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！

摘要：本发明涉及轨迹预测领域，具体涉及一种基于子类平衡对比学习的长尾行人轨迹预测方法。方法包括：构建训练数据集，训练数据集包括多组轨迹数据，每组轨迹数据包括历史轨迹X和未来真实轨迹Y；构建预测模型，预测模型包括运动特征编码模块、子类平衡对比学习模块、transformer编码器和分类器；子类平衡对比学习模块将头部类分为样本量与尾部类样本量均值相近的多个子类，依据子类标签进行对比学习；使用训练数据集训练预测模型，得到训练好的预测模型；将当前历史轨迹输入训练好的预测模型，利用训练好的预测模型进行预测，输出未来预测轨迹。本发明可以实现类别平衡和实例平衡，有效应对行人轨迹数据的长尾分布问题并提高在不同场景下的泛化性。

主权项：1.一种基于子类平衡对比学习的长尾行人轨迹预测方法，其特征在于，方法包括：构建训练数据集，所述训练数据集包括多组轨迹数据，每组轨迹数据包括历史轨迹X和未来真实轨迹Y；构建预测模型，所述预测模型包括运动特征编码模块、子类平衡对比学习模块、Transformer解码器和分类器；使用所述训练数据集训练所述预测模型，得到训练好的预测模型；将当前历史轨迹输入训练好的预测模型，利用训练好的预测模型进行预测，输出未来预测轨迹；其中，所述运动特征编码模块的工作过程包括：对归一化后的多组轨迹数据进行K均值聚类，生成未来典型运动模式集C和类标签，C＝{c1,c2,...,cL}，ci表示未来典型运动模式集C中第i个未来典型运动模式，L表示类别数量；将历史轨迹X分别与未来典型运动模式集C中的各个未来典型运动模式嵌入拼接，并输入Transformer编码器，得到运动特征F；所述子类平衡学习模块的工作过程包括：根据类标签从归一化后的多组轨迹数据中选择头部类轨迹数据和尾部类轨迹数据，使用平衡聚类将头部类分为样本量与尾部类样本量均值相近的多个子类，并从头部类轨迹数据中获取头部子类标签，对于尾部类轨迹数据，以其类标签作为子类标签；利用动态双层对比学习模块对比轨迹数据的子类标签和类标签，对运动特征F进行对比学习，得到增强运动特征FSBCL；所述transformer解码器，用于以增强运动特征FSBCL和相邻轨迹作为输入，输出L条预测轨迹；所述分类器用于以增强运动特征FSBCL为输入，输出L条预测轨迹的概率；从L条预测轨迹中选取前K个概率最大的预测轨迹，作为未来预测轨迹。

全文数据：

权利要求：

百度查询： 常州大学 基于子类平衡对比学习的长尾行人轨迹预测方法