基于轨迹聚类的行人小群组识别方法研究外文翻译资料

 2022-09-19 11:09:45

英语原文共 119 页，剩余内容已隐藏，支付完成后下载完整资料

当今社会随着视频片段的大量出现越来越来越多的人开始对视频片段产生了兴趣。从监视轨迹数据的行为分析，从运动中识别基于单个个体或相互作用的运动模式很少[ 52 ]，分析一大群人的流动，例如发现途径或监测异常事件[ 119 ]。研究的是集体行为一群人在人群中。发现谁属于小团体中的成员，由此可以共同提供了一个社会基础，进一步的开展研究事件。团体涉及社会的关系中，需要进行组间相互作用的分析。在发展现实的人群模型/模拟疏散规划和突发公共事件应急响应的实时监控它也具有重要的实际应用。在这项工作中，我提出以下的论文：基于自动化视觉的技术能够提供定量真实人群的速度比，并具有很高的相似度以便为人类的观察，为新的方法做出了贡献，社会行为的实证研究。下面，我介绍了小团体的假假说和概述群体结构分析的自动系统。

1.1小群体假说

虽然第一眼看上去很混乱，但更仔细的检查发现他们根据自组织和社会行为的简单规则。这部分解释了为什么一个群体的组成是重要的社会建模行为。集体行为是一种通用的术语，通常是不平凡的，富有戏剧性的团体和个人在团体中的行动[ 18 ]。集体行为模式往往是双向的。在一个极端的模型，认为整个人群为一个实体。学者们都认为，人群改造个人，使之产生的集体开始表现出一个同质的“群体思维”，这是高度情感和非理性[ 18 ]。在另一个极端的模型对于每个人的对待过于独立个人。根据这一观点，一群人是由独立的成员组成的为了最大限度地发挥自己的效用。例如，人群行为模拟以人为基础，以决策为基础，根据原则

最少的努力[ 113 ]。与大多数的二分法，一个更好的模型是在中间的某个地方。这个小团体假说认为，人群主要是由小团体组成的，定义为“一个有关系的个人的集合，使他们相互依存的一些显着的程度”（[ 20 ]，第46页）。约翰逊[ 57 ]认为大多数人群由小团体组成，而不是孤立的个体（见[ 7 ]）。通过一个未发表的研究发现，因89%人参加一个事件至少有一个其他人，32%至少有2人，52%至少有3人，94%的人是与同伴结伴而行。他们来自小团体。尽管直觉很有道理。但很少有人能通过实证研究验证这一假说。社会学研究在公共场所（例如，[ 120，81 ]）有人分析视频数据所需的数百人小时到手码只是分钟的电影，大大限制可以定量分析的视频的数量和类型。因此使用自动化的计算机视觉方法，可以代表一个实质性的方法改进。通过用户研究，我们已经观察到了只有人对应点的位置是单调的，判断旅游中的人是同一组的，程序员人群密度上升也是相当困难的 ，因为跟踪每个人的行程是很困难的。

