面向踩踏事故防范的运动人群无人机协同航拍及风险演化态势计算

The crowd stampede is one of the main types of accidents in the large-scale public events and threats the safety of people's life seriously. The range and form of crowd movement is very wide and complex, which makes the stampede accident prevention extraordinarily challenging. With UAV as the carrier and advantages of basic theoretical disciplines from different research fields, this proposal plans to explore the algorithms and methods for those scientific problems which are not touched by existing work: (1) we propose the technology of real-time crowd tracking based on multi-view and the technology of trajectory-based trend computation, to achieve the goal of real-time motion analysis and trend computation for the large-scale crowd; (2) we employ the technology of multi-camera configuration based on region of interest and the technology of real-time camera tracking for dynamic scene, with crowd trend analysis, to realize the camera control for the large-scale crowd movement; (3) we utilize the technology of UAV automatic navigation technology based on information fusion, with dynamic multi-camera configuration and real-time camera tracking for dynamic scene, to realize the UAV automatic navigation guided by the large-scale crowd movement; (4) we leverage the technology of stampede detection based on energy field, with real-time crowd tracking based on multi-camera, to construct the detection model for crowd stampede. Through the research above, we aim at realizing UAV cooperative aerial and risk evolution computing of moving crowd for the stampede accident prevention, and verifying related core technologies in a complete system, so as to provide meaningful exploration and technical support for the national public security.

人群踩踏是大型公共活动的主要事故类型之一，严重威胁人民群众的生命安全。由于人群运动的范围很广且形式复杂，使得踩踏事故的防范充满挑战。本课题以无人机为载体，结合多个不同学科领域的基础理论，探索现有工作尚未涉及的科学难点问题的解决方法，内容包括：(1)拟采用基于多目视频的实时人群跟踪技术和基于运动轨迹的人群态势计算技术，实现大规模人群运动的实时分析与态势计算；(2)拟采用基于兴趣区域的多相机配置技术和面向动态场景的实时相机跟踪技术，结合人群态势分析，实现面向大规模人群运动的相机控制；(3)拟采用基于融合信息的无人机自动导航技术，结合多相机动态配置和动态场景实时相机跟踪，实现大规模人群运动引导下的无人机自动导航；(4)拟采用基于能量场的踩踏行为检测技术，结合多目实时人群跟踪，构建人群踩踏行为检测模型。通过上述研究，实现面向踩踏事故防范的运动人群无人机协同航拍及踩踏风险演化态势计算，并对相关核心技术进行系统集成验证，以期为国家公共安全保障提供有益探索和技术支持。

人群踩踏是大型公共活动的主要事故类型之一，严重威胁人民群众的生命安全。由于人群运动的范围很广且形式复杂，使得踩踏事故防范充满挑战。本课题以无人机为载体，结合多个不同学科领域的基础理论，探索现有工作尚未涉及的科学难点问题的解决方法，取得的研究成果主要包括：1）针对大规模人群运动分析所面临的运动场景复杂、个体跟踪失效等问题，提出一系列有效的个体检测、群组运动分析与异常判断方法。具体的，提出了一种基于图的方法来描述群体聚集性的演化过程。为防止因噪声和目标非均匀运动可能导致的聚集性不可靠出现，计算一段时间内连续多帧的场景聚集度，并采用多视图学习方法求解随时间变化的场景聚集图。针对人群异常行为检测，提出了一种基于DeepFlow的网格粒子跟踪方法，该方法有效避免了个体跟踪可能失效的问题；同时采用了一种数据驱动基于统计排斥力的方法来描述人群个体间的相对运动情况，使其可以适用于各种不同密度的人群。2）针对大规模人群运动仿真中存在的群组控制复杂度高、可计算模型缺乏灵活性等问题，提出了一系列有效的群组控制新方法。该部分工作的创新之处主要体现在以下几个方面：(1) 基于范围感知将情绪模型与运动模型进行了充分结合，既考虑了人群个体的生理状态，又加入了个体的情绪模型；(2) 在RVO避障模型中加入了情绪感染，使得人群在情绪感染的作用下鲜有碰撞发生并呈现出符合实际情况的运动趋势；(3) 通过增加危险源数目及类型，有效提高了人群疏散模型的真实性与适用范围。3）针对运动相机的动态控制，我们构造了一套基于移动机器人的模拟仿真环境来验证感兴趣目标跟踪和相机运动控制方法。另一方面，我们基于斯坦福大学研究人员在Siggraph上发表的无人机飞控方面的工作，开发了一套优化后的无人机飞控系统，并在大疆精灵3上进行了相应的测试。