本發(fā)明涉及人群疏散計算機(jī)仿真領(lǐng)域，具體是一種基于視頻數(shù)據(jù)驅(qū)動的人群疏散仿真方法及系統(tǒng)。

背景技術(shù)：

隨著人們生活水平的提高和現(xiàn)代化城市建設(shè)的快速發(fā)展，人們出行越來越頻繁，人們辦公的場所也越來越密集，隨之而來的大型公共場所發(fā)生擁擠、踩踏事故造成人員的傷亡的事故越來越頻繁。尤其是大城市人群高度集中的辦公場所，其建筑場景設(shè)計非常復(fù)雜，一旦發(fā)生危險情況，在沒有合理疏散引導(dǎo)的情況下，人們往往難以迅速的找到距離近的出口，而且研究中還表明，由于在發(fā)生火災(zāi)、地震等災(zāi)難時，人群極度恐慌，無法合理的運用建筑內(nèi)的多個出口，降低了疏散效率?，F(xiàn)階段針對以上問題，主要采用預(yù)防方法的是真實的人群演練，這種方法由于需要動用大量的人力資源與財力資源，而且還存在潛在的危險，因此并不能很好的解決人群疏散的問題。計算機(jī)模擬仿真技術(shù)能夠較為有效的模擬人群疏散的情況，克服了真人演練方法存在的缺點和不足。對突發(fā)事件下人群疏散的行為特征和運動規(guī)律的研究，是解決火災(zāi)、踩踏等公共安全問題的有效途徑。人群疏散仿真的重要社會意義在于通過模擬真實場景的疏散情況，制定相應(yīng)的應(yīng)急預(yù)案，指導(dǎo)場景的設(shè)計，預(yù)防和減少災(zāi)難突發(fā)時的人員傷亡。

視頻追蹤技術(shù)是指動態(tài)識別、捕捉視頻圖像中的運動物體的技術(shù)，是一項融合了計算機(jī)視覺、計算機(jī)科學(xué)、視頻監(jiān)控等多領(lǐng)域的交叉技術(shù)。該技術(shù)將數(shù)字圖像處理領(lǐng)域擴(kuò)展到了動態(tài)圖像中。視頻追蹤系統(tǒng)以圖像序列作為輸入，輸出則是圖像中目標(biāo)的各種屬性，如目標(biāo)的大小，坐標(biāo)位置，移動速度等。該技術(shù)在軍事、交通、醫(yī)學(xué)等領(lǐng)域發(fā)揮著日益重要的作用。klt(kanade-lucas-tomasi)算法，是視頻追蹤領(lǐng)域著名的算法，它是一種以待跟蹤窗口w在視頻圖像幀的灰度差平方和作為度量的跟蹤算法。klt算法包含以下三個假設(shè)：

(1)亮度基本恒定

(2)時間連續(xù)

(3)空間一致，臨近點有相似的運動，保持相鄰。

通過收集給定區(qū)域內(nèi)的人群運動視頻圖像，運用klt追蹤算法，我們就能夠提取到真實人群運動視頻數(shù)據(jù)中的行人的初始坐標(biāo)、運動速度和運動的軌跡，這些軌跡以坐標(biāo)序列的形式存儲，經(jīng)過坐標(biāo)轉(zhuǎn)換、去重等處理，就能夠得到真實的人群運動路徑，從而再現(xiàn)真實的人群運動特征。

社會力模型是helbing等人于1995年提出的一個新的行人流模型，在社會力模型中將行人運動描述為力作用的結(jié)果，行人運動由自身驅(qū)動力、個體間交互力、個體與環(huán)境間交互力共同驅(qū)動。其中，自身驅(qū)動力描述個體向目標(biāo)運動的期望；個體間交互力反映個體對他人的心理排斥及物理排斥，使個體之間保持一定距離，實現(xiàn)行人運動的碰撞避免；個體與環(huán)境間交互力保證個體與障礙物間的安全距離，使行人運動過程中平滑的規(guī)避障礙物。

