An intelligent decision computing paradigm for crowd monitoring in the smart city

توضیحات

ABSTRACT

The ever-expanding urbanization and the advent of smart cities need better crowd management and security surveillance systems. Advanced systems are required to improve and automate the crowd management system. The aim of the closed circuit television and visual monitoring systems using multiple cameras faces many challenges like illumination variance, occlusion and small spatial-temporal resolution, person in sleep, shadows, dynamic backgrounds, and noises. Therefore, the crowd monitoring, prevention of stampedes and crowd-related emergencies in the smart cities are major challenging problems. In this paper, we propose an intelligent decision computing based paradigm for crowd monitoring in the smart city. In the intelligent computing based framework, the optimization algorithm is applied to compute the feature of crowd motion and measure the correlation between agents based motion model and the crowd data using extended Kalman filtering approach and KL-divergence technique. The proposed  framework measures the correlation measure based on extracted novel distinctive feature, and holistic feature of crowd data represent and to classify the crowd motion of individual. Our experimental results demonstrate that the proposed approach yields 96.20% average precision in classifying real-world highly dense crowd scenes.

INTRODUCTION

Crowd management in the smart city is getting more proliferation due to its widespread of application and usage recently. Pedestrian crowd are the essential part of smart cities. To provide better solutions  and services inthe smart cities, crowd monitoring, planning, and crowd management are necessary. Therefore, various mathematical simulations, theoretically based models, and efficient simulation tools as well as various intelligent support systems using computer vision approaches, pattern recognition and image processing for the crowd management plays a vital role in monitoring and tracking of crowd motion . In the smart cities, different surveillance systems are deployed to monitor the various activities and control and monitor the traffic in the several crowds at several places, such as shopping mall, traffic signals, roads, railways, and airport platforms, etc. The control and monitoring of crowd are .important task and major changeling problems in the smart cities recently throughout the world

چکیده

شهرنشینی در حال گسترش و ظهور شهر های هوشمند نیاز به مدیریت بهتر سیستم های نظارتی و نظارت امنیتی دارد. سیستم های پیشرفته مورد نیاز برای بهبود و مدیریت سیستم مدیریت جمعیت است. هدف از تلویزیون های مدار بسته و سیستم های نظارت تصویری با استفاده از دوربین های چندگانه با چالش های بسیاری مانند واریانس نور، انسداد و تفکیک فضایی و زمانی کوچک، فرد در خواب، سایه ها، زمینه های پویا و سر و صدا، مواجه است. بنابراین، نظارت بر جمعیت، جلوگیری از وقفه ها و شرایط اضطراری مرتبط با جمعیت در شهرهای هوشمند، مشکلات عمده چالش برانگیز هستند. در این مقاله، ما یک پارامتر مبتنی بر محاسبات هوشمند برای نظارت جمعیت در شهر هوشمند پیشنهاد می کنیم. در چارچوب مبتنی بر محاسبات هوشمند، الگوریتم بهینه سازی برای محاسبه ویژگی حرکت حرکت جمعیت و اندازه گیری همبستگی بین مدل حرکت حرکتی عوامل و داده های جمعیت با استفاده از روش تفکیک پذیری کالمن و روش دیفرانسیل KL استفاده می شود. چارچوب پیشنهادی اندازه گیری همبستگی را براساس ویژگی مشخصه جدید استخراج می کند و ویژگی کلی از داده های جمعیت نشان دهنده طبقه بندی حرکت جمعیت فرد است. نتایج تجربی ما نشان می دهد که رویکرد پیشنهادی، دقت متوسط ​​95/46 درصد را در طبقه بندی صحنه های بسیار جسورانه ای از جمعیت در دنیای واقعی به ارمغان می آورد.

مقدمه

مدیریت جمعیت در شهر هوشمند، به دلیل گسترده بودن برنامه و کاربرد آن، اخیرا گسترش یافته است. جمعیت عابر پیاده بخشی ضروری از شهرهای هوشمند است. برای ارائه راه حل های بهتر و خدمات در شهرهای هوشمند، نظارت جمعیت، برنامه ریزی و مدیریت جمعیت لازم است. بنابراین، شبیه سازی های ریاضی مختلف، مدل های مبتنی بر نظریه و ابزارهای شبیه سازی کارآمد و همچنین سیستم های پشتیبانی هوشمند مختلف با استفاده از رویکردهای بینایی کامپیوتری، شناسایی الگو و پردازش تصویر برای مدیریت جمعیت نقش حیاتی در نظارت و ردیابی حرکت جمعیت دارند. در شهرهای هوشمند، سیستم های نظارتی مختلف برای نظارت بر فعالیت های مختلف و کنترل و نظارت بر ترافیک در چند جمعیت در مکان های مختلف، مانند مرکز خرید، سیگنال های ترافیکی، جاده ها، راه آهن ها، پلت فرم های فرودگاه و غیره مستقر هستند. کنترل و نظارت بر جمعیت، مهمترین وظیفه و مشکلات عمده تغییر در شهرهای هوشمند در سراسر جهان است

Year: 2018

Publisher : ELSEVIER

 By : Santosh Kumar, Deepanwita Datta, Sanjay Kumar Singh, Arun Kumar Sangaiah

File Information: English Language/ 34 Page / size: 1.19 MB

Download

سال : 1396

ناشر : ELSEVIER

کاری از : سانتوس کوما، دیپانیتا داتا، سانجی کومار سینگ، آرنو کومار سانگیا

اطلاعات فایل : زبان انگلیسی / 34 صفحه / حجم : MB 1.19

لینک دانلود