详情

原文传递交通路口行人意图预测方法

论文题名：	交通路口行人意图预测方法
关键词：	交通路口;行人意图预测;数据驱动;卷积神经网络;长短期记忆神经网络
摘要：	行人意图预测是行为分析领域中的一项重要任务；将轨迹数据、图像等信息作为输入，模型能够准确预测行人未来意图（如在交通路口中是否过马路）；该任务在人机协同HRC、自动驾驶AVs等视觉领域具有广泛的应用；　　第一视角下预测行人意图极具挑战性，受到多个因素的影响；　　(1)摄像机自身运动；在第一视角环境中，行人轨迹数据和图像信息受到摄像机自身运动的影响，与真实数据存在偏差；　　(2)行人运动的多模态特性；人们可以根据自身偏好、环境条件等因素改变运动状态；如：当一个人站在交通路口时，未来的运动状态是多模态的（左转、右转、突然改变运动方向）；这需要模型能够建模行人未来运动状态分布，从而准确预测行人意图；　　(3)密集环境影响；城市密集环境是行人意图预测的一个难题，这需要模型能够有效地建模密集环境下的行人轨迹数据和视觉信息；　　本文利用基于数据驱动的模型，试图解决以上问题，并准确预测交通路口环境下的行人意图，具体如下：　　(1)模型利用3D-CNN和LSTM提取视觉信息和行人历史运动信息，随后分别经过特征融合层和分类层处理，得到预测结果；　　(2)模型在JAAD数据集上进行训练并验证，得到较好的效果；实验结果表明，模型在25轮训练后训练误差较低，并在验证集上达到95.3%的准确率。
作者：	Nardos Garedew Bacha(娜迪)
专业：	Computer Science and Technology
导师：	张博
授予学位：	硕士
授予学位单位：	大连海事大学
学位年度：	2021