[发明专利]轨迹预测方法、装置、电子设备及介质

权利要求书

1.一种轨迹预测方法，其特征在于，所述方法包括：

根据目标对象的历史轨迹数据，得到所述目标对象的个体表征向量；

基于所述目标对象的历史轨迹数据、以及所述目标对象的至少一个关联对象的历史轨迹数据，获得所述目标对象的群体表征向量；

根据所述目标对象的个体表征向量和群体表征向量，得到所述目标对象的预测轨迹。

2.根据权利要求1所述的方法，其特征在于，所述群体表征向量用于表示所述至少一个关联对象对所述目标对象的行为影响，所述目标对象的历史轨迹数据包括：所述目标对象在第一时间段内的历史轨迹数据；所述至少一个关联对象的历史轨迹数据包括：所述目标对象的至少一个关联对象在第二时间段内的历史轨迹数据，所述第二时间段与所述第一时间段至少部分重叠；所述至少一个关联对象与所述目标对象在同一场景中；

所述根据所述目标对象的个体表征向量和群体表征向量，得到所述目标对象的预测轨迹，包括：

根据所述目标对象的个体表征向量和群体表征向量，得到所述目标对象在第三时间段内的预测轨迹，所述第三时间段包括第一时间段之后的一段时间。

3.根据权利要求2所述的方法，其特征在于，所述根据目标对象的历史轨迹数据，得到目标对象的个体表征向量，包括：

获取所述目标对象对应的环境信息的集合，所述集合包括分别对应不同时刻的多个环境信息；其中，环境信息包括所述目标对象的图像帧中预定区域的图像内容，所述预定区域包括所述目标对象在所述图像帧中的轨迹坐标；

根据所述环境信息的集合，得到所述目标对象的环境特征；

根据所述目标对象在所述第一时间段内的历史轨迹数据，得到所述目标对象的轨迹特征；

将所述环境特征与轨迹特征进行拼接，得到所述目标对象的个体表征向量。

4.根据权利要求3所述的方法，其特征在于，所述目标对象的历史轨迹数据，包括：所述目标对象在全局坐标系下的多个轨迹坐标；所述方法还包括：

在根据所述目标对象在所述第一时间段内的历史轨迹数据，得到所述目标对象的轨迹特征之前，将所述历史轨迹数据由全局坐标系转换至个体相对坐标系，所述个体相对坐标系以所述目标对象的历史轨迹数据中的初始轨迹点为原点。

5.根据权利要求3所述的方法，其特征在于，所述根据所述目标对象在所述第一时间段内的历史轨迹数据，得到所述目标对象的轨迹特征，包括：

通过编码网络对所述目标对象在第一时间段内的历史轨迹数据进行编码，得到所述目标对象的轨迹特征。

6.根据权利要求5所述的方法，其特征在于，所述编码网络，包括：双向长短期记忆网络LSTM。

7.根据权利要求1至6中任一所述的方法，其特征在于，所述基于所述目标对象的历史轨迹数据、以及所述至少一个关联对象的历史轨迹数据，获得所述目标对象的群体表征向量，包括：

根据所述目标对象的历史轨迹数据以及所述至少一个关联对象的历史轨迹数据，得到特征矩阵；

将所述特征矩阵分别通过不同的全连接层映射到多个函数空间后，进行关系获取处理得到关系矩阵；

将所述关系矩阵和所述特征矩阵进行融合，得到更新后的特征矩阵，以根据所述更新后的特征矩阵继续更新所述关系矩阵，直至达到预设的更新停止条件时，停止更新所述关系矩阵；

根据更新过程中的多个所述关系矩阵，得到对象集合中的两两对象之间的交互关系值；其中，所述对象集合包括目标对象及其至少一个关系对象；所述交互关系值用于表征所述两两对象之间的行走行为相关程度；

根据所述交互关系值确定所述目标对象的群体表征向量。