基于注意力机制的行人轨迹预测生成模型_孙亚圣.pdf

JournalofComputerApplicationsISSN1001-90812019-03-10计算机应用201939(3):668－674CODENJYIIDUhttp://www．joca．cn文章编号1001-9081201903-0668-07DOI10．11772/j．issn．1001-9081．2018081645基于注意力机制的行人轨迹预测生成模型*孙亚圣1姜奇2胡洁1戚进1彭颖红1(1．上海交通大学机械与动力工程学院上海200240;2．上海交通大学电子信息与电气工程学院上海200240)(*通信作者电子邮箱[e-mail])摘要针对长短期记忆网络LSTM在行人轨迹预测问题中孤立考虑单个行人且无法进行多种可能性预测的问题提出基于注意力机制的行人轨迹预测生成模型AttenGAN来对行人交互模式进行建模和概率性地对多种合理可能性进行预测。AttenGAN包括一个生成器和一个判别器生成器根据行人过去的轨迹概率性地对未来进行多种可能性预测判别器用来判断一个轨迹是真实的还是由生成器伪造生成的进而促进生成器生成符合社会规范的预测轨迹。生成器由一个编码器和一个解码器组成在每一个时刻编码器的LSTM综合注意力机制给出的其他行人的状态将当前行人个体的信息编码为隐含状态。预测时首先用编码器LSTM的隐含状态和一个高斯噪声连接来对解码器LSTM的隐含状态初始化解码器LSTM将其解码为对未来的轨迹预测。在ETH和UCY数据集上的实验结果表明AttenGAN模型不仅能够给出符合社会规范的多种合理的轨迹预测并且在预测精度上相比传统的线性模型Linear、LSTM模型、社会长短期记忆网络模型S-LSTM和社会对抗网络S-GAN模型有所提高尤其在行人交互密集的场景下具有较高的精度性能。对生成器多次采样得到的预测轨迹的可视化结果表明所提模型具有综合行人交互模式对未来进行联合性、多种可能性预测的能力。关键词轨迹预测长短期记忆网络生成对抗网络注意力机制行人交互