CN110969561A - 密集人群应急疏散方法 - Google Patents
密集人群应急疏散方法 Download PDFInfo
- Publication number
- CN110969561A CN110969561A CN201911388166.4A CN201911388166A CN110969561A CN 110969561 A CN110969561 A CN 110969561A CN 201911388166 A CN201911388166 A CN 201911388166A CN 110969561 A CN110969561 A CN 110969561A
- Authority
- CN
- China
- Prior art keywords
- escape
- people
- density
- evacuation
- crowd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims description 48
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 201000004569 Blindness Diseases 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 101100356682 Caenorhabditis elegans rho-1 gene Proteins 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种密集人群应急疏散方法，其中，该方法包括：获取建筑物内各逃生通道处的实时人流信息；根据各逃生通道处的人流信息，分别分析建筑物各逃生通道内的人流密度；根据预存的建筑物结构信息及各逃生通道的结构分布信息，并结合各逃生通道内的人流密度，确定疏散路线；分别向各个输出终端传输并公告所述疏散路线。在密集人群聚集场所发生事故时，本发明可干预并帮助大规模群众有序疏散逃脱，进行风险报警，检测被困人员并方便实施救援等功能，避免密集人群逃生时的单一性和盲目性，以减少突发事故的人员伤亡。
Description
技术领域
本发明涉及应急疏散技术领域，特别地涉及一种密集人群应急疏散方法。
背景技术
随着我国城市化进程的逐渐推进，大量人口涌入城市，各公共场所的人员密集程度大大增加，在聚众集会、商场、或办公楼等人员密集的场所发生拥堵踩踏的次数和风险不断增加。同时，我国经济一直保持高速稳定发展，城市发展已进入快速增长期，城市规模迅速膨胀，各种高层、大型的建筑物也因备受青睐而日益增多，从而导致人员过于稠密，发生突发事件后由于过度拥挤踩踏而造成人员伤亡的事件屡屡发生。因此，如何检测人流密度，分析逃生通道以及影响疏散安全的主要因素，规划最佳疏散方案，组织和引导人员逃生，是亟待解决的问题。
传统技术多聚焦于特定条件下的大规模演练及人群疏散仿真模拟，例如中国专利CN105740514A公开了一种大规模人群疏散计算机仿真系统及其方法。然而，由于各疏散场所之间距离远近不一，且疏散场所道路出口复杂多变，人群的疏散具有一定的盲从性和随机性，导致有的通道出口容纳人数较多，有的人较少。因此，很难进行具体确定的模拟和仿真。
中国专利CN103830855A公开了一种针对大型公共建筑的动态消防应急疏散指示系统。然而，该专利描述中，仅考虑距离的疏散方式，但在人群比较密集区域也有可能发生拥堵从而延长疏散时间，造成更大的损失。由于大型建筑的安全通道、安全出口数量众多，且疏散人数不一，所以造成在人群疏散过程中很难根据疏散场所的情况进行更好的人员疏散，因而当人群遭遇突发事件受到惊吓，产生恐慌后，极易在无组织无目的的逃生中出现惊慌失措、相互拥挤踩踏的失控局面。应急安全疏散应确保所有人员在最快时间内均能到达安全的场所，而且疏散不会因为高密度人群的拥挤引起长时间滞留、乃至更为严重的踩踏伤亡事故。
因此，如何解决密集人群逃生的单一性和盲目性，成为本领域技术人员亟待解决的技术问题。
发明内容
针对现有技术中存在的上述技术问题，本发明的目的在于提供一种密集人群应急疏散方法，其可通过利用诸如摄像装置模组等建筑物内的现有监控设备拍摄各逃生通道及相关位置的视频等信息，获取一些特定场所和特定通道的人流密度，再结合建筑物结构图，使用诸如单片机等控制模块分析并确定便于人群疏散的合理有效疏散路线，再利用诸如WIFI传输等无线和/或有线传输方式将疏散路线传输到输出终端并公告，例如通过输出终端的语音广播指挥、路径导向标识引导等，组织人群根据疏散路线有序撤离和疏散，引导人群快速到达安全出口，不再盲目聚集和拥挤，从而避免密集人群逃生时的单一性和盲目性。通过上述密集人群应急疏散方法，可以在密集人群聚集场所发生事故时，干预并帮助大规模群众疏散逃脱，进行风险报警，检测被困人员并方便实施救援等功能，以减少突发事故的人员伤亡。
