申请/专利权人：中山大学

申请日：2021-11-24

公开（公告）日：2024-04-16

公开（公告）号：CN113920170B

主分类号：G06T7/246

分类号：G06T7/246;G06V40/10;G06V10/26;G06V10/80;G06V10/82;G06V10/62

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明涉及行人轨迹预测技术，具体为结合场景上下文和行人社会关系的行人轨迹预测方法、系统及存储介质，其方法包括：获取行人轨迹预测的公开数据集，划分训练集和测试集；对视频数据和行人轨迹数据进行预处理，获得静态场景图像；对静态场景图像语义分割得到语义分割图像；构建行人轨迹时空图，构建每一帧的空间图，将所有时间序列的空间图组成时空图；对静态场景图像和时空图使用不同卷积网络进行特征提取，得到场景特征张量和行人特征张量，融合得到组合特征张量后输入行人轨迹预测模型，预测行人未来的轨迹。本发明能够把场景上下文中包含的语义信息、行人间关系共同建模，并保留行人与场景之间的空间关系，提高了行人轨迹预测精度。

主权项：1.结合场景上下文和行人社会关系的行人轨迹预测方法，其特征在于，包括以下步骤：S1、获取关于行人轨迹预测的公开数据集，其中包括在不同场景下长度不等的视频数据和视频中对应的行人坐标轨迹数据表；S2、划分训练集和测试集；S3、数据预处理，对于视频数据，获取每段不同视频中抹去运动行人后对应的静态场景图像；对于行人轨迹数据，根据时间帧进行采样，得到统一帧间隔和帧数的轨迹，并对不同数据集中行人坐标尺度进行归一化；S4、对提取出的静态场景图像进行分辨率统一调整后输入预训练好语义分割网络中，并对得到的图像进行统一调整，得到语义分割图像；S5、构建行人轨迹时空图，使用每一帧中行人的坐标点和该坐标点对应的语义标签作为顶点信息构建该帧对应的空间图，并将行人轨迹中所有时间序列的空间图组成时空图，用来表示轨迹中行人与行人之间的社会关系；S6、分别对静态场景图像和时空图使用不同的卷积神经网络进行特征提取，得到场景特征张量和行人特征张量，再使用特征融合方法得到最后的组合特征张量；S7、预测行人轨迹，先对预测网络进行训练，得到训练好的行人轨迹预测模型并保存；再把组合特征张量输入行人轨迹预测模型，预测行人未来的轨迹。

全文数据：

权利要求：

百度查询： 中山大学 结合场景上下文和行人社会关系的行人轨迹预测方法、系统及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD