匡涂上青 祁宏 周盛文

摘要：公共環(huán)境管理離不開對人群活動數(shù)據(jù)的采集與分析，人群數(shù)據(jù)同樣也具有豐富的應(yīng)用價值。本文從人群活動數(shù)據(jù)的潛在價值入手，分析其在公共管理、建筑改良設(shè)計、消防安全等方面的應(yīng)用;結(jié)合現(xiàn)有技術(shù)手段和部署方法，主要包括圖像識別方法和融合方法，討論如何實現(xiàn)人群分布的識別與分析;通過舉例分析應(yīng)用場景和服務(wù)方式，例如web技術(shù)、公共環(huán)境顯示等，擬結(jié)合技術(shù)構(gòu)建一個人群活動數(shù)據(jù)分析與服務(wù)平臺，探索得出具體可行的平臺構(gòu)建方式。

關(guān)鍵詞：圖像識別;圖像融合;人群數(shù)據(jù);公共管理;

一、引言

人類社會發(fā)展離不開對人類社會活動的研究。公共管理，建筑設(shè)計，消防安全等多方面的發(fā)展進步都需要此類研究作為支撐。但其重點研究對象不僅僅是個體，群體也是重點之一。對個體的研究主要采取調(diào)查和跟蹤采訪，但對于群體而言，僅能通過群體的分布信息或者活動軌跡來研究。因此，如何挖掘和分析這些有價值的人群數(shù)據(jù)并且將其應(yīng)用到實際中來，成為了一種新的公共管理需求。以下通過三個章節(jié)分別論述人群數(shù)據(jù)的應(yīng)用價值，技術(shù)路線以及應(yīng)用場景和方式，深入討論平臺可行性。

二、人群數(shù)據(jù)分析的潛在價值

當(dāng)下正是大數(shù)據(jù)技術(shù)爆炸時期，人們對于數(shù)據(jù)的分析需求越來越大，但數(shù)據(jù)的收集、處理能力也越來越強。例如，現(xiàn)今非常成熟的圖像識別技術(shù)，蓬勃發(fā)展的數(shù)據(jù)挖掘、融合技術(shù)，為處理海量、復(fù)雜的數(shù)據(jù)提供了多種研究方法。因此，需要一個利用現(xiàn)有計算機技術(shù)，收集、整理人群數(shù)據(jù)的平臺，滿足不同場景下的需求，給需要這些分析建議的用戶提供及時、可靠的服務(wù)。

因此，本文中對人群數(shù)據(jù)的深入探究，有助于發(fā)掘人群數(shù)據(jù)的潛在價值，對人類行為學(xué)、社會學(xué)、建筑學(xué)、公共管理學(xué)等有促進作用，其中有關(guān)公共環(huán)境合理性的改善、消防安全性的提升以及減少擁堵、踩踏事故的發(fā)生，更是有著直接的應(yīng)用關(guān)聯(lián)。

例如，通過分析人群的分布規(guī)律，對某些較狹小的公共場所的空間布置進行合理規(guī)劃，提高空間利用率，減少擁堵情況的發(fā)生，那么在發(fā)生火災(zāi)或其他事故時，也有利于人群快速、安全地疏散，在一定程度上避免踩踏事故的發(fā)生，造成不必要的損失;亦或?qū)τ谏虉錾碳襾碚f，某些柜臺、廣告牌的擺放，不一定具有科學(xué)性。通過平臺的直觀展示，能夠及時調(diào)整這些設(shè)施的位置，帶來更好的經(jīng)濟效益，這是平臺數(shù)據(jù)的商業(yè)價值。

更加具體而又貼近生活的例子就是高鐵站，而文章對于高鐵站存在的空間管理以及人群引導(dǎo)問題有過專門的調(diào)查研究。傳統(tǒng)高鐵站區(qū)空間研究對于人群活動分析與定量研究不足。國外Schutz等人對車站區(qū)域空間研究較為成熟，通過對開發(fā)案例的總結(jié)，提出的“三圈層空間模型”，如圖1所示，以距站點的距離為基準(zhǔn)，從可達性、建設(shè)密度等方面表現(xiàn)圈層特征?！叭咏Y(jié)構(gòu)”在通常情況下被認(rèn)為是一種理想的形態(tài)，能夠產(chǎn)生外部集聚性，有助于促進站區(qū)的發(fā)展，因此成為當(dāng)前高鐵站區(qū)的模型支撐。

但是，以空間為基準(zhǔn)的三圈層模型在人群行為活動的分析方面較為欠缺，而作為人口集散點的高鐵站區(qū)，無論是交通出行的職能還是新城發(fā)展對人群集聚的需求，都體現(xiàn)了人群活動對高鐵站區(qū)規(guī)劃發(fā)展的重要意義。

