基于深度学习和光流法的行人运动基本图获取方法
发布时间：2021-10-21 15:38
在行人动力学研究中,研究行人的运动规律,可以为建筑设施设计、活动应急预案编写提供有力的理论支撑,保障公共安全。基本图是行人动力学分析中一个有效的工具。近些年来深度学习快速发展,在计算机视觉领域取得了很多成果,尽管行人动力学已经得到广泛的研究,但仍然缺乏与深度学习结合的研究方法与实际应用。本文提出了一种深度基本图网络结构。深度基本图网络由多尺度递归卷积神经网络（MSR-Net）和光流模块组成。MSR-Net学习了视频帧图像与行人密度图之间的映射关系,密度图反映了行人空间信息。光流模块通过稀疏光流算法获得行人速度图,速度图反映了行人的运动矢量。通过速度图和密度图的空间对应关系,可以获得行人运动基本图。我们选择直通道实验和瓶颈实验来验证我们的方法。通过深度基本图网络得到的行人密度与速度的准确性较高,网络的鲁棒性较好,基本图反映的行人运动变化趋势与传统方法得到的基本图一致。深度基本图网络运行速度快,可以逐帧得到行人动力学信息,能够做到快速获得基本图并进行行人动力学分析。利用深度基本图网络,本文提出了一种使用行人运动信息的检测行人异常速度和方向方法。避免了行人异常检测中难以区分前景背景、样本标注...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．１?Ｍａｓｏｕｎｄ｜ｌｌ丨的方法结构图??基于卡尔曼滤波进行目标跟踪方法的优点在于计算速度较快，但是很难消除??
?第１章绪?论???较重要的行人运动关系曲线，研宄人员通过对比、分析不同场景下的行人运动基??本图，在不同临界密度、最大流量、行人自由速度等方面都得到了许多重要的结??果和运动规律。??图１．３为Ｗｅｉｄｍａｎｎ［３］研宄中的行人运动基本图，左侧为行人密度与速度的??关系，右侧为行人密度与流量之间的变化关系。Ｗｅｉｄｍａｎｎ［３］在对行人运动基本??图研宄发现，行人自由速度为１．３４?ｍ／ｓ，随密度增大而减小，在密度达到５．４人??／ｍ２时速度为０，也就是说在超过这个密度后行人很难行走，峰值处临界密度为??１．５５人／ｍ２时行人的最大流量１．１５人／ｍ／ｓ。??１．５ｊ?１．５??、??ｗｅｊｄｍａｎｎ??ｗｅｉｄｍｓｎｎ??－■?＼?Ｉ?／??ｆ?＼?ｉｉ?／?＼??１ｏｓ］?Ｊ?／?＼??〇?ｒ＇?＿一＿，??，?〇．〇?４—，ｉ—－ｒ－—????ｔ￣＾￣．??０?１?２?３?４?５?６?０?１?２?４５６??ｄｅｎｓｉｔｙ?（ｐｅｄｌｍ２）?ｄｅｎｓｉｔｙ?ｐｅｄｉｍ＊）??图１．３?Ｗｅｉｄｍａｎｎｌ３］研宄中的行人运动基本图??在对基本图研宄和分析的同时，Ｗｅｉｄｍａｎｎ还对行人速度－密度ｉｉ（ｐ）和行人密??度－流暈／这两条基本图曲线进行了公式拟合：??＿１９１３［１＿丄１１??ｕ（ｐ）?＝?１．３４?．?１?－?ｅ?＿?＼ｐ?Ｐｍａｘｌ??（１．１）??『?＿＿ＬＪ＇??Ｊ?—?ｐ?＇?ｗ（ｐ）?＝?Ｐ?■?１．３４?■?１?—?ｅ?Ｌｐ?Ｐｍａｘｌ??（１．２）??式中，１．３４是行人的自由运动速度，１．９１３是拟
１．５－??１．０－?？?？?？?？－??｜?？？?Ｉ?．．??＞?■?１?．?．??１?Ｘ?ｆ?．?Ｖ??§?０．５－?－－Ｘ?Ｉ??？、、?ｎ＇５－??？？？？?＂．??０．０－ｉ???．???１???！?????—＊??０．０４???????！???．??????—??０２４６８?？０?０２４６６?１０??Ｄｅｎｓｉｔｙ?（ｐｅｄ／ｍ：）?Ｄｅｎｓｉｔｙ?（ｐｅ＾ｍ２）??图１．４?＾＾版叩丨４丨研宄中的行人运动基本图??研宄人员还对不同文化背景的行人进行运动规律研宄［６］，如图］．５所示，左??侧为德国人和印度人的速度随人群密度变化曲线，右侧为线性拟合曲线。在相同??的行人密度下，印度人行走速度高于德国人。研究人员通过观察发现，造成这种??差异的原因是，相比于印度人，德国人更加在意个人空间，所需空间更大，对人??群密度增加更加敏感，当密度增加时，德国人会通过降低速度来保证个人空间。??Ｋ?３?１１１＾?２?１?？?Ｆ?Ｉ?！?１?＾?ｊＴ??Ｇｅｒｍａ＾?：?丨?ｎｄｉａ?？??＾?＾?？?Ｇｅｒｍａｎｙ?？?＊??ｉ：?＾??ａ??＊??????????〇?????????????????０?０．５?１?１．５?２?２．５?３?０?０．２?０．４?０．￡?０．８?１?＾２?１．４?１．６??图１．５不同文化背景行人运动基本图丨６】??Ｃａｏ等人［７］研究了不同年龄行人的运动规律，基本图如］．６所示，年轻人的??自由速度为１．２３ｍ／ｓ，老年
【参考文献】：
期刊论文
[1]Experiment and analysis on microscopic characteristics of pedestrian movement in building bottleneck[J]. TIAN Wei, SONG WeiGuo * , Lü Wei & FANG ZhiMing State Key Laboratory of Fire Science, University of Science and Technology of China, Hefei 230027, China. Science China（Technological Sciences）. 2011(07)
[2]基于像素灰度归类的背景重构算法[J]. 侯志强,韩崇昭. 软件学报. 2005(09)
[3]一种优化梯度计算的改进HS光流算法[J]. 桂本烨,钱徽,朱淼良. 中国图象图形学报. 2005(08)
硕士论文
[1]基于卷积神经网络的人群密度分析[D]. 魏梦.中国科学技术大学 2018
本文编号：3449269
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．１?Ｍａｓｏｕｎｄ｜ｌｌ丨的方法结构图??基于卡尔曼滤波进行目标跟踪方法的优点在于计算速度较快，但是很难消除??
