一种基于在线更新策略的定制化行人轨迹预测方法

摘要

本发明公开了一种基于在线更新策略的定制化行人轨迹预测方法，包括：搭建基于生成对抗框架的参数共享模型；模型训练，在不同行人疏密程度的场景中训练基于生成对抗框架的参数共享模型，学习各场景中行人轨迹的通用特征；模型测试，基于循环生成对抗原理，调用模型训练阶段优化完成的基于生成对抗框架的参数共享模型，搭建基于循环生成对抗框架的行人轨迹预测模型用于测试；将得到的模型应用于单个行人，随着模型测试过程的持续推进在线优化模型参数，并学习到基于单人的个性化行为偏好，联合推理出场景中所有行人的预测轨迹。本发明的方法可有效捕捉场景中不同行人行为模式的差异化特征，以降低预测轨迹的误差并提升系统的稳健性。