現(xiàn)有的人群疏散仿真模型大多側(cè)重于如何仿真，例如宏觀疏散模型把疏散人群作為一個整體對待，疏散速度雖然快，但是疏散效果和真實情況差距較大；微觀模型雖然個體獨立，但是個體運動僅按照模型定義的規(guī)則，缺乏宏觀上的目標(biāo)選擇和路徑導(dǎo)航，且要為每個疏散個體都作全局運動規(guī)劃，計算開銷太大，往往只能用于處理較小規(guī)模的群體，在實時計算環(huán)境中很難應(yīng)用。因此，現(xiàn)有的疏散模型和現(xiàn)實生活中真實的疏散過程相差較大。

技術(shù)實現(xiàn)要素：

本發(fā)明為了解決上述問題，提出了一種基于視頻數(shù)據(jù)驅(qū)動的人群疏散仿真方法，該方法從真實的視頻中提取人群的初始坐標(biāo)、運動速度、運動軌跡等運動特征屬性，用于仿真疏散過程中的疏散引領(lǐng)。在仿真疏散過程中，選出疏散引導(dǎo)者，引導(dǎo)者根據(jù)距離各個出口的遠(yuǎn)近以及出口位置的擁擠度運用社會力算法引領(lǐng)群組疏散到出口。由于仿真疏散的初始化設(shè)置和疏散引領(lǐng)路徑來源于真實的視頻，因此能夠較為真實的實現(xiàn)仿真疏散，為疏散演練提供幫助。

為了實現(xiàn)上述目的，本發(fā)明采用如下方案：

一種基于視頻數(shù)據(jù)驅(qū)動的人群疏散仿真方法，包括以下步驟：

獲取指定區(qū)域的視頻錄像，利用klt追蹤算法從所述視頻錄像中提取出人群疏散初始坐標(biāo)、運動速度、出口位置和運動路徑；

根據(jù)所述初始坐標(biāo)和運動速度初始化待疏散個體，將每個個體的初始坐標(biāo)和出口間的相對位置與所述運動路徑作交叉訪問，獲取每個個體的初始坐標(biāo)到出口的最短路徑，采用社會力模型基于上述初始坐標(biāo)、運動速度和最短路徑實時計算個體速度和方向，實現(xiàn)人群疏散行為的仿真。

進(jìn)一步的，所述初始化仿真?zhèn)€體包括設(shè)置以下數(shù)據(jù)：待疏散個體數(shù)、每個待疏散個體相對于其他個體的關(guān)系值。

根據(jù)社會力模型計算所述每個待疏散個體相對于其他個體的關(guān)系值。

進(jìn)一步的，根據(jù)每個個體距離出口的位置對全體個體進(jìn)行分組，選取組內(nèi)具有最大關(guān)系值的個體作為引領(lǐng)個體。

進(jìn)一步的，根據(jù)引領(lǐng)個體的坐標(biāo)位置與各個出口的距離以及各個出口的擁擠度，選擇目標(biāo)出口；將引領(lǐng)個體的坐標(biāo)位置和目標(biāo)出口間的相對位置與所述運動路徑作交叉訪問，獲取引領(lǐng)個體的坐標(biāo)位置到出口的最短路徑，各組引領(lǐng)個體根據(jù)所述最短路徑引領(lǐng)組內(nèi)成員，基于社會力模型作跟隨運動；

當(dāng)引領(lǐng)個體到達(dá)所述目標(biāo)出口，則重新選取組內(nèi)引領(lǐng)個體，直至各組中已無個體可選，視為組中全部個體已經(jīng)成功疏散。

進(jìn)一步的，計算所述出口擁擠度的方法為：在所述各個出口設(shè)置計數(shù)器，用于記錄各個出口在設(shè)定時刻、設(shè)定面積內(nèi)的個體數(shù)，出口擁擠度為設(shè)定時刻的單位面積個體數(shù)。

進(jìn)一步的，設(shè)置擁擠度閾值，當(dāng)出口擁擠度大于所述擁擠度閾值時，認(rèn)為出口發(fā)生了擁堵；設(shè)置出口疏散效率為vγ,表示出口每秒能通過vγ個人；設(shè)置個體疏散的速度為v0，表示個體每秒行走v0米。

