(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210769015.9 (22)申请日 2022.06.30 (71)申请人 中国科学院计算 技术研究所 地址 100080 北京市海淀区中关村科 学院 南路6号 (72)发明人 毛天露　王奕苏　王兆其　 (74)专利代理 机构 北京律诚同业知识产权代理 有限公司 1 1006 专利代理师 祁建国　马砚花 (51)Int.Cl. G06Q 10/04(2012.01) G06T 7/246(2017.01) G06T 17/00(2006.01) (54)发明名称 行人长时轨 迹预测方法、 装置 (57)摘要 本发明提出一种行人轨迹预测方法、 装置、 介质， 所述方法包括获取行人历史位置地图、 全 局场景地图以及行人历史观测轨迹； 依据所述行 人历史位置地图和全局场景地图， 获得行人的场 景位置特征； 对所述行人历史观测轨迹进行建 模， 生成行人未来运动趋势； 依据所述行人未来 运动趋势、 行人的场景位置特征预测出行人终 点， 并结合行人终点预测未来轨迹。 该方法是结 合行人未来运动趋势、 全局场景布局和多模态目 标的长期轨迹预测模型， 在行人长时轨迹预测上 提升了预测准确性。 权利要求书2页 说明书9页 附图6页 CN 115169677 A 2022.10.11 CN 115169677 A 1.一种行 人长时轨 迹预测方法， 其特 征在于， 包括： 获取行人历史位置地图、 全局场景地图以及行 人历史观测轨 迹； 依据所述行 人历史位置地图和全局场景地图， 获得 行人的场景位置特 征； 对所述行 人历史观测轨 迹进行建模， 生成行 人未来运动趋势； 依据所述行 人未来运动趋势、 行 人的场景位置特 征预测出行人轨迹。 2.根据权利要求1所述的方法， 其特征在于， 所述依据行人历史位置地图和全局场景地 图， 获得行人的场景位置特 征， 包括： 将所述行人历史位置地图和全局场景地图进行拼接， 作为行人场景位置编码器的输 入， 利用行人场景位置编码器， 对场景位置编码， 得到行 人的场景位置特 征。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述行人历史观测轨迹进行建模， 生成行人未来运动趋势， 包括： 利用多层感知机对所述行人历史观测轨迹进行趋势编码和解码， 生成行人未来运动趋 势； 所述行人未来运动趋势 表示为： Xtend＝MLPdec(MLPenc(Xobs； Wme)； Wmd) 其中， MLPenc表示多层感知机构成的运动趋势编码器， Xobs为行人的历史观测轨迹， Wme表 示运动趋势编码器的参 数， MLPdec表示多层感知机构成的运动趋势解码器， Wmd表示运动趋势 解码器的参数， Xtend表示最后生成的行 人未来运动趋势。 4.根据权利要求1 ‑3任一项所述的方法， 其特 征在于， 所述行人的场景位置特征包括与终点目标相关的第一场景位置特征以及与轨迹相关 的第二场景位置特 征； 所述依据所述行 人未来运动趋势、 行 人的场景位置特 征预测出行人轨迹， 包括： 依据所述第一场景位置特 征， 得到行 人终点目标地图； 依据所述行人终点目标地图、 所述第 二场景位置特征、 以及所述行人未来运动趋势， 得 到所述行 人轨迹。 5.根据权利要求 4所述的方法， 其特 征在于， 利用注意力机制从所述行人的场景位置特征中提取出所述第一场景位置特征以及所 述第二场景位置特 征。 6.根据权利要求 4所述的方法， 其特 征在于， 所述行人终点目标地图表示 为： Mdes＝Convdes(featuredes； Wdes) 其中， Mdes表示生成的行人终点目标地图， Convdes代表基于卷积层的终点目标解码器， Wdes表示终点目标解码器的参数， featuredes表示与终点目标相关的第一场景位置特征， Convdes表示终点目标解码器。 7.根据权利要求 4所述的方法， 其特 征在于， 还 包括： 将所述全局场景地图中的各个区域进行分类并对各分类区域进行标记， 构建场景布局 修正地图； 将所述行人终点目标地图通过所述场景布局修正地图进行修正， 得到修正后的所述行权　利　要　求　书 1/2 页 2 CN 115169677 A 2人终点目标地图。 8.根据权利要求7 所述的方法， 其特 征在于， 将所述全局场景地图中的各个区域划分为经常通行区域、 偶尔 通行区域和禁止通行区 域三种分类形式， 并将三种分类通行区域按照行人通过的几率以从大到小的概率形式， 构 建场景布局修 正地图； 将所述行人终点目标地图通过所述场景布局修正地图进行修正， 抛弃禁行通行区域的 行人终点 目标， 得到修正后的所述行人终点 目标地图， 修正后的所述行人终点目标地图包 括经常通行区域的行 人终点目标与偶尔通行区域的行 人终点目标。 9.根据权利要求7或8所述的方法， 其特征在于， 所述依据所述行人终点目标地图、 所述 第二场景位置特 征、 以及所述行 人未来运动趋势， 得到所述行 人轨迹， 包括： 对所述行人未来运动趋势及修正后的所述行人终点目标地图进行降采样， 使所述行人 未来运动趋势及所述行 人终点目标地图与场景位置编码的每一层的维度都一 一对应； 在轨迹解码器的每一层都融入修正后的所述行人终点目标地图、 行人未来运动趋势、 以及所述第二场景位置特 征， 解码得到所述行 人轨迹； 所述行人轨迹表示为： Mtraj＝Convtraj(Concat(featuretraj,Mtend,Mgoal)； Wtraj) 其中， featuretraj表示第二场景位置特征， Mtend为行人未来运动趋势， Mgoal为行人终点 目标地图， Conc at表示拼接操作， Convtraj为轨迹解码器， Wtraj为轨迹解码器的参数， Mtraj为 行人轨迹。 10.一种行人长时轨迹预测装置， 其特征在于， 采用权利要求1 ‑9中任一项所述的行人 长时轨迹预测方法， 所述装置 至少包括： 获取模块， 用于获取 行人历史位置地图、 全局场景地图以及行 人历史观测轨 迹； 场景位置编码模块， 用于依据所述行人历史位置地图和全局场景地图， 获得行人的场 景位置特 征； 行人运动趋势建模模块， 用于对所述行人历史观测轨迹进行建模， 生成行人未来运动 趋势； 行人轨迹生成模块， 依据所述行人未来运动趋势、 行人的场景位置特征预测出行人轨 迹。权　利　要　求　书 2/2 页 3 CN 115169677 A 3