龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安交通大学
申请日：2024-04-03
公开（公告）日：2024-06-25
公开（公告）号：CN118247307A
主分类号：G06T7/207
分类号：G06T7/207;G06V10/44;G06V10/82;G06N3/045;G06N3/084;G06N3/0442
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明属于计算机视觉技术与自动驾驶技术领域，公开了一种行人轨迹预测模型、行人轨迹预测方法及相关装置；其中，所述行人轨迹预测模型包括：逐步特征提取器，逐步特征提取器基于注意力机制构建，用于输入行人观测轨迹，提取获得行人在每帧的待对齐的交互特征；泛化性轨迹特征提取网络，用于输入行人在每帧的待对齐的交互特征，并按照时序逐步对齐，获得对齐后的高维特征空间；解码器，用于输入对齐后的高维特征空间并进行解码处理，获得行人预测轨迹结果；其中，网络整体损失函数为预测损失函数与逐步特征对齐损失函数之和。本发明公开了一种基于特征逐步对齐的高泛化性的行人轨迹预测模型，提高了行人轨迹预测模型的场景泛化能力。
主权项：1.一种行人轨迹预测模型，其特征在于，包括：逐步特征提取器，所述逐步特征提取器基于注意力机制构建，用于输入行人观测轨迹，提取获得行人在每帧的待对齐的交互特征；泛化性轨迹特征提取网络，用于输入行人在每帧的待对齐的交互特征，并按照时序逐步对齐，获得对齐后的高维特征空间；解码器，用于输入对齐后的高维特征空间并进行解码处理，获得行人预测轨迹结果；其中，所述行人轨迹预测模型的训练步骤中，通过获取多个不同场景的行人观测轨迹，根据网络整体损失函数对网络参数进行迭代优化；所述网络整体损失函数为预测损失函数与逐步特征对齐损失函数之和；所述预测损失函数是预测结果与真实未来轨迹之间的均方误差；所述逐步特征对齐损失函数对准损失的目标是最小化源域之间的差异。
全文数据：
权利要求：
百度查询： 西安交通大学 一种行人轨迹预测模型、行人轨迹预测方法及相关装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号