型公共空间人群聚集安全风险量化评估

为预防城市公共空间安全事故,基于城市空间环境布局与人群行为对城市空间安全的重要影响,从建筑规划与人群活动特征的视角,选取人群密度、人群聚集度、人流冲突度和空间场所危险度等4个评估因子,根据经典风险评估理论,建立城市街巷型公共空间人群聚集安全风险量化评估模型。以厦门市中山路为例,经现场观测统计,获取真实状态下的人群活动数据,评估各路段空间的人群聚集安全风险。结果表明,城市街巷型公共空间人群聚集高风险是人群密度、人群聚集、人流冲突及空间场所布局因素综合作用的结果;其中,空间场所危险度权重系数最高,且人群密度结合人群聚集度才能更准确地反映其对人群聚集安全风险的影响。建议采取规划设计和管理措施降低所研究区域的安全风险。     

智能化视频监控系统的人群密度估计

人群密度估计是智能视频监控的重要研究内容之一,在公共安防、管理控制和商业决策等方面起着重要的作用。越来越受到人们的重视。     

人群密度对人群拥挤事故的影响

为了研究公共场所的人群密度与拥挤事故的发生概率.基于连续人群流动模型,从人群密度角度探讨了人群拥挤事故发生的机理.由于不同民族个体生理尺寸的差异,人群最大忍受密度不同,以此作为判断人群拥挤事故的标准,并结合我国情况提出我国人群最大忍受密度为9人/m2.最后模拟了某个拥挤事故场景,用该模型对其进行拥挤事故分析.结果表明,连续人群流动模型可以用于预测拥挤事故的发生,对预防和控制人群拥挤事故具有一定的指导意义.     

北部湾经济区南流江水环境容量研究

本文利用所掌握的南流江流域水文、水质及河段水功能划分等资料,采用基于一维水质模型的水环境容量计算方法,计算南流江流域水环境容量(COD、氨氮)。对污染源进行概化处理并考虑到南流江是入海河流临近海洋,河段受潮汐影响较大,采用基于一维水质模型感潮水环境容量公式对感潮河段进行计算。最后,计算超出河段环境容量的河段消减量并对南流江各水功能区水质进行评价。     

深度学习技术创新实践

本文介绍一种基于深度学习的视频找人技术,通过采集视频监控系统的图像进行图像模式识别分析,即可实现人员、车辆的视频追踪及人群的动态特征,并提取出特征区域的深层关系值,进行无监督学习,准确区分真实目标和噪声,利用多目标追踪技术来避免逐帧进行目标确认,大幅减少了计算量,有效降低了弱小目标的漏检率及噪声的误报率,提升了视频处理速度与识别的准确率,能够运用于各种复杂的场景。     

体育赛场人群疏散过程滞留人数定量模型研究

体育赛场历史事故统计分析表明,出口堵塞为导致人群拥挤踩踏事故发生的主要原因.滞留人群是疏散过程最常见的一种人流形式,同时也是拥挤踩踏事故风险的主要承载体.基于人群流量与人群密度关系建立了体育赛场时间维变量的滞留人数定量模型.体育赛场看台不同宽度出口人群疏散计算结果表明,滞留人数不仅对人群疏散时间有直接影响,而且与事故发生概率之间存在一定的关系.该模型可用于指导体育赛场出口设计,疏散路线选择及应急预案的编制等.     

面向实时人群动力学分析的深度基本图网络

当前行人疏散实验中基本图计算方法通常是通过对每个行人进行跟踪实现的.但这种跟踪方法难以实现实时人群动力学分析.针对这一问题,提出了深度基本图网络.实验提出的网络框架由两个模块组成,即多尺度递归卷积神经网络(MSR-Net)和光流模块,分别对行人密度和行人速度进行估计.具体来讲,MSR-Net学习了输入图像与行人密度图之...     

障碍物对房间人群疏散过程影响的宏观模拟研究

公共建筑内随机分布的障碍物可能对突发事件下密集人群疏散过程中人员速度、路径选择行为产生影响.考虑较为密集人群疏散过程与宏观流体流动过程的相似性,用连续性方程描述人群密度变化过程,结合障碍物对人员运动行为的影响,建立了考虑障碍物影响的人员疏散宏观模型.采用该模型计算重现了疏散出口附近的高密度人群拱形和椭圆形分布,定量分析了障碍物以不同概率分布于建筑内不同位置时对疏散过程中人员密度演化以及完成疏散所需时间的影响.