CN111259801A - 一种轨迹预测的人流冲突调节方法和系统 - Google Patents
一种轨迹预测的人流冲突调节方法和系统 Download PDFInfo
- Publication number
- CN111259801A CN111259801A CN202010048954.5A CN202010048954A CN111259801A CN 111259801 A CN111259801 A CN 111259801A CN 202010048954 A CN202010048954 A CN 202010048954A CN 111259801 A CN111259801 A CN 111259801A
- Authority
- CN
- China
- Prior art keywords
- crowd
- people
- track
- flow
- trajectory
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 230000001360 synchronised effect Effects 0.000 claims description 12
- 238000005065 mining Methods 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种轨迹预测的人流冲突调节方法和系统,该方法包括:获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群;根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征;根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果;根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。该方法能够提前预测人流冲突,及时对人流冲突进行处置疏导,维护通行秩序与公共安全。
Description
技术领域
本发明涉及轨迹预测领域,具体是一种轨迹预测的人流冲突调节方法和系统。
背景技术
在交通枢纽、景区热点等地方有可能发生人流的冲突,造成拥堵、滞留、混乱等情况,危害正常的通行秩序和公共安全。现有技术中只有当监视到人流冲突时才能进行处置疏导,存在比较大的滞后性。
因此,如何提前预测人流冲突,及时对人流冲突进行处置疏导,维护通行秩序与公共安全是本领域技术人员亟待解决的问题。
发明内容
鉴于上述问题,本发明的目的是为了解决现有技术中对人流冲突的处理疏导存在较大的滞后性,危害正常的通行秩序和公共安全的问题。
本发明实施例提供一种轨迹预测的人流冲突调节方法,包括:
获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群;
根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征;
根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果;
根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。
在一个实施例中,获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群,包括:
获取公共空间的场景视频画面,提取并识别所述场景视频画面中人脸图像;
确定所述人脸图像的临时ID与位置属性;
根据所述人脸图像的位置属性,将所述位置属性接近且具有同步性的人物聚合为小规模人流。
在一个实施例中,根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征,包括:
选取所述公共空间中每个摄像机的拍摄范围作为人流的轨迹点;
将所述人流的轨迹点进行连接,生成人群的所述人流轨迹;
根据所述人流轨迹,分析所述人流轨迹的运行特征。
在一个实施例中,所述运行特征,包括:
移动速度、空间变化尺度、在每个轨迹点的平均停滞时长、人流轨迹的方向一致性程度。
在一个实施例中,根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果,包括:
将所述当前人群的人流轨迹与所述历史人群的人流轨迹记录进行比对,确定与所述当前人群的人流轨迹同步的历史人群;
基于与所述当前人群的人流轨迹同步的历史人群,获取与所述当前人群的运行特征相似度最高的历史人群,确定所述历史人群后续的人流轨迹;
根据所述历史人群后续的人流轨迹,对所述当前人群的后续人流轨迹进行预测,生成对人群流向的预测结果。
第二方面,本发明还提供一种轨迹预测的人流冲突调节系统,包括:
发掘模块,用于获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群;
分析模块,用于根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征;