对群众的计算机视觉分析最近的工作往往在人群中或在分析流动的整体格局将重点放在稳健跟踪个人。我们通过识别人群的小群体结构，这在人类社会群体的粒度构成了中级活动分析的基础上寻求社会行为的深入分析。在国家的最先进的算法，建立了行人探测和多目标跟踪和启发人类的集体行为社会科学的模型，我们会自动检测谁是11一起旅行的个体（图1.5）的小团体。这些团体通过自下而上的图1.5发现。小团体在行人的场面普遍。我们的算法检测的人通过聚类轨迹不同条件下的人群的视频自动提取出来一起旅行团体。这相对于成对接近和速度比较个体的集合层次聚类方法。我们的分组方法的更多细节将在第5很多人都写在有关检测和跟踪物体的移动自动提取轨迹[53，84，127]监视文学讨论。在这里，我们仅涵盖的重点人群场景分析和群体行为的识别相关的近期工作。一些论文解决了统计意义上的高层人群流量分析。这项工作包括确定的道路/路径的位置，并从各个轨迹[112]，角特征轨迹的大数据集学习正常场景活动模式[17，22]或光流[4]。虽然这些技术是足以产生人群运动的预测宏模型，它们没有解决识别和跟踪的个体的群体的问题。事实上，衡量全球人流甚至不需要的场景分割为个体。 12涉及一个人的行动或两个或三个相互作用解释序列行为识别在隐马尔可夫模型[90]或动态贝叶斯网络[43]通常建造。这些方法通常被限制在一个小的，已知的一些个人，由于涉及的多个时间序列的耦合解释组合学。最近有证据显示该组活动的更有效的识别是通过使用该组活动过程的模型来指导各个成员[105，128]的动作的解释。更多有关我们对集团的分析工作是认可的集体行为，涉及的演员任意数量。视觉工作解决集体行为的检测包括确定小团体的人一起逛街[47]，定位队列在自动售货机[88]等，并通过两两关系谓词[51]的统计聚类识别人群的形成和扩散的行为。只有最近的集体运动行为进行了研究。在[33]，具有类似的速度行人被分组在一起，以帮助运动预测用于跟踪。这是一群务实的定义，而不是一个社会，因为人们谁是天南海北聚集在一起仅仅是因为他们有一个共同的速度。根据每个单独的个人空间的解析测量社会行人基团的良好动机模型最近已探索了[55]。集体运动行为也研究了流量分析和模拟人群社区。描述交通流模型可以被定性为宏观和微观层面[78]。宏观研究，更注重对行人比之间的直接互动设施的行人空间分配，因此不适合作为预测人流作为疏散计划。在光谱的另一端，微观模型考虑行人作为单独的试剂，并集体人群动力学从代理之间的交互出现。例如，在社会力模型[50]，一个人的行为是受由其他行人和环境因素，如障碍和首选地区的远程部队。类似的方法被用于多目标跟踪[95，107]和异常行为检测[82]在人群中。另一个例子是，个人根据一个优先矩阵，用于指定一个特定的步行方向和速度[15]的概率移动元胞自动机（CA）模型。时间和状态都在CA模型离散，使它们适合于高性能的人群13模拟。楼场模型引入替代个人代理的智慧与被修饰的行人地板领域，进而改变他们的偏好矩阵[106]。使用地板场的优点在于，它可以打开远距离相互作用入本地的力。 [2]，地板领域是从视觉数据估算，并用来帮助跟踪目标在密集的人群。相对较少的工作主要集中在现实世界的数据中学习现实人群的行为模式。在第五章中，我们会走路的小团体，使用真实世界的步行人群素材和人类注释的空间配置的深入研究提出我们的结果。

