[发明专利]行人轨迹预测方法、装置、设备及存储介质

权利要求书

1.一种行人轨迹预测方法，其特征在于，所述方法包括：

构建时空图，所述时空图包括多个时刻下的当前视频帧对应的空间图，所述空间图包括目标节点以及各个目标节点之间的连接边，其中，所述目标节点用于表征目标对象，所述连接边用于表征各个目标对象之间的交互关系；

根据所述目标节点的节点属性以及所述连接边的连接边属性确定所述目标对象的最终空间属性值，所述节点属性包括所述目标对象的场景特征和轨迹特征，所述连接边属性包括两个目标对象之间的交互强度；

根据所述多个时刻下的所述最终空间属性值确定所述目标对象的时间依赖关系；

根据所述时间依赖关系预测预设时间长度的视频帧中各个所述目标对象的轨迹。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标节点的节点属性以及所述连接边的连接边属性确定所述目标对象的最终空间属性值，包括：

根据所述节点属性确定第一连接边属性，所述第一连接边属性为第一阶段所述两个目标对象之间的交互强度；

根据所述第一连接边属性确定第一节点属性，所述第一节点属性为所述第一阶段各个所述目标对象的节点属性；

根据所述第一节点属性确定第二连接边属性，所述第二连接边属性为第二阶段所述两个目标对象之间的交互强度；

根据所述第二连接边属性确定所述最终空间属性值，所述最终空间属性值为所述第二阶段各个所述目标对象的节点属性。

3.根据权利要求2所述的方法，其特征在于，所述根据所述节点属性确定第一连接边属性，包括：

根据第一公式计算获得所述第一连接边属性，所述第一公式包括：

其中，表示t时刻下目标对象i和目标对象j之间的连接边的所述第一连接边属性，表示t时刻下目标对象i的所述节点属性，表示t时刻下目标对象j的所述节点属性，表示t时刻下目标对象i和目标对象j之间的欧式距离。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一连接边属性确定第一节点属性，包括：

根据第二公式计算获得所述第一节点属性，所述第二公式包括：

其中，V₍₁₎表示观测序列长度下所有目标对象的所述第一节点属性，σ(·)是激活函数，Λ＝{Λ^t|t∈{1,…,T_obs}}表示观测序列长度下Λ^t的集合，Λ^t是A^t+I的节点度矩阵的对角矩阵，A^t是由组成的矩阵，I表示自身连接，T_obs表示观测序列长度，A＝{A^t|t∈{1,…,T_obs}}表示观测序列长度下A^t的集合，表示标准化拉普拉斯矩阵，V＝{V^t|t∈{1,…,T_obs}}表示观测序列长度下V^t的集合，表示的集合，N表示目标对象数量，W₁表示线性变换的权重矩阵。

5.根据权利要求2所述的方法，其特征在于，所述根据所述第一节点属性确定第二连接边属性，包括：

根据第三公式计算获得所述第二连接边属性，所述第三公式包括：

其中，表示t时刻下目标对象i和目标对象j之间的连接边的所述第二连接边属性，a表示自注意机制的权向量，W₂和W₃表示线性变换的共享权值矩阵，||表示拼接过程，表示t时刻下目标对象i的所述第一节点属性，表示t时刻下目标对象j的所述第一节点属性，表示t时刻下目标对象q的所述第一节点属性，N表示目标对象数量。

6.根据权利要求2所述的方法，其特征在于，所述根据所述第二连接边属性确定所述最终空间属性值，包括：

根据第四公式计算获得所述最终空间属性值，所述第四公式包括：

其中，表示t时刻下目标对象i的所述最终空间属性值，K表示多头注意的数量，表示t时刻下第k次求取的表示第k次求取的可学习的线性变换相应的权重矩阵，N表示目标对象数量，j表示任一目标对象。