群体运动度量--Measuring Crowd Collectiveness

Measuring Crowd Collectiveness CVPR2013 http://mmlab.ie.cuhk.edu.hk/projects/collectiveness/ https://github.com/metalbubble/collectiveness

本文针对人群运动的描述 Collective motions ,定义了一个描述子 collectiveness descriptor 可以用它来定量分析人群运动的一些信息。

Collectiveness 用于描述群体运动的一致性的一个定义 Collectiveness, which indicates the degree of individuals acting as a union in collective motion Collectiveness 的定义是 表示 个体的运动和 群体运动的相似度,个体在群体运动中的参与度,

人群,鱼群,细菌群,羊群 等等都有有序的运动,怎么来定量描述这个运动了?

We refer to the spatially coherent structure of collective motion as Collective Manifold 我们将这种 空间一致性的有序运动称之为 Collective Manifold 从上图可以看出这种一致性局限于 局部领域的个体,也就是局部个体的运动保持高度一致性 behavior consistency remains high among individuals in local neighborhood

2 Measuring Collectiveness 一个 crowd 不仅仅是一群个体的简单组合。在一定的环境下,群体中的个体按照不同的水平的群体运动组成一个整体,所以群体运动的描述由个体的参与度决定,这反应了个体的运动和 群体运动的相似度。我们由从下而上的方式来介绍 collectiveness,首先从相邻的个体行为一致性,再从个体的 collectiveness 到 整体的collectiveness。

这里我们从图论的角度来定义 collectiveness

文中用到的一些符号定义

2.1. Behavior Consistency in Neighborhood 我们首先度量一个邻域 N (is defined as K-nearest-neighbor) 中个体的运动相似性.

C_t (i,j) is the velocity correlation at t between i and j w_t (i,j) ∈ [0,1] measures an individual’s behavior consistency in a neighborhood 这种行为相似性只局限于同一个邻域中的个体,当两个个体不在一个邻域中,这种相似性基本就不可靠了 下面我们提出了一个更好的基于collective manifold 结构属性的行为一致性描述 A better behavior consistency based on the structural property of collective manifold is proposed below.

2.2. Behavior Consistency on Collective Manifold 因为当两个个体比较远是,行为相似性的估计就不那么准确了。我们提出了一个基于collective manifold 结构属性的行为一致性描述 : paths, which represent the connectivity of the network associated with a graph, In crowd systems, paths have important roles in information transmission and communication among constituent individuals. Thus, path-based similarity can better characterize the behavior consistency among individuals in a crowd.

定义矩阵 W,其中的元素 w_t (i,j) is the similarity between individual i and j in its neighborhood defined in Eq.1 接着定义了一个 path 和 path similarity ν_l (i,j) Theorem 1. ν_l (i,j) is the (i,j) entry of matrix W^l, (l个 W 相乘)

2.3. Individual Collectiveness from Path Similarity 所谓条条大路通罗马,节点 i,j 直接可以有很多不同的 l path

下图显示了 l = 1 ∼ 30

we define a generating function to integrate all path similarities. 定义一个生成函数,综合所有的path similarities,简单的说就是给每个节点赋予一个权重,近的节点权重大些,远的节点权重小些。

2.4. Crowd Collectiveness with Regularization

z^l can be interpreted as the weight for l-path similarity

一个群体系统 C 的 crowd collectiveness 可以被定义为 所有个体的 individual collectiveness 的均值,可以用如下公式来计算

3 Properties of the Collectiveness 介绍了 我们定义的这个 Collectiveness 三个属性

4 Collective Motion Detection Based on the collectiveness descriptor, we propose an algorithm called Collective Merging to detect collective motions from time-series data with noises (see Algorithm 1).

有序运动的出现

the level of random perturbation η

Collective Motion Database

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

AI 技术讲座精选:数学不好,也可以学习人工智能(七)——自然语言处理的奇妙神奇之处

机器都能做到吗? 我现在是任由自动化左右吗? 未来AI会让作家失业吗? 请阅读本文。 编译 | AI100 在本系列的第五部分中发现了卷积神经网络...

3279
来自专栏算法channel

Kaggle最受欢迎的10个竞赛数据集下载

最近有人问有没有相关数据集,这几天抽时间整理了以下数据集,标题即是Kaggle竞赛题目,可以直接搜索获得赛题详细介绍,在此列出10个参赛队伍最多的竞赛题及标签...

2.3K10
来自专栏专知

【专知荟萃05】聊天机器人Chatbot知识资料全集(入门/进阶/论文/软件/数据/专家等)(附pdf下载)

【导读】主题荟萃知识是专知的核心功能之一,为用户提供AI领域系统性的知识学习服务。主题荟萃为用户提供全网关于该主题的精华(Awesome)知识资料收录整理,使得...

5078
来自专栏LET

数据可视化之热力图

7126
来自专栏北京马哥教育

实战 | 用 Python 选股票,据说可以多挣个20%

本文将使用Python来可视化股票数据,比如绘制K线图,并且探究各项指标的含义和关系,最后使用移动平均线方法初探投资策略。 数据导入 这里将股票数据存储在sto...

4796
来自专栏斑斓

统计学中的相关性分析

掌握一点儿统计学介绍了统计学中常用到的函数,特别重点介绍了Standard Deviation(标准差)。接下来结合一个案例来谈谈相关性(Correlation...

3297
来自专栏华章科技

一位数学专业女生大学毕业前的感慨:不好意思,是我天真了

问自己永远有多远!!!! 已知X是非平方数,证明X开根号是无理数 TM这还需要证明 学完定与不定积分后

661
来自专栏PPV课数据科学社区

【黑科技】数据分析师的秘密-QQ聊天记录分析(三)

? 上两篇分析了群的活跃状况,成员活跃状况,以及一些文本的分析,包括词云,聊天关键字, 实体识别,情感分析等等,这篇只围绕一个问题来,那就是提取谈话内容的问题...

3055
来自专栏量化投资与机器学习

【年度系列】股市风起云涌,我用Python分析周期之道

股票市场周期是股票市场长期的价格模式,通常与商业周期有关。 它是技术分析的关键,其中投资方法基于周期或重复的价格模式。 如果我们对股市周期有了更好的理解,我们总...

1352
来自专栏AI科技评论

韩家炜在数据挖掘上开辟的「小路」是什么

AI 科技评论按:前些日子,数据挖掘领域的巨擘韩家炜教授 [1] 在中国计算机学会(CCF)主办的第 87 期 CCF 学科前沿讲习班(CCF Advanced...

4868

扫码关注云+社区