一种改进的轻量人头检测方法

为了提高视频监控中人数统计的精度和速度,解决传统人体检测由于衣物身体阻挡而造成的高遮挡问题。提出一种改进的轻量人头检测方法MKYOLOv3-tiny。该方法是对YOLOv3-tiny进行改进,针对低层的人头特征进行多尺度融合,实现不同卷积层的分类预测与位置回归,提升检测的精度;针对人头较小的特点,结合有效感受野的思想,K-means聚类减小初始候选框的规格,提升候选框的精度。实验结果表明,改进后的模型在Brainwash密集人头检测数据集上与原方法相比,在精度上提升了3.21%,漏检率降低了8.7%。     

社会力模型中恐慌度概念的分析和改进

社会力模型是人群仿真领域的经典模型,自1995年提出后就被广为应用和调整。该模型2000年又推出一个改进版,增加了恐慌度概念。虽然目前基于社会力模型的研究已经很多,但是针对恐慌度概念分析的研究尚不多见。因此梳理了社会力模型中关键参数物理意义和恐慌度的概念,用恐慌度的变化来解释人群疏散中的“快即是慢”与“从众行为”现象。指出了社会力模型中由于对行人感知描述得不够细致,导致在一定条件下,人群仿真结果存在个别行人不从众与到达出口却不撤离的问题。针对所提问题,通过增加行人视野范围描述以及重定义行人自运动状态等方式来完善社会力模型。实验结果显示,改进后的模型能够较好地模拟人群的从众现象,并且有助于加深对社会力恐慌度概念的理解。     

虚拟环境中大规模群体行为建模研究进展

虚拟环境中的大规模群体行为建模是虚拟现实技术的重要研究方向之一,它是提高虚拟环境沉浸感的重要支撑技术,在军方和民用领域具有重要的潜在应用价值。首先从社会学研究领域讨论了群体和群体行为的基本概念和相关理论,然后重点介绍了虚拟现实领域大规模群体行为建模的基本方法和国内外最新研究进展以及影视娱乐业中典型群体行为模型生成系统,最后在对相关研究成果分析的基础上指出了大规模群体行为建模存在的问题和今后重点关注的研究内容。     

结合最短路径改进的社会力人群疏散仿真模型

社会力模型广泛应用于人群疏散仿真,针对该模型在仿真过程中存在行人停滞不前、无法通过非凸边形障碍物和疏散路径与行人实际选择的路径不相符等问题,提出了一种社会力改进模型。该模型基于场景中的障碍物生成路径节点,利用这些节点生成无向图,同时考虑了节点的安全系数和拥挤系数对节点通行性的影响生成最短疏散路径。通过改进后的社会力模型进行了多种场景的仿真实验,实验结果显示行人在复杂障碍物场景中能有效绕过障碍物,生成合理的疏散路径,表明该模型有效改善社会力模型,使人群疏散仿真更加真实。     

基于运动显著图的人群异常行为检测

针对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中是否存在异常行为。实验结果表明,该方法能够有效、实时地检测人群异常行为,在UMN和PETS2009数据集的检测率均达到了97.9%以上。     

人群疏散虚拟现实模拟系统——Guarder

人群疏散的虚拟现实模拟就是利用虚拟现实技术,在计算机生成空间中建立公共设施和人群的三维模型,设定各种可能发生的安全危机和相应的疏散预案,模拟并三维地展示人群疏散场景;通过对模拟结果进行统计分析,可以验证人群疏散应急预案的合理性和有效性.介绍了人群疏散模拟虚拟现实系统Guarder设计的核心思想,提出了技术框架,详细阐述了其中的复杂环境语义表示、群体运动仿真等关键技术,并给出了应用实例,最后列举了几个前沿研究问题.     

基于马尔科夫决策过程的高能效任务调度算法

在移动群智感知系统中,智能手机承担着许多不同的感知任务,这些任务需要来自不同传感器的数据。从传感器收集数据是非常耗能的,智能手机的电池限制了这些感知设备的可用性。如何在完成群智感知任务时降低设备能量消耗是参与者迫切需要的。针对以上问题,提出基于马尔可夫决策过程(MDP)的高能效任务调度算法。根据设备的电流负载、剩余能量和充电概率,马尔科夫决策过程迭代计算出最佳任务调度序列,并保证能耗最小化和感知精度最大化获得平衡。大量的仿真结果表明,该算法在任务调度过程中具有显著的节能效果,与广泛使用的现有算法相比,平均节省能量75%以上。     

群智感知激励机制研究综述

近年来,作为一种新的感知环境、收集数据和提供信息服务的模式,群智感知逐渐成为当前的研究热点之一.激励机制是群智感知研究中的一个重要问题,即通过设计合理的激励方式来激励足够多的参与者参与感知任务,并提供高质可靠的感知数据.对近年来在群智感知激励机制方面的研究工作进行综述,首先概述群智感知和群智感知激励机制;然后从关键技术入手,介绍4类主要激励方式和6类核心研究问题;最后,对现有工作进行对比分析,总结研究挑战,并指出未来发展方向,为相关研究人员提供有价值的参考.     

Transferring priors from virtual data for crowd counting in real world

In recent years, crowd counting has increasingly drawn attention due to its widespread applications in the field of computer vision. Most of the existing methods rely on datasets with scarce labeled images to train networks. They are prone to suffer from the over-fitting problem. Further, these existing datasets usually just give manually labeled annotations related to the head center position. This kind of annotation provides limited information. In this paper, we propose to exploit virtual synthetic crowd scenes to improve the performance of the counting network in the real world. Since we can obtain people masks easily in a synthetic dataset, we first learn to distinguish people from the background via a segmentation network using the synthetic data. Then we transfer the learned segmentation priors from synthetic data to real-world data. Finally, we train a density estimation network on real-world data by utilizing the obtained people masks. Our experiments on two crowd counting datasets demonstrate the effectiveness of the proposed method.     

基于人工势场和Agent的人员疏散系统仿真

从聚众场合火灾中疏散群体的个体角度出发,结合人工势场和Agent,提出了微观的仿真模型。该模型首先将场化影响人行为的火、门和障碍物等因素量化,构建了人工势场体系,其次以个体为对象,通过受力分析确定人员移动方向,最后通过是否开启安全通道,有无人员疏导的分析对比,合理仿真了人员疏散情形。基于Visual C++实现了疏散仿真系统,通过仿真结果分析,该系统能够较真实地模拟人员疏散过程。