CN108446469B

CN108446469B - 一种基于视频驱动的群组行为疏散仿真方法及装置

Info

Publication number: CN108446469B
Application number: CN201810185836.1A
Authority: CN
Inventors: 刘弘; 张建新; 李焱
Original assignee: Shandong Normal University
Current assignee: Shandong Normal University
Priority date: 2018-03-07
Filing date: 2018-03-07
Publication date: 2022-02-08
Anticipated expiration: 2038-03-07
Also published as: CN108446469A

Abstract

本发明公开了一种基于视频驱动的群组行为疏散仿真方法及装置，该方法包括：接收真实场景数据库，追踪数据库中视频人群得到个体运动轨迹，计算个体间的相异度得到小团体，并计算小团体间的相异度，作为后续初始化信息；生成基于仿真场景和人物模型的社会力模型，初始化场景和人群个体信息；进行局部路径规划，计算每个场景内每个个体到达选定出口的运动路径。有效真实的模拟群组现象，真实的再现真实场景中突发事件下人群疏散情况，成为紧急情况下预测无法进行测量人群轨迹的场合在不同人群密度和团体分布的人群疏散时间和疏散状况的重要工具。

Description

一种基于视频驱动的群组行为疏散仿真方法及装置

技术领域

本发明属于人群仿真的技术领域，尤其是涉及一种基于视频驱动的群组行为疏散仿真方法及装置。

背景技术

近年来，随着城市化进程的不断推进，城市公共场所人群越来越密集，安全事故频发，造成重大的生命财产损失。而运用人群运动仿真研究人群在突发情况下人群的运动特征与规律，能够帮助设计者对建筑物或者公共场所的人流疏散通道进行综合分析与评价，辅助建立合理的建筑布局，以及紧急情况下人员的疏散方案。对可能引发的拥挤骚乱甚至践踏等事件形成有效的预警和干预，对恐怖袭击或突发灾害后的人群疏散形成完善的硬件支持和高效的现场疏导策略具有重大意义。

在人群的疏散过程中，人群会产生人群分流现象，本文中称为群组现象。人群行为的运动仿真研究中，群组行为建模是人群仿真疏散研究的核心问题。群组行为建模中最核心的问题是如何得到群组。针对这个问题，研究者提出依据距离或者依据距离和关系分组的方法，即在紧急情况下人群疏散的过程中，距离越近越趋于一个组，或距离越近亲密度越高的趋于一个组，这种分组方法看似合理，实则不然。对于依据距离和关系进行分组的方法，其位置和关系为人为输入，对于只依据距离分组的方法，其忽略了行人中的关系。依赖于不现实的假设，因此对真实场景下人群疏散意义不大，不足以真实模拟群组行为。已有文献中阐述了70％的人实际上是在团体中移动，比如朋友、夫妻或其他的社会关系。并表明团体成员之间社会关系影响了人群行进动态。文献表明不同的人群密度和团体个数会影响团体的形状。

智能视频分析技术是一项具有巨大发展前景的信息处理技术，随着大数据时代的到来，城市研究者利用采用人口普查数据、手机信令数据、LBS数据、公交刷卡数据、POI等各种大数据，从多个维度描绘兼顾大尺度小粒度属性的人类移动和活动，在城市定量研究领域已经有了重大突破。视频大数据是城市规划领域潜在的庞大而重要的数据来源。相较于已有研究中所采用的大数据，视频大数据更加直观准确，在对城市公共空间中高度动态化的人类活动场景进行精细化描述方面具有不可替代的优势。利用更多类型的大数据来描述和分析人类活动是大数据时代城市定量研究的必然趋势。对视频场景中的人类群体理解可以在更高层面理解人类活动。

综上所述，现有技术中如何采用智能视频分析技术对真实场景下人群疏散进行群组行为真实模拟的问题，尚缺乏行之有效的解决方案。

发明内容

针对现有技术中存在的不足，解决现有技术中如何采用智能视频分析技术对真实场景下人群疏散进行群组行为真实模拟的问题，本发明提出了一种基于视频驱动的群组行为疏散仿真方法及装置，采用视频分析技术对人群实时追踪，得到人群运动轨迹并依此得出人群中的小团体及小团体的属性，有效真实的模拟群组现象，真实的再现真实场景中突发事件下人群疏散情况，成为紧急情况下预测无法进行测量人群轨迹的场合在不同人群密度和团体分布的人群疏散时间和疏散状况的重要工具。

