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！

申请/专利权人：南京理工大学

摘要：本发明公开了一种基于自适应社会交互力的行人意图识别方法，涉及自动驾驶领域，在机器学习基础上融合道路交通领域所擅长的行人行为特征挖掘与机理解析，通过挖掘场景差异、个体差异、社会交互等新因素，将行人行为模型扩展至自动驾驶新领域；基于群体过街、混合车流等社会交互复杂的场景，主动提取社会交互特征，对行人高级心理和社会属性进行深入理解，自适应表征社会交互力；运用改进的隐马尔可夫模型实现行人意图长期预测，提升行人意图识别建模的精准度，为自动驾驶车辆避障决策提供足够的时间和距离空间。

主权项：1.一种基于自适应社会交互力的行人意图识别方法，其特征在于，包括：S1、基于开源数据集构建行人及车辆行为链并开展情境问卷调查分析自动驾驶场景与传统交通场景行人行为的差异，分别提取出自动驾驶场景与传统交通场景影响行人过街意图的内外在相关因素；S2、根据提取到的内外在相关因素，利用递归特征消除法分别筛选出自动驾驶场景与传统交通场景影响行人过街意图的强相关因素；S3、针对自动驾驶车辆获取的多源数据类型，进行自动化处理与挖掘识别，获取步骤S2筛选出的因素所需的数据信息；S4、运用规则驱动自适应机制，基于MAPE-K环路，构建社会交互力规则自适应算法，计算自适应表征社会交互力，所述社会交互力包括人-人和人-车交互力，具体方法为：S401、表征人-人交互力：通过来自其他行人的吸引力大小，表征行人期望跟随前方人群行走的心理强度以及过街行人群体对行人产生的交互作用，表示为： 其中：x1，x2，…，xn表示影响人-人交互力的运动学参数，a1，a2，…，an及b1，b2，…，bn为自适应参数；S402、建立人-人交互力自适应机制：人-人交互力自适应机制表现在模型参数以及模型形式，运用规则驱动自适应算法训练，即利用既有知识进行数学建模，预先生成固定的规则模型来实现社会交互力规则自适应算法，利用形式推理技术来针对环境改变进行自适应决策；依据行人个体间差异，对式1的自适应参数及模型自适应调整，自适应表征人-人交互力；S403、表征人-车交互力：行人过街时，会根据车辆的车型、与车辆之间的距离以及车速判断在确保自身安全的前提下是否存在可过街的条件，综合考虑场景差异以及个体差异，将人-车交互力表示为下式： 其中：y1，y2，…，yn表示影响人-车交互力的运动学等参数；k1，k2，…，kn及m1，m2，…，mn为自适应参数；S404、建立人-车交互自适应机制：人-车交互力自适应机制表现在模型参数以及模型形式，运用规则驱动自适应算法训练，依据场景差异及行人个体间差异，运用汽车技术接受度模型，对式2的人-车交互力自适应参数及模型进行自适应调整，自适应表征人-车交互力；S5、输入环境信息和社会交互力信息，运用隐马尔可夫模型识别与预测行人过街意图，具体方法为：S501、参数定义1行人过街意图状态S＝S1,S2,S3其中S1为过街，S2为等待过街，S3为非过街；2观察序列O＝O1,O2,…,OT，实时检测获取，T为预测时刻，0t≤T；3行人状态转移矩阵A＝aij3×3，aij为行人状态转移概率；4混淆矩阵B＝bj3×n，bj为不同行人状态Si下各观察状态O出现的概率，n取值基于时间步长决定；5行人意图状态初始概率π；S502、模型离线训练：基于标定的行人意图状态，通过人群搜索算法搜索全局最优解作为隐马尔可夫模型初值，在通过Baum-Welch算法进行局部校正，使其快速收敛到全局最优解，得到最优参数行人状态转移矩阵A、混淆矩阵B以及行人意图状态初始概率π；S503、预测识别：利用训练得到的隐马尔可夫模型，通过条件概率的转换，预测行人意图状态出现的概率。

全文数据：

权利要求：

百度查询： 南京理工大学 一种基于自适应社会交互力的行人意图识别方法