基于卷积神经网络的行人轨迹预测
计算机视觉与模式识别
2021-09-17 v2 机器学习
摘要
预测行人的未来轨迹是一个具有一系列应用（从人群监控到自动驾驶）的挑战性问题。在文献中，解决行人轨迹预测的方法已经演变，从基于物理的模型过渡到基于循环神经网络的数据驱动模型。在这项工作中，我们提出了一种行人轨迹预测的新方法，引入了新颖的二维卷积模型。该新模型优于循环模型，并在ETH和TrajNet数据集上取得了最先进的结果。我们还提出了一种表示行人位置的有效系统以及强大的数据增强技术，例如添加高斯噪声和使用随机旋转，这些可应用于任何模型。作为额外的探索性分析，我们给出了包含占据图方法以建模社交信息的实验结果，经验表明这些方法在捕捉社交交互方面是无效的。
引用
@article{arxiv.2010.05796,
title = {Pedestrian Trajectory Prediction with Convolutional Neural Networks},
author = {Simone Zamboni and Zekarias Tilahun Kefato and Sarunas Girdzijauskas and Noren Christoffer and Laura Dal Col},
journal= {arXiv preprint arXiv:2010.05796},
year = {2021}
}
备注
35 pages, 8 figures. This article is a the accepted manuscript submitted to Pattern Recognition Journal. Article DOI: https://doi.org/10.1016/j.patcog.2021.108252. This manuscript version is made available under the CC-BY-NC-ND 4.0 license (https://creativecommons.org/licenses/by-nc-nd/4.0/)