特許 7754554 モノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-10-06

(45)【発行日】2025-10-15

(54)【発明の名称】モノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム

(51)【国際特許分類】

   G06T 7/70 20170101AFI20251007BHJP

   G06T 7/20 20170101ALI20251007BHJP

   G06Q 10/04 20230101ALI20251007BHJP

【ＦＩ】

G06T7/70 A

G06T7/20 300Z

G06Q10/04

【請求項の数】 8

(21)【出願番号】P 2024539314

(86)(22)【出願日】2023-11-24

(65)【公表番号】

(43)【公表日】2025-03-07

(86)【国際出願番号】 CN2023133988

(87)【国際公開番号】W WO2024156221

(87)【国際公開日】2024-08-02

【審査請求日】2024-06-27

(31)【優先権主張番号】202311504240.0

(32)【優先日】2023-11-13

(33)【優先権主張国・地域又は機関】CN

(73)【特許権者】

【識別番号】520448452

【氏名又は名称】浙大城市学院

(74)【代理人】

【識別番号】100145470

【弁理士】

【氏名又は名称】藤井 健一

(72)【発明者】

【氏名】兪雪永

(72)【発明者】

【氏名】胡毓寧

(72)【発明者】

【氏名】張泳

(72)【発明者】

【氏名】王碩苹

(72)【発明者】

【氏名】陳丹

(72)【発明者】

【氏名】柳俊

【審査官】伊知地 和之

(56)【参考文献】

【文献】米国特許出願公開第２０１７／０３４５２６５（ＵＳ，Ａ１）

【文献】中国特許出願公開第１１０９６９５６１（ＣＮ，Ａ）

【文献】特開２０２０－１４４１２９（ＪＰ，Ａ）

【文献】Nguyen Van-Quyet et al.，“A Scalable Approach for Dynamic Evacuation Routing in Large Smart Buildings”，2019 IEEE International Conference on Smart Computing (SMARTCOMP)[online]，IEEE，2019年，pp.292-300，[検索日 2025.6.12], インターネット:<URL:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8784051>，DOI: 10.1109/SMARTCOMP.2019.00065

【文献】寺西裕一 外２名，映像解析による大規模避難誘導システムの設計，情報処理学会 研究報告 マルチメディア通信と分散処理（ＤＰＳ） ２０１６－ＤＰＳ－１６６ ［ｏｎｌｉｎｅ］，情報処理学会，2016年02月25日，pp.1～8

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ － １０／３０

Ｇ０６Ｔ ７／００ － ７／９０

Ｇ０６Ｖ １０／００ － ２０／９０

Ｇ０６Ｖ ３０／４１８

Ｇ０６Ｖ ４０／１６

Ｇ０６Ｖ ４０／２０

ＣＳＤＢ（日本国特許庁）

ＩＥＥＥ Ｘｐｌｏｒｅ

(57)【特許請求の範囲】

【請求項1】

データ収集モジュール、データ保存モジュール、人流制御モジュール、画像解析モジュール、目標認識モジュール、モデル解析モジュール、連動解析モジュールを含み、
前記人流制御モジュールは、建築内のすべての避難経路を統計し、かつ避難経路にラベルを付けてr_i とし、i∈[１，n]であり、nは建築内の避難経路の本数であり、n本の避難経路が交差して避難ネットを構成し、
前記データ収集モジュールは、Ｎ個の監視収集ポートを通じて異なる通路空間内の人流運動データを収集したうえで、収集された人流運動データをデータ保存モジュールに保存し、経路r_iの監視収集ポートの個数はR_iであり、R_i∈[１，N]であり、監視収集ポートによって異なる人流運動空間の人流流入の入口数に対応してカバーされ、
監視収集ポートを通じて人流運動の映像情報を収集し、前記画像解析モジュールは異なる監視収集ポートによる映像情報に対して画像フレーム処理を行ったうえで、前記目標認識モジュールは人流中の運動目標に対して目標追跡を行い、画像解析モジュールと目標認識モジュールは画像の画素座標を多次元空間座標系にマッピングし、
前記モデル解析モジュールは、モデル解析モジュールと目標認識モジュールの解析過程を結合して通路空間内の人流の変化に対してデータ統計を行ったうえで、人流運動の速度、密度、流量構造に基づいて対応するミクロモデルを構築し、異なる入口数の人流運動空間に対して異なるミクロモデルを用いて時空内の人流の運動規則解析を行い、通路内の人流運動の速度上の時空分布特徴と密度上の時空分布特徴が得られ、
前記連動解析モジュールは人流運動の避難終点位置に結合して目的関数を確立し、かつＮ個のノード間のフィードバック関係に対して解析を行い、連動解析モジュールはさらに避難ネットにおけるすべての通路の人流運動経路特徴に対してマクロ連動解析を行い、１つの監視収集ポートにカバーされた人流運動空間を人流運動経路中の１つのノードとし、１本の避難経路中にR_i個のノードが含まれ、異なるノードの速度上の時空分布特徴と密度上の時空分布特徴を抽出して避難経路全体の特徴マトリックスが得られた後、さらに異なる避難経路間の結合に対して動的解析を行い避難経路間の影響値が得られ、最後に連動解析モジュールは確立した動的観測方程式を通じて人流避難過程を予測し、
前記人流制御モジュールは連動解析モジュールの予測結果と結合して建築内の人流避難を指揮し、緊急避難中に人流運動が最適な避難経路に従って避難するようにすることを特徴とするモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項2】