當(dāng)出口的擁擠度大于擁擠度閾值時，則計算出口疏散預(yù)計花費時間t1＝pi(t)/vγ,其中pi(t)為出口在設(shè)定時刻、設(shè)定面積內(nèi)的個體數(shù)；

當(dāng)出口的擁擠度不大于擁擠度閾值時，則選擇出口疏散預(yù)計花費時間t2＝disi/v0，其中disi為引領(lǐng)個體到出口的距離，t2表示引領(lǐng)個體正常運動到出口的時間；

計算所有出口的疏散預(yù)計花費時間并進(jìn)行比較，選擇最短花費時間的出口作為目標(biāo)出口。

進(jìn)一步的，對提取出的運動路徑進(jìn)行去重復(fù)，然后存儲到路徑知識庫中。

進(jìn)一步的，對所述去重復(fù)后的運動路徑進(jìn)行坐標(biāo)轉(zhuǎn)換，。然后存儲到路徑知識庫中。

本發(fā)明還提出了一種基于上述方法的基于視頻數(shù)據(jù)驅(qū)動的人群疏散仿真系統(tǒng)，其特征在于，包括：

獲取單元，用于獲取指定區(qū)域的視頻錄像；

提取單元，用于利用klt追蹤算法從所述視頻錄像中提取出人群疏散初始坐標(biāo)、運動速度、出口位置和運動路徑；

交叉訪問單元：用于根據(jù)所述初始坐標(biāo)和運動速度初始化待疏散個體，將每個個體的初始坐標(biāo)和出口間的相對位置與所述運動路徑作交叉訪問，獲取每個個體的初始坐標(biāo)到出口的最短路徑；

計算單元；用于采用社會力模型基于上述初始坐標(biāo)、運動速度和最短路徑實時計算個體速度和方向，實現(xiàn)人群疏散行為的仿真。

進(jìn)一步的，本系統(tǒng)還包括分組單元，用于根據(jù)每個個體距離出口的位置對全體個體進(jìn)行分組，選取組內(nèi)具有最大關(guān)系值的個體作為引領(lǐng)個體；目標(biāo)出口選取單元，用于根據(jù)引領(lǐng)個體的坐標(biāo)位置與各個出口的距離以及各個出口的擁擠度，選擇目標(biāo)出口。

本發(fā)明的有益效果為：

(1)本發(fā)明的人群疏散仿真模型是由真實疏散視頻數(shù)據(jù)驅(qū)動的。模型首先利用了klt算法從視頻中提取了人群運動的初始化坐標(biāo)、運動速度和運動軌跡，提取到的運動屬性在經(jīng)過處理后被用到社會力模型中指導(dǎo)人群的疏散。與普通的疏散模型相比較，該發(fā)明由于引入了真實的視頻數(shù)據(jù)，因此疏散仿真更真實。

(2)本發(fā)明通過分析視頻數(shù)據(jù)中行人運動的特點，對原始社會力做出了改進(jìn)。考慮到了人群關(guān)系對疏散的影響，使得關(guān)系親密的個體成組移動；優(yōu)化目標(biāo)選擇策略，綜合考慮到了距離出口的遠(yuǎn)近以及出口擁擠度兩方面的因素，改進(jìn)后仿真效果更真實。另外，人群疏散仿真時只需要組內(nèi)引領(lǐng)個體同路徑庫交互獲取路徑，組內(nèi)其他成員在引領(lǐng)個體的引導(dǎo)下移動。就解決了大規(guī)模人群疏散計算機(jī)仿真系統(tǒng)為每個個體計算路徑導(dǎo)致的速度過慢的問題。

(3)本發(fā)明在疏散過程中，建立雙層疏散機(jī)制。上層為疏散提供路徑導(dǎo)航知識，導(dǎo)航的路徑提取自真實的疏散視頻；下層主要利用改進(jìn)后社會力模型實現(xiàn)運動跟隨和碰撞避免。群組中的引領(lǐng)個體通過與上下兩層的實時交互，建立了疏散人群與導(dǎo)航路徑之間的聯(lián)系，避免了疏散人群盲目的移動。

