[发明专利]基于数字孪生的沙盘推演方法、装置、设备和存储介质

权利要求书

1.一种基于数字孪生的沙盘推演方法，其特征在于，包括：

根据待模拟的现实场景中的模型运动类型和动作数据生成场景视频动画；

应用设定动目标检测算法提取动目标的图像特征，根据所述图像特征确定与所述动目标匹配的目标模型；

其中，所述设定动目标检测算法为Vibe动目标检测算法，具体为从监控设备中提取动目标，使用所述Vibe动目标检测算法提取所述动目标，并分析所述动目标的图像特征，并根据所述动目标的图像特征进行模型匹配，确定与所述动目标的图像特征匹配的模型，作为目标模型；

识别所述目标模型的类别，应用预先训练的卷积神经网络模型算法确定所述动目标的类型；

在动作库中查询所述动目标的类型的目标运动类型，并绑定所述目标运动类型对应的目标算法；

统计所述场景中绑定对应算法的动目标和未绑定对应算法的动目标，以更新场景；

根据所述动目标的碰撞体积和目标算法，规划所述动目标的运动轨迹；

确定设定时间段内的全部动目标的运动轨迹，以实现沙盘推演。

2.根据权利要求1所述的方法，其特征在于，所述应用设定动目标检测算法提取动目标的图像特征，根据所述图像特征确定与所述动目标匹配的目标模型，包括：

应用设定动目标检测算法提取动目标的图像特征；

将所述图像特征与模型库中存储的模型进行匹配；

确定与所述动目标匹配的目标模型。

3.根据权利要求1所述的方法，其特征在于，所述应用预先训练的卷积神经网络模型算法确定所述动目标的类型，包括：

应用预先训练的卷积神经网络模型算法对所述动目标的多帧动画画面分别进行识别，并通过加权方法，以确定所述动目标的类型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述动目标的碰撞体积和目标算法，规划所述动目标的运动轨迹，包括：

所述动目标在更新后的场景中继续运动，计算所述动目标下一帧的位置；

判断所述下一帧的位置是否会出现碰撞，若是，则应用贪婪算法和所述动目标的碰撞体积进行避障，规划所述动目标的运动轨迹。

5.根据权利要求1所述的方法，其特征在于，若所述动目标的类型为人，则绑定的算法为人行走规则算法。

6.根据权利要求1所述的方法，其特征在于，若所述动目标为大型车辆，则绑定的算法为大型车辆运动规则算法。

7.根据权利要求1所述的方法，其特征在于，在所述实现沙盘推演之前，设置场景变化的时间间隔。

8.一种基于数字孪生的沙盘推演装置，其特征在于，包括：

场景动画生成模块，用于根据待模拟的现实场景中的模型运动类型和动作数据生成场景视频动画；

目标模型确定模块，用于应用设定动目标检测算法提取动目标的图像特征，根据所述图像特征确定与所述动目标匹配的目标模型；

其中，所述设定动目标检测算法为Vibe动目标检测算法，具体为从监控设备中提取动目标，使用所述Vibe动目标检测算法提取所述动目标，并分析所述动目标的图像特征，并根据所述动目标的图像特征进行模型匹配，确定与所述动目标的图像特征匹配的模型，作为目标模型；

动目标类型确定模块，用于识别所述目标模型的类别，应用预先训练的卷积神经网络模型算法确定所述动目标的类型；

目标算法绑定模块，用于在动作库中查询所述动目标的类型的目标运动类型，并绑定所述目标运动类型对应的目标算法；

场景更新模块，用于统计所述场景中绑定对应算法的动目标和未绑定对应算法的动目标，以更新场景；

运动轨迹规划模块，用于根据所述动目标的碰撞体积和目标算法，规划所述动目标的运动轨迹；

沙盘推演模块，用于确定设定时间段内的全部动目标的运动轨迹，以实现沙盘推演。