一种特征点格驻留元胞自动机人群场景分析方法

为了通过视频场景人群状态分析及预报达到预防公共场所发生安全事故的目的,提出了一种改进的特征点格内驻留CA模型(inner-grid parking CA,IPCA)。依据行人行进速度各不相同的特点,将元胞内特征点移动速度的取值范围和方式进行了趋真模拟;在元胞格内引入驻留时间以消除个体行进中的位置误差;采用符合人类视野描述的三角形视场所覆盖的元胞确定前向及内容参数。实验结果表明,改进后的模型不依赖于行人行进时在特定视频帧中反映的运动信息,仿真效果趋近真实视频场景状态,具有更高的准确性。

元胞驻留视频群体状态预报方法

视频场景人群状态预报是防止公共场所安全事故的一种重要措施.为此提出了一种视频场景群体状态预报模型.该模型使用格内驻留元胞自动机(inner-grid parking cellular automata,IPCA)模型预报视频中群体状态.首先,通过光流法进行运动跟踪作为IPCA的输入特征对场景进行建模,并根据特征点的运动状态自适应地调整其在元胞格内的驻留时间以提高预报精度;其次,通过分析IPCA模型的预测结果判断群体微团间的相互作用得到视频帧的状态信息,从而达到对场景中人群状态进行预报的目的;最后,利用当前场景的状态信息对该场景的预报输出进行反馈校正,使模型能够及时地反映场景中群体状态的变化,该模型不依赖于具体的视频帧,以微团结构的碰撞作为异常检测依据.实验结果表明,与传统的检测方法相比,该预报模型能够提前预报视频场景中的异常状态,并具有较好的准确性.