前記連動解析モジュールはまず人流運動の終点位置を確定し、異なる位置の歩行者は自己組織化された形で人流避難運動を行った後、すべてのノードからなる避難ネットに対する全体的な解析を通じて動的観測を行い、具体的には、
人流避難の終点と各ノードとの間の空間距離をX_i、i∈[１，N]とし、連動解析モジュールは人流運動の終点位置に基づいてノードデータを結合して目的関数f(t)を決定し、ノードデータには空間距離、人流量と時間が含まれ、終点座標は(x^*，y^*，z^*)とし、ノードの空間位置座標は(x，y，z)であり、

【数22】

目的関数に基づいて異なる避難経路の人流運動の過程を判定するステップ１と、
人流運動経路中の人流合流ノードを現在のノードpとし、現在のノードpと隣接ノードqの間の相関係数を計算し、Ｓ１、Ｓ２はそれぞれ現在のノードpと隣接ノードqの間の特徴ベクトルであり、計算式は下式によって表され、

【数23】

ρは相関係数を表し、Ｃｏｖは共分散を表し、Ｅは数学的期待値を表し、相関係数の値に基づいて隣接ノードの間の相関関係を判断し、ρ＞０の場合、ノードの間の人流運動規則はポジティブフィードバックであり、ρ＜０の場合、ノードの間の人流運動規則はネガティブフィードバックであるステップ２と、
２本の避難経路が交差したノードを重複ノードとし、異なる避難経路の人流を重複ノードで合流させたうえで、モデル解析モジュールにより重複ノードにおける人流運動規則に対してミクロ解析を行い、避難経路の重複ノードにおいて、人流運動が変化した程度を連携数値で表し、異なる避難経路間の人流運動の連携数値を計算してＷ_ijが得られ、iとjは経路の下付き文字を表し、i、j∈[１，n]、Ｒ_iとＲ_jはそれぞれiとjの２本の避難経路におけるノード数であり、

【数24】

ここで、Ｕⁱ (ｋ)とＵ_ｋ ^j (ｋ)は、それぞれ重合ノードに隣接しかつ人流の流入方向が同じであるノード流量であり、２つのノードはそれぞれ２つの避難経路に属し、kは経路が交差した個数であり、X_k、Ｘ_iｋ、Ｘ_jｋは空間距離であるステップ３と、
連動解析モジュールはモデル解析モジュールの解析結果を結合して、すべての避難経路における異なるノードの速度上の時空分布特徴と密度上の時空分布特徴を解析して対応する特徴マトリックスA_nRiが得られ、R_i∈[１，N]であり、連動解析モジュールは異なる避難経路間の連携程度を結合して人流運動過程における異なるノードの動的状態に対して動的観測を行い、かつ観測値に対して判断を行い、

【数25】

ここで、

【数26】

η_１は速度、η_２は密度、η_３は流量、η_４はカバーされた空間、t_i人流避難時間、tは異なる時刻値を表し、動的予測モデルは異なる時刻予測数値の変化に基づいて避難過程のパラメータ変動を予測し、設定された目的関数と結合して予測数値を判定するステップ４を、と含むことを特徴とする請求項１に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項3】

前記目標認識モジュールは、監視された映像中の歩行者を多目標認識したあと、認識効果判定により、成功に認識された歩行者の座標を変換し、歩行者の位置を修正し、前記画像解析モジュールと目標認識モジュールは収集されたデータを座標変換したあと、モデル解析モジュールは空間エリア内の人流の密度と人流の速度に対して解析計算し、歩行者目標の位置上の時空分布構築分析モデルによって、歩行者流の速度上の時空分布と密度上の時空分布の基本図が得られ、さらに基本図を通じて人流の運動規則を解析することを特徴とする請求項１に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項4】

モデル解析モジュールは通路空間のタイプに基づいて異なるモデルを構築して人流運動規則を解析し、現在の監視収集ポートにカバーされたエリアの人流合流口の数に基づいてＹ型通路、直進通路、Ｔ型通路、十字通路を含む通路を区分することを特徴とする請求項１に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項5】

前記目標認識モジュールの検出枠の底部と中心座標の関係式は下式によって表され、

【数27】

ここで、u_１は画素座標系における検出枠の中心の横座標であり、v_１は画素座標系における検出枠の中心の縦座標であり、hは画素座標系における検出枠の高さであり、uは画素座標系における検出枠の底部の中心の横座標であり、vは画素座標系における検出枠の底部の中心の縦座標であることを特徴とする請求項３に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項6】

前記画像解析モジュールは、画像中の歩行者の画素座標系の座標を変換し、下式によって表され、

【数28】

ここで、Mは変換マトリックスであり、x_wは空間座標系下における横座標であり、y_wは空間座標系下における縦座標であり、z_wは空間座標系下における垂直座標であり、ｚはカメラ座標系下における人距離監視の距離であることを特徴とする請求項３に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項7】

