[發明專利]一種基于大量真實人群運動視頻的人群運動仿真方法有效
| 申請號： | 202110735986.7 | 申請日： | 2021-06-30 |
| 公開（公告）號： | CN113536996B | 公開（公告）日： | 2022-04-15 |
| 發明（設計）人： | 賈鵬;王宗堯;匡海波;趙宇哲;仝淑芳;姚晉瑋;楊彥博;萬民 | 申請（專利權）人： | 大連海事大學 |
| 主分類號： | G06V20/40 | 分類號： | G06V20/40;G06V20/52;G06V10/762;G06K9/62;G06T5/00;G06T7/246;G06T7/277 |
| 代理公司： | 大連至誠專利代理事務所(特殊普通合伙) 21242 | 代理人： | 張海燕;楊爽 |
| 地址： | 116000 遼寧省*** | 國省代碼： | 遼寧;21 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 大量 真實 人群 運動 視頻 仿真 方法 | ||
1.一種基于大量真實人群運動視頻的人群運動仿真方法，包括如下步驟：
步驟1、拍攝真實人群運動視頻，將視頻分幀并保存成連續高清圖像，生成每張圖像對應的人群密度圖，并對每張密度圖中的每個個體進行精準定位，得到每個個體在圖像中的精確位置；
步驟2、將每個個體在不同圖像中的位置關聯起來，形成一條完整的運動軌跡，并提取運動軌跡數據；
步驟3、對運動軌跡數據進行量化，計算數據相關性，選擇訓練數據、數據標簽；
步驟4、搭建深度卷積神經網絡，輸入步驟3處理后的運動軌跡數據進行訓練，以學習人群運動行為；
步驟5、以圖像大小設置二維空間，在二維空間中隨機放置多個模擬個體，測試深度卷積神經網絡的預測效果，調整參數進行仿真，并繪制人群運動軌跡；
所述步驟3對運動軌跡數據進行量化包括，
步驟3a：獲取個體g、個體鄰居Ng，個體運動速度矢量為[ug,vg]、個體鄰居運動矢量為[uj,vj]，j∈Ng,j＝1,2,…,n，
步驟3b：計算個體g到其鄰居的相對位置矢量，公式為(7)、(8),
dxj＝xj-xg (7)
dyj＝yj-yg (8)
其中，個體g的位置坐標定義為[xg,yg]，其鄰居坐標定義為[xj,yj]，j∈Ng，個體g到其鄰居的相對位置矢量為[dxj,dyj]，j∈Ng，個體g的鄰居集合為Ng，
步驟3c：計算個體到其鄰居的相對位置矢量的矢量和，公式為(9)、(10),
其中，個體g到其鄰居的相對位置矢量的矢量和為[drxg,dryg]，j∈Ng。
2.根據權利要求1所述的一種基于大量真實人群運動視頻的人群運動仿真方法，其特征在于，所述步驟1拍攝真實人群運動視頻，將視頻分幀并保存成連續高清圖像，生成每張圖像對應的人群密度圖，并對每張密度圖中的每個個體進行精準定位，得到每個個體在圖像中的精確位置，其步驟包括：
步驟1a、用鳥瞰的俯視角度拍攝真實人群視頻，將視頻的每一幀抽取出來并保存成高清圖像；
步驟1b、通過CSRnet卷積神經網絡提取每張圖像的人群密度圖，根據人群密度圖中的人群密度取值進行劃分，當密度取值低于閾值時，采用脈沖函數卷積高斯核的方式來定義密度圖，當人群密度高于閾值時，通過精準估計群體密度函數來定義密度圖；
步驟1c、對密度圖進行降噪處理，用OpenCV以像素循環的方式來計算密度圖中每個點的輪廓，并計算輪廓的質心；
步驟1d、用DBSCAN算法對質心進行聚類，并通過對聚類的質心點的平均值計算，得到每個個體在圖像中的精確位置。
3.根據權利要求2所述的一種基于大量真實人群運動視頻的人群運動仿真方法，其特征在于，步驟1b所述的CSRnet卷積神經網絡包括VGG-16卷積神經網絡和空洞卷積層，卷積核大小為3，池化層是2×2，所述脈沖函數卷積高斯核的計算公式為(1),
其中，xi為假設標注點的位置，N為圖像中頭的數量，δ(x-xi)為沖擊函數。
4.根據權利要求2所述的一種基于大量真實人群運動視頻的人群運動仿真方法，其特征在于，步驟1b所述精準估計群體密度函數的計算公式為(2)、(3)、(4),
其中，G(x)為高斯核函數，δi可變且與成比例，m為與第i個人頭近鄰人頭的數量，表示第i個人頭與近鄰第j個人頭的距離，為與m個近鄰人頭的平均距離，β為常量。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于大連海事大學，未經大連海事大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110735986.7/1.html，轉載請聲明來源鉆瓜專利網。
