基于深度学习的行人轨迹预测及低头异常行为检测

目录

声明

致谢

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 行人轨迹预测方法

1.2.2 异常行为检测方法

1.3 论文的研究内容

1.4 论文的安排

1.5 本章小结

2 相关基础理论与技术

2.1 人体姿态估计

2.2 全景分割

2.3 相机位姿估计

2.4 时间序列算法

2.4.1 RNN循环神经网络

2.4.2 LSTM长短期记忆网络

2.5 注意力机制

2.6 本章小结

3 基于第一视角的行人轨迹预测算法

3.1 引言

3.2 本章算法框架

3.3 行人轨迹预测算法

3.3.1 行人特征提取算法

3.3.2 场景特征提取算法

3.3.3 车辆自我运动特征提取算法

3.3.4 多种特征编解码算法

3.4 实验结果及分析

3.4.1 实验数据集

3.4.2 参数配置

3.4.3 预测结果

3.4.4 性能评估

3.5 本章小结

4 基于人体关节点的低头异常行为检测算法

4.1 引言

4.2 算法简要框图

4.3 异常行为数据集拟合算法

4.4 异常行为检测算法

4.5 实验结果及分析

4.5.1 数据集的构成

4.5.2 实验环境及参数设置

4.5.3 检测结果

4.5.4 性能评估

4.6 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集