本发明的第一目的是提供一种基于视频驱动的群组行为疏散仿真方法。

为了实现上述目的，本发明采用如下一种技术方案：

一种基于视频驱动的群组行为疏散仿真方法，该方法包括：

接收真实场景数据库，追踪数据库中视频人群得到个体运动轨迹，计算个体间的相异度得到小团体，并计算小团体间的相异度，作为后续初始化信息；

生成基于仿真场景和人物模型的社会力模型，初始化场景和人群个体信息；

进行局部路径规划，计算每个场景内每个个体到达选定出口的运动路径。

作为进一步的优选方案，所述真实场景数据库包括若干真实场景视频信息，利用视频影像分析软件追踪数据库中视频人群，得到视频中人群的个体运动轨迹。

作为进一步的优选方案，所述计算个体间的相异度为计算两个个体运动轨迹的相异度，得到个体运动轨迹相异度矩阵。

作为进一步的优选方案，在该方法中，根据同一视频中计算出的个体运动轨迹相异度矩阵计算得到小团体及小团体内部矩阵，并据此计算小团体之间动态相异度矩阵。

作为进一步的优选方案，在该方法中，仿真设计场景模型和人物模型，在改进的社会力平台上接收场景模型、人物模型及人群个体信息，分别对场景及人群个体信息进行初始化，得到初始化信息；

所述改进的社会力模型为在原始社会力模型基础上加入不同团体间吸引力以及同一团体间跟随者的选择的模型。

作为进一步的优选方案，在该方法中，所述初始化信息包括场景范围、场景出口以及场景内障碍物的坐标，人群的位置和个体间的相异度，以及小团体之间的相异度。

作为进一步的优选方案，在该方法中，所述仿真结果包括每个场景内每个个体到达选定出口的运动路径，对每个场景内每个个体到达选定出口的运动路径进行渲染并实时展示仿真效果。

作为进一步的优选方案，在该方法中，所述仿真结果还包括疏散人数、疏散时间、疏散路径，将仿真结果导出并保存。

本发明的第二目的是提供一种计算机可读存储介质。

为了实现上述目的，本发明采用如下一种技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备设备的处理器加载并执行以下处理：

本发明的第三目的是提供一种终端设备。

为了实现上述目的，本发明采用如下一种技术方案：

一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行以下处理：

本发明的有益效果：

1、本发明所述的一种基于视频驱动的群组行为疏散仿真方法及装置，将真实视频下人群的群组状况和社会力模型结合，利用人群的运动轨迹得出每个人的相异度，并对相异度依据自下而上的聚类算法得到小团体及小团体之间的相异度，以实现真实场景人群疏散前一刻人群的分布状况及人群之间的相异度状况。人群在疏散过程中将利用社会比较理论形成团体聚集现象，即羊群效应，利用改进的社会力模型进行微观个体的路径规划和碰撞避免以及实现羊群效应，完成复杂场景下的人群疏散仿真。实验结果表明，该方法能够真实有效地实现复杂场景下的人群疏散仿真，提高了人群疏散仿真的准确度，真实的演示了疏散过程中分组现象及羊群效应现象，为进一步人研究人群疏散做好了准备。

2、本发明所述的一种基于视频驱动的群组行为疏散仿真方法及装置，依据格式塔理论从人群流动视频中追踪行人运动轨迹，获取行人之间的相异度，并依据个体间相异度得到真实场景下的小团体；运用社会比较理论对小团体依据矩阵间相异度形成群组及指导群组中个人跟随者的选择；由于本文方法中小团体中人的个数、团体形状、人与人之间的亲密度及人的位置排列都是从真实场景中提取的数据，并非人为输入；且考虑了紧急情况下疏散的过程中社会比较理论指导人群聚集成群组现象的特点显著，因此本文方法能较为真实的模拟群组现象，理论成熟简单易行。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1是本发明的方法流程图；