(4)在熟悉場景的導(dǎo)航的引導(dǎo)下分組疏散，能夠有效提高公共場所中通道的利用率以及危機(jī)情況下的人員安全性，有利于設(shè)計疏散預(yù)案，為真實的疏散演練提供幫助。

附圖說明

圖1是本發(fā)明人群疏散方法的流程圖；

圖2是本發(fā)明雙層疏散模型框架的示意圖；

圖3是本發(fā)明提取視頻中的運動特征對仿真疏散的指導(dǎo)圖；

圖4是本發(fā)明雙層社會力疏散模型的受力分析圖；

圖5是本發(fā)明人群疏散的初始化示意圖：a和b；

圖6是本發(fā)明人群分組后在引領(lǐng)個體的引導(dǎo)下各組向出口移動過程的示意圖：a和b；

圖7是本發(fā)明人群分組后在引領(lǐng)個體的引導(dǎo)下各組向出口移動過程的示意圖：a和b；

圖8在本發(fā)明引領(lǐng)個體引導(dǎo)各組移動接近出口的示意圖：a和b；

圖9是本發(fā)明仿真實驗平臺窗體圖。

具體實施方式：

下面結(jié)合附圖與實施例對本發(fā)明作進(jìn)一步說明。

應(yīng)該指出，以下詳細(xì)說明都是例示性的，旨在對本申請?zhí)峁┻M(jìn)一步的說明。除非另有指明，本文使用的所有技術(shù)和科學(xué)術(shù)語具有與本申請所屬技術(shù)領(lǐng)域的普通技術(shù)人員通常理解的相同含義。

需要注意的是，這里所使用的術(shù)語僅是為了描述具體實施方式，而非意圖限制根據(jù)本申請的示例性實施方式。如在這里所使用的，除非上下文另外明確指出，否則單數(shù)形式也意圖包括復(fù)數(shù)形式，此外，還應(yīng)當(dāng)理解的是，當(dāng)在本說明書中使用術(shù)語“包含”和/或“包括”時，其指明存在特征、步驟、操作、器件、組件和/或它們的組合。

如圖1所示，本發(fā)明的一種典型實施例是一種基于視頻數(shù)據(jù)驅(qū)動的人群疏散仿真方法，包括以下步驟：

(1)獲取指定區(qū)域的視頻錄像，利用klt追蹤算法從所述視頻錄像中提取出人群疏散初始坐標(biāo)、運動速度、出口位置和運動路徑，并將提取出的運動路徑去重、坐標(biāo)轉(zhuǎn)換后，存儲到路徑知識庫中備用。

(2)根據(jù)提取到的坐標(biāo)和運動速度初始化人群，并將待疏散的個體根據(jù)關(guān)系進(jìn)行分組，并且在每個出口處設(shè)置一個記數(shù)器，統(tǒng)計從該出口疏散的個體數(shù)；

初始化的相關(guān)參數(shù)為：待疏散場景的相關(guān)參數(shù)，待疏散個體數(shù)、個體在疏散場景中的位置，個體期望速度，個體之間的關(guān)系鏈接表；

根據(jù)社會力模型計算所述每個待疏散個體相對于其他個體的關(guān)系值，作為個體之間的關(guān)系鏈接表之?dāng)?shù)據(jù)。

(3)各組選取組中具有最大關(guān)系值的個體作為引領(lǐng)個體；

(4)引領(lǐng)個體根據(jù)自己當(dāng)前位置距離各個出口的遠(yuǎn)近以及出口的擁擠度，選擇目標(biāo)出口。

(5)引領(lǐng)個體依據(jù)自己的當(dāng)前位置和選擇出的出口，和路徑知識庫交互，從知識庫中獲取當(dāng)前位置到出口的最短路徑；

(6)各組引領(lǐng)個體根據(jù)路徑指導(dǎo)向出口疏散，組內(nèi)成員執(zhí)行社會力算法跟隨組內(nèi)引領(lǐng)運動。

(7)若引領(lǐng)個體到達(dá)安全區(qū)域出口，則重新選取組中引領(lǐng)個體，返回步驟(3)，直至各組中已無個體可選(組中全部個體已經(jīng)成功疏散)，結(jié)束。

