[发明专利]行人运动轨迹的预测方法、装置、电子设备和存储介质

说明书

本申请适用于计算机视觉技术领域，提供了一种行人运动轨迹的预测方法、装置、电子设备和存储介质，所述预测方法包括：获取道路监控摄像头拍摄的道路监控图像；对所述道路监控图像进行语义分割，所述语义分割的结果包括行人图像；将所述行人图像输入至已训练完成的轨迹预测模型进行处理，得到所述行人图像中的行人在预设时长内的运动轨迹；其中，所述轨迹预测模型对所述行人图像的处理包括：获取所述行人图像中行人的姿态信息以及不同时间点的姿态信息的关联程度；根据所述行人的姿态信息以及所述关联程度，预测所述行人在预设时长内的运动轨迹。本申请可使得运动轨迹的预测更为准确，提高运动轨迹预测的有效性。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种行人运动轨迹的预测方法、装置、电子设备和存储介质。

背景技术

随着科技的不断进步，人机共驾型的智联网车越来越普遍，甚至，出现了各种无人驾驶汽车。车量不断增加，因此带来的交通事故频繁发生，严重威胁人民群众的生命财产安全。行人作为交通的主要参与者，其运动相比车辆运动更为复杂多变，并且具有很大的灵活性和随机性，对于驾驶智联网车汽车而言，对行人行为的理解和轨迹的预测能够在交通事故发生前，警示车辆驾驶者，有效预防交通事故的发生，在保证交通安全的条件下，尽量提高道路通行效率。

目前，对行人运动轨迹的预测使用长短期记忆网络(LSTM)等神经网络算法处理历史数据，推测出行人未来的运动轨迹，但预测的运动轨迹准确性较低，运动轨迹预测的有效性较差。

发明内容

本申请实施例提供了一种行人运动轨迹的预测方法、装置、电子设备和存储介质，可以解决现有技术中存在预测的运动轨迹准确性较低，运动轨迹预测的有效性较差的问题。

第一方面，本申请实施例提供了一种行人运动轨迹的预测方法，包括：

获取道路监控摄像头拍摄的道路监控图像；

对所述道路监控图像进行语义分割，所述语义分割的结果包括行人图像；

将所述行人图像输入至已训练完成的轨迹预测模型进行处理，得到所述行人图像中的行人在预设时长内的运动轨迹；

其中，所述轨迹预测模型对所述行人图像的处理包括：获取所述行人图像中行人的姿态信息以及不同时间点的姿态信息的关联程度；根据所述行人的姿态信息以及所述关联程度，预测所述行人在预设时长内的运动轨迹。

在第一方面的一种可能的实现方式中，所述轨迹预测模型包括编码器，所述编码器包括特征提取层和自注意力层，所述获取所述行人图像中行人的姿态信息以及不同时间点的姿态信息的关联程度的步骤，包括：

将所述行人图像输入至所述特征提取层，通过所述特征提取层输出所述行人图像对应的行人姿态张量；

将所述行人姿态张量输入至所述自注意力层，通过所述自注意力层将不同时间点的行人图像分别对应的行人姿态张量进行两两配对，计算不同时间点的行人姿态张量的关联程度。

在第一方面的一种可能的实现方式中，所述轨迹预测模型还包括解码器，所述编码器还包括位置编码层和前馈层，所述根据所述行人的姿态信息以及所述关联程度，预测所述行人在预设时长内的运动轨迹的步骤，包括：

通过所述位置编码层获取所述行人姿态张量对应的行人图像在若干帧所述行人图像中的序号，以及所述行人姿态张量在所述行人图像所在时间轴上的位置，并对所述行人姿态张量对应的所述序号和所述位置进行编码，得到所述行人姿态张量对应的位置编码；

将所述位置编码、所述行人姿态张量以及不同时间点的行人姿态张量的关联程度输入至所述前馈层进行融合；

将所述融合结果输入至所述解码器，通过所述解码器预测所述行人在预设时长内的运动轨迹。