改进注意力机制和图卷积网络的人群轨迹预测.pdf

第40卷第10期算机仿真2023年10月

文章编号：1006-9348(2023)10-0274-06

改进注意力机制和图卷积网络的人群轨迹预测

刘健，赵光哲，杨瀚霆

（北京建筑大学电气与信息工程学院，北京100044）

摘要：人群的轨迹预测需要考虑行人轨迹在时序上的关系，更需要考虑社会系统中无处不在并且不断变化的行人之间的关

系，现有方法一般只对特定的行人群体探究之间的联系性，无法在同一场景中构建较为全面的行人关系。针对以上要求，提

出了一种新的基于注意力机制和图卷积神经网络GCN的轨迹预测方法。该方法在行人之间的作用关系上，采用新型的空

间特征交互机制，获取一个更具有联系性的行人空间特征，并采用欧几里得距离作为注意力的附加权重，更好的捕捉了复杂

的行人交互作用。在广泛应用于行人预测的数据集ETH和UCY中，将上述方法与性能最好的交互模型相比，在ADE和

FDE评估标准上平均提升了3.8%和7.5%，成功预测了更为合理的行人轨迹。

关键词：轨迹预测；注意力机制；图卷积神经网络；计算机视觉；交互模型

中图分类号：TP391文献标识码：B

CrowdTrajectoryPredictionBasedonImprovedAttention

MechanismandGraphConvolutionNetwork

LIUJian,ZHAOGuang-zhe,YANGHan-ting

(CollegeofElectricalandInformationEngineering,BeijingUniversityofCivilEngineering

andArchitecture,Beijing100044,China)

ABSTRACT:Thepredictionofpedestriantrajectoriesrequiresconsiderationofthetemporalrelationshipbetweenpe-

destriantrajectories,aswellastheubiquitousandconstantlychangingrelationshipsbetweenpedestriansinthesocial

system.Existingmethodsgenerallyonlyexploretherelationshipbetweenspecificpedestriangroups.Itisimpossibleto

buildamorecomprehensivepedestrianrelationshipinthesamescene.Accordingtotheserequirements,anewtrajec-

torypredictionmethodbasedonattentionmechanismandgraphconvolutionneuralnetworkGCNisproposed.Onthe

actionrelationshipbetweenpedestrians,thismethodadoptsanewspatialfeatureinteractionmechanismtoobtaina

moreconnectedpedestrianspatialfeature,andusesEucliddistanceastheweightedweightofatention.Inthisway,it

canbettercapturethecomplex