陶冶　劉鵬　趙巍　唐降龍

摘要：提出一種視頻中群體狀態(tài)演進(jìn)的預(yù)報(bào)方法。該方法在連續(xù)介質(zhì)流體動(dòng)力學(xué)模型格子Boltzmann模型的基礎(chǔ)上增加表現(xiàn)群體運(yùn)動(dòng)目的驅(qū)使項(xiàng)，使該模型更能描述高密度人群粒子向目標(biāo)位置聚集的特點(diǎn)。模型還能預(yù)報(bào)高密度人群場(chǎng)景的風(fēng)險(xiǎn)最高位置。由于該模型只需輸入視頻初始時(shí)某幀的速度場(chǎng)，就可演進(jìn)出場(chǎng)景未來(lái)的狀態(tài)，所以，該方法是對(duì)高密度人群視頻未來(lái)狀態(tài)的預(yù)報(bào)方法。實(shí)驗(yàn)證明，該模型預(yù)報(bào)的速度、密度場(chǎng)準(zhǔn)確，定位的場(chǎng)景最高風(fēng)險(xiǎn)位置也與場(chǎng)景本身的最高風(fēng)險(xiǎn)位置接近。

關(guān)鍵詞：視頻分析；目的驅(qū)使；群體密度預(yù)報(bào)；群體速度預(yù)報(bào)；格子Boltzmann模型

0引言

隨著社會(huì)的發(fā)展，大規(guī)模人員聚集與運(yùn)動(dòng)的情況和場(chǎng)所大量增加，如運(yùn)動(dòng)會(huì)、音樂(lè)會(huì)、群眾集會(huì)、節(jié)日期間形成的人員密集區(qū)和大型商業(yè)區(qū)等等。自2001年以來(lái)，全球在群體事故中有超過(guò)四千人死亡，其中典型的事件有2006年麥加朝圣的踩踏事故、2010年德國(guó)杜伊斯堡音樂(lè)會(huì)踩踏事故、2014年上海外灘踩踏事故等。如果能夠在群體事故發(fā)生前對(duì)群體狀態(tài)進(jìn)行準(zhǔn)確的預(yù)報(bào)，并對(duì)群體的行為施加干預(yù)，就能夠避免事故的發(fā)生或減少事故造成的損失。計(jì)算機(jī)視覺(jué)和智能監(jiān)控領(lǐng)域現(xiàn)有的研究主要集中于目標(biāo)跟蹤和動(dòng)作識(shí)別，對(duì)群體（人群）運(yùn)動(dòng)和行為的研究并不充分。

目前，視覺(jué)領(lǐng)域?qū)θ后w行為的研究重點(diǎn)，多是設(shè)定在針對(duì)群體密度、速度等視覺(jué)特征的提取方法展開(kāi)探討。多數(shù)研究工作針對(duì)場(chǎng)景中的個(gè)體展開(kāi)，對(duì)其進(jìn)行識(shí)別和跟蹤，也有少量工作以群體異常檢測(cè)作為研究目標(biāo)。近年來(lái)，有學(xué)者開(kāi)始研究視頻中個(gè)體在大規(guī)模群體中的運(yùn)動(dòng)規(guī)律，這些研究提高了以群體為背景的個(gè)體運(yùn)動(dòng)的識(shí)別與跟蹤算法。2012年，Barbara與Christian提出一種群體災(zāi)難自動(dòng)視頻分析系統(tǒng)，該系統(tǒng)選取災(zāi)難視頻的一段圖像序列，提取光流特征，把這些特征作為異常檢測(cè)分析的依據(jù)。該方法對(duì)于不同場(chǎng)景和拍攝角度，需要建立不同的場(chǎng)景模型，工作量大，通用性不強(qiáng)。在一些研究中引入了動(dòng)力學(xué)模型，Ali和Shah把群體的行動(dòng)信息、障礙物位置和重要區(qū)域（如出口）整合成一個(gè)整體，并由此計(jì)算力場(chǎng)，在此基礎(chǔ)上，提出了基于元胞自動(dòng)機(jī)模型的跟蹤算法，利用流體細(xì)胞分裂結(jié)構(gòu)，可以檢測(cè)到群體狀態(tài)和速度的改變。然而這些方法都立足于檢測(cè)人群中已發(fā)生的異常狀態(tài)，不能對(duì)群體異常事件進(jìn)行預(yù)報(bào)。文獻(xiàn)則研發(fā)提出了一種基于場(chǎng)景當(dāng)前壓力的風(fēng)險(xiǎn)檢測(cè)的方法，而壓力只能在短時(shí)間內(nèi)代表人群場(chǎng)景的特征，雖然實(shí)時(shí)性很高，但也不能應(yīng)用于人群異常事件的預(yù)測(cè)。

本文擬將從視頻中提取到的實(shí)時(shí)高密度人群特征輸入到格子Boltzmann模型，該模型模擬人群運(yùn)動(dòng)演進(jìn)過(guò)程，進(jìn)而實(shí)現(xiàn)對(duì)群體狀態(tài)的預(yù)報(bào)。研究中即是將人群運(yùn)動(dòng)的目的驅(qū)使以一種速度增量的形式添加到模型中，以使模型能夠描述具有智能體性質(zhì)的人群運(yùn)動(dòng)的特點(diǎn)。由此可得，本文設(shè)計(jì)提出的目的驅(qū)使一格子Bollzmann模型將會(huì)以當(dāng)前人群的粒子分布特征為輸入，經(jīng)過(guò)演進(jìn)可以得到人群未來(lái)狀態(tài)，進(jìn)而能夠預(yù)報(bào)人群風(fēng)險(xiǎn)。