通過以上舉例分析，不難發(fā)現(xiàn)在現(xiàn)有公共環(huán)境管理的條件下，如果能夠充分利用人群的活動數(shù)據(jù)，將其中潛在的有價值信息挖掘出來，并且找到一個或多個合理的應(yīng)用角度加以落地，就有可能解決許多現(xiàn)有技術(shù)條件下難以解決的問題。

下一節(jié)中將討論如何利用現(xiàn)有的技術(shù)手段，以及公共環(huán)境條件，對人群數(shù)據(jù)進行從識別到分析再到服務(wù)的處理，通過對技術(shù)路線和系統(tǒng)層次的講解，來剖析技術(shù)難點，提出解決方案。

三、圍繞圖像識別與處理的技術(shù)路線

本節(jié)主要討論實現(xiàn)平臺的技術(shù)手段和構(gòu)建方式。平臺通過收集人群數(shù)據(jù)和在線分析，將處理后的可視化結(jié)果呈現(xiàn)給用戶，并且通過隱結(jié)構(gòu)信息挖掘，給用戶提供空間利用率方面可能的改善建議，作為平臺的輔助決策服務(wù)。

從需求分析，到方案提出，再到問題歸納，最后改進現(xiàn)有方案，這是系統(tǒng)中每一層次的技術(shù)路線，也是系統(tǒng)整體的研發(fā)路線。

根據(jù)平臺功能模塊的需求，如圖2所示，橫向部分將系統(tǒng)分為三層，采集層、分析曾和應(yīng)用層，分別負(fù)責(zé)的是識別與采集、數(shù)據(jù)處理與決策和用戶服務(wù)與反饋。

而縱向流程為每一層技術(shù)路線，均從需求分析出發(fā)，提出合理的方案、結(jié)合實際問題進行改進。并且，由于人群服務(wù)的場景大多不確定，空間結(jié)構(gòu)復(fù)雜、難以形成統(tǒng)一結(jié)論，每一層級的研發(fā)將使用迭代的方式，在進行設(shè)計的同時挖掘新的問題和需求，不斷提出改進方案，完善系統(tǒng)的功能，形成積極正反饋。因此，這不僅是層級內(nèi)部的技術(shù)路線，更是本文所述系統(tǒng)的研發(fā)路線。

（一）采集層——識別與采集

近年來國內(nèi)基本普及了監(jiān)控設(shè)施，室內(nèi)環(huán)境基本上能夠做到多角度的圖像信息采集，這也為人群圖像識別提供硬件基礎(chǔ)。本文擬采用基于監(jiān)控攝像頭畫面的圖像識別，因此對于監(jiān)控圖像的濾波處理以及特征的選取、模型（OpenCV）的訓(xùn)練和測試，是該層研究的主要內(nèi)容。

本文使用模式識別來完成人群行為判斷從而達到預(yù)定目標(biāo)。基本的模式識別方法有兩種：統(tǒng)計模式識別和結(jié)構(gòu)模式識別。統(tǒng)計模式識別主要由四部分組成：數(shù)據(jù)獲取、預(yù)處理、特征提取和選擇、分類決策

模式識別主要分為三種：統(tǒng)計模式識別、句法模式識別、模糊模式識別。

圖像處理的具體技術(shù)方面，一般依托OpenCV來實現(xiàn)。本文也采用這個強大的開源圖形處理工具。如圖4所示，本文的圖像識別流程分為預(yù)處理和識別兩個階段。

本文中處理機制的直接輸入數(shù)據(jù)為攝像頭的畫面（圖像序列）。而項目需要獲取的是某一些時刻或時間段的人群信息，因此我們需要先將視頻文件抽取一定量的關(guān)鍵幀圖像，對這些圖像序列進行識別。

1. 獲取到圖像后，為了便于后續(xù)分析必須對圖像進行預(yù)處理來去除噪聲干擾，做幾何、彩色校正等改善圖像;

2. 對于當(dāng)前圖片還需要進行增強操作，對圖像進行濾波處理，去掉不必要的高頻部分，在盡量保持圖像中紋線邊緣完好的前提下，去掉圖像中的粘連、斷點及模糊的部分，以改善圖像的質(zhì)量，便于細(xì)化和特征提取，圖像的膨脹與增強如圖5所示：

3. 對圖像進行細(xì)化處理去掉不必要的信息，降低圖像數(shù)據(jù)量，為后處理提升效率和避免非預(yù)期操作;

