[论文解读] Informative Scene Decomposition for Crowd Analysis, Comparison and Simulation Guidance

Feixiang He, Yuanhang Xiang+2 more|arXiv (Cornell University)|Apr 29, 2020

Anomaly Detection Techniques and Applications参考文献 37被引用 4

一句话总结

本文提出一种非参数贝叶斯框架——Triplet-HDP 与中文餐厅特许连锁联盟（CRFL）推理，用于自动将噪声大、高维的群体轨迹数据分解为可解释的模式，以捕捉空间、时间与动态模式。该方法实现了无监督的场景语义发现，支持可视化、定量模拟对比与引导，已在包含最多1000条轨迹、持续多日的多样化真实数据集中得到有效验证。

ABSTRACT

Crowd simulation is a central topic in several fields including graphics. To achieve high-fidelity simulations, data has been increasingly relied upon for analysis and simulation guidance. However, the information in real-world data is often noisy, mixed and unstructured, making it difficult for effective analysis, therefore has not been fully utilized. With the fast-growing volume of crowd data, such a bottleneck needs to be addressed. In this paper, we propose a new framework which comprehensively tackles this problem. It centers at an unsupervised method for analysis. The method takes as input raw and noisy data with highly mixed multi-dimensional (space, time and dynamics) information, and automatically structure it by learning the correlations among these dimensions. The dimensions together with their correlations fully describe the scene semantics which consists of recurring activity patterns in a scene, manifested as space flows with temporal and dynamics profiles. The effectiveness and robustness of the analysis have been tested on datasets with great variations in volume, duration, environment and crowd dynamics. Based on the analysis, new methods for data visualization, simulation evaluation and simulation guidance are also proposed. Together, our framework establishes a highly automated pipeline from raw data to crowd analysis, comparison and simulation guidance. Extensive experiments and evaluations have been conducted to show the flexibility, versatility and intuitiveness of our framework.

研究动机与目标

• 解决大规模、噪声大、非结构化的群体轨迹数据中混合空间、时间与动态信息的分析挑战。
• 克服现有方法将空间、时间与动态分别处理或假设运动随机性均匀的局限性。
• 开发一种无监督框架，自动从原始数据中发现重复出现的活动模式（模式），无需人工标注。
• 实现灵活、可解释的可视化，支持基于学习语义的模拟人群定量评估与自动化模拟引导。
• 支持大规模数据集（如数万名人员、持续多日）的可扩展性，即使存在碎片化或不完整的轨迹观测。

提出的方法

• 提出一种新颖的非参数贝叶斯模型——Triplet-HDP（THDP），通过分层狄利克雷过程联合建模空间、时间与速度维度，以捕捉跨维度的相关性。
• 提出一种新型推理算法——中文餐厅特许连锁联盟（CRFL），通过建模不同维度中模式之间的多对多关联，实现对三个 HDP 的高效联合采样。
• 采用两阶段推理策略：首先仅使用空间-HDP 进行预 burn-in 阶段以稳定初始聚类；随后在完整 THDP 上应用 CRFL 以加速混合与收敛。
• 应用空间离散化（40×40 至 120×120 网格）与通过透视投影或直接时间差分法估计速度，以归一化轨迹数据。
• 采用 MCMC 采样以避免局部最优，确保在复杂高维数据结构下仍具鲁棒性。
• 利用发现的模式作为模拟引导的基础，每个模式代表一种具有特定空间路径、时间分布与速度偏好的独特流。

实验结果

研究问题

• RQ1 如何从大规模、噪声大、非结构化的群体轨迹数据中自动提取结构化、可解释的场景语义？
• RQ2 能否联合建模群体行为的空间、时间与动态维度，以捕捉重复活动模式而无需人工标注？
• RQ3 所发现的模式如何用于实现真实数据与模拟人群之间的定量、维度特定的对比评估？
• RQ4 该框架在多大程度上可支持捕捉异质性运动随机性的自动化模拟引导？
• RQ5 该框架能否有效扩展至高容量、长时间、观测碎片化的现实世界数据集？

主要发现

• 该框架成功将群体场景分解为有意义的模式：在 Forum 中为 25 个空间模式、5 个时间模式与 7 个速度模式；在 CarPark 中为 13、6、6 个；在 TrainStation 中为 16、3、4 个。
• 在标准 PC 上，Forum、CarPark 与 TrainStation 的训练时间分别为 85.1、11.5 与 7.8 分钟，证明了其可扩展性。
• 采用 CRFL 与 burn-in 阶段的方法实现了稳健收敛，优于独立 HDP 模型，后者无法保持跨维度关联。
• 该框架实现了群体语义的直观可视化，揭示了如出入口、信息台等重复流动，并附带时间与速度分布特征。
• 基于模式推导的定量评估指标，实现了真实与模拟人群之间整体性与维度特定的对比。
• 利用学习到的模式进行模拟引导，成功捕捉了异质性运动随机性，避免了对均匀或最小努力模型的过度简化。