Search

O comportamento de multid?es humanas tem sido objeto de estudo de diversas ?reas do conhecimento,tais como Ci?ncias Humanas, Engenharias e Ci?ncia da Computa??o. No ?mbito da Ci?ncia da Computa??o assimula??es de multid?es geram informa??es que servem de base para desenvolvimento de pesquisas com aplica??es voltadas para a seguran?a e o entretenimento.O objetivo deste trabalho ? prover um modelo computacional que estime o comportamento da multid?o em determinado tempo futuro. M?todos como Pedestrian Dead Reckoning (PDR) possibilitam uma predi??o aproximada das posi??es das pessoas em tempos futuros,usando hip?teses F?sicas. No entanto,o desafio est? em gerar posi??es precisas considerando comportamentos real?sticos de multid?es em ambientes complexos, onde a estimativa somente usando F?sica dos movimentos dos pedestres,pode n?o ser robusta suficientemente. Neste trabalho prop?e-se um modelo denominado Time Machine (TM) que estende o conceito de PDR com dados das intera??es entre pessoas e complexidade do ambiente. Este modelo foi integrado ao BioCrowds, um simulador de multid?es que discretiza as ?reas dispon?veis do ambiente e as representa atrav?s de marcadores (pontos no espa?o) que permitem a movimenta??o,livre de colis?o,de humanos virtuais. Afim de validar a metodologia proposta, diversas simula??es foram executadas incluindo estudos de casos com situa??es reais. Para esses estudos de caso,as an?lises de erro inclu?ram informa??es de densidade e de varia??o deposi??es dos personagens.Um exemplo ? a predi??o de 8,33 segundos no tempo futuro de uma popula??o simulada de 320 agentes em uma ?rea livre de 338 m2, sendo que a diferen?a m?dia das posi??es,com o m?todo Time Machine, foi de 0,25. Al?m disso,para casos com dados reais,o m?todo TM estimou a multid?o como erro m?ximo de 0,24. The behavior of human crowds has been studied in several areas of knowledge, such as Human Sciences, Engineering and Computer Science. In the field of Computer Science, crowd simulations generate information that serves as the basis for the development of research with applications focused on security and entertainment. The objective of this work is to provide a computational model that estimates the behavior of the crowd at a certain future time. Methods such as Pedestrian Dead Reckoning (PDR) allow an approximate prediction of people?s positions in future times, using Physical hypotheses. However, the challenge is to generate accurate positions by considering realistic behavior of crowds in complex environments, where the estimation using only the physics of pedestrian movements may not be robust enough. This paper proposes a model called Time Machine (TM) that extends the concept of PDR with data resulting from interactions among people and complexity of the environment. This model has been integrated with BioCrowds, a crowd simulator that discretizes the available areas of the environment and represents them through marker (points in space) that allow the free movement of virtual humans. In order to validate the proposed methodology, several simulations were performed including case studies with real situations. For these case studies, analyzed error includes information on density and variation of pedestrian positions. An example is the prediction of 8.33 seconds in the future time of a simulated population of 320 agents in a free area of 338m2 , presenting the error of 0.25 in average. In addition, for cases with real data, the TM method estimated the crowd with the maximum error of 0.24.

SILVA JÚNIOR, Erasmo Artur da. Método dinâmico para troca de representação em sistemas híbridos de renderização de multidões. 2013. 61 f. Dissertação (Mestrado em ciência da computação)- Universidade Federal do Ceará, Fortaleza-CE, 2013. Environments populated with crowds are employed in various applications, such as games, simulators and editors. Many of these environments require not only a realistic and detailed rendering, but it must run smoothly in real-time. This task easily exhausts the system’s resources, even considering the current state-of-the-art hardware. Therefore, crowd rendering in real-time remains a challenge in computer graphics. Approaches exploiting levels of detail, visibility culling and image-based rendering are presented in order to facilitate this task. The first two increase the efficiency of rendering, but sometimes are not enough to keep an interactive frame rate. Some researches on this subject focus on image-based rendering techniques, specifically with the use of impostors. In this work it is proposed a method that balances the computational demand of rendering job by varying the threshold’s distance of the representation switch between full geometry (mesh) and image-based(impostors) models in accordance with the available resources. Ambientes providos de multidões são empregados em diversas aplicações, como jogos, simuladores e editores. Muitas destas aplicações não requerem somente a renderização de agentes animados de forma realística e detalhada, mas que seja executada suavemente em tempo real, tarefa que facilmente esgota os recursos do sistema (mesmo considerando hardware no estado da arte). Por conta disso,a renderização de multidões em tempo real permanece como um desafio dentro da computação gráfica. Abordagens explorando nível de detalhe, descarte por visibilidade e renderização baseada em imagens foram propostas no intuito de viabilizar esta tarefa. As duas primeiras aumentam a eficiência da renderização, mas as vezes não são suficientes para manter taxas de quadros por segundo interativas. Grande parte dos estudos acerca do tema se concentra em técnicas de renderização baseadas em imagem, especificamente com o emprego de impostores. Neste trabalho é proposto um método que faz o balanço da demanda computacional da renderização através da variação da distância do limiar onde ocorre a troca de representação entre os modelos de geometria completa (malhas) e os baseados em imagem (impostores) de acordo com os recursos disponíveis.