在此强调，除非另有说明，本文所用术语与本领域中各种科技术语的通常含义、各种技术词典、教科书等中定义的专业术语的含义一致。
一方面，根据本发明一实施例，提供一种密集人群应急疏散方法，其中，所述方法包括：
获取建筑物内各逃生通道处的实时人流信息；
根据各逃生通道处的人流信息，分别分析所述建筑物各逃生通道内的人流密度；
根据预存的所述建筑物结构信息及各逃生通道的结构分布信息，并结合各逃生通道内的人流密度，确定疏散路线；
分别向各个输出终端传输并公告所述疏散路线。
进一步地，所述的获取所述建筑物内各逃生通道处的实时人流信息的步骤可包括：
借助于建筑物的摄像监控网络系统，采集相关人流视频。
进一步地，在采集相关人流视频后，所述的获取所述建筑物内各逃生通道处的实时人流信息的步骤还可包括：
将采集的人流视频信息通过无线或有线方式进行视频传输。
进一步地，在通过无线方式进行视频传输的情况下，在控制模块与每个摄像装置的WIFI模块之间通过WIFI信号连接以形成内网，然后进行视频数据传输。另外，在摄像装置距离控制模块足够近的情况下，可通过数据线方式进行视频传输。
进一步地，获取的实时人流信息可包括各逃生通道处的每个人头位置。
进一步地，所述的分别分析所述建筑物各逃生通道内的人流密度的步骤可包括：
基于密度图回归的人群密度检测网络MCNN(Multi-column ConvolutionalNeural Network，多列卷积神经网络)，获得各逃生通道处的人数，其中，根据获得的各逃生通道处的每个人头位置，估计各人头位置所在人头的面积大小，以得到各人头的覆盖区域，通过几何自适应高斯核，将各人头的覆盖区域转化为各覆盖区域内的人头概率，各覆盖区域的概率和为1，从而得到网络生成的人流密度图，获得各逃生通道处的人流密度。
人群密度检测网络MCNN的特点在于可以使用多种尺度的卷积核来适应不同尺度的人头大小。最后将卷积神经网络进行合并，得到网络生成的密度图。
进一步地，在所述的在分别向各个输出终端传输所述疏散路线的步骤后，所述密集人群应急疏散方法还可包括：
根据实时人流信息，判断各逃生通道处的人流密度是否超过预设阈值；
如果判断各逃生通道的人流密度小于预设阈值，则根据各逃生通道的人流密度计算出人群通过的大致时间，并实时监控人流密度值是否超过预设阈值；
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则执行报警，并标注相关路径，然后对所述相关路径人群进行分流疏散。
进一步地，所述密集人群应急疏散方法还可包括：
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则减小所述特定逃生通道的预设时间，并持续监控所述特定逃生通道的人流密度变化情况；
在持续监控所述特定逃生通道的人流密度变化情况的期间，判断所述特定逃生通道的人流密度是否减小到预设阈值以下，以确定逃生路线，其中，如果所述特定逃生通道的人流密度小于预设阈值，取消对所述相关路径的标注，并设置允许通过提示；如果所述特定逃生通道的人流密度大于或等于预设阈值，持续标注所述相关路径，并在所述相关路径所处区域发出警告，且在规划逃生路线时设置所述相关路径不可通行。
进一步地，所述的确定逃生路线步骤可包括：
结合人群主要聚集地和各逃生通道的分布情况，借助于计算机分析，提供路径规划，以建立合理有效的逃生路线。
进一步地，所述的分别向各个输出终端传输所述疏散路线的步骤可包括：
在获取各逃生路线后，将疏散方案及结果发送到各输出终端进行公告。
另一方面，本发明另一实施例，提供一种密集人群疏散系统，其中，所述密集人群疏散系统包括：
人群信息获取模块，其用于获取建筑物内各逃生通道处的实时人流信息；
传输模块，其用于根据需要以无线或有线方式传输信息；
控制模块，其用于根据预存的所述建筑物结构信息及各逃生通道的结构分布信息，结合从人群信息获取模块发送并通过传输模块传输的人流信息，进行分析，进而确定并发送疏散路线；
输出终端模块，其用于将控制模块发送并通过传输模块传输的所述疏散路线的信息输出给人群。
进一步地，控制模块可包括单片机。
进一步地，控制模块还可包括信息接收和发送模块，其用于从传输模块接收采集到的人流信息，并将所述疏散路线的信息发送到输出终端模块。
进一步地，人群信息获取模块还可包括图像截取模块，其用于采集人流视频，以供控制模块进行图像分析。
进一步地，图像截取模块可包括设置在各逃生通道处的摄像装置，其用于实时拍摄逃生通道内的人流视频信息，并将人流视频传输到控制模块。
优选地，传输模块可包括无线传输模块，其中无线传输模块采用WIFI传输模块。
