多行人轨迹多视角三维仿真视频学习预测法

摘要

多行人轨迹预测是城市地理信息系统与智能交通融合的关键因素之一。针对现有行人轨迹预测方法训练数据量不足、标注难、对多视角场景轨迹预测精度低等问题,本文提出一种多行人轨迹多视角三维仿真视频学习预测方法。首先,通过仿真模拟器生成所需多视角行人轨迹标注数据,利用凸函数组合原始视角对抗轨迹和选定的多视角轨迹,生成增强对抗轨迹,接着使用检测跟踪算法对行人特征信息进行编码;然后,将增强轨迹和编码信息作为图注意力循环神经网络的特征输入,对行人交互信息建模;最后,通过位置解码器对行人轨迹进行解码并提取行人运动特征,完成多行人轨迹预测。本文方法在ETH/UCY固定视角数据集上的ADE和FDE精度分别为0.41和0.82。在ActEV/VIRAT和Argoverse多视角数据集上的ADE精度为17.74和65.4,FDE精度为34.96和172.8。