社会力模型SFM详解 & 在人群异常检测上的应用

最新推荐文章于 2023-10-06 13:18:00 发布

VG-Lin

最新推荐文章于 2023-10-06 13:18:00 发布

阅读量1.4w

点赞数 17

文章标签：计算机视觉人工智能机器学习算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/carson1145/article/details/105123805

版权

本文详细解读了社会力模型SFM，包括期望向目标速度的加速度、实体间斥力和吸引力的计算。SFM在人群异常检测中的应用，通过建模行人交互力并结合光流法，提高了异常检测的准确性。引用了Ramin Mehran等人的研究，展示在UMN数据集上SFM优于纯光流法的ROC面积，证实其在异常检测领域的有效性。

摘要由CSDN通过智能技术生成

社会力模型（Social Force Model，SFM）

该理论模型由Dirk Helbing于1998年发表的“Social force model for pedestrian dynamics”中提出。本文将摘取Helbing这篇论文中的理论模型部分进行详细解读。

三个必要的力：

1. 期望向目标速度的加速度（作用在目标上的某个方向上的作用力）

假设行人 $\alpha$ 需要尽可能地到达目标位置 $\vec{r}^{0}_{a}$ ，行人在到达目标的路径一般可以抽象为沿多边形的边缘前进， $\vec{r}^{1}_{a}$ ，......， $\vec{r}^{n}_{a}$ := $\vec{r}^{0}_{a}$ 。这里假设行人处于 $\vec{r}^{k}_{a}$ ，那么可以根据以下公式计算出目标方向 $\vec{e}_{a}(t)$ ：

$\vec{e}_{a}(t) = \frac{\vec{r}^{k}_{a} - \vec{r}_{a}(t)}{\left \| \vec{r}^{k}_{a} - \vec{r}_{a}(t) \right \|}$

这里设行人 $\alpha$ 的期望速度为： $\vec{v}^{0}_{a}(t) := v_{a}^{0} \vec{e_{a}}(t)$

那么可以得出这个力的推导公式：

最低0.47元/天解锁文章

关注

17
点赞
踩
44

收藏

觉得还不错? 一键收藏
1
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。