监控视频中大规模群体系统模型及其演进-预报方法研究

为提高群体事件应急响应的效率和效果，课题通过对监控视频数据进行分析，研究群体系统状态演进的内在机理和规律，提出群体累积效应造成的潜在危机的预报理论和方法。课题以新的视角-将大规模群体运动过程及环境视为具有多自由度的复杂系统-来研究群体状态演进的内在机理和规律。首先，研究视频数据表现出来的群体系统的多层次结构，提出跨层次关联模型，描述群体各层次状态变迁与系统宏观状态之间的关系。其次，将具有相似运动特性的个体集合定义为微团结构，提出微团结构之间的作用网络模型，描述作用网络的建立、解体和重构过程对系统宏观状态演进过程的影响。最后，在跨层次关联模型和作用网络模型的基础上，研究群体系统状态演进的内在机理和规律，提出群体系统宏观状态的中长程预报方法。利用监控视频数据，自动预报群体系统未来状态也是预防群体灾害的有效的、直接的手段之一。研究成果有望丰富和发展智能信息处理的研究和应用。

随着社会的发展，大规模人员聚集和运动的情况和场所大量增加，如运动会、音乐会、群众集会、节日期间形成的人员密集区和大型商业区等等。自2001年以来，全球在群体事 故中有超过四千人死亡。如果在群体事故发生前对群体状态能够进行准确的预报，并对群体的行为施加干预，就能够避免事故的发生，或减少事故造成的损失。本研究内容提出了两种大规模群体场景预处理的方法，用于处理天气对场景的影响和从场景中提取群体目标。此外，还提出了两种大规模场景的异常状态预报方法。在这个基础上，本研究内容提出了两种大规模群体异常状态预报模型。