面向复杂公共场景的人群运动状态监测与安全预警的关键技术研究

With the increasing of various crowd activities, the risk of public security is rising. It is imperative to construct a system for monitoring crowd motion state in complex public places to find the portents of safety accidents so as to nip in the bud. Almost all of the current study on intelligent monitoring is about the ongoing safety accidents with the purpose of being able to provide alarm. However, there is relatively less research on safety early warning..This project will carry out an investigation on the theory and technologies of crowd motion state monitoring around the issue of safety early warning. The main research contents include the following key techniques: In order to solve the problem that it is difficult to segment the stay and chaotic crowd properly, the project will develop a crowd segmentation method based on the chaotic degree of motion. In view of the problem that the existing method can only count the number of people in the current scene, but cannot predict the change of crowd size, a crowd counting method will be explored based on the synergy of multiple features to predict the change of the number of people in the region. Aiming at the problem that most unstable states are difficult to be detected due to their unapparent visual presentation, the project will establish a detection method of crowd unstable states based on motion coordination..The research content of this project is the extension of intelligent monitoring technologies and theory in public scenes. The implementation of this project contributes to build an integrated monitoring system of crowd movement state having both early warning and alarming functions, which has important academic significance and application value.

随着各种群体活动的日益活跃，公共安全风险也随之提高，亟需构建复杂公共场景下的人群运动状态监测系统，藉以发现安全事故的先兆，防患于未然。目前的智能监测研究大多针对正在发生的安全事故，其目的是力求做到“事发报警”，瞄准“事前预警”的研究相对较少。.本项目围绕复杂公共场景中的安全预警问题，开展面向预警的人群运动状态监测理论和方法研究。着重解决如下关键问题：针对逗留人群和混乱人群难以恰当分割的问题，研究基于运动混乱程度的人群分割方法；针对现有方法只统计当前场景中的人数难以对动态人群规模做出预测的问题，研究基于多特征协同的人群计数方法，以便预估区域中的人数变化情况；针对多数不稳定状态视觉表现不明显、检测困难的问题，研究基于运动协调性的人群不稳定状态检测方法。.项目的研究内容是公共场景下智能监控技术和理论的延伸。项目的开展有助于构建从预警到报警的完整人群运动状态监控体系，具有重要的学术意义和应用价值。

广泛应用在公共场所的监控设备拍摄到了海量的视频数据，依靠人工监控的方式已经无法满足公众对安全的需求，亟需构建公共场景下的智能监测系统。本项目围绕复杂公共场景中的人群运动状态监测与安全预警的相关技术展开研究，主要取得了如下成果：(1)公共场所中极少出现的异常情况经常对应着人群的不稳定状态。针对人员密集的公共场所，难以检测和识别每个个体的行为，同时大范围的场景监控通常存在较严重透视变形，提出了基于运动场形状描述和一致性检验的异常检测和定位方法，提高了异常的定位精度。(2)公共场所的人数信息可以用于评估人群的聚集性风险。由于公共场所中的人群分布往往不均匀，如果直接通过获得整个场景与人群密度之间的映射关系来实现人数统计，则无法避免各种嘈杂背景带来的干扰，为此提出了基于背景排除卷积神经网络的人群计数方法，在人群非均匀分布场景取得了更高的人群计数精度。(3)人群运动看似杂乱无章，实际局部有序。为了进一步分析和理解人群行为，需要将人群分割成各个运动状态基本一致的区域，提出了基于深度学习的运动转化方法将人群运动分割转换成不同运动区域的检测来处理，避免了基于聚类的人群运动分割方法需要针对不同的场景选择参数的问题。在人群运动分割结果的基础上，提出了描述人群运动状态稳定性的能量模型，能够推演出整个人群未来的运动状态，可以用于实现人群不稳定状态的预警。(4)将本项目的研究成果进行推广，开发了基于人机交互的细胞内微观物质观测系统，应用于辅助生命科学领域破骨细胞分化机制的研究。.项目的研究成果有助于及时、全面地掌握人群状态信息，构建从安全报警到预警完整的人群运动状态监控体系。同时，丰富和发展了智能监控的基础理论，对智能监控理论在其他领域的推广应用具有重要的参考价值。

内容获取失败，请点击重试