优选地，传输模块可包括有线传输模块，其中有线传输模块采用数据线传输模块。在摄像装置距离控制模块足够近的情况下，可通过数据线方式进行视频传输。
进一步地，控制模块还可包括判断模块，其用于判断逃生通道处的人流密度是否超过预设阈值。
进一步地，控制模块还可包括分析模块，其用于根据所述建筑物的各逃生通道的分布、各逃生通道的距离和各逃生通道内的人流密度确定所述疏散路线。
进一步地，输出终端模块可包括与控制模块连接的路径导向标识设备、视频显示设备、语音广播设备、或供工作人员使用的小型输出装置。
根据本发明实施例提供的密集人群应急疏散方法可具有如下有益效果：
根据本发明实施例提供的密集人群应急疏散方法，可根据建筑物内各逃生通道处的实时人流信息，调整并确定合适有效的各逃生路线，然后通过相应的输出终端来达到分化人员流向，安抚人群情绪，使得人群可适当选择和分散到各逃生路径，被引导和组织有序撤离，以快速到达安全出口，从而进行更好的人群疏散，提高人群疏散效率，从而避免密集人群逃生时的单一性和盲目性。
进而，通过上述密集人群应急疏散方法，可以在密集人群聚集场所发生事故时，干预并帮助大规模群众疏散逃脱，进行风险报警，检测被困人员并方便实施救援等功能，以减少突发事故的人员伤亡。
本发明可应用于诸如大型集会、商场办公楼等场所的行人疏散。
简言之，密集人群疏散是一项大规模的、集成多功能的系统工程，通过应用本发明，可在先期疏散，中期撤离，后期救援等多方面提供有效信息，从而可实现减少群众伤亡、降低救援难度的有益效果。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示意性示出根据本发明一实施例的密集人群应急疏散方法的流程图；
图2示意性示出应用图1的密集人群应急疏散方法的密集人群疏散系统；以及
图3示意性示出可应用于图2的密集人群疏散系统中的MCNN网络结构。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，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它实施例，都属于本发明保护的范围。
以下结合附图，详细说明根据本发明实施例提供的技术方案。
参见图1，一方面，根据本发明一实施例，提供一种密集人群应急疏散方法，其中，所述方法包括：
获取建筑物内各逃生通道处的实时人流信息；
根据各逃生通道处的人流信息，分别分析所述建筑物各逃生通道内的人流密度；
根据预存的所述建筑物结构信息及各逃生通道的结构分布信息，并结合各逃生通道内的人流密度，确定疏散路线；
分别向各个输出终端传输并公告所述疏散路线。
进一步地，所述的获取所述建筑物内各逃生通道处的实时人流信息的步骤可包括：借助于建筑物的摄像监控网络系统，采集相关人流视频。例如，可借助于各个摄像装置采集人流视频，每个摄像装置均需要安置在每个通道处，以对各通道处的人群信息进行采集。每个摄像装置均可实时拍摄人流视频，并且将视频文件实时传输到控制模块。
在一实施例中，获取的实时人流信息可包括各逃生通道处的每个人头位置。
进一步地，在采集相关人流视频后，所述的获取所述建筑物内各逃生通道处的实时人流信息的步骤还可包括：将采集的人流视频信息通过无线或有线方式进行视频传输。
优选地，在通过无线方式进行视频传输的情况下，在控制模块与每个摄像装置的WIFI(无线上网)模块之间可通过WIFI信号连接以形成内网，然后进行视频数据传输。可选地，在摄像装置距离控制模块足够近的情况下，可通过数据线方式进行视频传输，当然也可根据情况采用无线传输方式。
进一步地，所述的分别分析所述建筑物各逃生通道内的人流密度的步骤可包括：
基于密度图回归的人群密度检测网络MCNN，获得各逃生通道处的人数，其中，根据获得的各逃生通道处的每个人头位置，估计各人头位置所在人头的面积大小，以得到各人头的覆盖区域，通过几何自适应高斯核，将各人头的覆盖区域转化为各覆盖区域内的人头概率，各覆盖区域的概率和为1，从而得到网络生成的人流密度图，获得各逃生通道处的人流密度。
例如，对于一个有N个人头标注的人群图像来说，可以表示为H(x)函数(其实得到的就是人群图像标注表示)：
x表示图像坐标，xi表示人头中心坐标位置，用δ(x-xi)函数表示单个人头转化的连续密度函数，i为各个单位区域代号，N表示大于零的自然数；
其中，F(x)表示连续密度函数，其中
所表示的就是高斯核，σi为高斯核标准差，β是个定值，在这里取0.3，其中，
因此，
表示图像中序号为i的该人头距离其k邻近人头的欧式距离和的平均，
也是用于表示估计的人头面积大小，K表示大于零的自然数。
在用人群密度图表示的时候，使用二维高斯核时，需要设定高斯核大小用以表示估计的人头大小。
MCNN的多列主要体使用了三列卷积神经网络，表示为：
