复杂环境下的大规模人群模拟在城市规划、灾情预警、电子游戏、电影特效等领域中具有重要研究意义。精确的人群行为模拟结果能够在灾情发生时指导人群疏散,减伤人员伤亡,也能够为电子游戏、电影带来更真实的场景互动效果,给予玩家、观众更真实的体验。在传统方法中,大规模人群的模拟主要基于数学计算的方法,如Dijkstra、A*方法可用来规划模拟人群的路径,RVO、RVO2算法用来进行碰撞避免。这些方法能够到达数学上的优解,却不够贴近真实世界,缺乏“仿真”的意义。本文针对该研究背景和上述问题,提出使用神经网络来进行碰撞避免计算的方法,和使用带人物情绪模拟的路径规划方法来在复杂环境下模拟大规模人群行为。本文的主要研究内容包括:1.训练碰撞避免的神经网络需要真实数据作为输入。本文结合ASMS视频追踪器和深度预测网络,改进了从视频中提取行人运动轨迹的方法,提出了从普通单眼镜头拍摄的视频中提取三维路径的方法。2.由数学算法计算得到的路径十分精确,而现实中人类不总是寻找最优路线,为了模拟人类的决策,本文提出一种改进后的寻径算法——结合情绪模拟的寻径算法。该算法结合环境刺激源和虚拟人的内在本质,通过情绪转移方程来模拟虚拟人的情绪,并将该情绪映射为影响因子来调整路径规划。3.本文将改进已有的数据驱动模拟人物运动轨迹的方法,提出使用真实行人轨迹数据训练神经网络来模拟人物运动的方法,该方法可以使得人物行为模拟更为仿真。利用上述三种方法,本文实现了一个复杂环境下大规模人群仿真系统。该系统包含真实视频路径提取及大规模人群行为仿真等功能。对系统的测试表明,该系统能够得到逼真的大规模人群模拟效果。