Crowd simulation is a computationally expensive task, where there is the need to reproduce the behavior of many (tens to thousands) agents in a two-dimensional or three-dimensional environment realistically. The agents need to interact to each other and with the environment, reacting to situations, alternating behaviors and/or learning new behaviors during his “lifetime”. Many models to simulate crowds have been developed over the years and can be classified into two big groups (macroscopic and microscopic) according to how the agents are managed. There are some works in the literature based on macroscopic models, where the agents are grouped and guided by the potential field of their group. The construction of these fields is the bottleneck of these models, so it is necessary to use few groups if it is needed for a simulation to run at interactive frame rates. In this work is proposed a model based on a macroscopic model, which aims mainly to reduce the cost of calculating the potential fields of the groups, by using groups discretized according to the needs of the environment. At the same time it is proposed the addition of groups that can steer the agents of a simulation to momentary goals, which gives the crowd a wider variety of behaviors. Finally, it is proposed the use of a social forces model to prevent collisions between agents and between agents and obstacles. Simular uma multidão é uma tarefa custosa computacionalmente, onde há a necessidade de reproduzir o comportamento de vários (dezenas a milhares) agentes realisticamente em um ambiente bidimensional ou tridimensional. Os agentes precisam interagir entre si e com o ambiente, reagindo a situações, alternando comportamentos e/ou aprendendo novos comportamentos durante sua “vida”. Muitos modelos para simulação de multidão foram desenvolvidos nos últimos anos e podem ser classificados em dois grandes grupos (macroscópico e microscópico) de acordo com a forma como os agente são gerenciados. Existem alguns trabalhos na literatura baseados em modelos macroscópicos, onde os agentes são agrupados e guiados pelo campo potencial gerado para seu grupo. A construção desses campos é o gargalo desse tipo de modelo, sendo necessária a utilização de poucos grupos para que uma simulação execute a taxas de quadros interativas. Neste trabalho é proposto um modelo baseado em um modelo macroscópico, que tem como objetivo principal diminuir o custo do cálculo dos campos potenciais dos grupos, discretizando os mesmos de acordo com a necessidade do ambiente. Ao mesmo tempo é proposta a adição de grupos que podem dirigir os agentes de uma simulação a objetivos momentâneos, o que fornece à multidão uma maior variedade de comportamentos. Por fim, propõe-se a utilização de um modelo de forças sociais para a prevenção de colisões entre os agentes e entre agentes e obstáculos.

Made available in DSpace on 2015-03-05T13:56:58Z (GMT). No. of bitstreams: 0 Previous issue date: 20 Hewlett-Packard Brasil Ltda Este trabalho apresenta um modelo para extrair informações do mundo real, capturadas com a utilização de técnicas de visão computacional, no que tange acompanhamento de indivíduos, com o fim de simular e validar comportamentos de multidões de humanos virtuais. Uma grande dificuldade ao se tentar reproduzir de forma realista (por meio de simulação) o comportamento de uma multidão em um determinado espaço é informar para o modelo de simulação todos os atributos necessários para descrever o movimento das pessoas virtuais. Além das características individuais e coletivas das pessoas poderem produzir uma grande variedade de comportamentos, tornando sua modelagem complexa, o espaço também contém restrições que podem interferir no comportamento das pessoas. Neste trabalho é proposto um modelo onde pessoas do mundo real têm suas trajetórias capturadas de forma automática. Numa etapa de pós-processamento, as trajetórias capturadas são utilizadas para gerar campos de vetores velocidade que serão utilizados para aux This study presents a model to extract information from the real world using computer vision techniques. In particular, we use tracking algorithms to extract the trajectories of filmed people, aiming to simulate and validate the behavior of virtual human crowds.A great challenge when trying to reproduce in a realistic manner (by means of simulation) the behavior of a crowd in a determined space is to inform to the simulation model all necessary attributes to describe the movement of virtual people. Individual and general features of people can produce a great variety of behaviors, making its modeling complex. Furthermore, the space also contains restrictions that can interfere on people behavior. In this study it is proposed a model in which people from the real world have their trajectories captured in an automatic manner. In a post-processing step, captured trajectories are used to generate velocity fields that will be used to help in the calculation of virtual human movement, providing more realistic s