Scene-LSTM：一种人体轨迹预测模型

Huynh Manh; Gita Alaghband

Scene-LSTM：一种人体轨迹预测模型

计算机视觉与模式识别 2019-04-16 v2

作者: Huynh Manh , Gita Alaghband

摘要

我们开发了一个人体运动轨迹预测系统，在静态拥挤场景中，将场景信息（Scene-LSTM）以及人体运动轨迹（行人运动 LSTM）纳入预测过程。我们叠加一个两级网格结构（场景被划分为网格单元，每个由 scene-LSTM 建模，并进一步划分为更小的子网格以获得更细的空间粒度），并探索网格单元中出现的常见人体轨迹（例如，从小巷出来右转或左转到人行道上；或在公交/火车站静止站立）。两个耦合的 LSTM 网络，行人运动 LSTM（每个目标一个）和相应的 Scene-LSTM（每个网格单元一个）被同时训练以预测下一步运动。我们表明此类常见路径信息极大影响了未来运动的预测。我们进一步设计了一个场景数据过滤器，其保留了重要的非线性运动信息。该场景数据过滤器使我们能够相对于目标状态从网格单元的记忆中选择相关信息部分。我们在来自 UCY [1] 和 ETH [2] 数据集的五个拥挤视频序列上，将我们方法的两个版本与 Linear 及几种现有的基于 LSTM 的方法进行评估和比较。结果表明，我们的方法相比相关方法减少了位置位移误差，特别是相比社交交互方法约减少了 80%。

关键词

轨迹预测 Scene-LSTM 行人运动拥挤场景 LSTM 网络 UCY 与 ETH 数据集

引用

@article{arxiv.1808.04018,
  title  = {Scene-LSTM: A Model for Human Trajectory Prediction},
  author = {Huynh Manh and Gita Alaghband},
  journal= {arXiv preprint arXiv:1808.04018},
  year   = {2019}
}

备注

9 pages, 5 figures

Scene-LSTM：一种人体轨迹预测模型

摘要

关键词

引用

备注

相关论文