计算机应用

作者：孙亚圣, 姜奇, 胡洁, 戚进, 彭颖红

单位：1. 上海交通大学 机械与动力工程学院, 上海 200240;2. 上海交通大学 电子信息与电气工程学院, 上海 200240

关键词：轨迹预测,长短期记忆网络,生成对抗网络,注意力机制,行人交互

基金：国家自然科学基金资助项目（51775332，51675329，51675342）；机械系统与振动国家重点实验室课题（GZ2016KF001，GKZD020018）；特种车辆及其传动系统智能制造国家重点实验室开放课题（GZ2016KF001）。

针对长短期记忆网络（LSTM）在行人轨迹预测问题中孤立考虑单个行人，且无法进行多种可能性预测的问题，提出基于注意力机制的行人轨迹预测生成模型（AttenGAN），来对行人交互模式进行建模和概率性地对多种合理可能性进行预测。AttenGAN包括一个生成器和一个判别器，生成器根据行人过去的轨迹概率性地对未来进行多种可能性预测，判别器用来判断一个轨迹是真实的还是由生成器伪造生成的，进而促进生成器生成符合社会规范的预测轨迹。生成器由一个编码器和一个解码器组成，在每一个时刻，编码器的LSTM综合注意力机制给出的其他行人的状态，将当前行人个体的信息编码为隐含状态。预测时，首先用编码器LSTM的隐含状态和一个高斯噪声连接来对解码器LSTM的隐含状态初始化，解码器LSTM将其解码为对未来的轨迹预测。在ETH和UCY数据集上的实验结果表明，AttenGAN模型不仅能够给出符合社会规范的多种合理的轨迹预测，并且在预测精度上相比传统的线性模型（Linear）、LSTM模型、社会长短期记忆网络模型（S-LSTM）和社会对抗网络（S-GAN）模型有所提高，尤其在行人交互密集的场景下具有较高的精度性能。对生成器多次采样得到的预测轨迹的可视化结果表明，所提模型具有综合行人交互模式，对未来进行联合性、多种可能性预测的能力。

来源：2019年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第3期