计算机应用

作者：彭涛, 康亚龙, 余锋, 张自力, 刘军平, 胡新荣, 何儒汉, 李丽

单位：1.纺织服装智能化湖北省工程研究中心(武汉纺织大学), 武汉 430200；2.湖北省服装信息化工程技术研究中心(武汉纺织大学), 武汉 430200；3.武汉纺织大学 计算机与人工智能学院, 武汉 430200

关键词：多头软注意力,通道注意力,空间注意力,内卷,图卷积网络,行人轨迹预测

基金：国家自然科学基金资助项目(61901308);湖北省教育厅青年项目(Q201316);湖北省教育厅科研计划重点项目(D20191708)

行人间交互作用的复杂性给行人轨迹预测带来了挑战，且现有算法难以捕获行人间有意义的交互信息，不能直观地建模行人间的交互作用。针对以上问题，提出多头软注意力图卷积网络。首先利用多头软注意力（MS ATT）结合内卷网络Involution分别从空间图和时间图输入中提取稀疏空间和稀疏时间邻接矩阵，生成稀疏空间和稀疏时间有向图；然后，利用图卷积网络（GCN）从稀疏空间和稀疏时间有向图中学习交互作用与运动趋势特征；最后，将学习到的轨迹特征输入时间卷积网络（TCN）以预测双高斯分布参数，生成行人预测轨迹。在ETH和UCY数据集上的实验结果表明：相较于空时社交关系池化行人轨迹预测模型（SOPM），所提算法的平均位移误差（ADE）降低了2.78%；相较于稀疏图卷积网络（SGCN），所提算法的最终位移误差（FDE）降低了16.92%。

来源：2023年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第3期