發(fā)布時(shí)間：2021-05-10 18:29

　　現(xiàn)代社會(huì),預(yù)測(cè)人群場(chǎng)景中的群體行為,得到多個(gè)人群之間交互的未來(lái)軌跡已經(jīng)成為復(fù)雜場(chǎng)景下的研究熱點(diǎn),在計(jì)算機(jī)視覺(jué)等領(lǐng)域中引起了廣泛的關(guān)注,基于現(xiàn)有的軌跡預(yù)測(cè)框架,結(jié)合各大代表性軌跡預(yù)測(cè)算法的理論基礎(chǔ),本論文提出了一種新的基于生成對(duì)抗網(wǎng)絡(luò)的可解釋模型。本論文以場(chǎng)景中所有行人的歷史軌跡數(shù)據(jù)和原始場(chǎng)景圖片數(shù)據(jù)作為模型的輸入,在生成對(duì)抗網(wǎng)絡(luò)框架的基礎(chǔ)上,新引入了物理注意力機(jī)制和社會(huì)注意力機(jī)制對(duì)軌跡預(yù)測(cè)進(jìn)行雙重考慮,得到更符合物理及社會(huì)規(guī)范的行人未來(lái)預(yù)測(cè)軌跡。本文具體的研究?jī)?nèi)容如下:（1）在生成對(duì)抗網(wǎng)絡(luò)框架的基礎(chǔ)上,新引入了物理注意力機(jī)制和社會(huì)注意力機(jī)制。物理注意力模塊有助于網(wǎng)絡(luò)提取場(chǎng)景的地形等背景信息,得到更值得關(guān)注的重要區(qū)域,避免無(wú)效的預(yù)測(cè),增加預(yù)測(cè)的準(zhǔn)確性;社會(huì)注意力模塊能夠聚合不同行人之間的信息并提取來(lái)自周圍行人的最重要的軌跡信息,使得此方法能夠預(yù)測(cè)出符合社會(huì)規(guī)范的路徑。物理及社會(huì)雙注意力機(jī)制的補(bǔ)充,彌補(bǔ)了傳統(tǒng)預(yù)測(cè)算法未考慮到場(chǎng)景環(huán)境信息的問(wèn)題,實(shí)現(xiàn)了對(duì)行人更合理更精確的預(yù)測(cè)。（2）本文使用生成對(duì)抗網(wǎng)絡(luò)作為預(yù)測(cè)算法的基本框架下,使得本模型同時(shí)也能夠?qū)崿F(xiàn)對(duì)行人未來(lái)軌跡的多模態(tài)預(yù)測(cè)。軌跡多模態(tài)的... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 本課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 本文的結(jié)構(gòu)安排
2 軌跡預(yù)測(cè)相關(guān)技術(shù)介紹
    2.1 視覺(jué)注意力機(jī)制介紹
        2.1.1 軟注意力和硬注意力
        2.1.2 時(shí)間注意力和空間注意力
        2.1.3 占據(jù)網(wǎng)格
        2.1.4 鄰居注意力機(jī)制
        2.1.5 分層LSTM機(jī)制
    2.2 Social-GAN軌跡預(yù)測(cè)模型介紹
    2.3 VGGnet-16卷積神經(jīng)網(wǎng)絡(luò)
    2.4 生成對(duì)抗網(wǎng)絡(luò)
3 基于生成對(duì)抗機(jī)制的群體行為預(yù)測(cè)方法
    3.1 物理及社會(huì)注意力機(jī)制
        3.1.1 物理注意力機(jī)制
        3.1.2 社會(huì)注意力機(jī)制
    3.2 整體網(wǎng)絡(luò)結(jié)構(gòu)概述
    3.3 場(chǎng)景信息處理模塊
    3.4 生成對(duì)抗模塊
4 基于生成對(duì)抗機(jī)制的群體行為預(yù)測(cè)方法實(shí)驗(yàn)
    4.1 生成對(duì)抗網(wǎng)絡(luò)機(jī)制的多模態(tài)生成性質(zhì)驗(yàn)證
        4.1.1 變分自編碼器
        4.1.2 生成對(duì)抗網(wǎng)絡(luò)
        4.1.3 仿真實(shí)驗(yàn)設(shè)計(jì)
    4.2 模型訓(xùn)練采用的行人數(shù)據(jù)集介紹
    4.3 實(shí)驗(yàn)中涉及的配置參數(shù)及中間維度詳細(xì)介紹
    4.4 行人軌跡預(yù)測(cè)實(shí)驗(yàn)效果比對(duì)
    4.5 注意力機(jī)制及軌跡預(yù)測(cè)效果可視化展示
    4.6 人群數(shù)據(jù)集
        4.6.1 真實(shí)與仿真人群數(shù)據(jù)集簡(jiǎn)介
        4.6.2 人群聚類算法效果
結(jié)論
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]生成式對(duì)抗網(wǎng)絡(luò)研究進(jìn)展[J]. 王萬(wàn)良,李卓蓉.  通信學(xué)報(bào). 2018(02)
[2]神經(jīng)網(wǎng)絡(luò)中的注意力機(jī)制[J]. Adam Kosiorek.  機(jī)器人產(chǎn)業(yè). 2017(06)



本文編號(hào)：3179845