br>[0028]
【具體實(shí)施方式】
[0029]下面結(jié)合實(shí)施例及附圖對本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限于此。
[0030]實(shí)施例1
如圖1所示，本實(shí)施例一種基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，包括步驟:步驟1:以預(yù)定的規(guī)格對研究區(qū)域進(jìn)行網(wǎng)格化，構(gòu)建一天網(wǎng)視頻網(wǎng)絡(luò)。示例性的，所述預(yù)定的規(guī)格可以為1KM*1KM。
[0031]步驟2:數(shù)據(jù)采集。基于天網(wǎng)視頻網(wǎng)絡(luò)實(shí)時采集多角度視頻連續(xù)圖像，多角度視角能夠確定人群的空間分布，多幅圖像的分析能保證后續(xù)特征提取的特征能夠準(zhǔn)確反映人群
?目息。
[0032]步驟3:特征提取。所有圖像進(jìn)行灰度值正則化處理，突出圖像的特征；然后基于圖像特征相似度量進(jìn)行配準(zhǔn)，然后基于分水嶺算法進(jìn)行圖像分割，識別人群規(guī)模、密集程度及人群中心位置等特征；最后將提取的特征共同組成特征向量。
[0033]步驟4:構(gòu)建踩踏事件的專家知識庫。采集研究區(qū)域近期的人群分布數(shù)據(jù)，研究該地區(qū)各種典型的人群分布類型，經(jīng)計算機(jī)技術(shù)分級及專家評定，為每個典型分布類型確定發(fā)生踩踏事件的危險性標(biāo)簽(危險、嚴(yán)重、有風(fēng)險)，分布類型與相應(yīng)標(biāo)簽匹配構(gòu)成踩踏事件專家知識庫。
[0034]步驟5:基于ELM的機(jī)器學(xué)習(xí)，即構(gòu)建基于ELM訓(xùn)練判讀發(fā)生踩踏事件危險性的分類器。其步驟是:
確定隱層節(jié)點(diǎn)數(shù)、激勵函數(shù)G(x)，匯總專家知識庫中描述圖像內(nèi)人群分布的特征向量到表X，匯總專家知識庫內(nèi)各特征向量對應(yīng)的標(biāo)簽到向量T ；
隨機(jī)產(chǎn)生輸入權(quán)值矩陣W、偏移標(biāo)量矩陣B，計算XW+B并輸入激勵函數(shù)計算G (XW+B)輸出隱層輸出矩陣Η ；
判斷輸出矩陣是否可逆，若可逆，根據(jù)線性代數(shù)理論求逆Η-1，否則根據(jù)SVD理論求廣義逆Η| ;計算輸出權(quán)值向量β =Η-1Τ ( β =Η|Τ)0
[0035]步驟6:根據(jù)基于ELM的機(jī)器學(xué)習(xí)環(huán)節(jié)確定的參數(shù)，構(gòu)建能夠判讀發(fā)生踩踏事件危險性的分類器。
[0036]步驟7:根據(jù)當(dāng)前得到的人群特征向量，基于時序分析模型預(yù)測下個時段的人群特征向量。
[0037]步驟8:將下個時段的人群特征向量輸入到分類器進(jìn)行模式識別，輸出下個時段發(fā)生踩踏事件的危險性。
[0038]同時，本實(shí)施例還包括疏散步驟，即:
步驟9:構(gòu)建疏散預(yù)案先驗庫?；诋?dāng)?shù)厮锌尚械氖枭⒎桨妇垲悾@得K個疏散方案類，每個疏散方案類內(nèi)綜合一個典型的疏散方案和一個人群分布特征向量，共有K個典型疏散方案，K個人群分布特征向量。將典型疏散方案與相應(yīng)人群分布特征向量匹配構(gòu)成疏散預(yù)案先驗庫。
[0039]步驟10:將所述預(yù)測的下個時段的人群分布特征向量與先驗庫內(nèi)的K個人群分布特征向量進(jìn)行相似性比對，輸出最匹配的疏散預(yù)案，將最匹配的疏散預(yù)案輸入到仿真模型進(jìn)行仿真優(yōu)化；輸出最終得到的最優(yōu)疏散預(yù)案。
[0040]
上述【具體實(shí)施方式】為本發(fā)明的優(yōu)選實(shí)施例，并不能對本發(fā)明的權(quán)利要求進(jìn)行限定，其他的任何未背離本發(fā)明的技術(shù)方案而所做的改變或其它等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1.一種基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，包括步驟: 構(gòu)建踩踏事件專家知識庫； 構(gòu)建基于ELM訓(xùn)練判讀發(fā)生踩踏事件危險性的分類器； 根據(jù)監(jiān)測區(qū)域安裝的攝像頭采集人群分布數(shù)據(jù)； 根據(jù)人群分布數(shù)據(jù)提取人群分布特征； 預(yù)測下個時段的人群分布特征； 將上述下個時段的人群分布特征輸入到所述分類器進(jìn)行模式識別，輸出下個時段人群發(fā)生踩踏事件的危險性。2.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述方法還包括疏散步驟，具體為: 基于當(dāng)?shù)厮锌尚械氖枭⒎桨妇垲?