生成模块,用于根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果;
预警模块,用于根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。
在一个实施例中,所述发掘模块,包括:
提取识别子模块,用于获取公共空间的场景视频画面,提取并识别所述场景视频画面中人脸图像;
确定子模块,用于确定所述人脸图像的临时ID与位置属性;
聚合子模块,用于根据所述人脸图像的位置属性,将所述位置属性接近且具有同步性的人物聚合为小规模人流。
在一个实施例中,所述分析模块,包括:
选取子模块,用于选取所述公共空间中每个摄像机的拍摄范围作为人流的轨迹点;
生成子模块,用于将所述人流的轨迹点进行连接,生成人群的所述人流轨迹;
分析子模块,用于根据所述人流轨迹,分析所述人流轨迹的运行特征。
在一个实施例中,所述分析子模块中的所述运行特征,包括:
移动速度、空间变化尺度、在每个轨迹点的平均停滞时长、人流轨迹的方向一致性程度。
在一个实施例中,所述生成模块,包括:
比对子模块,用于将所述当前人群的人流轨迹与所述历史人群的人流轨迹记录进行比对,确定与所述当前人群的人流轨迹同步的历史人群;
确定子模块,用于基于与所述当前人群的人流轨迹同步的历史人群,获取与所述当前人群的运行特征相似度最高的历史人群,确定所述历史人群后续的人流轨迹;
预测子模块,用于根据所述历史人群后续的人流轨迹,对所述当前人群的后续人流轨迹进行预测,生成对人群流向的预测结果。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种轨迹预测的人流冲突调节方法,本方法通过发掘小规模人群,缩小了对视频画面的处理量,提高了分析人流冲突的准确性;利用数据库中存储的经过公共空间的历史人群及其人流轨迹和运行特征的历史记录,通过将当前人群的人流轨迹和运行特征与历史人群的人流轨迹与运行特征进行比对,利用历史大数据完成了对当前人群流向的精准预测,能够通过对当前人群流向对人流冲突进行精准的判断,进而及时对人流冲突进行调节处理,维护正常的交通秩序与公共安全。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步地详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的一种轨迹预测的人流冲突调节方法的流程图;
图2为本发明实施例提供的步骤S101流程图;
图3为本发明实施例提供的场景视频画面中人脸图像的临时ID与位置属性示意图;
图4为本发明实施例提供的步骤S102流程图;
图5为本发明实施例提供的步骤S103流程图;
图6为本发明实施例提供的一种轨迹预测的人流冲突调节系统的框图;
图7为本发明实施例提供的发掘模块61的框图;
图8为本发明实施例提供的分析模块62的框图;
图9为本发明实施例提供的生成模块63的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示,本发明实施例提供的一种轨迹预测的人流冲突调节方法,该方法包括:步骤S101~S104;
S101、获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群。
具体的,通过安防摄像机拍摄公共空间的场景视频画面。
S102、根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征。
S103、根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果。
S104、根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。
具体的,根据当前公共空间中全部人群预测的后续人流轨迹,判断当公共空间的局部是否出现人流冲突,若发生人流冲突,则进行冲突调节,包括采取限流措施、提前布置疏导等。
本实施例中,通过发掘小规模人群,缩小了对视频画面的处理量,提高了分析人流冲突的准确性;利用数据库中存储的经过公共空间的历史人群及其人流轨迹和运行特征的历史记录,通过将当前人群的人流轨迹和运行特征与历史人群的人流轨迹与运行特征进行比对,利用历史大数据完成了对当前人群流向的精准预测,能够通过对当前人群流向对人流冲突进行精准的判断,进而及时对人流冲突进行调节处理,维护正常的交通秩序与公共安全。
在一个实施例中,参照图2-3所示,上述步骤S101中获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群,包括:
S1011、获取公共空间的场景视频画面,提取并识别所述场景视频画面中人脸图像。
具体的,从安防摄像机拍摄的场景视频的画面帧中,通过封闭边缘检测的方式从所述视频画面中提取并识别每个人物的人脸图像。
S1012、确定所述人脸图像的临时ID与位置属性。