4. 對當(dāng)前得到的處理后數(shù)據(jù)，可以獲取人群確切信息，對區(qū)域進行連接操作，將人群區(qū)域連為整體，并計算人群邊緣位置信息轉(zhuǎn)化為二維正交坐標(biāo)后繪制在示意圖上，便于決策人員做出決策與計算機進行分析。

（二）分析層——處理與決策

在實際情況中，一個攝像頭的監(jiān)控范圍非常有限，往往需要多攝像頭協(xié)作才能作到全面覆蓋。因此，如何從多個監(jiān)控畫面中，無重復(fù)地識別目標(biāo)，以及如何保證在人流量很大、地理環(huán)境復(fù)雜的情況下的識別穩(wěn)定性，就是本小節(jié)的首要研究內(nèi)容。

在攝像頭之間的目標(biāo)確認(rèn)算法中，單應(yīng)性約束是一種被廣泛研究和應(yīng)用的算法，其確認(rèn)的精確度比較高。單應(yīng)性約束是利用攝像頭之間，攝像頭和目標(biāo)之間的幾何位置來確定目標(biāo)，避免了使用目標(biāo)自身的特征作為確認(rèn)目標(biāo)的依據(jù)。

不過實際情況中，這種方法確認(rèn)結(jié)果的好壞，嚴(yán)重依靠目標(biāo)檢測的精度，尤其是目標(biāo)腳部位置檢測的準(zhǔn)確與否。為了更好的模擬真實情況中的各種不利情況，我們將3D模型以各種位置、角度擺放在場景中。其中我們發(fā)現(xiàn)，可能出現(xiàn)以下幾點問題：

· 某個目標(biāo)在某個攝像頭中沒有被檢測到或是只檢測到一部分;

· 某個攝像頭檢測到了一個虛假的目標(biāo);

· 目標(biāo)出現(xiàn)相互遮擋的情況;

· 目標(biāo)顏色與背景色相近，無法識別前景;

（a）暗部細(xì)節(jié)丟失 （b）相似目標(biāo) （c）目標(biāo)互相遮擋

這些問題表明，僅僅利用單應(yīng)性約束很難將目標(biāo)在攝像頭之間正確匹配起來。

為了解決上述三個問題，本文采用了一種基于目標(biāo)相互之間距離的確認(rèn)算法。通過實驗的驗證，該算法能很好提高多攝像頭之間目標(biāo)確認(rèn)的精度。現(xiàn)在我們將場景中的兩個攝像頭分別指定為攝像頭A與攝像頭B。以下為算法的主要步驟：

步驟一：攝像頭A 和攝像頭B 同時檢測到 N 個共同的目標(biāo)，為了將A中的 N個目標(biāo)與B中的目標(biāo)準(zhǔn)確的對應(yīng)起來，首先需要計算A到B之間的單應(yīng)性矩陣H：

該矩陣通過匹配多張畫面目標(biāo)的特征參數(shù)（位置，距離），來計算得到。具體方法和計算公式是UV坐標(biāo)和世界坐標(biāo)變換的常用方法，在此省略。

步驟二：獲取目標(biāo)的前景圖，對每個目標(biāo)分配一個標(biāo)識號，并提取目標(biāo)的腳部位置（識別框底邊中心） ，并計算目標(biāo)之間的距離 ，計算方法如下：

其中 分別表示攝像頭A中目標(biāo) 之間底部、中部和頂部的距離。按照公式圖中，就是取最小值。

步驟三：根據(jù)單應(yīng)矩陣H，將A中目標(biāo) 變換投影至B中，得到在B中的位置 。

步驟四：將已經(jīng)得到的投影（映射）位置，與其他目標(biāo)的相對距離 。

步驟五：這一步進行目標(biāo)的相互確認(rèn)。繼續(xù)以 （A中目標(biāo)映射到B的虛擬目標(biāo)）為例，確認(rèn)方法如下：

1）如果 與A中對應(yīng)原始目標(biāo)的位置重合，則表明這兩者為同一目標(biāo);

2）如果B中沒有一個目標(biāo)的位置與 的位置重合，則確定以 為中心，r為半徑的區(qū)域內(nèi)B中的所有目標(biāo)（假設(shè)B目標(biāo)個數(shù)為M）;對目標(biāo) ?與從A投影到B中的其他目標(biāo)之間的距離 （ j =1， 2， ， NK且 j ≠i ），以及B中的這個 M 個目標(biāo)分別與其他目標(biāo)之間的距離 （ k =1，2， ， NK 且k ≠t ）進行從小到大的排序，得到集合 （t 表示 M 個目標(biāo)中的其中一個目標(biāo)）;分別計算 ?與 ?的和 ;從這 M 個目標(biāo)中選擇與 值最接近的目標(biāo) ，如果集合 中每個位置對應(yīng)的值之差的絕對小于某個閾值θ，即