人流速度解析関係は下式によって表され、

【数29】

ここで、v_i (t)は歩行者iの時刻tにおける瞬時速度値を表し、w_i (t)は歩行者iの時刻tから(t＋T)までの歩行距離を表し、Nは歩行者の総数を表し、

【数30】

ここで、v^－（ここで、"^-"は、ｖのオーバーラインを示す）は時間平均速度を表し、X_i，tは歩行者iの第t目のフレームの座標を表すことを特徴とする請求項３に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【請求項8】

時空内の密度はρであり、下式によって表され、

【数31】

ここで、監視が覆われた空間をエリア分割し、A_mは第m目のエリアの面積を表し、N_tは時刻tの研究エリアの歩行者数を表すことを特徴とする請求項３に記載のモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、インテリジェント制御の技術分野に関し、具体的にはモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システムに関するものである。

【背景技術】

【0002】

人員分布が密集しているキャンパスで緊急事態が発生して避難が必要な場合、多くの学生が複数の教育実験センターや機械室から避難し、人流の中で雑踏事故が発生しやすく、建物の通路内の歩行者が安全に避難するように、建物内の人流に対してインテリジェント統計監視検出と分流指揮を実行することが大切であり、従来技術では、人流制御システムは画像認識と歩行者検出を通じて１つの空間内の人流運動特徴の解析を行うことにより、監視範囲内の人流監視を実現し、建築内の異なるタイプの通路内の人流運動特徴に差異があり、異なる通路内の人流解析に採用されたモデルとモデル判断基準は一意ではなく、異なるタイプの通路監視カメラ下における人流運動経路に連動性があり、緊急に人員が避難する時、異なるタイプの通路は全体の避難経路を構成したが、リモート監視人員は複数の監視スクリーンを通じて全体の人流運動を監視することが難しく、異なる通路内のカメラは通路内の空間を覆う程度に限られており、避難過程に場所の要求が存在する時、単一監視下における人流解析だけでは全体の避難過程を動的監視することができず、異なるタイプの通路のカスケードマッチング程度を増加させ、人流リモートインテリジェンス制御を実現し、避難通路設置の正確性を向上させるために、本発明はモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システムを提出する。

【発明の概要】

【課題を解決するための手段】

【0003】

上記の状況に対して、従来技術の欠点を克服するために、本発明の目的は、モノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システムを提案し、モデル分析モジュールは異なる監視収集ポートの人流運動構造がマッチングしたモデルに基づいてミクロ解析を行ったうえで、さらに連動解析モジュールがミクロモデルの解析結果を結合してすべての避難線路の人流運動規則を解析し、人流運動解析の正確性を高め、連動解析モジュールを通じて異なる監視収集ポート間の相互影響をカスケード解析し、リモートによる人流統計と制御の動的モニタリング効率を向上させることができる。

【0004】

モノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システムは、データ収集モジュール、データ保存モジュール、人流制御モジュール、画像解析モジュール、目標認識モジュール、モデル解析モジュール、連動解析モジュールを含み、
前記人流制御モジュールは、建築内のすべての避難経路を統計し、かつ避難経路にラベルを付けてｒ_ｉとし、ｉ∈[１，ｎ] 、ｎは建築内の避難経路の本数であり、ｎ本の避難経路が交差して避難ネットを構成し、
前記データ収集モジュールは、Ｎ個の監視収集ポートを通じて異なる通路空間内の人流運動データを収集したうえで、収集された人流運動データをデータ保存モジュールに保存し、経路ｒ_ｉの監視収集ポートの個数はＲ_ｉ、Ｒ_ｉ∈[１，Ｎ]、監視収集ポートによって異なる人流運動空間の人流流入の入口数に対応して覆い、
監視収集ポートを通じて人流運動の映像情報を収集し、前記画像解析モジュールは異なる監視収集ポートによる映像情報に対して画像フレーム処理を行ったうえで、前記目標認識モジュールは人流中の運動目標に対して目標追跡を行い、画像解析モジュールと目標認識モジュールは画像の画素座標を多次元空間座標系にマッピングし、
前記モデル解析モジュールは、モデル解析モジュールと目標認識モジュールの解析過程を結合して通路空間内の人流の変化に対してデータ統計を行ったうえで、人流運動の速度、密度、流量構造に基づいて対応するミクロモデルを構築し、異なる入口数の人流運動空間に対して異なるミクロモデルを用いて時空内の人流の運動規則解析を行い、通路内の人流運動の速度上の時空分布特徴と密度上の時空分布特徴が得られ、
前記連動解析モジュールは人流運動の避難終点位置に結合して目的関数を確立し、かつＮ個のノード間のフィードバック関係に対して解析を行い、連動解析モジュールはさらに避難ネットにおけるすべての通路の人流運動経路特徴に対してマクロ連動解析を行い、１つの監視収集ポートに覆われた人流運動空間を人流運動経路中の１つのノードとし、１本の避難経路中にＲ_ｉ個のノードが含まれ、異なるノードの速度上の時空分布特徴と密度上の時空分布特徴を抽出して避難経路全体の特徴マトリックスが得られた後、さらに異なる避難経路間の結合に対して動的解析を行い避難経路間の影響値が得られ、最後に連動解析モジュールは確立した動的観測方程式を通じて人流避難過程を予測し、
前記人流制御モジュールは連動解析モジュールの予測結果と結合して建築内の人流避難を指揮し、緊急避難中に人流運動が最適な避難経路に従って避難するようにする。