例如,图3中的a区域显示该人脸图像的ID为1111,其位置属性为(x1,y1);b区域显示该人脸图像的ID为1222,其位置属性为(x2,y2),以此类推,图3中的所有人脸图像都设置有属于每个人脸图像的唯一临时ID与位置属性。
S1013、根据所述人脸图像的位置属性,将所述位置属性接近且具有同步性的人物聚合为小规模人流。
具体的,步骤S1013具体包括如下步骤:
(1)、从每一个场景视频画面帧包含的N个人脸图像中随机选择m个人脸图像(例如,m=4)作为初始聚合中心;
(2)、基于每个人脸图像的位置属性,根据其余人脸图像与上述初始聚合中心的距离值,将人脸图像归入最近的初始聚合中心所在的人群,生成第1轮的m个人群;
(3)、从m个人群中选取距离本人群内的人脸图像平均距离值最小的一个人脸图像,作为第1轮新的聚合中心;
(4)、将其它人脸图像根据与上述新的聚合中心的距离值归入最近的聚合中心所在的人群;
(5)、从每个人群中选取距离本人群内的人脸图像平均距离值最小的一个人脸图像作为新的聚合中心;
(6)、重复以上过程,直到每个人群归入的人脸图像不再变更,则本场景视频画面帧中的人群划分完成;
(7)、获取本场景视频画面帧中每个人群包含的人脸图像的临时ID;
(8)、对于公共空间的全部场景视频画面帧(可以多台安防摄像机拍摄,例如,可以针对公共空间安装多台安防摄像机,这些摄像机覆盖的拍摄范围相邻接),可以从上述全部场景视频画面帧中时间均匀地抽样出L个场景视频画面帧(例如均匀抽样50个场景视频画面帧);
(9)、如上述步骤(1)-(7),被抽样的每个场景视频画面帧均被划分为m个人群,即一共L*m个人群(例如一共有200个人群);
(10)、对于出现在这L个场景视频画面帧中全部的人脸图像临时ID,计算其中任意两个人脸图像临时ID的同步性值;
具体的,将两个人脸ID在L*m个人群中属于同一个人群的次数作为所述同步性值;
进一步的,将这L个画面帧中全部的人脸图像临时ID按照同步性值划分为最终的人群,保证在每个最终的人群中存在的人脸图像临时ID相互之间的同步性值均大于预设的同步性阈值。
(11)、将位置属性接近且具有同步性的人群聚合为一个小规模人群。
下面通过一个完整的实施例来说明计算其中任意两个人脸图像临时ID的同步性值的。
实施例1:
从全部场景视频画面帧中时间均匀地抽样出50个场景视频画面帧;
在50个场景视频画面帧中,每个场景视频画面帧划分为4个人群,共200个人群;
50个场景视频画面帧中存在A-H个人脸图像的临时ID,其中人脸图像的临时ID为A和B共同出现在200个人群中的180个人群中,则二者的同步性值为180;
计算A-B、A-C、A-D、A-E、A-F、A-H、B-C、B-D…B-H、C-D…G-H各自的同步性值;
划分最终的人群,将A-D划分为同一个人群,则A-B,A-C、A-D、B-C、B-D、C-D的同步性值均不低于同步性阈值。
本实施例中,通过人脸图像的位置属性将每个场景视频画面帧进行人群划分,进而计算每个人群中人脸图像临时ID的同步性值,对人群进一步的划分,使得生成的人群中的人数均匀且同一人群中的人流轨迹相近,缩小了对视频画面的处理量,提高了分析人流冲突的准确性。
在一个实施例中,参照图4所示,上述步骤S102中根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征,包括:
S1021、选取所述公共空间中每个摄像机的拍摄范围作为人流的轨迹点;
S1022、将所述人流的轨迹点进行连接,生成人群的所述人流轨迹;
S1023、根据所述人流轨迹,分析所述人流轨迹的运行特征。
具体的,所述运行特征,包括:移动速度、空间变化尺度、在每个轨迹点的平均停滞时长、人流轨迹的方向一致性程度。
其中,空间变化尺度用人群在公共空间中的移动距离表征,根据不同的场景设置不同的空间变化尺度(例如,在地铁站,人群移动距离为100-300m属于小尺度空间变化,大于300m属于大尺度空间变化)。
在一个实施例中,参照图5所示,上述步骤S103中根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果,包括:
S1031、将所述当前人群的人流轨迹与所述历史人群的人流轨迹记录进行比对,确定与所述当前人群的人流轨迹同步的历史人群;
S1032、基于与所述当前人群的人流轨迹同步的历史人群,获取与所述当前人群的运行特征相似度最高的历史人群,确定所述历史人群后续的人流轨迹;
S1033、根据所述历史人群后续的人流轨迹,对所述当前人群的后续人流轨迹进行预测,生成对人群流向的预测结果。
其中,在数据库中储存经过公共空间的历史人群及其人流轨迹和运行特征的历史记录。
本实施中,利用历史大数据完成了对当前人群流向的精准预测,能够通过对当前人群流向对人流冲突进行精准的判断,进而及时对人流冲突进行调节处理,维护正常的交通秩序与公共安全。
基于同一发明构思,本发明实施例还提供了一种轨迹预测的人流冲突调节系统,由于该装置所解决问题的原理与前述一种轨迹预测的人流冲突调节方法相似,因此该装置的实施可以参见前述方法的实施,重复之处不再赘述。
本发明实施例提供的一种轨迹预测的人流冲突调节系统,参照图6所示,包括:
