Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东建筑大学翟锐获国家专利权

山东建筑大学翟锐获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东建筑大学申请的专利一种基于多线索变换网络的行人轨迹预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120726085B

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511172540.2,技术领域涉及:G06T7/207;该发明授权一种基于多线索变换网络的行人轨迹预测方法是由翟锐;蒋虎;蒋金;刘洋;毕京学设计研发完成,并于2025-08-21向国家知识产权局提交的专利申请。

一种基于多线索变换网络的行人轨迹预测方法在说明书摘要公布了:本发明涉及计算机视觉技术领域,具体公开了一种基于多线索变换网络的行人轨迹预测方法,包括:构建轨迹特征提取模块,得到行人观测轨迹的高维表示;利用正态分布随机生成可学习的目标点令牌以表征行人目标点信息;构建层级交叉注意力模块,得到行人在时间和空间依赖性层面的信息;构建损失计算模块,利用渐进目标引导损失和均方误差损失得到最优行人轨迹预测模型;利用最优行人轨迹预测模型,得到行人的未来轨迹。本发明结合交叉注意力机制、自注意力机制和目标点线索的导向作用,同时建模行人的轨迹信息与社会线索、环境线索及目标点线索之间的依赖关系,从而实现目标‑环境‑社会交互,进一步提高了行人轨迹预测的准确率。

本发明授权一种基于多线索变换网络的行人轨迹预测方法在权利要求书中公布了:1.一种基于多线索变换网络的行人轨迹预测方法,其特征在于,包括以下步骤: S1、将行人观测轨迹的二维坐标输入轨迹特征提取模块得到其高维表示,利用可学习的目标点令牌表示行人的目标点信息; S2、将高维表示与可学习的目标点令牌进行拼接,得到融合特征;将场景语义图输入到环境特征提取模块得到环境语义特征; S3、将融合特征与环境语义特征一同输入第一层级交叉注意力模块,挖掘行人的目标-环境-时间交互关系,得到行人的时序交互特征; S4、基于第一层级交叉注意力模块,将表征个行人目标-环境-时间交互关系的时序交互特征组合后得到个行人的时空关联特征,再与行人周围的环境语义特征一同输入到第二层级交叉注意力模块中,挖掘行人的目标-环境-社会交互关系,对得到的行人多维度交互特征进行解码,得到行人下一时刻预测坐标和最后时刻目标点坐标; S5、将上述预测坐标和目标点坐标输入损失计算模块中,利用渐进目标引导损失和均方误差损失对模型进行优化,得到最优行人轨迹预测模型; S6、利用最优行人轨迹预测模型对待预测场景中的行人轨迹进行预测; S3包括以下步骤: S31、基于层标准化模块、交叉注意力机制、自注意力机制、前馈神经网络模块、残差结构和多层感知机模块构建第一层级交叉注意力模块,其中,第一层级交叉注意力模块由两个跨信息交互层和一个全局信息交互层组成; S32、将行人的融合特征与行人周围的环境语义特征一同输入到第一层级交叉注意力模块,利用第一层级交叉注意力模块挖掘行人的目标-环境-时间交互关系,得到行人的时序交互特征表示为: 其中,分别表示交叉注意力机制和自注意力机制,表示前馈神经网络模块,表示多层感知机模块,表示层标准化模块,和分别表示第一层级交叉注意力模块中顶部跨信息交互层和底部跨信息交互层的输出,表示两个跨信息交互层输出的逐元素相加之和,表示第一层级交叉注意力模块中全局信息交互层的中间输出; S4包括以下步骤: S41、基于构建好的第一层级交叉注意力模块,将表征个行人目标-环境-时间交互关系的时序交互特征组合后得到个行人的时空关联特征,再将和行人周围的环境语义特征一同输入到第二层级交叉注意力模块,利用第二层级交叉注意力模块挖掘行人的目标-环境-社会交互关系,得到行人多维度交互特征,第二层级交叉注意力模块的构造与第一层级交叉注意力模块相同,个行人的时空关联特征表示为: ; 其中,为并联操作,时序特征为表征第个行人目标-环境-时间交互关系的特征,表示行人的总数; S42、基于两个独立的全连接层对行人多维度交互特征进行解码操作,得到行人下一时刻的预测坐标和最后时刻的目标点坐标; 行人在下一时刻的预测坐标和最后时刻的目标点坐标表示为: ; ; 其中,和分别表示第个行人在时刻和的二维预测坐标,和分别表示两个独立的全连接层,表示第个行人在轴方向的预测坐标值,表示第个行人在轴方向的预测坐标值,表示第个行人在时刻轴方向的预测坐标值,表示第个行人在时刻轴方向的预测坐标值,表示拼接操作,表示随机的高斯噪声。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东建筑大学,其通讯地址为:250101 山东省济南市历城区凤鸣路1000号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。