?第１章绪?论???较重要的行人运动关系曲线，研宄人员通过对比、分析不同场景下的行人运动基??本图，在不同临界密度、最大流量、行人自由速度等方面都得到了许多重要的结??果和运动规律。??图１．３为Ｗｅｉｄｍａｎｎ［３］研宄中的行人运动基本图，左侧为行人密度与速度的??关系，右侧为行人密度与流量之间的变化关系。Ｗｅｉｄｍａｎｎ［３］在对行人运动基本??图研宄发现，行人自由速度为１．３４?ｍ／ｓ，随密度增大而减小，在密度达到５．４人??／ｍ２时速度为０，也就是说在超过这个密度后行人很难行走，峰值处临界密度为??１．５５人／ｍ２时行人的最大流量１．１５人／ｍ／ｓ。??１．５ｊ?１．５??、??ｗｅｊｄｍａｎｎ??ｗｅｉｄｍｓｎｎ??－■?＼?Ｉ?／??ｆ?＼?ｉｉ?／?＼??１ｏｓ］?Ｊ?／?＼??〇?ｒ＇?＿一＿，??，?〇．〇?４—，ｉ—－ｒ－—????ｔ￣＾￣．??０?１?２?３?４?５?６?０?１?２?４５６??ｄｅｎｓｉｔｙ?（ｐｅｄｌｍ２）?ｄｅｎｓｉｔｙ?ｐｅｄｉｍ＊）??图１．３?Ｗｅｉｄｍａｎｎｌ３］研宄中的行人运动基本图??在对基本图研宄和分析的同时，Ｗｅｉｄｍａｎｎ还对行人速度－密度ｉｉ（ｐ）和行人密??度－流暈／这两条基本图曲线进行了公式拟合：??＿１９１３［１＿丄１１??ｕ（ｐ）?＝?１．３４?．?１?－?ｅ?＿?＼ｐ?Ｐｍａｘｌ??（１．１）??『?＿＿ＬＪ＇??Ｊ?—?ｐ?＇?ｗ（ｐ）?＝?Ｐ?■?１．３４?■?１?—?ｅ?Ｌｐ?Ｐｍａｘｌ??（１．２）??式中，１．３４是行人的自由运动速度，１．９１３是拟
１．５－??１．０－?？?？?？?？－??｜?？？?Ｉ?．．??＞?■?１?．?．??１?Ｘ?ｆ?．?Ｖ??§?０．５－?－－Ｘ?Ｉ??？、、?ｎ＇５－??？？？？?＂．??０．０－ｉ???．???１???！?????—＊??０．０４???????！???．??????—??０２４６８?？０?０２４６６?１０??Ｄｅｎｓｉｔｙ?（ｐｅｄ／ｍ：）?Ｄｅｎｓｉｔｙ?（ｐｅ＾ｍ２）??图１．４?＾＾版叩丨４丨研宄中的行人运动基本图??研宄人员还对不同文化背景的行人进行运动规律研宄［６］，如图］．５所示，左??侧为德国人和印度人的速度随人群密度变化曲线，右侧为线性拟合曲线。在相同??的行人密度下，印度人行走速度高于德国人。研究人员通过观察发现，造成这种??差异的原因是，相比于印度人，德国人更加在意个人空间，所需空间更大，对人??群密度增加更加敏感，当密度增加时，德国人会通过降低速度来保证个人空间。??Ｋ?３?１１１＾?２?１?？?Ｆ?Ｉ?！?１?＾?ｊＴ??Ｇｅｒｍａ＾?：?丨?ｎｄｉａ?？??＾?＾?？?Ｇｅｒｍａｎｙ?？?＊??ｉ：?＾??ａ??＊??????????〇?????????????????０?０．５?１?１．５?２?２．５?３?０?０．２?０．４?０．￡?０．８?１?＾２?１．４?１．６??图１．５不同文化背景行人运动基本图丨６】??Ｃａｏ等人［７］研究了不同年龄行人的运动规律，基本图如］．６所示，年轻人的??自由速度为１．２３ｍ／ｓ，老年
【参考文献】：
期刊论文
[1]Experiment and analysis on microscopic characteristics of pedestrian movement in building bottleneck[J]. TIAN Wei, SONG WeiGuo * , Lü Wei & FANG ZhiMing State Key Laboratory of Fire Science, University of Science and Technology of China, Hefei 230027, China. Science China（Technological Sciences）. 2011(07)
[2]基于像素灰度归类的背景重构算法[J]. 侯志强,韩崇昭. 软件学报. 2005(09)
[3]一种优化梯度计算的改进HS光流算法[J]. 桂本烨,钱徽,朱淼良. 中国图象图形学报. 2005(08)
硕士论文
[1]基于卷积神经网络的人群密度分析[D]. 魏梦.中国科学技术大学 2018
本文编号：3449269
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3449269.html