发掘模块61,用于获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群。
具体的,通过安防摄像机拍摄公共空间的场景视频画面。
分析模块62,用于根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征。
生成模块63,用于根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果。
预警模块64,用于根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。
具体的,根据当前公共空间中全部人群预测的后续人流轨迹,判断当公共空间的局部是否出现人流冲突,若发生人流冲突,则进行冲突调节,包括采取限流措施、提前布置疏导等。
在一个实施例中,参照图7所示,所述发掘模块61,包括:
提取识别子模块611,用于获取公共空间的场景视频画面,提取并识别所述场景视频画面中人脸图像。
具体的,从安防摄像机拍摄的场景视频的画面帧中,通过封闭边缘检测的方式从所述视频画面中提取并识别每个人物的人脸图像。
确定子模块612,用于确定所述人脸图像的临时ID与位置属性;
聚合子模块613,用于根据所述人脸图像的位置属性,将所述位置属性接近且具有同步性的人物聚合为小规模人流。
在一个实施例中,参照图8所示,所述分析模块62,包括:
选取子模块621,用于选取所述公共空间中每个摄像机的拍摄范围作为人流的轨迹点;
生成子模块622,用于将所述人流的轨迹点进行连接,生成人群的所述人流轨迹;
分析子模块623,用于根据所述人流轨迹,分析所述人流轨迹的运行特征。
具体的,所述运行特征,包括:移动速度、空间变化尺度、在每个轨迹点的平均停滞时长、人流轨迹的方向一致性程度。
其中,空间变化尺度用人群在公共空间中的移动距离表征,根据不同的场景设置不同的空间变化尺度(例如,在地铁站,人群移动距离为100-300m属于小尺度空间变化,大于300m属于大尺度空间变化)。
在一个实施例中,参照图9所示,所述生成模块63,包括:
比对子模块631,用于将所述当前人群的人流轨迹与所述历史人群的人流轨迹记录进行比对,确定与所述当前人群的人流轨迹同步的历史人群;
确定子模块632,用于基于与所述当前人群的人流轨迹同步的历史人群,获取与所述当前人群的运行特征相似度最高的历史人群,确定所述历史人群后续的人流轨迹;
预测子模块633,用于根据所述历史人群后续的人流轨迹,对所述当前人群的后续人流轨迹进行预测,生成对人群流向的预测结果。
其中,在数据库中储存经过公共空间的历史人群及其人流轨迹和运行特征的历史记录。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种轨迹预测的人流冲突调节方法,其特征在于,包括:
获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群;
根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征;
根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果;
根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。
2.如权利要求1所述的一种轨迹预测的人流冲突调节方法,其特征在于,获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群,包括:
获取公共空间的场景视频画面,提取并识别所述场景视频画面中人脸图像;
确定所述人脸图像的临时ID与位置属性;
根据所述人脸图像的位置属性,将所述位置属性接近且具有同步性的人物聚合为小规模人流。
3.如权利要求1所述的一种轨迹预测的人流冲突调节方法,其特征在于,根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征,包括:
选取所述公共空间中每个摄像机的拍摄范围作为人流的轨迹点;
将所述人流的轨迹点进行连接,生成人群的所述人流轨迹;
根据所述人流轨迹,分析所述人流轨迹的运行特征。
4.如权利要求3所述的一种轨迹预测的人流冲突调节方法,其特征在于,所述运行特征,包括:
移动速度、空间变化尺度、在每个轨迹点的平均停滞时长、人流轨迹的方向一致性程度。
5.如权利要求1所述的一种轨迹预测的人流冲突调节方法,其特征在于,根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果,包括:
将所述当前人群的人流轨迹与所述历史人群的人流轨迹记录进行比对,确定与所述当前人群的人流轨迹同步的历史人群;
基于与所述当前人群的人流轨迹同步的历史人群,获取与所述当前人群的运行特征相似度最高的历史人群,确定所述历史人群后续的人流轨迹;
根据所述历史人群后续的人流轨迹,对所述当前人群的后续人流轨迹进行预测,生成对人群流向的预测结果。
