计算机应用

作者：吴家皋, 章仕稳, 蒋宇栋, 刘林峰

单位：1.南京邮电大学 计算机学院，南京 210023；2.江苏省大数据安全与智能处理重点实验室（南京邮电大学），南京 210023

关键词：生成对抗网络,长短期记忆网络,行人轨迹预测,注意力机制,行人交互

基金：国家自然科学基金资助项目(61872191)

针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题，基于状态精细化长短期记忆（SR-LSTM）和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络（SRA-SIGAN）模型，利用生成对抗网络（GAN）学习获得目标行人的运动规律。首先，使用SR-LSTM作为位置编码器提取运动意图信息；其次，通过设置速度注意力机制合理地为同一场景中的行人分配影响力，以更好地处理行人的交互；最后，由解码器生成预测的未来轨迹。在多个公开数据集上的测试实验结果表明，SRA-SIGAN模型的总体表现良好。特别是在Zara1数据集上，与SR-LSTM模型相比，SRA-SIGAN模型的平均位移误差（ADE）和最终位移误差（FDE）分别减小了20.0%和10.5%；与社交生成对抗网络（SIGAN）模型相比，SRA-SIGAN的ADE和FDE分别下降了31.7%和24.4%。

来源：2023年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第5期