基于社会注意力机制的行人轨迹预测方法研究

TP391; 为提高行人交互中轨迹预测速度、精度与模型可解释性,提出了一种基于社会注意力机制的GAN模型.首先,定义了一种新型社会关系,对行人间的影响进行社会关系建模,设计了基于注意力机制的网络模型,提高了网络预测速度和可解释性.然后,探索不同池化汇集机制对预测结果的影响,确定性能优异的池化模型.最后,搭建了轨迹预测网络,并在UCY和ETH数据集中进行训练.实验结果表明,所提模型预测精度优于现有方法,且实时性较现有方法提升18.3％....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 41; no. 6; pp. 175 - 183
Main Authors 李琳辉, 周彬, 连静, 周雅夫
Format Journal Article
LanguageChinese
Published 大连理工大学汽车工程学院,辽宁大连 116024 25.06.2020
大连理工大学工业装备结构分析国家重点实验室,辽宁大连 116024%大连理工大学汽车工程学院,辽宁大连,116024
Subjects
注意力机制
生成对抗网络
最优池化模型
行人轨迹预测
社会力模型
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2020100

Cover

More Information
Summary:TP391; 为提高行人交互中轨迹预测速度、精度与模型可解释性,提出了一种基于社会注意力机制的GAN模型.首先,定义了一种新型社会关系,对行人间的影响进行社会关系建模,设计了基于注意力机制的网络模型,提高了网络预测速度和可解释性.然后,探索不同池化汇集机制对预测结果的影响,确定性能优异的池化模型.最后,搭建了轨迹预测网络,并在UCY和ETH数据集中进行训练.实验结果表明,所提模型预测精度优于现有方法,且实时性较现有方法提升18.3％.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2020100