-
-
公开(公告)号：CN106096115B
公开(公告)日：2019-06-11
申请号：CN201610394379.8
申请日：2016-06-06
Applicant: 同济大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于自组织沙堆模型的人群疏散仿真方法，通过建立面向人群恐慌传播的动态三维自组织沙堆模型仿真获得人群疏散的稳定性，该方法包括下列步骤：1)将疏散个体映射为沙粒，建立面向人群恐慌传播的动态三维自组织沙堆模型；2)根据沙崩标度确定人群失稳突发临界概率；3)求取所建立的动态三维自组织沙堆模型的当前人群失稳平均概率量，与步骤2)中确定的人群失稳突发临界概率进行比较，判断所述动态三维自组织沙堆模型的状态；4)利用人群疏散仿真软件对建立的动态三维自组织沙堆模型进行人群疏散仿真验证。与现有技术相比，本发明具有考虑因素全面、准确性高、具有科学依据以及可信度高等优点。
-
公开(公告)号：CN109145365A
公开(公告)日：2019-01-04
申请号：CN201810732013.6
申请日：2018-07-05
Applicant: 同济大学
CPC classification number: G06F17/5009 , G06Q10/04 , G06Q50/265
Abstract: 本发明涉及一种基于微观‑宏观转换模型的区域人群运动状态预测方法，该方法包括以下步骤：1)建立实现微观恐慌向宏观压力项转换的微观‑宏观转换模型；2)获取人群流动视频信息参数；3)基于所述微观‑宏观转换模型和人群流动视频信息参数，预测区域人群运动状态，并显示预测结果。与现有技术相比，本发明构建了微观—宏观转换模型，一定程度上弥补了人群疏散建模方法的不足，为研究人群疏散问题提供了新的思路。
-
公开(公告)号：CN119360437A
公开(公告)日：2025-01-24
申请号：CN202411363002.7
申请日：2024-09-27
Applicant: 同济大学
IPC: G06V40/20 , G06V10/422 , G06V10/44 , G06V10/82
Abstract: 本发明涉及一种基于动态质心模型的恐慌行人加速奔跑行为识别方法，所述方法包括：从视频中逐帧获取恐慌行人图像；根据恐慌行人图像建立坐标系，构建恐慌行人的动态质心模型；基于动态质心模型，利用几何判别公式和动力学判别公式，判断恐慌行人是否进行加速奔跑。与现有技术相比，本发明的判别方法具有便于计算、鲁棒性强的优点。
-
公开(公告)号：CN119167653A
公开(公告)日：2024-12-20
申请号：CN202411384899.1
申请日：2024-09-30
Applicant: 同济大学
Abstract: 本发明涉及一种基于社会力模型的行人运动轨迹演化方法及系统，所述方法包括以下步骤：设置模拟环境，从视频中得到行人的初始位置；根据行人动力学模型得到行人在碰撞时刻和非碰撞时刻的实际受力，根据行人速度随时间变化情况更新行人的速度，进而更新行人的位置；根据每个时刻的行人位置得到行人运动轨迹；其中，行人动力学模型的构建过程如下：基于社会力模型得到行人与其他个体之间的相互作用力和行人与墙壁之间的相互作用力；构建社会力，根据行人与其他个体之间的接触或碰撞作用构建物理力和行人速度随时间变化情况；构建行人动力学模型。与现有技术相比，本发明能够更准确地反映不同情境下行人间的实际受力情况，动力学分析更符合真实情况。
-
Patent Agency Ranking
公开(公告)号：CN116883927A
公开(公告)日：2023-10-13
申请号：CN202310686301.3
申请日：2023-06-09
Applicant: 同济大学
Abstract: 本发明提出了一种公共场所行李箱脱落状态识别和安全监测方法，包括：在公共人流密集场所设置监测相机、喇叭提示装备；开启监测相机，采集视频帧，并提供给监测处理器；监测处理器通过图像处理算法MMTrack、findContours分别计算出监测场所中行李箱的外力值、质心高度和质心高度变化率；基于行李箱脱落状态识别模型，对行李箱脱落状态检测。本发明针对行李箱在整个运动状态的运动特征进行识别，并且对行李箱后续运动状态进行预测，根据识别结果，可以及时发出预警，有效地避免行李箱脱落可能带来的危害，对人群密集的公共场所安全管理具有重要意义，还可以运用到物流和货运等领域，从而减少行李箱或货物的脱落所带来的安全隐患和经济损失。
-
公开(公告)号：CN110866453B
公开(公告)日：2023-05-02
申请号：CN201911006032.1
申请日：2019-10-22
Applicant: 同济大学
IPC: G06V20/52 , G06N3/0464
Abstract: 本发明涉及一种基于卷积神经网络的实时人群稳定状态识别方法及装置，所述方法包括以下步骤：获取输入图像，以所述输入图像作为多列卷积神经网络模型的输入，获得给定网格区域的人群数；对所述输入图像进行图像校正，获得所述给定网格区域的实际面积；基于所述人群数和实际面积，获得所述给定网格区域的人群密度值；基于所述人群密度值识别各给定网格区域的人群稳定状态；其中，所述多列卷积神经网络模型包括多个并行的、结构相同的卷积神经网络，各卷积神经网络的卷积核大小各不相同，各卷积神经网络的输出通过1×1的滤波器映射生成二维密度图矩阵，获得给定网格区域的人群数。与现有技术相比，本发明具有精度高等优点。
-
-
公开(公告)号：CN112966895A
公开(公告)日：2021-06-15
申请号：CN202110142459.5
申请日：2021-02-02
Applicant: 同济大学
Abstract: 本发明涉及一种基于内能和信息熵的人群风险区域动态标定方法及装置，所述方法包括以下步骤：构建人群运动流体动力学模型，基于该模型进行行人流动仿真；根据仿真结果，基于热焓原理计算人群内能；根据所述人群内能和仿真结果，基于热熵原理标定人群风险区域。与现有技术相比，本发明具有风险评估准确性高等优点。
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.022 seconds)
