[發(fā)明專利]行人軌跡預測方法、裝置、設備及介質

有效

• 申請?zhí)枺?/td>: 202010608431.1
• 申請日: 2020-06-29
• 公開（公告）號: CN111797751B
• 公開（公告）日: 2023-01-06
• 發(fā)明（設計）人: 高延熹;呂穎;楊化偉;韓佳琪;龐竹吟
• 申請（專利權）人: 中國第一汽車股份有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/774;G06T7/207
• 代理公司: 北京遠智匯知識產權代理有限公司 11659
• 代理人: 范坤坤

1.一種行人軌跡預測方法，其特征在于，包括：

確定當前時刻至少兩個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息；

將所述至少兩個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息，聯(lián)合輸入到預先訓練的行人軌跡預測模型；以及，將單個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息，單獨輸入到所述行人軌跡預測模型；

通過所述行人軌跡預測模型，確定所述單個目標行人在當前時刻后預設時間段的預測運動軌跡，以輔助進行自動駕駛；

通過所述行人軌跡預測模型，確定所述單個目標行人在當前時刻后預設時間段的預測運動軌跡，包括：

依據(jù)所述至少兩個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息，通過所述行人軌跡預測模型中的主干網絡得到目標行人交互特征；所述目標行人交互特征中融合有各個目標行人之間交互信息；

依據(jù)所述目標行人交互特征以及單個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息，通過所述行人軌跡預測模型中的分支網絡得到所述單個目標行人的所述預測運動軌跡。

2.根據(jù)權利要求1所述的方法，其特征在于，確定當前時刻至少兩個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息，包括：

獲取在預設車載圖像采集設備的采集視場下，距離當前時刻的歷史時間段內的至少兩幀歷史行人圖像；

基于所述至少兩幀歷史行人圖像中目標行人的運動位置，確定至少兩個目標行人的歷史運動軌跡信息；以及，確定至少兩個目標行人的歷史頭部姿態(tài)信息。

3.根據(jù)權利要求2所述的方法，其特征在于，確定至少兩個目標行人的歷史頭部姿態(tài)信息，包括：

針對所述至少兩幀歷史行人圖像中的每一幀歷史行人圖像，對所述歷史行人圖像進行人臉檢測，確定所述目標行人的人臉圖像；

基于所述目標行人的人臉圖像進行頭部姿態(tài)檢測，得到所述目標行人的頭部姿態(tài)角度，以獲取至少兩個目標行人的歷史頭部姿態(tài)信息。

4.根據(jù)權利要求1所述的方法，其特征在于，通過所述行人軌跡預測模型中的主干網絡得到目標行人交互特征，包括：

采用所述主干網絡中的全連接層子網絡，分別對各個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息分別進行編碼，得到各個目標行人歷史運動軌跡編碼特征與歷史頭部姿態(tài)編碼特征；

將各個目標行人歷史運動軌跡編碼特征與歷史頭部姿態(tài)編碼特征進行特征拼接，得到各個目標行人的編碼特征拼接結果；

依據(jù)各個目標行人的編碼特征拼接結果，采用所述主干網絡中的長短期記憶網絡LSTM進行編碼，得到所述目標行人交互特征。

5.根據(jù)權利要求1所述的方法，其特征在于，通過所述行人軌跡預測模型中的分支網絡得到所述單個目標行人的所述預測運動軌跡，包括：

采用所述分支網絡中的全連接層子網絡，對所述單個目標行人的歷史運動軌跡信息與歷史頭部姿態(tài)信息分別進行編碼，得到單個目標行人的編碼特征拼接結果；

將所述目標行人交互特征與所述單個目標行人的編碼特征拼接結果進行特征融合，得到單個目標行人的融合特征；

將所述單個目標行人的融合特征、所述單個目標行人在當前時刻相對上一時刻的行人位置變化信息以及所述單個目標行人在當前時刻相對上一時刻的頭部姿態(tài)變化信息，輸入到所述分支網絡中的長短期記憶網絡LSTM，獲得所述單個目標行人的所述預測運動軌跡。