使用 Active-Langevin 模型理解人群流运动
计算机视觉与模式识别
2020-08-19 v3
摘要
人群流描述了人群的基本群体行为。理解这些运动背后的动力学有助于识别人群中的各类异常。然而，建立描述这些流动的人群模型是一项具有挑战性的任务。本文提出一种基于物理的模型来描述密集人群中的运动。该人群模型基于 active Langevin 方程，其中运动点被假定为类似于流体中的活性胶体粒子。该模型进一步结合计算机视觉技术，以分割密集人群中的线性和非线性运动流。基于 active Langevin 方程的人群分割评估已在公开可用的人群视频及我们自采视频上进行。与现有最先进方法相比，所提方法能够以更小的光流误差和更高的准确率分割人流。
引用
@article{arxiv.2003.05626,
title = {Understanding Crowd Flow Movements Using Active-Langevin Model},
author = {Shreetam Behera and Debi Prosad Dogra and Malay Kumar Bandyopadhyay and Partha Pratim Roy},
journal= {arXiv preprint arXiv:2003.05626},
year = {2020}
}