科研之友
微信
新浪微博
Facebook
分享链接
摘要
行人轨迹预测能够有效降低行人轨迹突变造成的碰撞风险，进而在智能交通及监控系统等领域有着广泛应用。目前已有的研究大多利用无向图卷积网络对行人间的社会交互关系进行建模，这种方法缺少对行人隐藏状态关联性的考虑，容易产生行人间的冗余交互。针对这一问题，本文提出基于注意力机制和稀疏图卷积的行人轨迹预测模型(DASGCN)，通过构建深度注意力机制，捕捉行人间运动隐藏状态的关联性，从而准确的提取行人运动状态特征。本文进一步提出了自调节稀疏方法，减少了冗余信息带来的运动轨迹偏差，解决了行人密集无向交互的问题。本文模型在ETH和UCY数据集上进行了验证，FDE和ADE分别达到了0.36和0.63。实验结果表明，DASGCN对行人轨迹的预测能力要优于传统算法。
-
单位昆明理工大学; 自动化学院