【0005】

さらに、前記連動解析モジュールはまず人流運動の終点位置を確定し、異なる位置の歩行者は自己組織化された形で人流避難運動を行った後、すべてのノードからなる避難ネットに対する全体的な解析を通じて動的観測を行い、具体的には、
人流避難の終点と各ノードとの間の空間距離をＸ_ｉ、ｉ∈[１，Ｎ]、連動解析モジュールは人流運動の終点位置に基づいてノードデータを結合して目的関数ｆ（ｔ）を決定し、ノードデータには空間距離、人流量と時間が含まれ、終点座標は(ｘ^*，ｙ^*，ｚ^* )とし、ノードの空間位置座標は(ｘ，ｙ，ｚ)であり、

【0006】

【数1】

【0007】

目的関数に基づいて異なる避難経路の人流運動の過程を判定するステップ１と、
人流運動経路中の人流合流ノードを現在のノードｐとし、現在のノードｐと隣接ノードｑの間の相関係数を計算し、Ｓ１、Ｓ２はそれぞれ現在のノードｐと隣接ノードｑの間の特徴ベクトルであり、計算式は下式によって表され、

【0008】

【数2】

【0009】

ρは相関係数を表し、Ｃｏｖは共分散を表し、Ｅは数学的期待値を表し、相関係数の値に基づいて隣接ノードの間の相関関係を判断し、ρ＞０の場合、ノードの間の人流運動規則はポジティブフィードバックであり、ρ＜０の場合、ノードの間の人流運動規則はネガティブフィードバックであるステップ２と、
２本の避難経路が交差したノードを重複ノードとし、異なる避難経路の人流を重複ノードで合流させたうえで、モデル解析モジュールにより重複ノードにおける人流運動規則に対してミクロ解析を行い、避難経路の重複ノードにおいて、人流運動の間は相互に影響し合い、避難経路の重複ノードにおける人流運動が変化した程度を連携数値で表し、異なる避難経路間の人流運動の連携数値を計算してＷ_ｉｊが得られ、ｉとｊは経路の下付き文字を表し、ｉ、ｊ∈[１，ｎ]、Ｒ_ｉとＲ_ｊはそれぞれｉとｊの２本の避難経路におけるノード数であり、

【0010】

【数3】

【0011】

ここで、Ｕ^ｉ (ｋ)とＵ_ｋ ^ｊ (ｋ)は、それぞれ重合ノードに隣接しかつ人流の流入方向が同じであるノード流量であり、２つのノードはそれぞれ２つの避難経路に属し、ｋは経路が交差した個数であり、Ｘ_ｋ、Ｘ_ｉｋ、Ｘ_ｊｋは空間距離であるステップ３と、
連動解析モジュールはモデル解析モジュールの解析結果を結合して、すべての避難経路における異なるノードの速度上の時空分布特徴と密度上の時空分布特徴を解析して対応する特徴マトリックスＡ_ｎＲｉが得られ、Ｒ_ｉ∈[１，Ｎ]、連動解析モジュールは異なる避難経路間の連携程度を結合して人流運動過程における異なるノードの動的状態に対して動的観測を行い、かつ観測値に対して判断を行い、

【0012】

【数4】

【0013】

ここで、

【0014】

【数5】

【0015】

η_１は速度、η_２は密度、η_３は流量、η_４は覆われた空間、ｔ_ｉ人流避難時間、ｔは異なる時刻値を表し、動的予測モデルは異なる時刻予測数値の変化に基づいて避難過程のパラメータ変動を予測し、設定された目的関数と結合して予測数値を判定するステップ４を、と含む。

【0016】

前記目標認識モジュールは、監視された映像中の歩行者を多目標認識したあと、認識効果判定により、成功に認識された歩行者の座標を変換し、歩行者の位置を修正し、前記画像解析モジュールと目標認識モジュールは収集されたデータを座標変換したあと、モデル解析モジュールは空間エリア内の人流の密度と人流の速度に対して解析計算し、歩行者目標の位置上の時空分布構築分析モデルによって、歩行者流の速度上の時空分布と密度上の時空分布の基本図が得られ、さらに基本図を通じて人流の運動規則を解析する。

【0017】

モデル解析モジュールは通路空間のタイプに基づいて異なるモデルを構築して人流運動規則を解析し、現在の監視収集ポートに覆われたエリアの人流合流口の数に基づいてＹ型通路、直進通路、Ｔ型通路、十字通路を含む通路を区分する。