L列(使用大尺度卷积核：(9×9)，(7×7)，(7×7)，(7×7))
M列(使用中等尺度卷积核：(7×7)，(5×5)，(5×5)，(5×5))
S列(使用小尺度卷积核：(5×5)，(3×3)，(3×3)，(3×3))
其目的在于使用多种尺度的卷积核来适应不同尺度的人头大小。最后将L、M、S三列卷积神经网络进行合并，得到网络生成的密度图。同时MCNN也是比较轻量级的，网络参数少。
对于训练集的标注，如图3所示MCNN实际的下采样1，累积系数为4，因此网络输出的密度图也是原图宽高的1/4，在制作其作为训练数据的标签密度图时，除了要制作为原图1/4的密度图外，几何自适应高斯核相关的的限制，也要相应为1/4，网络输出的密度图将限制在100/4＝25个像素之内。
MCNN采用的如下公式的损失函数L(Θ)，L2范数的平方
其中，Θ是需要训练得出的参数集，F(xi；Θ)为连续密度函数。
假设建筑物的特定区域内有m个出口分别为A，B，C......，其中每个单位区域从不同出口逃出分别记为代号a，b，c......，将逃生通道和场地区域每五平方米作为一个单位区域，其单位区域中的人员密度分别为ρ1，ρ2，ρ3，ρ4......ρn，每个单位区域到各出口的距离分别为Lk1，Lk2，Lk3...Lkn(k分别取a，b，c...)；所有人逃生共用的总时间为：
其中，T表示总时间，v表示预估人群疏散速度，为一固定值，k为各个出口的代号，i为各个单位区域代号，L为i单位区域到k出口的距离，每个k有m种取值；
对于某一时刻单位面积的人应该走向哪一个出口，通过对每一个单位i，尝试取所有的k值，当疏散总时间T取得最小值且满足限制条件时，将这组k值(即人群所应疏散的出口)将作为最优解，传输给执行装置。
然后，可将分析结果通过例如WiFi等传输方式传输传到相应的输出终端。
进一步地，在所述的在分别向各个输出终端传输所述疏散路线的步骤后，所述密集人群应急疏散方法还可包括：
根据实时人流信息，判断各逃生通道处的人流密度是否超过预设阈值；
如果判断各逃生通道的人流密度小于预设阈值，则根据各逃生通道的人流密度计算出人群通过的大致时间，并实时监控人流密度值是否超过预设阈值；
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则执行报警，并标注相关路径，然后对所述相关路径人群进行分流疏散。
进一步地，所述密集人群应急疏散方法还可包括：
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则减小所述特定逃生通道的预设时间，并持续监控所述特定逃生通道的人流密度变化情况；
在持续监控所述特定逃生通道的人流密度变化情况的期间，判断所述特定逃生通道的人流密度是否减小到预设阈值以下，以确定逃生路线，其中，如果所述特定逃生通道的人流密度小于预设阈值，取消对所述相关路径的标注，并设置允许通过提示；如果所述特定逃生通道的人流密度大于或等于预设阈值，持续标注所述相关路径，并在所述相关路径所处区域发出警告，且在规划逃生路线时设置所述相关路径不可通行。
进一步地，所述的确定逃生路线步骤可包括：结合人群主要聚集地和各逃生通道的分布情况，借助于计算机分析，提供路径规划，以建立合理有效的逃生路线。
进一步地，所述的分别向各个输出终端传输所述疏散路线的步骤可包括：在获取各逃生路线后，将疏散方案及结果发送到各输出终端进行公告。
在一实施例中，当爆发突发情况时，可利用诸如摄像装置模组等监控设备采集密集人流信息，然后借助于单片机对摄像装置模组采集的视频进行分析，切实可行的对突发情况时人群的位置、密度进行检测，以WIFI传输做条件，诸如路径导向标识等智能导向牌等输出终端做辅助进行人流疏散和引导，从而实现以计算机分析控制为中心的综合人群应急避难方法。
另一方面，参见图2，根据本发明另一实施例，提供一种密集人群疏散系统，其中，所述密集人群疏散系统包括：
人群信息获取模块，其用于获取建筑物内各逃生通道处的实时人流信息；
传输模块，其用于根据需要以无线或有线方式传输信息；
控制模块，其用于根据预存的所述建筑物结构信息及各逃生通道的结构分布信息，结合从人群信息获取模块发送并通过传输模块传输的人流信息，进行分析，进而确定并发送疏散路线；
输出终端模块，其用于将控制模块发送并通过传输模块传输的所述疏散路线的信息输出给人群。
进一步地，控制模块基于计算机系统进行分析，可包括单片机。例如，单片机可选用开源电子原型平台Arduino。
进一步地，控制模块还可包括信息接收和发送模块，其用于从传输模块接收采集到的人流信息，并将所述疏散路线的信息发送到输出终端模块。例如，信息接收和发送模块可包括路由器。
进一步地，人群信息获取模块还可包括图像截取模块，其用于采集人流视频，以供控制模块进行图像分析。