图2是本发明的人群信息提取完成后的界面图；

图3是本发明人群信息提取及人群信息在改进的社会力模型上运行的流程图；

图4是本发明的实施例1中另一优选方法流程图；

图5是本发明的一种基于视频驱动的群组行为疏散仿真系统示意图；

图6是本发明截取某一时刻真实人群的流动状态示意图；

图7是本发明根据人群运动轨迹得到的小团体示意图；

图8是本发明该时刻发生突发事件时人群的状态示意图；

图9是本发明人群在疏散过程中的状态一示意图；

图10是本发明人群在疏散过程中的状态二示意图；

图11是本发明真实情况下人群流动的监控录像截图；

图12是本发明真实情况下人群疏散的监控录像截图。

具体实施方式：

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本实施例使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。

在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合下面结合附图与实施例对本发明作进一步说明。

实施例1：

本实施例1的目的是提供一种基于视频驱动的群组行为疏散仿真方法。

为了实现上述目的，本发明采用如下一种技术方案：

如图1所示，

一种基于视频驱动的群组行为疏散仿真方法，该方法包括：

步骤(1)：接收真实场景数据库，追踪数据库中视频人群得到个体运动轨迹，计算个体间的相异度得到小团体，并计算小团体间的相异度，作为后续初始化信息；

步骤(2)：生成基于仿真场景和人物模型的社会力模型，初始化场景和人群个体信息；

步骤(3)：进行局部路径规划，计算每个场景内每个个体到达选定出口的运动路径。

本发明采用视频分析技术对人群实时追踪，得到人群运动轨迹并依此得出人群中的小团体及小团体的属性，包括小团体的形状，小团体内人员的个数，团体之间的相对位置和速度，团体内部人员位置等。据此，模拟突发事件下的人群疏散状况。由于本文方法中小团体中人的个数、团体形状、人与人之间的亲密度及人的位置排列都是从真实场景中提取的数据，并非人为输入；且考虑了紧急情况下疏散的过程中社会比较理论指导人群聚集成群组现象的特点显著。因此本发明能较为真实的模拟群组现象，可真实的再现真实场景中突发事件下人群疏散情况，作为紧急情况下预测无法进行测量人群轨迹的场合在不同人群密度和团体分布的人群疏散时间和疏散状况的重要工具。

在本实施例的步骤(1)中，所述真实场景数据库包括若干真实场景视频信息，利用视频影像分析软件追踪数据库中视频人群，得到视频中人群的个体运动轨迹。例如，在本实施例中利用Tracker来追踪视频中的人群。

在本实施例的步骤(1)中，所述计算个体间的相异度为计算两个个体运动轨迹的相异度，得到个体运动轨迹相异度矩阵。利用公式(1)-(4)计算任意两条轨迹的相异度，得到相异度矩阵A

在本实施例的步骤(1)中，所根据同一视频中计算出的个体运动轨迹相异度矩阵计算得到小团体及小团体内部矩阵，并据此计算小团体之间动态相异度矩阵。

格式塔原理中共同命运理论指出具有共同运动形式的物体被感知为彼此相关的一组。因此利用公式(5)-(6)依据相异度计算得到小团体及小团体内部矩阵a1,a2…

利用公式(7)-(8)计算小团体之间动态相异度矩阵E

在本实施例的步骤(2)中，仿真设计场景模型和人物模型，在改进的社会力平台上接收场景模型、人物模型及人群个体信息，分别对场景及人群个体信息进行初始化，得到初始化信息；例如，在本实施例中利用Maya来设计场景模型和人物模型，在改进的社会力平台上接收场景模型及人群个体信息，分别对场景及人群个体信息进行初始化。

在本实施例的步骤(2)中，所述初始化信息包括场景范围、场景出口以及场景内障碍物的坐标，人群的位置和个体间的相异度，以及小团体之间的相异度。

在本实施例的步骤(2)中，所述改进的社会力模型为在原始社会力模型基础上加入不同团体间吸引力以及同一团体间跟随者的选择的模型。

原始社会力是指行人在人群中受到的心理作用和外界环境产生的物理作用的合力，将行人运动描述为力相互作用的结果，包括行人自身驱动力、行人之间的相互作用力和行人与障碍物的相互作用力共同驱动。

