基于多头软注意力图卷积网络的行人轨迹预测

作者：彭涛; 康亚龙; 余锋; 张自力; 刘军平; 胡新荣; 何儒汉; 李丽

来源：计算机应用, 2022, 1-11.

• 多头软注意力
• 通道注意力
• 空间注意力
• 内卷
• 图卷积网络
• 行人轨迹预测

行人间交互作用的复杂性给行人轨迹预测带来挑战，现有算法难以捕获行人间有意义的交互信息，不能够直观地建模行人之间的交互作用。针对该问题，提出多头软注意力图卷积网络。首先利用多头软注意力(MS ATT)结合内卷网络(Involution)从空间图和时间图输入中提取稀疏空间邻接矩阵和稀疏时间邻接矩阵，生成稀疏空间有向图和稀疏时间有向图；然后，利用图卷积网络从稀疏空间有向图和稀疏时间有向图中学习交互作用和运动趋势特征；最后，将学习到的轨迹特征输入时间卷积网络(TCN)来预测双高斯分布参数，从而生成行人预测轨迹。在ETH和UCY数据集上进行的实验结果表明，所提方法在平均位移误差(ADE)和最终位移误差(FDE)较SOPM(Space-time Social relationship pooling pedestrian trajectory Prediction Model)和SGCN(Sparse Graph Convolution Network)分别提高了2.8%和17%。

• 单位
  武汉纺织大学