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！

龙图腾网获悉华南理工大学申请的专利一种基于运动意图提取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：CN116433710B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310257836.9，技术领域涉及：G06T7/207；该发明授权一种基于运动意图提取的行人轨迹预测方法是由唐洁;郭飞鹤设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于运动意图提取的行人轨迹预测方法在说明书摘要公布了：本发明公开了一种基于运动意图提取的行人轨迹预测方法，包括：1将行人的历史轨迹与终点位置映射到隐空间，得到其对应的历史隐空间特征表示与终点隐空间特征表示；2将历史隐空间特征表示与终点隐空间特征表示拼接在一起，输入到条件变分自编码器，输出行人的运动意图特征表示；3将行人的运动意图特征表示输入到图神经网络，分别学习组内行人与组间行人的运动意图交互关系，更新行人运动意图特征表示；4将更新后的行人运动意图特征表示与历史隐空间特征表示拼接起来，输入融合网络，将融合后的特征表示输入到预测器得到最终的行人未来轨迹。本发明可对行人的运动意图进行有效提取，并融合不同行人间的运动交互信息，提高行人运动预测的精度。

本发明授权一种基于运动意图提取的行人轨迹预测方法在权利要求书中公布了：1.一种基于运动意图提取的行人轨迹预测方法，其特征在于，包括以下步骤： 1使用历史特征编码器与终点特征编码器将行人的历史轨迹与终点位置映射到隐空间，得到其对应的历史隐空间特征表示与终点隐空间特征表示； 2将历史隐空间特征表示与终点隐空间特征表示拼接在一起，输入到条件变分自编码器对行人运动意图的条件概率分布进行预测，输出行人的运动意图特征表示； 3将行人的运动意图特征表示输入到图神经网络，对行人按照距离与时间远近划分为不同的组，基于图神经网络分别学习组内行人与组间行人的运动意图交互关系，更新行人的运动意图特征表示，包括以下步骤： 3.1将行人的运动意图特征表示输入到图神经网络，对行人按照距离与时间远近划分为不同的组，将行人i与行人j表示为结点和，以无向边进行连接，组内行人构建一个全连接图，表示为： ； ； ； 式中，表示第b个组，也即第b个全连接图，一共有B个全连接图，每个全连接图是图内的结点与边的集合，表示第b个全连接图所含有的结点的下标集合，是第b个全连接图的结点的集合，是第b个全连接图的边的集合；这里使用掩码来标记行人i与行人j是否在同一组，表示为： ； 式中，表示历史时间步的步数，表示行人i与行人j是否在同一组，表示在t时间步的行人i，表示在s时间步的行人j，若两者的2-范数的最小值大于设定的阈值，则取0，表示行人i与行人j不在同一组，否则取1，表示两者在同一组； 3.2基于自注意力网络与图的消息传递机制，对同一组内的行人的运动意图进行更新，以学习同一组内不同行人间运动意图的相互影响，更新后的行人i的运动意图为： ； 式中，为更新后的行人i的运动意图特征表示，为非线性激活函数，用于增强网络的非线性表达能力；表示对同组内的其他行人j的运动意图特征表示进行加权求和，表示与行人i同组内的其他行人的集合，为图神经网络的权重矩阵，用于学习组内不同行人间的运动意图交互关系；表示行人j相对于行人i的影响权重，是通过一个自注意力网络自适应学习得来； 4将更新后的行人的运动意图特征表示与历史隐空间特征表示拼接起来，输入融合网络进行特征融合，最后将融合后的特征表示输入到预测器得到最终的行人未来轨迹。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。