论文部分内容阅读
提出一种视频中群体状态演进的预报方法。该方法在连续介质流体动力学模型格子Boltzmann模型的基础上增加表现群体运动目的驱使项,使该模型更能描述高密度人群粒子向目标位置聚集的特点。模型还能预报高密度人群场景的风险最高位置。由于该模型只需输入视频初始时某帧的速度场,就可演进出场景未来的状态,所以,该方法是对高密度人群视频未来状态的预报方法。实验证明,该模型预报的速度、密度场准确,定位的场景最高风险位置也与场景本身的最高风险位置接近。