买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京邮电大学申请的专利一种面向复杂交通场景的行人意图预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120071262B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510544521.1，技术领域涉及：G06V20/52；该发明授权一种面向复杂交通场景的行人意图预测方法是由孙雁飞;雷妤;徐飞易;亓晋;董振江设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本一种面向复杂交通场景的行人意图预测方法在说明书摘要公布了：本申请属于行人意图预测技术领域，公开了一种面向复杂交通场景的行人意图预测方法，包括：步骤1从行人过马路视频中提取局部流特征和全局流特征，步骤2局部流模块提取局部流特征；步骤3全局流模块提取全局流特征；步骤4局部流模块和全局流模块通过跨注意力模块进行特征交互生成跨注意流特征；步骤5局部流特征、全局流特征和跨注意流特征通过特征融合模块进行特征融合；步骤6通过全连接层将融合后的特征映射到预测结果，完成行人意图预测。本申请解决了现有技术中的局部与全局特征融合不足、跨流信息交互不充分、多尺度特征捕获不足等问题，有效提高了行人意图预测的准确性，具有广泛的应用前景。

本发明授权一种面向复杂交通场景的行人意图预测方法在权利要求书中公布了：1.一种面向复杂交通场景的行人意图预测方法，其特征在于：所述行人意图预测方法通过行人意图预测模型实现，所述行人意图预测模型包括局部流模块、全局流模块、跨注意力模块和特征融合模块，具体的所述行人意图预测方法具体包括以下步骤： 步骤1、从行人过马路视频中提取行人边界框数据、行人中心点和自车速度，并将行人边界框数据作为局部流特征，将行人边界框数据、行人中心点和自车速度作为全局流特征，将局部流特征输入局部流模块，将全局流特征输入全局流模块； 步骤2、局部流模块通过卷积神经网络提取局部流特征，通过长短时记忆网络捕捉时间序列依赖关系； 步骤3、全局流模块通过多头注意力机制层和自适应多尺度卷积块提取全局流特征，获取不同尺度的信息； 步骤4、局部流模块和全局流模块通过跨注意力模块进行特征交互，生成跨注意流特征； 步骤5、局部流特征、全局流特征和跨注意流特征通过所述特征融合模块进行特征融合； 步骤6、通过全连接层将步骤5融合后的特征映射到预测结果，完成行人意图预测，其中： 所述局部流模块包括： 一个局部特征编码层，包括卷积神经网络，通过卷积神经网络的一维卷积和ReLU激活函数将提取的行人边界框数据嵌入高维空间，并利用残差连接保留所述行人边界框数据，生成局部流特征； 一个自注意力机制层，对提取的行人边界框数据进行自注意力计算，捕捉局部流特征之间的全局依赖关系； 两个长短期记忆网络时序建模层，包括长短期记忆网络，用于进一步提取人边界框数据特征，捕捉时间序列依赖关系，并将局部特征编码层的输出和自注意力机制层的输出进行拼接，生成最后的解码器的特征表示； 所述全局流模块共有N个，全局流模块包括： 一个特征映射层：通过编码器将行人边界框数据、行人中心点和自车速度的数据映射到高维空间，生成全局流特征； 一个位置编码层：将行人边界框数据、自车速度、行人中心点的位置信息添加到全局流注意力模块输入特征中； 一个多头注意力机制层：通过多头自注意力机制层对经过位置编码层的行人边界框数据、行人中心点和自车速度的数据进行计算，捕捉行人边界框数据、行人中心点和自车速度之间的全局依赖关系； 一个自适应多尺度卷积块：提取时间序列的局部流特征，并结合自适应池化和加权融合，生成统一特征； 一个前馈神经网络层：通过两层全连接层和非线性激活函数对全局流特征进行映射，增强全局流特征的非线性表达能力，提升行人意图预测模型的特征提取能力； 跨注意力模块包括 一个全局流注意力融合层，通过加权求和的方式结合多层注意力表示，生成全局流的注意力输出，并将生成的全局流的注意力输出输入所述跨注意力模块进行全局流特征和局部流特征交互； 一个局部流自注意力层，通过局部流自注意力层生成局部流特征的注意力输出； 一个跨注意力交互层，通过跨注意力交互层将全局流特征的注意力输出和局部流特征的注意力输出进行交互，生成跨注意流特征，融合全局流特征和局部流特征并提升行人意图预测模型表达能力； 特征融合模块，用于将跨注意流特征与局部流特征、全局流特征进行融合， 特征融合模块具体为：利用多个卷积编码器提取局部流特征，并通过ReLU激活函数增强非线性表达能力；通过全局最大池化操作将每个特征融合模块的卷积核的输出压缩为一维特征向量；通过全连接层计算全局流、局部流和跨注意流的选择权重，并使用softmax操作归一化权重值，选择出具有最大权重的特征，根据选择的权重，通过top-K索引生成掩码保留选出的特征，实现特征融合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。