人群聚集是日常生活中的普遍现象，通过人群仿真的研究，制定大规模人群聚集突发情况的应急预案，对于减少事故发生及人员伤亡有重要意义。近年来，虚拟人群仿真的研究已经成为一门独立的学科，成为国际上安全问题研究的一个新的热点。 人群疏散仿真有两个特点，一是其行为受自身和外界诸多因素的影响，其研究内容涉及多学科交叉，很难用数学公式来总结其运动规律；二是由于需要大量的人员，而且需要进行反复演练，实际中往往难以实现。因此，利用计算机进行大规模虚拟人群进行实景仿真对于研究真实场景中的人群疏散具有非常重要的意义。 目前国内外在仿真人群的建模与人群的识别上进行了相关的研究，但存在建模效率低、人群识别误差大等缺点。 本课题所完成的主要工作： 1、在现有建模工具的基础上，通过软件二次开发，实现了多个连续模型的快速生成与导出，为生成大量三维人体模型奠定了基础。 2、利用图像处理技术，通过对图像的深入分析，设计了专用的图像识别算法，实现了对不规则人群图像的识别，获取了人群分布相关信息，并通过对成像原理的分析，实现了图像中人群位置在真实空间位置的转换。 3、实现了基于图像人群分布信息的虚拟三维真实场景的仿真。 本课题的关键技术和创新点： 1、利用MAXScript脚本语言实现了对人体三维模型身体各部分的测量以及对不同模型的骨架自动生成与蒙皮。 2、通过设置特征动作造型，利用动作分解的方法，实现了多个连续三维人体模型的生成与导出。 3、通过提取轮廓特征点的方法，实现了人群分布位置定位，并大大减少了程序的执行时间。 4、通过模板浮动大小及浮动匹配的方法，实现了人群的识别，有效地减小了轮廓识别误差。 5、利用实际条件及成像特点，通过对成像关系的论证与计算，找出了图像上任意点在实际场景中对应位置的求法。 本课题的研究对于紧急情况下人群疏散仿真研究具有很好的推动作用，提出的算法可以供其它相关研究借鉴。研究成果可以被广泛应用于游戏开发、模拟训练、人流流量统计与预测、安全评估等领域。