我们不仅在识别行人的群体，但也理解群体在人群中如何运动的兴趣。研究小组的行为不仅是社会学家的兴趣，但也为现实人群的模拟，疏散计划，以及视觉任务的重要性。例如，研究人员已经证明，从视频观测得知行人行为模型可以用于跟踪和80图5.8是有用的。样品小群检测。上图：ARTFEST序列。底部：STADIUM1（左）和STADIUM2（右）的序列。不同群体的轨迹以不同颜色标示。归类为单独旅行的人轨迹省略清晰。行为识别。但是，行人运动的预测确定是由磁场力引起的，并且已报道，该模型的主要故障模式是当群体的人一起走。这一发现表明，一个模型组件应加考虑组交互考虑。要建立这样一个模型，第一步是从现实的观察研究行人步行模式。行人行为模型已经在人群中模拟和流量分析社会广泛的研究。有没有对群体行为的解释短缺，但通过实证研究的支持解释短缺。很少有车型一直使用真实世界的观察验证，甚至更少明确考虑组造型。在[6]中，行人行为遵循编码的现有保持恒定的速度和朝期望的目的地行走的离散选择模型（DCM）中。检测和跟踪系统的性能与这样的模型的集成提高。这两种捕获的空间范围[100]内的行人之间的相互作用后，DCM模型是由一个领导者跟随模式和碰撞避免模式，增强。领导者 - 追随者模型（植绒）是群组模拟[3,87]最常实现81车型之一。除此之外，小群体往往缺乏在人群仿真[123]尽管他们无处不在现实世界的观察。我们只知道以下工作看起来成更一般的群体行为模式。一个高层次的群体行为模式和低一级的行动模式：在[65]，人群动态由两个级别的层次结构模型。 40演员表演的视频脚本场景，如三五成群聊天，并在售票口被注释的前面排着队，样品被用来学习不同的交互模式进行仿真。在[97]，组内和组间的影响矩阵被用于指定组成员之间和组分别之间的相互作用。该模型能够生成组结构，从直线编队聚类通过改变影响矩阵的值的影响。然而，没有实际的数据被用来验证模型。最近的1500行人群体的大规模研究表明，小组成员之间的社会交往产生影响的人群动态典型组结构：在低的人群密度，小组成员往往走并排侧，和这条线的形成是向前弯曲成V形图案的密度增加[86]。我们已经进行了正常人群群体的一般的行走模式，即不撤离或骚乱的研究。三十分钟的SU2序列是由人类观察者编码，以获得地面真实轨迹信息。序列（SU2-L）的前半部分包含了一个比较轻的人群，而第二十五分钟序列（SU2-H）包含一个相对密集的人群。人体编码提出通过在其头部的每个帧中的顶点击时它们是可见的，在每10个帧的时间间隔来标记每个人序列中的轨迹。样品编码轨迹示于图5.9。我们还使用了BIWI行人行走含DataSet1的两个序列（ETH和酒店）有类似的地面真实的注解。从地面实况轨迹和组信息，我们估计一些一般人群统计数据，包括行走速度的分布（图5.10和表5.2）和个人的行为模式（图5.12）。行为模式所使用的离散选择模型（DCM）中估计的[6]，其中根据一离散集合的基于他当前的速度和移动方向，如图5.11所示的选择每个单独的移动。三种不同的半径区域1http：//www.vision.ee.ethz.ch/datasets/ 82对应于减速，恒定速度，和加速度，定义为0.5，1.0和当前的速度的1.5倍。十一个角扇区对应​​于移动方向的离散。在图5.13中，我们可视化DCM在时间上如何演变为一组的三个人。很显然，该组成员的运动强烈相关。例如，在一组暂停和环视，当一个部件减慢（围绕顶端的DCM序列的中间点）时，其他人也这样做，这导致表示在可能的选择更短的空间决定搜索范围小圆圈组。对地表真理轨迹编码在图像视图（左）和转化为俯视图（右侧）通过估计投影矩阵。在图像视图圆表示元首人在哪里点击打码机和自上而下的观点圆圈表示地面上的相应位置脚的顶部。在同一组的人圈具有相同的颜色，而个别的轨迹是随机着色。所示的图像是从SU2-H序列，相比SU2-L（图5.5），其具有更高的人群密度。 83 SU2-L SU2-H HOTEL ETH图5.10。从四个序列步行速度的直方图。表5.2。步行速度的统计。平均（米/秒），STD SU2-L 1.34 0.48 SU2-H 1.22 0.46 1.33酒店0.48 ETH 1.45 0.39然而，个别DCM序列单独都不足以组成员之间相关性模型。