基于顺序深度学习模型的行人轨迹实时群体检测
机器学习
2025-08-12 v2
摘要
理解集体行人运动对于群体管理、自动导航和人机交互等应用至关重要。本文研究了使用顺序深度学习模型，包括循环神经网络（RNN）、长短期记忆网络（LSTM）和Transformer，用于多行人轨迹中的实时群体检测。我们提出的方法由两个阶段组成：首先，使用预训练的二元分类模型进行成对轨迹分类；其次，将学习到的表示用于动态识别多代理群体。我们使用真实世界的群体运动数据集进行验证，方法在不同序列长度和多样化运动模式下表现稳健。实验结果表明，模型在高动态和噪声环境下能够以高准确率和稳定性持续检测行人群体。此外，我们扩展了该方法以识别其他形式的集体运动，如队伍和群体，为更全面的多代理行为分析铺平了道路。
关键词
引用
@article{arxiv.2502.15252,
title = {Real-Time Moving Flock Detection in Pedestrian Trajectories Using Sequential Deep Learning Models},
author = {Amartaivan Sanjjamts and Hiroshi Morita and Togootogtokh Enkhtogtokh},
journal= {arXiv preprint arXiv:2502.15252},
year = {2025}
}