步驟(4)中選擇目標(biāo)出口的方法包括：

計算出口的擁擠度：出口處的計數(shù)器獲記錄出口i在t時刻的擁堵人數(shù)為pi(t)，擁塞面積為si(t),則出口i在t時刻的擁擠度為λi(t)＝pi(t)/si(t)

設(shè)置擁擠度閾值為cσ，當(dāng)出口擁擠度大于cσ我們認(rèn)為出口發(fā)生了嚴(yán)重?fù)矶?；設(shè)置出口疏散效率為vγ,表示出口每秒能通過vγ個人；設(shè)置個體疏散的速度為v0，表示個體每秒行走v0米。

當(dāng)出口i的擁擠度λi(t)大于閾值cσ時，則選擇出口i疏散需要花費的時間t1＝pi(t)/vγ,既所有擁堵的粒子疏散完畢的時間。當(dāng)出口i的擁擠度λi(t)小于閾值cσ時，則選擇出口i疏散需要花費的時間t2＝disi/v0，其中disi為粒子到出口i的距離，t2表示粒子正常運動到出口i的時間。

計算所有出口的預(yù)計花費時間并進(jìn)行比較，選擇時間花費最短的出口作為目標(biāo)v出口進(jìn)行疏散。

本發(fā)明的再一實施例是一種基于上述方法的基于視頻數(shù)據(jù)驅(qū)動的人群疏散仿真系統(tǒng)，包括：

獲取單元，用于獲取指定區(qū)域的視頻錄像；

提取單元，用于利用klt追蹤算法從所述視頻錄像中提取出人群疏散初始坐標(biāo)、運動速度、出口位置和運動路徑；

交叉訪問單元：用于根據(jù)所述初始坐標(biāo)和運動速度初始化待疏散個體，將每個個體的初始坐標(biāo)和出口間的相對位置與所述運動路徑作交叉訪問，獲取每個個體的初始坐標(biāo)到出口的最短路徑；

分組單元，用于根據(jù)每個個體距離出口的位置對全體個體進(jìn)行分組，選取組內(nèi)具有最大關(guān)系值的個體作為引領(lǐng)個體；

目標(biāo)出口選取單元，用于根據(jù)引領(lǐng)個體的坐標(biāo)位置與各個出口的距離以及各個出口的擁擠度，選擇目標(biāo)出口。

計算單元；用于采用社會力模型基于上述初始坐標(biāo)、運動速度和最短路徑實時計算個體速度和方向，實現(xiàn)人群疏散行為的仿真。

下面給出了本實施例的一個典型應(yīng)用，由160個人在100×80的平面區(qū)域上進(jìn)行計算機(jī)人群疏散仿真，如圖2-圖8所示。圖2是建立的雙層疏散模型示意圖；圖3是視頻數(shù)據(jù)中人群運動特征屬性對仿真疏散的指導(dǎo)圖；圖4是雙層社會力中粒子受力的分析圖，引領(lǐng)粒子引導(dǎo)組內(nèi)三個粒子向目標(biāo)運動；圖5(a)是監(jiān)控視頻記錄的一次疏散的開始階段，圖5(b)仿真疏散平臺根據(jù)監(jiān)控視頻進(jìn)行人群初始化的情況；圖6和圖7是各群組在引領(lǐng)個體的帶領(lǐng)下向出口移動的狀況；圖8是各群組在引領(lǐng)個體的帶領(lǐng)下接近出口狀況。由圖6和圖7可以看出，由于增加了群組關(guān)系，仿真疏散的行人會成組的移動；另外由于考慮到了擁擠度和距離對疏散的影響，仿真疏散的疏散結(jié)果和真實視頻的疏散結(jié)果較為一致。

圖9是仿真實驗平臺，在該平臺下通過設(shè)置不同的人數(shù)規(guī)模、初始化位置，可以對不同場景實現(xiàn)多次疏散演練，從而提前規(guī)避危險。

上述雖然結(jié)合附圖對本發(fā)明的具體實施方式進(jìn)行了描述，但并非對本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以內(nèi)。