【0018】

前記目標解析モジュールの検出枠の底部と中心座標の関係式は下式によって表され、

【0019】

【数6】

【0020】

ここで、ｕ_１は画素座標系における検出枠の中心の横座標であり、ｖ_１は画素座標系における検出枠の中心の縦座標であり、hは画素座標系における検出枠の高さであり、ｕは画素座標系における検出枠の底部の中心の横座標であり、ｖは画素座標系における検出枠の底部の中心の縦座標である。

【0021】

前記画像解析モジュールは、画像中の歩行者の画素座標系の座標を変換し、下式によって表され、

【0022】

【数7】

【0023】

ここで、Ｍは変換マトリックスであり、ｘ_ｗは空間座標系下における横座標であり、ｙ_ｗは空間座標系下における縦座標であり、ｚ_ｗは空間座標系下における垂直座標であり、ｚはカメラ座標系下における人距離監視の距離である。

【0024】

人流速度解析関係は下式によって表され、

【0025】

【数8】

【0026】

ここで、ｖ_ｉ (ｔ)は歩行者ｉの時刻ｔにおける瞬時速度値を表し、ｗ_ｉ (ｔ)は歩行者ｉの時刻ｔから(ｔ＋Ｔ)までの歩行距離を表し、Ｎは歩行者の総数を表し、

【0027】

【数9】

【0028】

ここで、ｖ^－（ここで、"^-"は、ｖのオーバーラインを示す）は時間平均速度を表し、Ｘ_ｉ，ｔは歩行者ｉの第ｔ目のフレームの座標を表す。

【0029】

時空内の密度はρであり、下式によって表され、

【0030】

【数10】

【0031】

ここで、監視が覆われた空間をエリア分割し、A_mは第m目のエリアの面積を表し、N_tは時刻tの研究エリアの歩行者数を表す。

【発明の効果】

【0032】

以上の技術的手段の採用により、本発明は従来技術と比較して以下の利点を有し、
第１、本発明では、画像解析モジュールと目標認識モジュールによって、監視収集ポートに収集された人流運動の映像情報を解析し、画像フレーム処理と目標認識を通じて人流中の歩行者の位置座標を変換し、映像情報を通じて人流中の歩行者の運動データを迅速に確定し、歩行者流の統計とリモート監視を実現し、人流の統計と制御効率を向上させることができる。
第２、本発明では、モデル解析モジュールは画像解析モジュールと目標識別モジュールが変換した座標情報を結合して対応する解析モデルを構築し、避難経路に異なるタイプの通路空間内の人流の解析は異なるモデルを採用し、モデル解析モジュールはモデルと通路空間タイプをマッチングしてモデルによる誤差を低減し、モデル解析の結果を実際の人流運動規則に適合させ、異なる人流解析モデルを構築することにより人流データ解析の正確性を向上させることができる。
第３、本発明では、連動解析モジュールはモデル解析モジュールと結合してすべてのノードに対して連動解析を行い、人流運動に目標が存在する場合、連動解析モジュールは異なる経路間の相互作用関係と異なるノードのミクロモデルの解析結果を通じて全体の人流運動規則を動的解析し、人流制御モジュールは連動解析モジュールの予測結果に基づいて人流運動を制御したり指揮したりして、人流避難過程における動的監視の正確性を高め、異なるノード間のカスケード程度を強化し、リモート監視人員が複数の監視画面を見ている中に人的監視誤差を回避し、緊急避難が発生した場合、リモートで人流制御や指揮を行い、避難通路の設置を支援する。

【図面の簡単な説明】

【0033】

【図1】本発明に係る全体のモジュール図である。

【図2】本発明に係る全体の解析フローチャートである。

【図3】本発明に係る連動解析モジュールの解析フローチャートである。

【発明を実施するための形態】

【0034】

本発明の前述及びその他の技術内容、特徴及び効能については、以下の配合参考図１～３の実施例の詳細な説明において、明確に示すことができる。本願の実施形態及び実施形態における特徴は互いに組み合わせてもよく、明細書で使用される用語は、本発明の技術分野の技術者が一般的に理解する意味である。

【0035】

本発明の実施例はモノのインターネット（ＩｏＴ）に基づくリモートインテリジェンス人流統計制御システムを開示し、データ収集モジュール、データ保存モジュール、人流制御モジュール、画像解析モジュール、目標認識モジュール、モデル解析モジュール、連動解析モジュールを含む。

【0036】

キャンパスは人が密集している場所であり、不測の事態が発生して緊急避難が必要な場合、空間内に大量の人流が集中し、学校の教育実験センターや機械室の人流の出入り統計と応用を例とし、複数の実験センター内の人流が緊急の場合に急速に流出し、異なる位置の学生は急速に撤退する必要がある場合、人流運動規則と人流統計に対する解析は極めて重要であり、同空間内の人流が混雑している時に雑踏事故が発生しないように、避難通路の設置、リモート人流統計、制御管理は極めて重要であり、画像認識を利用して実際のシーンにおける教学棟の通路上の歩行者流の運動特徴を解析し、さらに人流運動特徴を解析し、人流の分流指揮を通じて避難通路内の異なる人流を秩序正しく疎開させ、異なる人の避難線路の間が交錯し、歩行者同士が干渉したため、リモート制御員は複数の監視点の人流を連携解析する必要がある。前記人流制御モジュールは、建築内のすべての避難経路を統計し、かつ避難経路にラベルを付けてｒ_ｉ とし、ｉ∈[１，ｎ]、ｎは建築内の避難経路の本数であり、ｎ本の避難経路が交差して避難ネットを構成し、建物内の人流は各方向から避難終点位置に流入し、避難人流が通過する避難経路は異なり、異なる避難経路が避難ネットを織り成し、各避難経路における監視収集ポートの数は異なり、人流運動の空間タイプは異なり、人流の雑踏事故が発生する確率も異なり、人流が避難する過程で歩行者の運動特徴は絶えず変化し、異なる避難経路間の人流は相互に影響し合い、異なる避難方向は変化する。

