買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜西安交通大學(xué);寧波市舜安人工智能研究院申請的專利一種基于互補(bǔ)注意力的行人軌跡預(yù)測方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114429490B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210102800.9，技術(shù)領(lǐng)域涉及：G06T7/246；該發(fā)明授權(quán)一種基于互補(bǔ)注意力的行人軌跡預(yù)測方法及系統(tǒng)是由王樂;段景海;周三平;陳仕韜;辛景民;鄭南寧設(shè)計研發(fā)完成，并于2022-01-27向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于互補(bǔ)注意力的行人軌跡預(yù)測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于互補(bǔ)注意力的行人軌跡預(yù)測方法及系統(tǒng)，所述方法包括以下步驟：獲取待軌跡預(yù)測的行人觀測軌跡序列；將所述行人觀測軌跡序列輸入預(yù)訓(xùn)練好的行人軌跡預(yù)測模型，輸出軌跡預(yù)測結(jié)果；其中，所述行人軌跡預(yù)測模型包括：空間交互神經(jīng)網(wǎng)絡(luò)，用于輸入所述行人觀測軌跡序列，輸出空間軌跡特征；時序運(yùn)動趨勢神經(jīng)網(wǎng)絡(luò)，用于輸入所述空間軌跡特征，輸出時空軌跡特征；第一多層感知機(jī)網(wǎng)絡(luò)，用于輸入所述時空軌跡特征，輸出作為軌跡預(yù)測結(jié)果的終點(diǎn)分布。本發(fā)明提供的行人軌跡預(yù)測方法或系統(tǒng)，在面臨行人運(yùn)動的特殊情況時，可獲得較準(zhǔn)確的預(yù)測結(jié)果。

本發(fā)明授權(quán)一種基于互補(bǔ)注意力的行人軌跡預(yù)測方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于互補(bǔ)注意力的行人軌跡預(yù)測方法，其特征在于，包括以下步驟：獲取待軌跡預(yù)測的行人觀測軌跡序列；將所述行人觀測軌跡序列輸入預(yù)訓(xùn)練好的行人軌跡預(yù)測模型，輸出軌跡預(yù)測結(jié)果；其中，所述行人軌跡預(yù)測模型包括：空間交互神經(jīng)網(wǎng)絡(luò)，用于輸入所述行人觀測軌跡序列，輸出空間軌跡特征；時序運(yùn)動趨勢神經(jīng)網(wǎng)絡(luò)，用于輸入所述空間軌跡特征，輸出時空軌跡特征；第一多層感知機(jī)網(wǎng)絡(luò)，用于輸入所述時空軌跡特征，輸出作為軌跡預(yù)測結(jié)果的終點(diǎn)分布；其中，所述空間交互神經(jīng)網(wǎng)絡(luò)包括：第一判別器，用于輸入所述行人觀測軌跡序列，輸出空間交互的一般情況矩陣和特殊情況矩陣；第一單頭自注意力網(wǎng)絡(luò)，用于輸入所述行人觀測軌跡序列和空間交互的一般情況矩陣，輸出空間交互一般情況特征；第二單頭自注意力網(wǎng)絡(luò)，用于輸入所述行人觀測軌跡序列和空間交互的特殊情況矩陣，輸出空間交互特殊情況特征；第一特征融合網(wǎng)絡(luò)，用于輸入所述空間交互一般情況特征和所述空間交互特殊情況特征，輸出空間軌跡特征；所述時序運(yùn)動趨勢神經(jīng)網(wǎng)絡(luò)包括：第二判別器，用于輸入所述空間軌跡特征，輸出時序運(yùn)動趨勢的一般情況矩陣和特殊情況矩陣；第三單頭自注意力網(wǎng)絡(luò)，用于輸入所述空間軌跡特征和時序運(yùn)動趨勢的一般情況矩陣，輸出時空運(yùn)動一般情況特征；第四單頭自注意力網(wǎng)絡(luò)，用于輸入所述空間軌跡特征和時序運(yùn)動趨勢的特殊情況矩陣，輸出時空運(yùn)動特殊情況特征；第二特征融合網(wǎng)絡(luò)，用于輸入所述時空運(yùn)動一般情況特征和所述時空運(yùn)動特殊情況特征，輸出時空軌跡特征；所述預(yù)訓(xùn)練好的行人軌跡預(yù)測模型的獲取步驟包括：獲取樣本訓(xùn)練集；其中，每個樣本均包括行人樣本觀測軌跡序列和未來真實軌跡；將選取樣本中的行人樣本觀測軌跡序列輸入行人軌跡預(yù)測模型，輸出獲得預(yù)測的未來軌跡的終點(diǎn)分布；計算所述預(yù)測的未來軌跡的終點(diǎn)分布與所述選取樣本中的未來真實軌跡的終點(diǎn)的極大似然估計損失，獲得損失值；基于所述損失值，更新模型參數(shù)，達(dá)到預(yù)設(shè)收斂條件后，獲得所述預(yù)訓(xùn)練好的行人軌跡預(yù)測模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安交通大學(xué);寧波市舜安人工智能研究院，其通訊地址為：710049 陜西省西安市咸寧西路28號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。