Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Constrained Spectral Clustering on Face Annotation System Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Crowd Collectiveness Measure via Path Integral Descriptor

verfasst von : Wei-Ya Ren, Guo-Hui Li, Yun-Xiang Ling

Erschienen in: Pattern Recognition

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Crowd collectiveness measuring has attracted a great deal of attentions in recently years. We adopt the path integral descriptor idea to measure the collectiveness of a crowd system. A new path integral descriptor is proposed by exponent generating function to avoid parameter setting. Several good properties of the proposed path integral descriptor are demonstrated in this paper. The proposed path integral descriptor of a set is regard as the collectiveness measure of a set, which can be a moving system such as human crowd, sheep herd and so on. Self-driven particle (SDP) model and the crowd motion database are used to test the ability of the proposed method in measuring collectiveness.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Pedestrian Detection Aided by Deep Learning Attributes Task
Nächstes Kapitel Robust Face Frontalization in Unconstrained Images
Literatur
1.
Zhang, W., Zhao, D., Wang, X.: Agglomerative clustering via maximum incremental path integral. Pattern Recogn. 46(11), 3056–3065 (2013)MathSciNetCrossRefMATH
2.
Moussaid, M., Garnier, S., Theraulaz, G., Helbing, D.: Collective information processing and pattern formation in swarms, flocks, and crowds. Topics Cogn. Sci. 1, 469–497 (2009)CrossRef
3.
Couzin, I.: Collective cognition in animal groups. Trends Cogn. Sci. 13, 36–43 (2009)CrossRef
4.
Ballerini, M., et al.: Empirical investigation of starling flocks: a benchmark study in collective animal behaviour. Anim. Behav. 76, 201–215 (2008)CrossRef
5.
Zhou, B., Wang, X., Tang, X.: Understanding collective crowd behaviors: learning a mixture model of dynamic pedestrian-agents. In: Proceedings of IEEE Conference Computer Vision and Pattern Recognition (CVPR 2012) (2012)
6.
Lin, D., Grimson, E., Fisher, J.: Learning visual flows: a lie algebraic approach. In: Proceedings of IEEE Conference Computer Vision and Pattern Recognition (CVPR) (2009)
7.
Zhang, H., Ber, A., Florin, E., Swinney, H.: Collective motion and density fluctuations in bacterial colonies. Proc. Natl. Acad. Sci. 107, 13626–13630 (2010)CrossRef
8.
Feynman, R.P.: Space-time approach to non-relativistic quantum mechanics. Rev. Mod. Phys. 20, 367–387 (1948)MathSciNetCrossRef
9.
Kleinert, H.: Path Integrals in Quantum Mechanics, Statistics, Polymer Physics, and Financial Markets, 3rd edn. World Scientific, Singapore (2004)CrossRefMATH
10.
Rudnick, J., Gaspari, G.: Elements of the Random Walk: An Introduction for Advanced Students and Researchers. Cambridge University Press, Cambridge (2004)CrossRefMATH
11.
Zhou, B., Tang, X., Zhang, H., et al.: Measuring crowd collectiveness. IEEE Trans. Pattern Anal. Mach. Intell. 36(8), 1586–1599 (2014)MathSciNetCrossRef
12.
Zhang, W., Wang, X., Zhao, D., Tang, X.: Graph degree linkage: agglomerative clustering on a directed graph. In: Fitzgibbon, A., Lazebnik, S., Perona, P., Sato, Y., Schmid, C. (eds.) ECCV 2012. LNCS, vol. 7578, pp. 428–441. Springer, Heidelberg (2012). doi:10.​1007/​978-3-642-33718-5_​31 CrossRef
13.
Biggs, N.: Algebraic Graph Theory. Cambridge University Press, Cambridge (1993)MATH
14.
Knuth, D.E.: The Art of Computer Programming, Volume 1 Fundamental Algorithms, 3rd edn. Addison-Wesley, Reading (1997)MATH
15.
Vicsek, T., Czirók, A., Ben-Jacob, E., Cohen, I., Shochet, O.: Novel type of phase transition in a system of self-driven particles. Phys. Rev. Lett. 75, 1226–1229 (1995)MathSciNetCrossRef
16.
Buhl, J., Sumpter, D., Couzin, I., Hale, J., Despland, E., Miller, E., Simpson, S.: From disorder to order in marching locusts. Science 312, 1402–1406 (2006)CrossRef
17.
Raafat, R.M., Chater, N., Frith, C.: Herding in humans. Trends Cogn. Sci. 13, 420–428 (2009)CrossRef
18.
Zhao, D., Tang, X.: Cyclizing clusters via zeta function of a graph. In: Advances in Neural Information Processing Systems, pp. 1953–1960 (2009)
19.
20.
Tomasi, C., Kanade, T.: Detection and tracking of point features. Int. J. Comput. Vis. (1991)
21.
Chapelle, O., Zien, A.: Semi-supervised classification by low density separation. In: Proceedings of the 10th International Workshop on Artificial Intelligence and Statistics, pp. 57–64 (2005)
Metadaten
Titel
Crowd Collectiveness Measure via Path Integral Descriptor
verfasst von
Wei-Ya Ren
Guo-Hui Li
Yun-Xiang Ling
Copyright-Jahr
2016
Verlag
Springer Singapore
Buch
Pattern Recognition

Print ISBN: 978-981-10-3001-7

Electronic ISBN: 978-981-10-3002-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-981-10-3002-4_18

Premium Partner

    Bildnachweise