在行人主观意愿作用下，行人总是期望以最优行走速度朝着期望目的地移动，所以行人自身的驱动力可以看作行人施加在自身的一个虚拟心理力.行人自身驱动力公式为：

当行人在人群中行走时，无法避免会与其他行人发生相互作用，当与其他行人过近，其他行人就会产生一个排斥力。而当行人间距离较大时，行人之间的作用力则变为引力。行人之间的相互作用力公式为：

行走过程中，为保证自身安全和舒适性，行人会与障碍物保持一定的距离。这意味着行人运动中会受到障碍物对行人的作用力。行人与障碍物的相互作用力公式为：

根据牛顿第二定律，社会力模型公式为：

在原始社会力模型上依据社会比较理论加入不同团体间吸引力以及同一团体间跟随者的选择。社会比较理论指人类在缺乏客观的方法来评价他们的状态时，会把他们自己的状态与其他人进行比较，然后试图纠正发现的差异。当灾难发生时，社会比较更为显著。具体过程如下：

团体间依据社会比较理论产生不同组间的吸引力形成群组。如果小团体视野范围无出口，则小团体内引领的目标驱动力为(目标为门)：

如果小团体视野范围无出口，则小团体内引领的目标驱动力为：

其中

Similarity_j＝E(G(i),G(j))*100/EuclidianDistBetweem(i,j) (15)

MostSimilarId＝Maximum(Similarity₁,...,Similarity_n) (16)

E(G(i),G(j))为与引领i所在的小团体和与其具有最大相似性的小团体之间的相异度。

团体内部依据社会比较理论选择追随目标

如果小团体内非引领粒子的视野范围内有引领，则选择引领作为其跟随目标，目标驱动力

中目标为该团体中的引领；

如果其视野范围内无引领，则依据社会比较理论[41,42]选择其所在小团体的某个粒子去跟随(目标为其所在的团体依据社会比较理论得到的个体)。其中社会比较理论抽象为公式如下：

Similarity_j＝Sociality_i-D₁-(a-D₂+b·e^{l-dist(i，j)/Distl}) (18)

MostSimilarId＝Maximum(Similarity₁,...,Similarity_n) (21)

目标驱动力

中目标为依据社会比较理论得到的个体。

依据小团体内部矩阵实现团体内个体的相互吸引

因此，改进的社会力模型为：

在本实施例的步骤(3)中，所述仿真结果包括每个场景内每个个体到达选定出口的运动路径。

其中，步骤(2)及步骤(3)详细流程见图3。

作为另一优选的实施方案，在步骤(3)计算每个场景内每个个体到达选定出口的运动路径之后，实施步骤(4)和/或步骤(5)。

步骤(4)：对每个场景内每个个体到达选定出口的运动路径进行渲染并实时展示仿真效果。

步骤(5)：将仿真结果导出并保存，所述仿真结果还包括疏散人数、疏散时间、疏散路径，。

在本实施例中步骤(1)-步骤(5)的方法流程图如图4所示。

实施例2：

本实施例2的目的是基于实施例1中的方法的系统，并采用本实施例中的系统对方法进行实验验证。

图5是本发明的一种基于视频驱动的群组行为疏散仿真系统示意图，如图所示的基于视频驱动的群组行为疏散仿真系统，包括信息接收模块、人物分组模块、运动路径模块、渲染及展示模块、数据导出模块五个模块。

人群信息提取模块，利用Tracker来追踪视频中的人群，得到人群运动轨迹，计算任意两个人运动轨迹的相异度，依据相似度计算小团体，计算任意两个团体之间的相异度；

信息接收模块，利用Maya来设计场景模型和人物模型，在社会力平台上接收场景模型及人群个体信息，分别对场景及人群个体信息进行初始化；包括场景范围、出口以及场景内障碍物的坐标，人群的位置和相异度，小团体之间的相异度；

运动路径求取模块，将人群的位置分布，团体分布，人群之间的相异度，团体之间的相异度作为人群运动的初始化状态，采用改进的社会力模型进行局部路径规划来实现群组行为、碰撞避免和羊群效应现象，求得场景内每个个体到达选定出口的运动路径；

