[發明專利]面向智能駕駛的移動目標軌跡預測方法、系統、裝置

有效

• 申請號: 202010400600.2
• 申請日: 2020-05-13
• 公開（公告）號: CN111597961B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 陳亞冉;趙曉東;趙冬斌
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06N3/0464;G06N3/0442
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

1.一種面向智能駕駛的移動目標軌跡預測方法，其特征在于，該方法包括：

步驟S100，獲取輸入視頻中t_now-N至t_now時刻的圖像幀；其中，N為正整數，t_now表示當前時刻；

步驟S200，獲取各圖像幀中所有移動目標對應的檢測區域，并分別通過預設的第一方法計算第一影響；所述第一影響為各圖像幀中所有移動目標對待預測目標影響程度的加權和；

步驟S300，通過預訓練的編碼器的LSTM層提取各第一影響的特征向量構建第一特征序列，并提取各第一位置信息的特征向量構建第二特征序列；所述第一位置信息為待預測目標的位置信息；

步驟S400，令t'＝t_now+1；t'表示待預測時刻；

步驟S500，通過注意力機制分別對所述第一特征序列、所述第二特征序列中的各特征進行時間維度上的加權求和，得到第三特征、第四特征；

步驟S600，基于所述第三特征、所述第四特征，結合t'-1時刻所述待預測目標的位置信息提取的特征，進行加權求和，得到第五特征，并通過預訓練的解碼器的LSTM層和全連接層，得到所述待預測目標t'時刻的預測位置；

步驟S700，令t'＝t'+1，跳轉步驟S500，迭代獲取所述待預測目標設定時間段內的多個預測位置，構建預測軌跡。

2.根據權利要求1所述的面向智能駕駛的移動目標軌跡預測方法，其特征在于，步驟S200中“獲取各圖像幀中所有移動目標對應的檢測區域”，其方法為：

提取各圖像幀的多尺度特征，并分別通過RPN網絡獲取移動目標不同比例的候選檢測區域；

基于各候選檢測區域，通過檢測網絡得到各圖像幀中所有移動目標的檢測區域；所述檢測網絡基于卷積神經網絡構建。

3.根據權利要求2所述的面向智能駕駛的移動目標軌跡預測方法，其特征在于，步驟S200中“通過預設的第一方法計算第一影響”，其方法為：

其中，為第一影響，為移動目標對待預測目標的影響程度，r_t^j為t時刻第j個移動目標的檢測區域經過編碼器的嵌入層得到的向量，為t時刻待預測目標的檢測區域、通過多層感知機映射的向量，W_r為編碼器嵌入層的權重，φ(·)表示嵌入函數，j表示待預測目標周圍移動目標的數量，·,·表示向量的內積操作，t表示時刻。

4.根據權利要求3所述的面向智能駕駛的移動目標軌跡預測方法，其特征在于，步驟S500中“通過注意力機制分別對所述第一特征序列、所述第二特征序列中的各特征進行時間維度上的加權求和，得到第三特征、第四特征”，其方法為：

基于所述第一特征序列、所述第二特征序列中的各特征，結合所述解碼器待預測時刻上一時刻LSTM的隱藏層狀態，通過預設的第二方法計算各特征的注意力分數；

基于所述注意力分數，通過預設的第三方法獲取各特征的權重；

基于所述權重，對所述第一特征序列、所述第二特征序列中的各特征進行加權求和，得到第三特征、第四特征。

5.根據權利要求4所述的面向智能駕駛的移動目標軌跡預測方法，其特征在于，“通過預設的第二方法計算各特征的注意力分數”，其方法為：

score(s_t′-1,h_k)＝v^Ttanh(W₁s_t′-1+W₂h_k),

其中，score(s_t′-1,h_k)為各特征的注意力分數，h_k為特征序列中的第k個特征，s_t′-1為待預測時刻上一時刻解碼器LSTM的隱藏層狀態，v、W₁、W₂為預設的權重，T表示轉置。