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(qǐng)的專利一種基于預(yù)定義樹的多模態(tài)行人軌跡預(yù)測(cè)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(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114511594B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30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(qǐng)?zhí)?專利號(hào)為：202210102828.2，技術(shù)領(lǐng)域涉及：G06T7/246；該發(fā)明授權(quán)一種基于預(yù)定義樹的多模態(tài)行人軌跡預(yù)測(cè)方法及系統(tǒng)是由王樂;石劉帥;周三平;陳士韜;辛景民;鄭南寧設(shè)計(jì)研發(fā)完成，并于2022-01-27向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于預(yù)定義樹的多模態(tài)行人軌跡預(yù)測(cè)方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于預(yù)定義樹的多模態(tài)行人軌跡預(yù)測(cè)方法及系統(tǒng)，所述方法包括以下步驟：獲取行人的觀測(cè)軌跡序列；基于行人的觀測(cè)軌跡序列中的運(yùn)動(dòng)速度，構(gòu)建粗粒度軌跡樹；基于觀測(cè)軌跡序列和粗粒度軌跡樹，采用預(yù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)所述粗粒度軌跡樹的每個(gè)分支進(jìn)行優(yōu)化，獲得優(yōu)化后的軌跡樹；其中，所述優(yōu)化后的軌跡樹的分支用于表示最終的多模態(tài)行人軌跡預(yù)測(cè)結(jié)果。本發(fā)明中，基于行人的通用運(yùn)動(dòng)模式，將多種可能的未來軌跡表示成一顆軌跡樹，每條從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的路徑表示成一種可能的路徑，具有良好的可解釋性與獨(dú)特的運(yùn)動(dòng)特征；可預(yù)測(cè)出穩(wěn)定的、更加準(zhǔn)確的多模態(tài)未來軌跡。

本發(fā)明授權(quán)一種基于預(yù)定義樹的多模態(tài)行人軌跡預(yù)測(cè)方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于預(yù)定義樹的多模態(tài)行人軌跡預(yù)測(cè)方法，其特征在于，包括以下步驟：獲取行人的觀測(cè)軌跡序列；基于行人的觀測(cè)軌跡序列中的運(yùn)動(dòng)速度，構(gòu)建粗粒度軌跡樹；其中，所述粗粒度軌跡樹的分支用于分別代表行人未來軌跡的不同模態(tài)；基于觀測(cè)軌跡序列和粗粒度軌跡樹，采用預(yù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)所述粗粒度軌跡樹的每個(gè)分支進(jìn)行優(yōu)化，獲得優(yōu)化后的軌跡樹；其中，所述優(yōu)化后的軌跡樹的分支用于表示最終的多模態(tài)行人軌跡預(yù)測(cè)結(jié)果；其中，所述基于行人的觀測(cè)軌跡序列中的運(yùn)動(dòng)速度，構(gòu)建粗粒度軌跡樹的步驟具體包括：1對(duì)于長度T1的觀測(cè)軌跡序列，獲取其運(yùn)動(dòng)速度V；2設(shè)置需要預(yù)測(cè)的軌跡序列長度為T2，樹的分裂方向個(gè)數(shù)為N，分裂長度為步驟1獲取的運(yùn)動(dòng)速度的K倍，K∈Z,0K≤T2；設(shè)置分裂矩陣為Wα，其中α∈[0,2π]；3根據(jù)步驟1獲取的運(yùn)動(dòng)速度V，步驟2設(shè)置的樹的分裂長度、分裂方向和分裂矩陣Wα，設(shè)置樹的N個(gè)分裂方向向量，其中第n個(gè)分裂方向向量為WαnVK，其中n∈[0,N-1]；4以觀測(cè)軌跡序列的最后一個(gè)時(shí)間點(diǎn)根節(jié)點(diǎn)，使用步驟3設(shè)置的N個(gè)分裂方向向量以遞歸的方式進(jìn)行樹的分裂，構(gòu)建獲得粗粒度軌跡樹；所述神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括：第一多層感知機(jī)，用于輸入觀測(cè)軌跡序列，輸出觀測(cè)特征；第二多層感知機(jī)，用于輸入待優(yōu)化粗粒度軌跡樹，輸出分支特征；自注意力機(jī)制，用于輸入所述觀測(cè)特征，輸出交互特征；注意力機(jī)制，用于輸入所述分支特征和所述交互特征，輸出所述待優(yōu)化粗粒度軌跡樹的分支的注意力分?jǐn)?shù)；第三多層感知機(jī)，用于輸入預(yù)獲取的粗粒度未來真實(shí)軌跡序列，輸出未來特征；第四多層感知機(jī)，用于輸入所述分支分?jǐn)?shù)最高的分支對(duì)應(yīng)的分支特征，輸出優(yōu)化后的分支；第五多層感知機(jī)，用于輸入混合特征，輸出所述觀測(cè)軌跡序列對(duì)應(yīng)的未來預(yù)測(cè)軌跡；其中，所述混合特征由未來特征與交互特征相加得到；所述預(yù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)的獲取步驟包括：獲取訓(xùn)練樣本集合；其中，每個(gè)樣本均包括：觀測(cè)軌跡序列、粗粒度軌跡樹、未來真實(shí)軌跡序列、粗粒度未來真實(shí)軌跡序列和粗粒度軌跡標(biāo)簽；采用訓(xùn)練樣本進(jìn)行訓(xùn)練，包括：在觀測(cè)軌跡序列上使用第一多層感知機(jī)提取觀測(cè)特征；在粗粒度軌跡樹的每個(gè)分支上使用第二多層感知機(jī)提取分支特征；在所述觀測(cè)特征上使用自注意力機(jī)制提取交互特征；在每個(gè)粗粒度軌跡樹的分支特征上計(jì)算與交互特征的注意力分?jǐn)?shù)，得到每個(gè)分支的注意力分?jǐn)?shù)；在粗粒度未來真實(shí)軌跡序列上使用第三多層感知機(jī)提取未來特征；將未來特征與交互特征相加得到混合特征；在最高注意力分?jǐn)?shù)對(duì)應(yīng)分支上使用第四多層感知機(jī)來得到優(yōu)化分支；在混合特征上使用第五多層感知機(jī)來得到未來預(yù)測(cè)軌跡；采用損失函數(shù)，達(dá)到預(yù)設(shè)收斂條件時(shí)完成訓(xùn)練，獲得所述預(yù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)；所述損失函數(shù)的表達(dá)式為，其中，λ1，λ2，λ3用來調(diào)和整個(gè)損失函數(shù)；為交叉熵?fù)p失函數(shù)，用于計(jì)算注意力分?jǐn)?shù)與粗粒度軌跡樹標(biāo)簽的交叉熵?fù)p失，優(yōu)化注意力分?jǐn)?shù)；為Huber損失函數(shù)，用于計(jì)算優(yōu)化分支與粗粒度未來真實(shí)軌跡序列的均方誤差，優(yōu)化粗粒度軌跡樹；為Huber損失函數(shù)，用于計(jì)算預(yù)測(cè)軌跡與未來真實(shí)軌跡的均方誤差，優(yōu)化未來預(yù)測(cè)軌跡。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)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(hào)；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)”。