[發明專利]一種復雜環境下的行人移動軌跡在線預測方法及系統

有效

• 申請號: 202110922275.0
• 申請日: 2021-08-12
• 公開（公告）號: CN113569980B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 李秋萍;吳颯莎
• 申請（專利權）人: 中山大學
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V40/20;G06V10/764;G06V10/774
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

1.一種復雜環境下的行人移動軌跡在線預測方法，其特征在于，包括以下步驟：

基于智能移動設備探測一定時間內的行人位置數據，得到行人歷史軌跡；

根據行人歷史軌跡提取行人多維度移動特征；

基于行人多維度移動特征和行人歷史軌跡訓練支持向量回歸模型，得到軌跡預測模型；

動態更新軌跡預測模型的參數并基于軌跡預測模型預測行人未來時刻的軌跡；

所述行人多維度移動特征包括位置特征、速度特征、加速度特征和阻力特征；

所述根據行人歷史軌跡提取行人多維度移動特征這一步驟，其具體包括：

根據行人歷史軌跡提取位置特征、速度特征、加速度特征和阻力特征；

所述位置特征包括行人當前位置的x坐標、行人當前位置的y坐標和對應的時刻t，所述速度特征包括行人當前運動速度大小和行人當前運動速度方向，所述加速度特征包括行人加速度大小和行人加速度方向，所述阻力特征包括行人運動阻力大小和行人運動阻力方向；

根據位置特征中相鄰位置點的距離和時間間隔計算行人運動速度大??；

根據位置特征中相鄰位置點的偏移計算行人運動速度方向；

根據相鄰位置點的行人運動速度大小和時間間隔計算行人運動加速度大??；

根據行人運動速度大小和行人運動速度方向計算行人運動加速度方向；

根據可視域內其他行人及障礙物與當前行人的距離計算行人運動阻力大小和行人運動阻力方向；

所述基于行人多維度移動特征和行人歷史軌跡訓練支持向量回歸模型，得到軌跡預測模型這一步驟，其具體包括：

以行人多維度移動特征為特征集，行人歷史軌跡中下一時刻位置為結果集，對支持向量回歸模型進行訓練，建立特征集和結果集之間的映射關系，并預測k+1時刻的行人位置，k表示訓練窗口大?。?/p>

計算每個目標行人在k+1時刻預測位置與真實位置的誤差；

基于網格搜索法選擇最優訓練窗口和參數組合，得到軌跡預測模型。

2.根據權利要求1所述一種復雜環境下的行人移動軌跡在線預測方法，其特征在于，所述基于智能移動設備探測一定時間內的行人位置數據，得到行人歷史軌跡這一步驟，其具體包括：

基于智能移動設備探測一定時間內的行人位置數據；

以T＝{(x₁，y₁，t₁),...,(x_i，y_i，t_i),...,(x_n，y_n，t_n)}三元組集合的形式表達每一個行人在一段時間內的運動軌跡，得到行人歷史數據。

3.根據權利要求2所述一種復雜環境下的行人移動軌跡在線預測方法，其特征在于，所述行人運動速度大小的計算公式如下：

上式中，v(n)_value表示目標行人在n時刻的運動速度大小，(x_n,y_n)表示目標行人在n時刻的位置，(x_n-1,y_n-1)表示目標行人在n-1時刻的位置，Δt為行人連續兩個位置點間的時間間隔。

4.根據權利要求3所述一種復雜環境下的行人移動軌跡在線預測方法，其特征在于，所述行人運動速度方向的計算公式如下：

上式中，v(n)_direction表示目標行人在n時刻運動速度方向。

5.根據權利要求4所述一種復雜環境下的行人移動軌跡在線預測方法，其特征在于，所述行人運動加速度大小的計算公式如下：

上式中，a(n)_value表示目標行人在n時刻的運動加速度大小，v(x)_n和v(y)_n分別為目標行人在n時刻的運動速度沿x軸和y軸方向的速度分量，v(x)_n-1和v(y)_n-1分別為目標行人在n-1時刻的運動速度沿x軸和y軸方向的速度分量，sgn為符號函數，取值{-1,0,1}。