公开(公告)号：CN119272145A

公开(公告)日：2025-01-07

申请号：CN202411307814.X

申请日：2024-09-19

Applicant: 常州大学

Inventor： 杨彪 ,  房磊 ,  严凯 ,  倪蓉蓉 ,  陈阳 ,  王睿

IPC: G06F18/2415 ,  G06F18/23213 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/048

Abstract: 本发明涉及行人轨迹预测领域，具体涉及一种基于渐进式细化策略的行人轨迹预测方法、装置及设备。预测方法包括：利用训练好的预测模型，对当前历史轨迹进行预测，输出未来预测轨迹；其中，训练好的预测模型为通过训练数据集训练搭建的模型得到的，训练数据集包括多组轨迹数据，每组轨迹数据包括历史轨迹X和未来真实轨迹Y；模型包括运动模式聚类块、自适应运动模式细化块、嵌入拼接块、Transformer编码器、Transformer解码器、轨迹细化块和分类器。本发明通过两个细化块逐步细化运动模式和预测轨迹，增强模型对不同场景的适应性并改进复杂运动的预测。

公开(公告)号：CN119048556A

公开(公告)日：2024-11-29

申请号：CN202411151133.9

申请日：2024-08-21

Applicant: 常州大学

Inventor： 杨彪 ,  房磊 ,  严凯 ,  倪蓉蓉 ,  王睿

IPC: G06T7/246 ,  B60W60/00 ,  B60W50/00 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明涉及轨迹预测领域，具体涉及一种基于子类平衡对比学习的长尾行人轨迹预测方法。方法包括：构建训练数据集，训练数据集包括多组轨迹数据，每组轨迹数据包括历史轨迹X和未来真实轨迹Y；构建预测模型，预测模型包括运动特征编码模块、子类平衡对比学习模块、transformer编码器和分类器；子类平衡对比学习模块将头部类分为样本量与尾部类样本量均值相近的多个子类，依据子类标签进行对比学习；使用训练数据集训练预测模型，得到训练好的预测模型；将当前历史轨迹输入训练好的预测模型，利用训练好的预测模型进行预测，输出未来预测轨迹。本发明可以实现类别平衡和实例平衡，有效应对行人轨迹数据的长尾分布问题并提高在不同场景下的泛化性。