Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 同济大学赵生捷获国家专利权

同济大学赵生捷获国家专利权

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!

龙图腾网获悉同济大学申请的专利一种基于多不相连模式学习的行人轨迹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:CN116823889B

龙图腾网通过国家知识产权局官网在2025-12-26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:202310789300.1,技术领域涉及:G06T7/246;该发明授权一种基于多不相连模式学习的行人轨迹预测方法是由赵生捷;朱培源;梁爽设计研发完成,并于2023-06-30向国家知识产权局提交的专利申请。

一种基于多不相连模式学习的行人轨迹预测方法在说明书摘要公布了:本发明涉及一种基于多不相连模式学习的行人轨迹预测方法,基于社交不相连模式生成对抗网络模型生成预测轨迹,使用编码器提取视觉特征与观测行人轨迹特征,基于注意力模块获取物理场景和社会注意力特征;采用社会注意力建立基于注意力标注的结构化图序列,并对结构化图序列通过时空编码器编码提取物理背景和行人移动的瞬态变化;将物理场景注意力、社会注意力以及时空编码器输出特征拼接输入多生成器架构,输出预测行人的未来轨迹;利用生成器选择器对多生成器进行先验学习,在先验学习的过程中采用谱轨迹聚类模块更新生成器数量上限。本发明相较现有技术能够捕捉时空信息的瞬态变化、减少模型冗余,并能灵活适应于多个预测场景。

本发明授权一种基于多不相连模式学习的行人轨迹预测方法在权利要求书中公布了:1.一种基于多不相连模式学习的行人轨迹预测方法,其特征在于,所述方法通过基于社交不相连模式生成对抗网络模型生成预测轨迹,其中模型的输入包括观测到的场景中行人轨迹坐标数据以及包含视觉信息的场景图像I,所述模型生成预测轨迹的具体步骤包括: 使用物理场景编码器提取视觉特征,具体步骤包括:从场景图像I中提取视觉特征;对原始数据进行增强,根据绝对坐标计算速度并表示出加速度;获得行人i在时间步t的行人轨迹关于绝对坐标、速度与加速度的表示; 使用社交编码器提取观测行人轨迹特征,具体步骤包括:将行人轨迹的序列经过多层感知机得到高维嵌入,并将嵌入序列输入通过LSTM得到行人i在时间步t的行人轨迹特征; 基于物理场景编码器与社交编码器的输出通过物理场景注意力和社交注意力分别获取物理场景注意力特征和社交注意力特征; 所述物理场景注意力输入为从场景图像中提取的视觉特征和社交编码器LSTM最后观测时间步下的轨迹编码隐藏状态,所述物理场景注意力应用软注意力获取上下文向量; 所述社交注意力基于行人之间的距离和方位角计算任意两个相邻行人之间的注意力分数;使用注意力分数对社交编码器LSTM嵌入得到的行人轨迹特征进行加权以获得社交特征;将社交特征以及时刻根据生成器先验加权后获得的LSTM解码器行人的平均隐藏状态作为输入送到社交注意力网络中,输出社交注意力向量; 利用社交注意力特征建立基于注意力标注的结构化图序列,对所述结构化图序列采用时空编码器编码提取物理背景和行人移动的瞬态变化; 将物理场景注意力、社交注意力以及时空编码器输出特征的拼接输入多生成器架构,输出预测行人的未来轨迹;所述多生成器架构中每个生成器接收拼接输入并单独学习轨迹分布多个不相连模式的其中一种; 采用生成器选择器对多个生成器的先验进行学习,选择先验取值较大的生成器来生成未来轨迹,在先验学习的过程中采用谱轨迹聚类模块更新生成器数量上限。

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同济大学,其通讯地址为:200092 上海市杨浦区四平路1239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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。