【0037】

前記データ収集モジュールは、Ｎ個の監視収集ポートを通じて異なる通路空間内の人流運動データを収集したうえで、収集された人流運動データをデータ保存モジュールに保存し、経路ｒ_ｉの監視収集ポートの個数はＲ_ｉ、Ｒ_ｉ∈[１，Ｎ]、監視収集ポートによって異なる人流運動空間の人流流入の入口数に対応して覆い、監視収集ポートによって異なる人流運動空間の人流流入の入口数に対応して覆い、データ収集モジュールには監視収集ポートの監視装置、熱検知装置、赤外線検出器が含まれ、建物内に設置されたすべての監視装置は異なる人流運動空間を監視して覆う。

【0038】

監視収集ポートを通じて人流運動の映像情報を収集し、前記画像解析モジュールは異なる監視収集ポートによる映像情報に対して画像フレーム処理を行ったうえで、前記目標認識モジュールは人流中の運動目標に対して目標追跡を行い、画像解析モジュールと目標認識モジュールは画像の画素座標を多次元空間座標系にマッピングし、人流運動の過程で、画像解析モジュールと目標解析モジュールは収集した人流データ中の歩行者に対して動的目標解析と検出を行ったうえで、多角形検出法を通じてエリア内の人流流量を統計する。

【0039】

前記モデル解析モジュールは、モデル解析モジュールと目標認識モジュールの解析過程を結合して通路空間内の人流の変化に対してデータ統計を行ったうえで、人流運動の速度、密度、流量構造に基づいて対応するミクロモデルを構築し、異なる入口数の人流運動空間に対して異なるミクロモデルを用いて時空内の人流の運動規則解析を行い、通路内の人流運動の速度上の時空分布特徴と密度上の時空分布特徴が得られ、異なるタイプの通路空間におけるモデル構造によって対応する解析誤差をもたらし、異なる通路空間は最適なモデルを構築し、解析結果を実際のインテリジェント人流運運動規則に近づける。

【0040】

前記連動解析モジュールは人流運動の避難終点位置に結合して目的関数を確立し、かつＮ個のノード間のフィードバック関係に対して解析を行い、連動解析モジュールはさらに避難ネットにおけるすべての通路の人流運動経路特徴に対してマクロ連動解析を行い、１つの監視収集ポートに覆われた人流運動空間を人流運動経路中の１つのノードとし、１本の避難経路中にＲ_ｉ個のノードが含まれ、異なるノードの速度上の時空分布特徴と密度上の時空分布特徴を抽出して避難経路全体の特徴マトリックスが得られた後、さらに異なる避難経路間の結合に対して動的解析を行い避難経路間の影響値が得られ、最後に連動解析モジュールは確立した動的観測方程式を通じて人流避難過程を予測し、
前記人流制御モジュールは連動解析モジュールの予測結果と結合して建築内の人流避難を指揮し、緊急避難中に人流運動が最適な避難経路に従って避難するようにする。

【0041】

さらに、前記連動解析モジュールはまず人流運動の終点位置を確定し、異なる位置の歩行者は自己組織化された形で人流避難運動を行った後、すべてのノードからなる避難ネットに対する全体的な解析を通じて動的観測を行い、連動解析モジュールはすべての避難経路の全体的な人流運動規則を解析し、同じアルファベットが異なる式における具体的な意味は式中にアルファベットの具体的な解釈を参照し、具体的には、
人流避難の終点と各ノードとの間の空間距離をＸ_ｉ、ｉ∈[１，Ｎ]、ここで、Nはノード数であり、連動解析モジュールは人流運動の終点位置に基づいてノードデータを結合して目的関数ｆ（ｔ）を決定し、??は時間を表し、目的関数の設定は避難の終点位置と避難過程で要求される制限条件と関係があり、制限条件には時間制限条件、人流流量負荷閾値、避難距離、避難経路中の人流解析パラメータが含まれ、ノードデータには空間距離、人流量と時間が含まれ、終点座標は(x^*，y^*，z^*)とし、ノードの空間位置座標は（ｘ，ｙ，ｚ）であり、

【0042】

【数11】

【0043】

目的関数に基づいて異なる避難経路の人流運動の過程を判定するステップ１と、
人流運動経路中の人流合流ノードを現在のノードｐとし、現在のノードｐと隣接ノードｑの間の相関係数を計算し、Ｓ１、Ｓ２はそれぞれ現在のノードｐと隣接ノードｑの間の特徴ベクトルであり、計算式は下式によって表され、