为了研究这种关联模式，我们分析了所有组成员共同的空间位置，并估计行走的行人，我们称其为组配置的典型组地层。在特定时间的一组S构由设置部件的位置，即一个点的，S是一个2G矢量[X1，Y1，X2，Y2，。 。 。 ，XG，YG] T，其中，g是组大小。 84图5.11。在离散选择模型。上图：在DCM的插图与一组33选择。底部：方向（a）和速度（B）离散化的离散化[100]。研究的一组集体行走模式，我们用一个统计形状分析方法[77]到的变化所观察到的组配置建模。我们首先对准相对于它的组中心并且使得每个配置S被以原点为中心和移动方向的组与所述正y轴对准的移动方向上的每个配置。该组中心被定义为所有部件的位置和移动方向的组的质心是从当前位置到该组中心的下一个位置的矢量。此对准之后，我们发现由对应点之间的平方距离的配置的总和从相同尺寸的基团最小化的数据关联的过程不同配置的构件点之间的对应关系。图5.14示出了大小三个一组的排列结构。然后，我们堆栈中的所有排列和匹配的配置列方式装入到了2Gtimes;N样品基质S.表示S上的矩阵S中心（从每列减去平均S）之后。图5.15显示了高度相关的地点的复杂模式，从而验证需要研究，而不是看着每个单独组成员孤立点变化在联合的方式组配置。校长85 SU2-L SU2-H HOTEL ETH图5.12。从四个序列估计DCM直方图表明短时间内人们倾向于保持恒定的速度和方向。将DCM直方图的行对应于加速度，恒定速度，减速，从上到下。 11列对应的方向图5.11离散化，从左边到右边。成分分析（PCA）被施加到协方差矩阵H = SS0研究组配置样​​品中的关节变形。图5.16可视化的协方差矩阵及其特征值。我们可以用Sasymp;scaron;铅，（5.8），其中S是平均配置中的每个配置建模，P是协方差矩阵的前K最大本征向量的矩阵，而b是K个模型参数的向量。通过改变B，我们可以想像在空间配置中的变化，如图5.17和5.18。 86人1人2人3图5.13。 DCM从三个人一组序列。在每个DCM中，电流方向在黄色着色和接下来的移动方向在蓝色着色。行走模式表现出很强的相关性：1人先停下来等待其他两个追赶。 87 SU2-L SU2-H图5.14。大小三个一组的配置，相对于他们的小组中心和运动方向一致。三位成员绘制与不同的配置匹配点的数据关联过程后，三种不同的颜色。指示该组配置边缘为清楚起见省略。其中四个最大的变化模式，2种（旋转和抖动）可能对应于因噪音文物。该抖动可能是由于在人类的轨迹编码错误;这是不可能的程序员随时点击同一个点上每个人的头上。旋转可能是由于由对准过程中引入的噪声;由于配置相对于该组的移动方向排列，在所估计的方向的微小变化也会引入的配置的变化。其他两种模式揭示有趣的步行编队。变形的变化可能是最有趣的一个，这机型不同地层之间的开关：V形，线的形成，和倒V形。在[86]，它被认为V形结构正在积极创建并由组保持以促进社会交换。倒置V形预计是一个更灵活的结构时相比，一群人正在对一个相对流量的线形成。其次，我们知道小组成员保持相互的距离一定要保持集团的形成和调整他们在各种情况下的传播，如避免环境障碍。拉伸模式定量定义组地层的这种灵活性。这些结果是从SU2序列获得。因为有大小三个或三个以上的过少组我们没有研究用于BIWI数据集的配置的变化。我们得到的结果激励我们在未来具有较大的样本集集团进行进一步分析88。例如，对于该抖动模式的另一种可能的解释是不对称偏移的中心人相对于左和右的人。随着越来越多的样本，我们可以进行测试来区分程序器物这个行为模式。

结论6.1摘要论文本文提出了一种基于视觉的方法来分析行人人群小团体。除了围观检测和跟踪的富有挑战性的视觉任务的贡献，这项工作的影响是双重的：1）它通过一个自动检测跟踪编组系统取代费时人编码进步社会科学的实证研究，使密集人群的大规模分析; 2）它补充国家的最先进的对等行为的人群研究与行走的小群体，这在文献中基本上被忽视的空间结构进行了

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[148437]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章