其中 分別表示集合 中的第 q 個目標(biāo)。則將A中的目標(biāo) 與B中的目標(biāo) 確認(rèn)為同一個目標(biāo)。如果集合 ?不能滿足上式，則選擇下一個與 ?第二接近的目標(biāo)，并檢驗該目標(biāo)是否滿足上式，若滿足則確定 與該目標(biāo)為同一個目標(biāo)，若不滿足則選擇與 第三接近的目標(biāo)，依此類推。

（三）應(yīng)用層——服務(wù)與反饋

將（二）中得到的可視化內(nèi)容，結(jié)合用戶提供的其他實際數(shù)據(jù)，分析出一個合理的建議，以平臺推送或者公共場景大屏顯示的方式通知用戶，實現(xiàn)平臺服務(wù);同時，提供反饋的接口給用戶，對于平臺的服務(wù)進行評價與建議，實現(xiàn)良性互動。（三）將在下文中以舉例的方式詳細(xì)討論。

四、應(yīng)用場景和服務(wù)方式

本文所述的技術(shù)路線實際也決定了應(yīng)用的大致方向——圖像及其可視化服務(wù)。那么結(jié)合近年來有關(guān)群體數(shù)據(jù)可視化以及應(yīng)用案例，本文從中發(fā)現(xiàn)一個十分有應(yīng)用價值的信息，并且能夠與本文的技術(shù)高度融合——隱結(jié)構(gòu)信息。

（一）隱結(jié)構(gòu)信息

隱結(jié)構(gòu)信息，既在特定的公共（地理）環(huán)境中，由人群運動的動態(tài)分布圖像信息數(shù)據(jù)，通過圖像處理、比對等方法，發(fā)掘?qū)ο蟓h(huán)境中人流量較小區(qū)域的分布特點，從而得到的虛擬的建筑（地理）結(jié)構(gòu)信息。文章在前人提出的“隱結(jié)構(gòu)信息”的基礎(chǔ)上，利用這一新興概念，將平臺可視化數(shù)據(jù)中的建筑結(jié)構(gòu)，根據(jù)人群活動強弱、人流量大小，劃分出相應(yīng)的“隱結(jié)構(gòu)”，展示在可視化界面上，便于用戶直觀的了解空間利用方面存在的問題并進行改善。而如何處理平面數(shù)據(jù)，獲取“隱結(jié)構(gòu)信息”，并且要保證科學(xué)性和有效性，這是本文在數(shù)據(jù)分析方面的研究重難點，也是平臺可視化中的創(chuàng)新點。

本小節(jié)采用舉例說明隱結(jié)構(gòu)信息。我們還是以某高校圖書館為例。將前幾階段處理過后的圖像序列，抽取其中一定量的關(guān)鍵幀，使用Photoshop工具進行疊加，生成如下圖的人群流量熱成像圖。

其中，深色的區(qū)域為人流量少的區(qū)域，可以考慮將其框選出來作為調(diào)整空間的候選區(qū)域，也就是“隱結(jié)構(gòu)信息”。

接下來，通過這張隱結(jié)構(gòu)信息圖，我們將根據(jù)實際情況對用戶的場景環(huán)境進行細(xì)致分析與建議，其中包括的內(nèi)容有：

· 可能出現(xiàn)的安全隱患，例如某處空間的出入口過于擁堵，可能導(dǎo)致的疏散問題;

· 可以改善的空間布置，對于1中的情況，擬通過這種建議方式能夠解決;

· 能夠利用的閑置區(qū)域，提高空間利用率;

· 關(guān)于人流量管控方面的建議，例如如果區(qū)域人流量在某一時段過大，將建議用戶控制區(qū)域時間段的人員流動。

（二）反饋方式

以上的包括隱結(jié)構(gòu)信息在內(nèi)的信息會以統(tǒng)一格式、在第一時間，以平臺推送的方式通知用戶。而具體的平臺推送方式，主要包括兩個方面：

1. 公共投放

在一般車站或商場，能夠較為容易地配置大屏顯示。這些設(shè)備往往用于廣告投放或者必要信息地顯示，對于顯示地圖像要求不高，因此本文所述的服務(wù)信息完全可以通過這種方式進行投放，讓現(xiàn)場的公共用戶群體最直觀地查看。