进一步地，图像截取模块可包括设置在各逃生通道处的摄像装置，其用于实时拍摄逃生通道内的人流视频信息，并将人流视频传输到控制模块。人流信息的视频收集，可利用建筑物各场所中部署的监控网络执行。例如，可借助于各个摄像装置采集人流视频，每个摄像装置均需要安置在每个通道处，以对各通道处的人群信息进行采集。每个摄像装置均可实时拍摄视频，并且将视频文件实时传输到控制模块。
优选地，传输模块可包括无线传输模块，其中无线传输模块采用WIFI传输模块。例如，可将采集到的人流信息通过WiFi传输传到计算机或控制模块，然后，计算机截取视频进行路径分析，然后，将分析结果通过WiFi传输传到相应的输出终端。
优选地，传输模块还可包括有线传输模块，其中有线传输模块采用数据线传输模块。可选地，在摄像装置距离控制模块足够近的情况下，可通过数据线方式进行视频传输，当然也可采用无线传输方式。
在一实施例中，用于拍摄人流视频的监控摄像装置可与诸如Arduino的单片机配合使用，然后通过WIFI模块进行视频传输。控制模块的路由器可发射WIFI信号，由每个摄像装置的WIFI模块进行连接，形成内网，然后进行视频数据传输。控制模块可通过路由器进行视频接收，然后再对人群密度进行分析，再做结果分析，确定逃生路线。
进一步地，控制模块还可包括判断模块，其用于判断逃生通道处的人流密度是否超过预设阈值。
进一步地，控制模块还可包括分析模块，其用于根据所述建筑物的各逃生通道的分布、各逃生通道的距离和各逃生通道内的人流密度确定所述疏散路线。
进一步地，输出终端模块可包括与控制模块连接的路径导向标识设备、视频显示设备、语音广播设备、或供工作人员使用的小型输出装置。
以下举例描述根据本发明一实施例的密集人群应急疏散方法、以及根据本发明另一实施例的应用该密集人群应急疏散方法的密集人群应急疏散系统。
首先，可借助于设置于建筑物内的监控网络采集有关区域的实时人流信息视频。例如，监控网络可包括各逃生通道处的摄像装置。
下一步，可将采集到的人流信息视频通过WiFi实时传输传到控制模块。例如，控制模块可包括计算机和路由器，其中，拍摄视频的监控摄像装置可配合单片机，例如Arduino，然后通过WIFI模块视频传输到控制模块的路由器，且如果摄像装置距离控制终端较近，可选用数据线的方式进行视频传输。
下一步，在路由器接收视频后，计算机可截取视频，并进行人流密度和逃生路径分析。
例如，关于图像分析，假设摄像装置所采集的视频为1080P/30fps，那么一分钟所输出的图像为30×60＝1800个，从中抽取60个，即每1秒抽取一个图片，然后对图像的人群进行人群密度分析。
可通过基于密度图回归的人群密度检测网络(MCNN)，例如前述的使用多种尺度的卷积核来适应不同尺度的人头面积大小的方法。
如图3所示，可将采集到的视频资源每秒取样，对取得的图片作为输入，并直接生成人群计数作为输出。使用基于密度图回归的人群密度检测网络(MCNN)，根据已知的每个人头位置，再估计各位置所在人头的面积大小，这样可以得到各人头的覆盖区域，通过几何自适应高斯核，将各覆盖区域转化为各覆盖区域内可能为人头的概率，该区域概率和为1，最终可以得到人群密度图。
然后，基于上述图像信息，判断各安全出口或各逃生通道的人群流量是否在可承受的范围内或预设阈值内，提示人群不要在等于或大于预设阈值的逃生通道处拥挤。
如果判断特定逃生通道的人群流量小于预设阈值根据各逃生通道的人流密度计算出人群通过的大致总时间，并实时监控人流密度值是否超过预设阈值。
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则执行报警，并用红色标注相关路径。为了使各逃生通道的中的特定逃生通道的人流密度小于预设阈值，可减小所述特定逃生通道的预设时间，并持续监控所述特定逃生通道的人流密度变化情况。在持续监控所述特定逃生通道的人流密度变化情况的期间，判断所述特定逃生通道的人流密度是否减小到预设阈值以下，以确定逃生路线，其中，如果所述特定逃生通道的人流密度小于预设阈值，取消对所述相关路径的标注，并设置允许通过提示；如果所述特定逃生通道的人流密度大于或等于预设阈值，持续标注所述相关路径，并在所述相关路径所处区域发出警告，且在规划逃生路线时设置所述相关路径不可通行。
下一步，控制模块根据预存的所述建筑物结构信息及各逃生通道的结构分布信息，并结合各逃生通道内的人流密度，确定疏散路线。
最后，计算机可将分析结果及逃生路线通过WiFi传输传到相应的输出终端，进行公告。
例如，输出终端可以是电视、显示器、投影显示设备、语音广播设备、路径导向标识设备、或供工作人员使用的小型输出装置等。该显示终端可安装在各个通道处，用于对各个人防工程的疏散情况进行显示或广播，或者在发生危险情况时，也可显示在该显示终端上，用于提醒人群注意安全疏散。亦可配备小型输出装置，以供在场工作人员随时查看，以组织人员有序撤离。
