Análisis y predicción del comportamiento de las multitudes mediante el marco de fusión de características

The increasing number of people is a major cause of disasters that occur due to overcrowding. The gatherings of crowds in public places are a source of panic, which results in disaster. An analytical study was performed on crowd management. This is highly essential for the design of a well-planned public space, the possibility of surveillance in every area, and transportation systems. The disasters that occur due to uncontrollable crowd behaviour involve loss of property, fatalities, or casualties. To avoid this, the crowd's behaviour was analysed. A MFF (multi-level feature fusion) framework was designed in this paper to predict behaviour. The first level of multi-level feature fusion employs motion and appearance, the second level employs spatial connections, and the third level employs temporal features. The combination of these characteristics aids in the exploitation of crowd behaviour. Furthermore, MFF was evaluated considering the web dataset, considering accuracy, precision, and recall as parameters. Comparative analysis was carried out with various existing methodologies with an accuracy of above 99%.El creciente número de personas es una de las principales causas de las catástrofes que se producen debido al hacinamiento. Las concentraciones de multitudes en lugares públicos son una fuente de pánico que desemboca en catástrofes. Se ha realizado un estudio analítico sobre la gestión de multitudes. Es esencial para el diseño de un espacio público bien planificado, la posibilidad de vigilancia en todas las zonas y los sistemas de transporte. Las catástrofes que se producen debido al comportamiento incontrolable de las multitudes implican pérdidas materiales, víctimas mortales o heridos. Para evitarlo, se analizó el comportamiento de la multitud. En este artículo se diseñó un marco MFF (fusión de características multinivel) para predecir el comportamiento. El primer nivel de fusión de características multinivel emplea el movimiento y la apariencia, el segundo las conexiones espaciales y el tercero las características temporales. La combinación de estas características ayuda a explotar el comportamiento de las multitudes. Además, MFF se evaluó teniendo en cuenta el conjunto de datos web, considerando como parámetros la exactitud, la precisión y el recuerdo. Se realizó un análisis comparativo con varias metodologías existentes con una precisión superior al 99%