6.一种轨迹预测的人流冲突调节系统,其特征在于,包括:
发掘模块,用于获取公共空间的场景视频画面,在所述场景视频画面中发掘小规模人群;
分析模块,用于根据所述小规模人流,生成人流轨迹,分析所述人流轨迹的运行特征;
生成模块,用于根据所述人流轨迹与所述运行特征,对当前人群与历史人群记录进行相似性分析,生成对人群流向的预测结果;
预警模块,用于根据所述人群流向的预测结果预警人流冲突,对所述人流冲突进行调节处理。
7.如权利要求6所述的一种轨迹预测的人流冲突调节系统,其特征在于,所述发掘模块,包括:
提取识别子模块,用于获取公共空间的场景视频画面,提取并识别所述场景视频画面中人脸图像;
确定子模块,用于确定所述人脸图像的临时ID与位置属性;
聚合子模块,用于根据所述人脸图像的位置属性,将所述位置属性接近且具有同步性的人物聚合为小规模人流。
8.如权利要求6所述的一种轨迹预测的人流冲突调节系统,其特征在于,所述分析模块,包括:
选取子模块,用于选取所述公共空间中每个摄像机的拍摄范围作为人流的轨迹点;
生成子模块,用于将所述人流的轨迹点进行连接,生成人群的所述人流轨迹;
分析子模块,用于根据所述人流轨迹,分析所述人流轨迹的运行特征。
9.如权利要求8所述的一种轨迹预测的人流冲突调节系统,其特征在于,所述分析子模块中的所述运行特征,包括:
移动速度、空间变化尺度、在每个轨迹点的平均停滞时长、人流轨迹的方向一致性程度。
10.如权利要求6所述的一种轨迹预测的人流冲突调节系统,其特征在于,所述生成模块,包括:
比对子模块,用于将所述当前人群的人流轨迹与所述历史人群的人流轨迹记录进行比对,确定与所述当前人群的人流轨迹同步的历史人群;
确定子模块,用于基于与所述当前人群的人流轨迹同步的历史人群,获取与所述当前人群的运行特征相似度最高的历史人群,确定所述历史人群后续的人流轨迹;
预测子模块,用于根据所述历史人群后续的人流轨迹,对所述当前人群的后续人流轨迹进行预测,生成对人群流向的预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048954.5A CN111259801B (zh) | 2020-03-23 | 2020-03-23 | 一种轨迹预测的人流冲突调节方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048954.5A CN111259801B (zh) | 2020-03-23 | 2020-03-23 | 一种轨迹预测的人流冲突调节方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259801A true CN111259801A (zh) | 2020-06-09 |
CN111259801B CN111259801B (zh) | 2021-07-20 |
Family
ID=70945129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010048954.5A Active CN111259801B (zh) | 2020-03-23 | 2020-03-23 | 一种轨迹预测的人流冲突调节方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259801B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778688A (zh) * | 2017-01-13 | 2017-05-31 | 辽宁工程技术大学 | 一种拥挤场景监控视频中人群流异常事件的检测方法 |
CN109087478A (zh) * | 2018-08-22 | 2018-12-25 | 徐自远 | 一种智能防拥挤踩踏的预警与导流方法及系统 |
WO2018232680A1 (en) * | 2017-06-22 | 2018-12-27 | Baidu.Com Times Technology (Beijing) Co., Ltd. | EVALUATION FRAME FOR PREDICTED TRAJECTORIES IN A SELF-CONTAINING VEHICLE TRAFFIC PREDICTION |
CN110555964A (zh) * | 2019-07-25 | 2019-12-10 | 武汉烽火众智数字技术有限责任公司 | 一种多数据融合的重点区域预警系统及方法 |
WO2020055759A1 (en) * | 2018-09-11 | 2020-03-19 | Nvidia Corporation | Future object trajectory predictions for autonomous machine applications |
-
2020
