摘要
针对社会对抗网络行人轨迹生成模型(SGAN)对行人长时社交关系考虑不足的问题,提出一种空时社交关系池化行人轨迹预测模型.通过空时社交汇集机制学习行人观测序列的全部社交,获得空时映射的社交汇集向量,再利用关系池化的方法,将空时社交汇集向量池化为"引力-斥力"关系的社交向量,作为RNN解码器隐藏态输入的一部分,使模型既能保持行人短时社交敏感性,又能增强长时社交关系的记忆,提高模型对行人复杂社交下的预测精度.为了验证提出模型的可靠性,使用公开标准数据集ETH和UCY来测试性能,实验表明模型相比于SGAN,平均偏移精度误差提升20%,最终偏移精度误差提升13.9%.
-
单位机电工程学院; 大连民族大学