，?gòu)建疏散預(yù)案的先驗庫； 將所述預(yù)測的下個時段的人群分布特征與先驗庫中的人群分布特征進(jìn)行相似性比對； 輸出最匹配的疏散預(yù)案。3.根據(jù)權(quán)利要求2所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述疏散步驟中在得到最匹配的疏散預(yù)案后還進(jìn)行下面步驟: 將最匹配的疏散預(yù)案輸入到仿真模型進(jìn)行仿真優(yōu)化； 輸出最終得到的最優(yōu)疏散預(yù)案。4.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述構(gòu)建踩踏事件專家知識庫的方法是: 采集研究區(qū)域近期的人群分布數(shù)據(jù)； 研究該地區(qū)各種典型的人群分布類型，經(jīng)計算機(jī)技術(shù)分級及專家評定，為每個典型分布類型確定發(fā)生踩踏事件的危險性標(biāo)簽，危險性標(biāo)簽分為危險、嚴(yán)重、有風(fēng)險三種，將分布類型與相應(yīng)標(biāo)簽匹配構(gòu)成踩踏事件專家知識庫。5.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述構(gòu)建基于ELM訓(xùn)練判讀發(fā)生踩踏事件危險性的分類器的方法是: 確定隱層節(jié)點(diǎn)數(shù)、激勵函數(shù)G(x)，匯總專家知識庫中描述圖像內(nèi)人群分布的特征向量到表X，匯總專家知識庫內(nèi)各特征向量對應(yīng)的標(biāo)簽到向量T ； 隨機(jī)產(chǎn)生輸入權(quán)值矩陣W、偏移標(biāo)量矩陣B，計算XW+B并輸入激勵函數(shù)計算G (XW+B)，輸出隱層輸出矩陣Η ； 判斷輸出矩陣是否可逆，若可逆，根據(jù)線性代數(shù)理論求逆Η \否則根據(jù)SVD理論求廣義逆Hf;計算輸出權(quán)值向量々=H-1T (々=HfT); 根據(jù)上述確定的參數(shù)，構(gòu)建分類器。6.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述人群分布數(shù)據(jù)基于天網(wǎng)監(jiān)控系統(tǒng)來采集，具體是: 對研究區(qū)域進(jìn)行網(wǎng)格化劃分，構(gòu)建一天網(wǎng)視頻網(wǎng)絡(luò)； 采集天網(wǎng)視頻網(wǎng)絡(luò)中多角度的視頻連續(xù)圖像。7.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述提取人群分布特征的方法是: 圖像灰度值正則化處理； 采用基于圖像特征相似度量進(jìn)行配準(zhǔn)； 采用基于分水嶺算法進(jìn)行圖像分割，用于識別人群規(guī)模、密集程度及人群中心位置等特征； 將提取的特征共同組成特征向量。8.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述下個時段的人群分布特征基于時序分析模型得到。9.根據(jù)權(quán)利要求1所述的基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，其特征在于，所述構(gòu)建疏散預(yù)案的先驗庫的方法是: 基于當(dāng)?shù)厮锌尚械氖枭⒎桨妇垲惈@得K個疏散方案類，每個類內(nèi)綜合一個典型的疏散方案和一個人群分布特征向量，得到K個典型疏散方案，K個人群分布特征向量；所述典型疏散方案與相應(yīng)人群分布特征向量匹配構(gòu)成疏散預(yù)案先驗庫。
【專利摘要】本發(fā)明公開了一種基于天網(wǎng)監(jiān)控系統(tǒng)的踩踏事件預(yù)警疏散方法，該方法屬于數(shù)據(jù)處理研究領(lǐng)域，可應(yīng)用于踩踏事件預(yù)警疏散。其包括步驟：構(gòu)建踩踏事件專家知識庫；構(gòu)建基于ELM的分類器；采集人群分布數(shù)據(jù)；提取人群分布特征；預(yù)測下個時段的人群分布特征；將上述下個時段的人群分布特征輸入到所述分類器進(jìn)行模式識別，輸出下個時段人群發(fā)生踩踏事件的危險性；構(gòu)建疏散預(yù)案的先驗庫；將所述預(yù)測的下個時段的人群分布特征與先驗庫中的人群分布特征進(jìn)行相似性比對；輸出最匹配的疏散預(yù)案；對疏散預(yù)案進(jìn)行仿真優(yōu)化；輸出最優(yōu)疏散預(yù)案。本發(fā)明具有監(jiān)測準(zhǔn)確、時效性高的優(yōu)點(diǎn)，且能夠快速輸出行之有效的疏散預(yù)案，具有重要的應(yīng)用價值。
【IPC分類】G08B21/02
【公開號】CN105261148
【申請?zhí)枴緾N201510659952
【發(fā)明人】趙倩, 曾德威, 周耀
【申請人】廣州醫(yī)科大學(xué)
【公開日】2016年1月20日
【申請日】2015年10月14日