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)行人未來軌跡的多模態(tài)預(yù)測(cè)。軌跡多模態(tài)的... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：61 頁

【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