因此，在当密集人群聚集场所发生事故时，借助于本发明，可干预和帮助大规模群众有序疏散逃脱，使得人群不再盲目聚集和拥挤，并可进行风险报警，检测被困人员并方便对其实施救援，以减少突发事故的人员伤亡。
根据本发明实施例提供的密集人群应急疏散方法，可供人群选择逃生路径，以可供疏散人员参考，引导组织在场群众有序撤离，从而进行更好的人群疏散，提高了人群疏散的效率，为密集人群的疏散工作提供有力保障。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是：以上实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种密集人群应急疏散方法，其特征在于，包括如下步骤：
获取建筑物内各逃生通道处的实时人流信息；
根据各逃生通道处的人流信息，分别分析所述建筑物各逃生通道内的人流密度；
根据预存的所述建筑物结构信息及各逃生通道的结构分布信息，并结合各逃生通道内的人流密度，确定疏散路线；
分别向各个输出终端传输并公告所述疏散路线。
2.根据权利要求1所述的密集人群疏散方法，其特征在于，所述的获取建筑物内各逃生通道处的实时人流信息的步骤包括：
借助于建筑物的摄像监控网络系统，采集相关人流视频。
3.根据权利要求2所述的密集人群疏散方法，其特征在于，在采集相关人流视频后，所述的获取建筑物内各逃生通道处的实时人流信息的步骤还包括：
将采集的人流视频信息通过无线或有线方式进行视频传输。
4.根据权利要求3所述的密集人群疏散方法，其特征在于，在通过无线方式进行视频传输的情况下，在控制模块与每个摄像装置的WIFI模块之间通过WIFI信号连接以形成内网，然后进行视频数据传输；优选地，在摄像装置距离控制模块足够近的情况下，通过数据线方式进行视频传输。
5.根据权利要求3或4所述的密集人群应急疏散方法，其特征在于，获取的实时人流信息包括各逃生通道处的每个人头位置。
6.根据权利要求5所述的密集人群应急疏散方法，其特征在于，所述的分别分析所述建筑物各逃生通道内的人流密度的步骤包括：
基于密度图回归的人群密度检测网络MCNN，获得各逃生通道处的人数，其中，根据获得的各逃生通道处的每个人头位置，估计各人头位置所在人头的面积大小，以得到各人头的覆盖区域，通过几何自适应高斯核，将各人头的覆盖区域转化为各覆盖区域内的人头概率，各覆盖区域的概率和为1，从而得到网络生成的人流密度图，获得各逃生通道处的人流密度。
7.根据权利要求6所述的密集人群应急疏散方法，其特征在于，在所述的在分别向各个输出终端传输所述疏散路线的步骤后，所述密集人群应急疏散方法还包括：
根据实时人流信息，判断各逃生通道处的人流密度是否超过预设阈值；
如果判断各逃生通道的人流密度小于预设阈值，则根据各逃生通道的人流密度计算出人群通过的大致时间，并实时监控人流密度值是否超过预设阈值；
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则执行报警，并标注相关路径，然后对所述相关路径人群进行分流疏散。
8.根据权利要求7所述的密集人群应急疏散方法，其特征在于，还包括：
如果判断各逃生通道的中的特定逃生通道的人流密度大于或等于预设阈值，则减小所述特定逃生通道的预设时间，并持续监控所述特定逃生通道的人流密度变化情况；
在持续监控所述特定逃生通道的人流密度变化情况的期间，判断所述特定逃生通道的人流密度是否减小到预设阈值以下，以确定逃生路线，其中，如果所述特定逃生通道的人流密度小于预设阈值，取消对所述相关路径的标注，并设置允许通过提示；如果所述特定逃生通道的人流密度大于或等于预设阈值，持续标注所述相关路径，并在所述相关路径所处区域发出警告，且在规划逃生路线时设置所述相关路径不可通行。
9.根据权利要求8所述的密集人群应急疏散方法，其特征在于，所述的确定逃生路线步骤包括：
结合人群主要聚集地和各逃生通道的分布情况，借助于计算机分析，提供路径规划，以建立合理有效的逃生路线。
10.根据权利要求9所述的密集人群应急疏散方法，其特征在于，所述的分别向各个输出终端传输所述疏散路线的步骤包括：
在获取各逃生路线后，将疏散方案及结果发送到各输出终端进行公告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911388166.4A CN110969561A (zh) | 2019-12-23 | 2019-12-23 | 密集人群应急疏散方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911388166.4A CN110969561A (zh) | 2019-12-23 | 2019-12-23 | 密集人群应急疏散方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110969561A true CN110969561A (zh) | 2020-04-07 |