【0044】

【数12】

【0045】

ρは相関係数を表し、Ｃｏｖは共分散を表し、Ｅは数学的期待値を表し、相関係数の値に基づいて隣接ノードの間の相関関係を判断し、ρ＞０の場合、ノードの間の人流運動規則はポジティブフィードバックであり、ρ＜０の場合、ノードの間の人流運動規則はネガティブフィードバックであるステップ２と、
２本の避難経路が交差したノードを重複ノードとし、異なる避難経路の人流を重複ノードで合流させたうえで、モデル解析モジュールにより重複ノードにおける人流運動規則に対してミクロ解析を行い、避難経路の重複ノードにおいて、人流運動の間は相互に影響し合い、避難経路の重複ノードにおける人流運動が変化した程度を連携数値で表し、異なる避難経路間の人流運動の連携数値を計算してＷ_ｉｊが得られ、ｉとｊは経路の下付き文字を表し、ｉ、ｊ∈[１，ｎ]、Ｒ_ｉとＲ_ｊはそれぞれｉとｊの２本の避難経路におけるノード数であり、異なる避難経路間の運動速度、方向、密度、流量パラメータは互いに影響し合い、人流運動方向の発生転化、連携数値を利用して異なる人流避難経路間の人流転化率を表し、

【0046】

【数13】

【0047】

ここで、Ｕ^ｉ (ｋ)とＵ_ｋ ^ｊ (ｋ)は、それぞれ重合ノードに隣接しかつ人流の流入方向が同じであるノード流量であり、２つのノードはそれぞれ２つの避難経路に属し、ｋは経路が交差した個数であり、Ｘ_ｋ、Ｘ_ｉｋ、Ｘ_ｊｋは空間距離であるステップ３と、
連動解析モジュールはモデル解析モジュールの解析結果を結合して、すべての避難経路における異なるノードの速度上の時空分布特徴と密度上の時空分布特徴を解析して対応する特徴マトリックスＡ_ｎＲｉが得られ、Ｒ_ｉ∈[１，Ｎ]、連動解析モジュールは異なる避難経路間の連携程度を結合して人流運動過程における異なるノードの動的状態に対して動的観測を行い、かつ観測値に対して判断を行い、

【0048】

【数14】

【0049】

ここで、

【0050】

【数15】

【0051】

η_１は速度、η_２は密度、η_３は流量、η_４は覆われた空間、ｔ_ｉ人流避難時間、ｔは異なる時刻値を表し、動的予測モデルは異なる時刻予測数値の変化に基づいて避難過程のパラメータ変動を予測し、設定された目的関数と結合して予測数値を判定し、連動解析モジュールの予測値が異常な場合、人流制御モジュールは人流分流指令を送信するステップ４を、と含む。

【0052】

前記目標認識モジュールは、監視された映像中の歩行者を多目標認識したあと、認識効果判定により、成功に認識された歩行者の座標を変換し、歩行者の位置を修正し、前記画像解析モジュールと目標認識モジュールは収集されたデータを座標変換したあと、モデル解析モジュールは空間エリア内の人流の密度と人流の速度に対して解析計算し、歩行者目標の位置上の時空分布に基づいて、解析モデルを構造して人流の速度上の時空分布と密度上の時空分布の基本図が得られ、さらに基本図を通じて人流の運動規則を解析する。

【0053】

さらに、モデル解析モジュールは通路空間のタイプに基づいて異なるモデルを構築して人流運動規則を解析し、モデル解析モジュールは異なる人流運動空間に基づいてモデル構築を行い、モデル判断基準を利用してモデルを判断し、構築したモデルと実際の人流運動規制が一致するようにする。現在の監視収集ポートに覆われたエリアの人流合流口の数に基づいてＹ型通路、直進通路、Ｔ型通路、十字通路を含む通路を区分し、Ｙ型通路とＴ型通路の人流合流の入口数は３、直進通路の入口数は２である。

【0054】

さらに、異なる式中のアルファベットが一意の数学的意味を表し、他の式中の同じアルファベットと混同しないようにするために、前記目標解析モジュールの検出枠の底部と中心座標の関係式は下式によって表され、

【0055】

【数16】

【0056】

ここで、ｕ_１は画素座標系における検出枠の中心の横座標であり、ｖ_１は画素座標系における検出枠の中心の縦座標であり、ｈは画素座標系における検出枠の高さであり、ｕは画素座標系における検出枠の底部の中心の横座標であり、ｖは画素座標系における検出枠の底部の中心の縦座標である。

【0057】

画像解析モジュールの画像認識技術はより客観的な人流データを得ることができるとともに、多元的な検証基準を提供することができ、画像認識はデータを取得する重要な手段であり、検査員は複数の監視カメラを通じて人流を監視する場合、１つの監視カメラに収集された人流運動空間はデータの解析によって判断することができるが、同時に複数の位置の人流を監視する必要がある場合、人の肉眼では客観的な評価と計算をすることができず、異なる人流データ間に情報カスケードが存在し、さらに、前記画像解析モジュールは、画像中の歩行者の画素座標系の座標を変換し、下式によって表され、

