第5期2023年5月电子学报ACTAELECTRONICASINICAVol.51No.5May2023基于第一视角的非自回归行人轨迹预测模型桑海峰，王金玉，陈旺兴，王海峰（沈阳工业大学信息科学与工程学院，辽宁沈阳110870）摘要：行人轨迹预测在自动驾驶和监控系统等多个应用中具有重要意义.目前大多数行人轨迹预测模型采用基于循环神经网络的编码器-解码器结构，其自回归的解码结构存在一定的累积误差，而且循环神经网络对序列的长期依赖问题仍然无法很好地解决.本文提出一种基于Transformer网络的非自回归行人轨迹预测模型，非自回归的解码结构能够同时生成所有预测值来减少累积误差，Transformer网络中的自注意力机制能够改善长期依赖问题.本文还设计一个局部信息加强模块来捕获行人运动趋势发生变化的局部特征，同时结合边界框的位置信息和大小信息来编码第一视角下透视投影产生的影响，使得模型提取到的轨迹特征更加有效.实验结果表明，在基于第一视角的公开数据集PIE（PedestrianIntentionEstimation）上，本文提出的模型比PIE预测模型在15、30、45帧的平均位移误差和终点位移误差上分别降低了24%，14.5%，11%和6%.关键词：行人轨迹预测；第一视角；Transformer网络；非自回归预测；累积误差；局部信息加强基金项目：国家自然科学基金（No.62173078）；辽宁省教育厅科研项目（No.LJGD2020006）中图分类号：TP391文献标识码：A文章编号：0372-2112（2023）05-1266-07电子学报URL：http://www.ejournal.org.cnDOI：10.12263/DZXB.20211467Non-AutoregressivePedestrianTrajectoryPredictionModelBasedontheFirstPerspectiveSANGHai-feng，WANGJin-yu，CHENWang-xing，WANGHai-feng（SchoolofInformationScienceandEngineering，ShenyangUniversityofTechnology，Shenyang，Liaoning110870，China）Abstract：Pedestriantrajectorypredictionplaysanimportantroleinmanyapplicationssuchasautomaticdrivingandmonitoringsystems.Atpresent,mostpedestriantrajectorypredictionmodelsarerecurrentneuralnetwork(RNN)basedonencoder-decoderarchitectures.RNNcouldnotsolvethelong-termdependence,anditsauto-regressivedecodingschemein⁃troducesaccumulateerrors.ThispaperproposesaTransformerbasednon-autoregressivepedestriantrajectorypredictionmodel,whosenon-autoregressivedecodercangenerateallpredictionssimultaneouslytoreduceaccumulativeerrors.Theself-atten...