Family
ID=70037215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911388166.4A Pending CN110969561A (zh) | 2019-12-23 | 2019-12-23 | 密集人群应急疏散方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969561A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523624A (zh) * | 2020-04-26 | 2020-08-11 | 京东方科技集团股份有限公司 | 一种人群分流引导系统 |
| CN111611749A (zh) * | 2020-05-25 | 2020-09-01 | 山东师范大学 | 基于rnn的室内人群疏散自动引导仿真方法及系统 |
| CN111982092A (zh) * | 2020-07-31 | 2020-11-24 | 华南理工大学 | 一种基于行人识别装置的化工园区应急疏散路线规划系统 |
| CN113408857A (zh) * | 2021-05-24 | 2021-09-17 | 柳州东风容泰化工股份有限公司 | 一种硫代乙酸泄漏应急处理的管理方法及系统 |
| CN113537172A (zh) * | 2021-09-16 | 2021-10-22 | 长沙海信智能系统研究院有限公司 | 人群密度确定方法、装置、设备及存储介质 |
| CN113642362A (zh) * | 2020-05-11 | 2021-11-12 | 广东毓秀科技有限公司 | 用于密集场所智能逃生的人群密度估计方法 |
| CN113813410A (zh) * | 2020-06-19 | 2021-12-21 | 霍尼韦尔国际公司 | 在建筑中使用智能占用检测和控制以减少疾病传播 |
| CN114120555A (zh) * | 2021-11-18 | 2022-03-01 | 天津塔米智能科技有限公司 | 一种用于人员疏散的方法、装置、电子设备及存储介质 |
| CN116167901A (zh) * | 2022-11-26 | 2023-05-26 | 中国消防救援学院 | 一种基于计算机技术的消防应急演练方法及系统 |
| CN116663755A (zh) * | 2023-05-24 | 2023-08-29 | 宏威智慧科技(广东)有限公司 | 基于数据分析的紧急疏散监控管理系统 |
| CN113813410B (zh) * | 2020-06-19 | 2024-06-04 | 霍尼韦尔国际公司 | 在建筑中使用智能占用检测和控制以减少疾病传播 |
-
2019
- 2019-12-23 CN CN201911388166.4A patent/CN110969561A/zh active Pending
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523624A (zh) * | 2020-04-26 | 2020-08-11 | 京东方科技集团股份有限公司 | 一种人群分流引导系统 |
| CN113642362A (zh) * | 2020-05-11 | 2021-11-12 | 广东毓秀科技有限公司 | 用于密集场所智能逃生的人群密度估计方法 |
| CN111611749A (zh) * | 2020-05-25 | 2020-09-01 | 山东师范大学 | 基于rnn的室内人群疏散自动引导仿真方法及系统 |
| CN111611749B (zh) * | 2020-05-25 | 2023-05-05 | 山东师范大学 | 基于rnn的室内人群疏散自动引导仿真方法及系统 |
| CN113813410A (zh) * | 2020-06-19 | 2021-12-21 | 霍尼韦尔国际公司 | 在建筑中使用智能占用检测和控制以减少疾病传播 |
| CN113813410B (zh) * | 2020-06-19 | 2024-06-04 | 霍尼韦尔国际公司 | 在建筑中使用智能占用检测和控制以减少疾病传播 |
| CN111982092A (zh) * | 2020-07-31 | 2020-11-24 | 华南理工大学 | 一种基于行人识别装置的化工园区应急疏散路线规划系统 |