- 2020-03-23 CN CN202010048954.5A patent/CN111259801B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106778688A (zh) * | 2017-01-13 | 2017-05-31 | 辽宁工程技术大学 | 一种拥挤场景监控视频中人群流异常事件的检测方法 |
WO2018232680A1 (en) * | 2017-06-22 | 2018-12-27 | Baidu.Com Times Technology (Beijing) Co., Ltd. | EVALUATION FRAME FOR PREDICTED TRAJECTORIES IN A SELF-CONTAINING VEHICLE TRAFFIC PREDICTION |
CN109087478A (zh) * | 2018-08-22 | 2018-12-25 | 徐自远 | 一种智能防拥挤踩踏的预警与导流方法及系统 |
WO2020055759A1 (en) * | 2018-09-11 | 2020-03-19 | Nvidia Corporation | Future object trajectory predictions for autonomous machine applications |
CN110555964A (zh) * | 2019-07-25 | 2019-12-10 | 武汉烽火众智数字技术有限责任公司 | 一种多数据融合的重点区域预警系统及方法 |
Non-Patent Citations (3)
Title |
---|
NICCOLO BISAGNO: ""Group LSTM: Group Trajectory Prediction in Crowded Scenarios"", 《ECCV 2018》 * |
许岩: "《建筑物内行人疏散模型和行为特征》", 31 October 2017 * |
谢彬: ""基于轨迹相似度的移动目标轨迹预测算法"", 《计算机工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111259801B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Combining motion and appearance cues for anomaly detection | |
CN106998444B (zh) | 一种大数据人脸监控系统 | |
CN105844234B (zh) | 一种基于头肩检测的人数统计的方法及设备 | |
CN108133172B (zh) | 视频中运动对象分类的方法、车流量的分析方法及装置 | |
CN109644255B (zh) | 标注包括一组帧的视频流的方法和装置 | |
WO2017122258A1 (ja) | 混雑状況監視システム | |
CN110738127A (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
CN105574506A (zh) | 基于深度学习和大规模集群的智能人脸追逃系统及方法 | |
CN109446881B (zh) | 一种基于异构数据的高速公路路段交通状态检测方法 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN109902681B (zh) | 用户群体关系确定方法、装置、设备及存储介质 | |
WO2022114895A1 (ko) | 영상 정보를 활용한 맞춤형 컨텐츠 서비스 제공 시스템 및 방법 | |
CN116311063A (zh) | 监控视频下基于人脸识别的人员细粒度跟踪方法及系统 | |
CN101950448B (zh) | Atm的伪装与偷窥行为检测的方法和系统 | |
Lijun et al. | Video-based crowd density estimation and prediction system for wide-area surveillance | |
CN103971100A (zh) | 基于视频并针对自动提款机的伪装与偷窥行为的检测方法 | |
CN112562315B (zh) | 一种获取车流信息的方法、终端及存储介质 | |
CN116546438B (zh) | 一种基于蓝牙mesh网络的楼宇监测系统 | |
CN111428589B (zh) | 一种渐变转场的识别方法及系统 | |
CN111259801B (zh) | 一种轨迹预测的人流冲突调节方法和系统 | |
CN109215150A (zh) | 人脸点名与计数方法及其系统 | |
CN112738725A (zh) | 半封闭区域目标人群的实时识别方法、装置、设备和介质 | |
CN112330742A (zh) | 公共区域重点人员活动路线记录方法及装置 | |
CN111062294B (zh) | 一种客流排队时间的检测方法、装置及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |