科研之友
微信
新浪微博
Facebook
分享链接
摘要
鉴于行人的运动轨迹会受到邻域行人持续性的影响，传统工作在建模过程中缺乏对此类型影响的考虑，提出了一个基于多重空间图神经网络的行人轨迹预测方法．此方法包含一个多重空间融合模块，将多个时刻的空间结合在一起，构建了一个多重空间图神经网络，能够将邻域行人的历史轨迹对目标行人的影响也融合进来，对多人之间跨越时间和空间的交互信息进行建模与刻画；随后将Transformer应用到多重空间图网络上，能够自适应地度量行人之间跨越时间和空间的交互程度．本文方法在典型公开数据集ETH和UCY上进行测试，并与同类模型进行对比．实验结果表明：本文方法在ADE和FDE两项指标上相比于比同类方法提升了12%和15%，能预测出与真实轨迹更贴合的行人轨迹．
- 单位