| CN113408857A (zh) * | 2021-05-24 | 2021-09-17 | 柳州东风容泰化工股份有限公司 | 一种硫代乙酸泄漏应急处理的管理方法及系统 |
| CN113537172B (zh) * | 2021-09-16 | 2021-12-10 | 长沙海信智能系统研究院有限公司 | 人群密度确定方法、装置、设备及存储介质 |
| CN113537172A (zh) * | 2021-09-16 | 2021-10-22 | 长沙海信智能系统研究院有限公司 | 人群密度确定方法、装置、设备及存储介质 |
| CN114120555A (zh) * | 2021-11-18 | 2022-03-01 | 天津塔米智能科技有限公司 | 一种用于人员疏散的方法、装置、电子设备及存储介质 |
| CN116167901A (zh) * | 2022-11-26 | 2023-05-26 | 中国消防救援学院 | 一种基于计算机技术的消防应急演练方法及系统 |
| CN116167901B (zh) * | 2022-11-26 | 2024-04-26 | 中国消防救援学院 | 一种基于计算机技术的消防应急演练方法及系统 |
| CN116663755A (zh) * | 2023-05-24 | 2023-08-29 | 宏威智慧科技(广东)有限公司 | 基于数据分析的紧急疏散监控管理系统 |
| CN116663755B (zh) * | 2023-05-24 | 2023-11-28 | 宏威智慧科技(广东)有限公司 | 基于数据分析的紧急疏散监控管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110969561A (zh) | 密集人群应急疏散方法 | |
| CN109886096B (zh) | 一种智慧旅游监管及安全应急管理联动指挥系统 | |
| CN111144291B (zh) | 基于目标检测的视频监控区域人员入侵判别方法及装置 | |
| CN107071342B (zh) | 一种异常事件自动推送及基于历史操作的监控方法及系统 | |
| KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
| CN110769195B (zh) | 输电线路施工现场违章智能监控识别系统 | |
| KR101514696B1 (ko) | 교량 안전사고 관리시스템 | |
| CN108877024B (zh) | 一种共用文明排队系统及其排队方法 | |
| JP3924171B2 (ja) | 監視対象物を識別する監視装置 | |
| CN107274003A (zh) | 一种智慧消防管理系统及其控制方法 | |
| KR101036947B1 (ko) | 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템 | |
| CN110111515A (zh) | 一种边界入侵检测方法、装置、服务器及系统 | |
| CN112112629A (zh) | 一种钻井作业过程中的安全业务管理系统和方法 | |
| KR100900494B1 (ko) | 이동체 움직임 추적 시스템 및 그 제어방법 | |
| KR101656642B1 (ko) | 영상을 이용한 집단 행동 분석 방법 | |
| CN110809137A (zh) | 一种校园安全防踩踏监控系统及方法 | |
| CN111652128B (zh) | 一种高空电力作业安全监测方法、系统和存储装置 | |
| KR102336258B1 (ko) | 사고 발생 판별을 통한 사고 처리를 위한 ｙｏｌｏ 기반 모니터링 시스템 | |
| KR101695127B1 (ko) | 영상을 이용한 집단 행동 분석 방법 | |
| KR101542134B1 (ko) | 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법 | |
| CN117295012A (zh) | 一种高测量精度的室内定位系统 | |
| CN115798133A (zh) | 一种火焰报警方法、装置、设备及存储介质 | |
| CN106781210A (zh) | 基于空间封闭性的火灾中烟的识别方法 | |
| KR102588080B1 (ko) | Cctv영상분석방법 및 시스템 | |
| KR20210158037A (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |