2023⁃03⁃10计算机应用,JournalofComputerApplications2023,43(3):736-743ISSN1001⁃9081CODENJYIIDUhttp：//www.joca.cn基于多头软注意力图卷积网络的行人轨迹预测彭涛1，2，3，康亚龙2，3，余锋1，3*，张自力2，3，刘军平2，3，胡新荣2，3，何儒汉1，3，李丽1，2（1.纺织服装智能化湖北省工程研究中心（武汉纺织大学），武汉430200；2.湖北省服装信息化工程技术研究中心（武汉纺织大学），武汉430200；3.武汉纺织大学计算机与人工智能学院，武汉430200）（∗通信作者电子邮箱yufeng@wtu.edu.cn）摘要：行人间交互作用的复杂性给行人轨迹预测带来了挑战，且现有算法难以捕获行人间有意义的交互信息，不能直观地建模行人间的交互作用。针对以上问题，提出多头软注意力图卷积网络。首先利用多头软注意力（MSATT）结合内卷网络Involution分别从空间图和时间图输入中提取稀疏空间和稀疏时间邻接矩阵，生成稀疏空间和稀疏时间有向图；然后，利用图卷积网络（GCN）从稀疏空间和稀疏时间有向图中学习交互作用与运动趋势特征；最后，将学习到的轨迹特征输入时间卷积网络（TCN）以预测双高斯分布参数，生成行人预测轨迹。在ETH和UCY数据集上的实验结果表明：相较于空时社交关系池化行人轨迹预测模型（SOPM），所提算法的平均位移误差（ADE）降低了2.78%；相较于稀疏图卷积网络（SGCN），所提算法的最终位移误差（FDE）降低了16.92%。关键词：多头软注意力；通道注意力；空间注意力；内卷；图卷积网络；行人轨迹预测中图分类号：TP391文献标志码：APedestriantrajectorypredictionbasedonmulti-headsoftattentiongraphconvolutionalnetworkPENGTao1，2，3，KANGYalong2，3，YUFeng1，3*，ZHANGZili2，3，LIUJunping2，3，HUXinrong2，3，HERuhan1，3，LILi1，2（1.HubeiProvincialEngineeringResearchCenterforIntelligentTextileandFashion（WuhanTextileUniversity），WuhanHubei430200，China；2.EngineeringResearchCenterofHubeiProvinceforClothingInformation（WuhanTextileUniversity），WuhanHubei430200，China；3.SchoolofComputerScienceandArtificialIntelligence，WuhanTextileUniversity，WuhanHubei430200，China）Abstract:Thecomplexityofpedestrianinteractionisachallengeforpedestriantrajectoryprediction，andtheexistingalgorithmsaredifficulttocapturemeaningfulinteractioninformationbetweenpedestrians，whichcannotintuitive...