【0058】

【数17】

【0059】

ここで、Ｍは変換マトリックスであり、ｘ_ｗは空間座標系下における横座標であり、ｙ_ｗは空間座標系下における縦座標であり、ｚ_ｗは空間座標系下における垂直座標であり、ｚはカメラ座標系下における人距離監視の距離であり、
マトリックスＭは、は実際には、２つのマトリックスを乗算したものであり、すなわちM＝M_１M_２、M_１はカメラのマトリックスパラメータであり、M_２はカメラの外部パラメータマトリックスであり、

【0060】

【数18】

【0061】

Ｒはカメラの傾斜角に関するマトリックスであり、ｔはカメラの世界座標系における位置に関するマトリックスであり、ｕ_０は画像中心点の横座標であり、ｖ_０は画像中心点の縦座標であり、α_xは焦点距離とｘ方向画素転換率の値であり、α_yは焦点距離とｙ方向画素転換率の値であり、ｆはカメラ焦点距離である。

【0062】

さらに、人流速度解析関係は下式によって表され、

【0063】

【数19】

【0064】

ここで、ｖ_ｉ (ｔ)は歩行者ｉの時刻ｔにおける瞬時速度値を表し、ｗ_ｉ (ｔ)は歩行者ｉの時刻ｔから(ｔ＋Ｔ)までの歩行距離を表し、Ｎは歩行者の総数を表し、

【0065】

【数20】

【0066】

ここで、ｖ^－（ここで、"^-"は、ｖのオーバーラインを示す）は時間平均速度を表し、Ｘ_ｉ，ｔは歩行者ｉの第ｔ目のフレームの座標を表す。人流の速度は画像収集の正確性に直接に影響を与え、速度上の空間分布特徴は人流における各個体の運動情況と関係があり、人流において個体が立ったり、群れたりする情況が発生すると速度の解析過程に影響を与える。

【0067】

さらに、時空内の密度はρである、下式によって表され、

【0068】

【数21】

【0069】

ここで、監視が覆われた空間をエリア分割し、A_mは第m目のエリアの面積を表し、N_tは時刻tの研究エリアの歩行者数を表す。通路によって人流密度を統計する方法は異なり、歩行者が形成した多角形内で歩行者の密度と速度をそれぞれ解析し、多角形内の平均密度と平均速度を計算し、多角形統計法は伝統的な統計法の統計結果に対して基本的に一致しているが、非常に時間がかかり、多項式を用いて、歩行者座標、２次元核密度推定、相対密度分布図、歩行者位置選好特徴のフィッティングを行い、歩行者座標、密度統計、最大密度変化傾向と密度空間分布から密度空間変化特徴を得て、個別歩行者の待機、徘徊、折り返し、抱擁及び奔走などの特殊な行為は単独で情報除去を行い、歩行者の座標時空データ、速度の空間分布、線形補間法関数擬法平均最近隣距離解析を用いて解析して速度空間分を得た。

【0070】

本発明は、具体的に使用する際、システムは、データ収集モジュール、データ保存モジュール、人流制御モジュール、画像解析モジュール、目標認識モジュール、モデル解析モジュール、連動解析モジュールを含み、データ収集モジュールは監視収集ポートによって人流運動の異なる通路空間の人流データを収集し、異なる監視収集ポートの収集過程を１つのノードとして記録し、前記画像解析モジュールと目標認識モジュールは人流中の歩行者目標の運動軌跡を動的に解析し、更にモデル解析モジュールによって異なるノード内の人流運動規則構造がマッチングするモデルを解析し、異なる監視中の映像情報を通じて対応する空間内の人流運動特徴解析を行い、異なる通路空間の人流の運動特徴と研究モデルは異なる。前記連動解析モジュールは、すべてのノードからなる避難ネットに対して全体的な動的解析を行い、まず人流運動の避難終点位置に結合して目的関数を確立し、更に異なるノード間の相互作用の相関関係を解析して相関係数が得られた後、相互に影響し合う避難経路間の影響を解析して異なる避難経路間の連携数値が得られ、最後に動的観測方程式を確立し、目的関数を結合して解析し、人流制御モジュールは連動解析モジュールの監視結果に基づいて人流に対してリモート制御を行い、連動解析モジュールを通じてノード全体に対して動的解析を行い、インテリジェンス人流リモート制御の効率を大幅に高め、人流制御モジュールが人流の動的変化に基づいて対応する人流制御指令を送信して、モデル解析モジュールと連動解析モジュールの結合を通じて人流のミクロモデル解析と全体カスケード解析過程を結合させて、人流統計制御の誤差を低減し、人流運動に対する解析結果を実際の人流運動規制とより適合させる。

【0071】

以上、本発明を具体的な実施形態に基づいてさらに詳細に説明したが、本発明の保護範囲は明らかにこれらの具体的な実施形態に限定されないことは当業者には容易に理解されよう。本発明の原理から逸脱することなく、当業者は関連する技術的特徴に対して同等の変更または置換を行うことができ、これらの変更または置換後の技術的提案はすべて本発明の保護範囲内に入る。

【図1】

【図2】

【図3】