渲染及展示模块，对运动路径进行渲染并实时展示仿真效果；

数据导出模块，将疏散人数、疏散时间、疏散路径等参数信息导出并保存，用于人群疏散的运动展示和对比分析。

本专利实验采用的机器配置为奔腾四核处理器，主频为3.10G HZ，16GB内存。在真实道路上利用真实人群进行人群疏散仿真，图6为截取某一时刻真实人群的流动状态，可以看到该时刻行人多为并排走。图7为根据人群运动轨迹得到的小团体，图8为当该时刻发生突发事件时人群的状态。图9、图10为人群在疏散过程中的状态，在图9中可以看到人群在疏散过程中改变了原来的形状，更多变为了凸状。图10中看一看到小团体出现了聚集形成群组的现象。

为了进一步验证本专利中提出的基于视频驱动的群组行为方法的逼真性，本文对真实情况下人群流动及人群疏散监控录像进行分析。见图11，以截图中用不同色度的圆圈圈出的小团体作为具体分析对象。通过监控视频可以发现，人群以小团体的形式在监控视频中流动的现象，并且小团体现象在整个运动过程中一直存在。见图12。以截图中用不同色度的圆圈圈出的小团体作为具体分析对象。通过监控视频可以发现，人群以小团体的形式在监控视频中疏散，并且小团体会与其他小团体融合形成群组现象。

实施例3：

本实施例3的目的是提供一种计算机可读存储介质。

为了实现上述目的，本发明采用如下一种技术方案：

实施例4：

本实施例4的目的是提供一种终端设备。

为了实现上述目的，本发明采用如下一种技术方案：

这些计算机可执行指令在设备中运行时使得该设备执行根据本公开中的各个实施例所描述的方法或过程。

在本实施例中，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

本文所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开内容操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开内容的各个方面。

应当注意，尽管在上文的详细描述中提及了设备的若干模块或子模块，但是这种划分仅仅是示例性而非强制性的。实际上，根据本公开的实施例，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

本发明的有益效果：

2、本发明所述的一种基于视频驱动的群组行为疏散仿真方法及装置，依据格式塔理论从人群流动视频中追踪行人运动轨迹，获取行人之间的相异度，并依据个体间相异度得到真实场景下的小团体；运用社会比较理论对小团体依据矩阵间相异度形成群组及指导群组中个人跟随者的选择；由于本文方法中小团体中人的个数、团体形状、人与人之间的亲密度及人的位置排列都是从真实场景中提取的数据，并非人为输入；且考虑了紧急情况下疏散的过程中社会比较理论指导人群聚集成群组现象的特点显著，因此本方法能较为真实的模拟群组现象，理论成熟简单易行。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims

1.一种基于视频驱动的群组行为疏散仿真方法，其特征在于，该方法包括：

仿真设计场景模型和人物模型，在改进的社会力模型平台上接收场景模型、人物模型及人群个体信息，分别对场景及人群个体信息进行初始化，得到初始化信息；

所述改进的社会力模型为在原始社会力模型基础上加入不同团体间吸引力以及同一团体间跟随者的选择的模型；

2.如权利要求1所述的方法，其特征在于，所述真实场景数据库包括若干真实场景视频信息，利用视频影像分析软件追踪数据库中视频人群，得到视频中人群的个体运动轨迹。

3.如权利要求1所述的方法，其特征在于，所述计算个体间的相异度为计算两个个体运动轨迹的相异度，得到个体运动轨迹相异度矩阵。

4.如权利要求3所述的方法，其特征在于，在该方法中，根据同一视频中计算出的个体运动轨迹相异度矩阵计算得到小团体及小团体内部矩阵，并据此计算小团体之间动态相异度矩阵。

5.如权利要求1所述的方法，其特征在于，在该方法中，所述初始化信息包括场景范围、场景出口以及场景内障碍物的坐标，人群的位置和个体间的相异度，以及小团体之间的相异度。

6.如权利要求1所述的方法，其特征在于，在该方法中，仿真结果包括每个场景内每个个体到达选定出口的运动路径，对每个场景内每个个体到达选定出口的运动路径进行渲染并实时展示仿真效果。

7.如权利要求1所述的方法，其特征在于，在该方法中，仿真结果还包括疏散人数、疏散时间、疏散路径，将仿真结果导出并保存。

8.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行根据权利要求1-7中任一项所述的方法。

9.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令用于执行根据权利要求1-7中任一项所述的方法。