2. 私有推送

如果將用戶地范圍縮小，限定于管理員類用戶，那么公共投放方式顯然不再適用。不過由于此類用戶群體較小，本文將采取常規(guī)的web技術(shù)進行B/S架構(gòu)應(yīng)用的開發(fā)，將數(shù)據(jù)通過這種方式推送到用戶的設(shè)備中，更加靈活且支持用戶的定制化操作。

總結(jié)與展望

本文通過以上三個章節(jié)的內(nèi)容，詳細(xì)論述了有關(guān)人群數(shù)據(jù)的價值，相關(guān)圖像識別、處理技術(shù)，應(yīng)用場景和服務(wù)方式。但綜合下來，本文所述系統(tǒng)還存在以下幾點問題。

1、圖像識別技術(shù)已經(jīng)非常成熟，但實際上對于復(fù)雜公共環(huán)境，不可能有一個普適的模型來進行識別——實際情景下的模型參數(shù)調(diào)節(jié)，還需要項目在研究過程中探索經(jīng)驗，以達到一個更好的實際效果;

2、數(shù)據(jù)可視化，包括隱結(jié)構(gòu)信息的挖掘的過程自動化。如果不能實現(xiàn)這一點，服務(wù)的環(huán)節(jié)就不能算得上完善;

3、如何根據(jù)可視化圖像進行分析、建議。這是本平臺的應(yīng)用層（服務(wù)層）需要解決的問題，可能會涉及到?jīng)Q策樹、決策模型以及深度學(xué)習(xí)方面的方法;并且，關(guān)于問題1中的識別模型適應(yīng)性問題，或許可以通過機器學(xué)習(xí)方式進行自適應(yīng)調(diào)整，減少人工調(diào)參的工作量。這也是本文作者后續(xù)的重要研究方向之一。

總之，人群數(shù)據(jù)的分析服務(wù)平臺無論是在技術(shù)上，還是在實際場景中，都表現(xiàn)出高度的可行性，本文作者也會繼續(xù)探索新的技術(shù)和方式完善系統(tǒng)。

參考文獻：

[1]羅莉莎，鐘嘉桐，王樹同，陳龍，邵文澤.道路監(jiān)控視頻低清人臉重建與識別方法研究[J].計算機時代，2020（01）：26-29+34.

[2]崔頌懿，孔德文，王茉.客運樞紐“人群迷路區(qū)”的快速識別與優(yōu)化——以北京南站為例[J].交通運輸研究，2019，5（03）：34-41.

[3]梁茜. 基于視頻的商場人群行為識別研究[D].天津財經(jīng)大學(xué)，2016.

[4]崇信毅. 基于視頻監(jiān)控數(shù)據(jù)的人群行為分析[D].北京交通大學(xué)，2012.

[5]田玉敏.人群疏散心理及行為個體差異的探討[J].人類工效學(xué)，2010，16（03）：53-55+82.

[6] 顏杰. 多攝像頭目標(biāo)檢測與跟蹤方法研究[D].華中科技大學(xué)，2011.

[7]楊立兵. 公共場所應(yīng)急疏散系統(tǒng)及模擬仿真[D].中南大學(xué)，2009.

[8]單路. 基于多源數(shù)據(jù)的高鐵站區(qū)人群聚集特征研究[C]. 中國城市規(guī)劃學(xué)會、重慶市人民政府.活力城鄉(xiāng) 美好人居——2019中國城市規(guī)劃年會論文集（07城市設(shè)計）.中國城市規(guī)劃學(xué)會、重慶市人民政府：中國城市規(guī)劃學(xué)會，2019：544-555.

[9]鄒富，周俊，范倩藍(lán)，裴思垚.基于UP Squared的OpenCV物體圖像識別應(yīng)用[J].電子測試，2019（22）：62-63.

[10]劉軍偉.基于OpenCV的圖形識別系統(tǒng)設(shè)計[J].電子技術(shù)與軟件工程，2019（21）：60-62.

[11]石澤瓊，毛俊強，李雙偉，徐麗蕊，董言治.基于OpenCV的運動目標(biāo)識別跟蹤[J].中國集成電路，2019，28（04）：20-25.

[12]任志敏.基于Android及OpenCV平臺的形狀及顏色識別系統(tǒng)設(shè)計[J].山西電子技術(shù)，2019（04）：51-53+62.

[13]田玉敏.人群疏散心理及行為個體差異的探討[J].人類工效學(xué)，2010，16（03）：53-55+82.

[14] Kim K， Chalidabhongse T H， Harwood D， ct al， Real-time foreground-background segmentation using codebook model[j]Real-Time Imaging，2005 11（3）：172-185

作者簡介：

匡涂上青（2000—），男，漢族，湖南省長沙市人，本科，中南大學(xué)計算機學(xué)院