[发明专利]一种行人轨迹预测方法及系统

说明书

本发明公开了一种行人轨迹预测方法及系统，首先本发明将预设时间段内单一分辨率的行人轨迹进行时间压缩调制和时间膨胀调制，构建时间维度上多分辨率的行人轨迹；然后采用时间金字塔网络对多分辨率的行人轨迹进行编码和解码以同时建模行人全局和局部运动行为，从而学习到更加真实的、鲁棒的行人未来轨迹；进一步地，本发明利用融合网络以将学习到的多分辨率行人轨迹信息进行高度融合，从而学习到精细化的行人轨迹；最后采用多监督训练策略以同时监督多种分辨率下的行人轨迹；此策略能够从粗糙到精细地建模行人轨迹，有效提高了行人轨迹预测的精度。此外，时间金字塔网络可作为辅助模块，能轻松扩展到其他序列预测框架，带来性能上的大幅提升。

技术领域

本发明涉及轨迹预测技术领域，具体涉及一种行人轨迹预测方法及系统。

背景技术

行人轨迹预测是指根据行人过去一段时间内的历史轨迹，预测其未来一段时间内的行走轨迹。其在机器人自然导航、自动驾驶系统决策、监测系统识别可疑活动等方面具有广泛应用，对于研究智能驾驶和智慧城市等领域有着重要意义。

研究行人轨迹预测这一问题，主要存在以下难点：1)多模态性：相同的行人历史轨迹可能会有多种可接受的、不同的未来轨迹。2)社会交互：行人的行走受到周围人的影响，行人之间的相互作用可以使他们保持并行、改变方向或速度以避免行走过程中发生碰撞。目前一部分方法采用循环神经网络构建编解码器来预测行人轨迹，然而这类方法无法建模行人行走的多模态性。另一些方法采用生成式对抗网络或图网络来建模行人运动行为，但是这些方法均采用单一分辨率的方式(即固定时间步长)对输入、输出的轨迹进行编码和解码。因此现有技术未能充分利用运动行为的时间关系，难以同时建模行人的全局和局部运动行为，导致轨迹预测的精度并不理想。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中行人轨迹预测结果精度低的缺陷，从而提供一种行人轨迹预测方法及系统。

为达到上述目的，本发明提供如下技术方案：

第一方面，本发明实施例提供一种行人轨迹预测方法，包括如下步骤：

将预设时间段内单一分辨率的行人历史轨迹进行时间压缩调制和时间膨胀调制，构建时间维度上具有多分辨率的时间金字塔层级行人历史轨迹；

将时间金字塔层级行人历史轨迹输入生成器，提取时间金字塔层级行人未来轨迹特征，并对行人未来轨迹特征进行全局运动行为到局部运动行为的融合，生成具有不同分辨率的时间金字塔层级行人未来轨迹；

将具有不同分辨率的时间金字塔层级行人未来轨迹通过融合网络，生成精细化行人轨迹，判别器对生成的精细化行人未来轨迹进行判别；

对生成器和判别器组成的生成式对抗网络进行训练，将训练好的网络模型作为行人轨迹预测模型；

将预设时间段内的行人历史轨迹输入行人轨迹预测模型中，输出未来预设时间段内精细化的行人轨迹预测结果。

在一实施例中，所述对行人未来轨迹特征进行全局运动行为到局部运动行为的融合，生成具有不同分辨率的时间金字塔层级行人未来轨迹的步骤包括：

通过编码器对时间金字塔层级行人历史轨迹进行编码后，由解码器进行解码并自顶向下融合全局运动行为到局部运动行为，生成具有不同分辨率的时间金字塔层级行人未来轨迹。

在一实施例中，编码器和解码器采用长短期记忆网络进行编解码。

在一实施例中，对生成式对抗网络进行训练时的损失函数通过以下公式表示：

min_Gmax_DL_avd+L_s+L_f，