基于YOLOv3与卡尔曼滤波的行人短时社交冲突预测

为解决传统行人轨迹预测无法提前预测行人密集区域内即将出现的短时社交冲突问题,提出了一种行人间短时社交冲突预测算法。原始视频通过YOLOv3网络得到当前时刻下图像内行人轨迹后进行格式转换,经卡尔曼滤波器得到坐标系行人轨迹估计,进而得到行人轨迹直线方程;同时根据冲突点判定模型进行各种行人状态的检测与潜在冲突点真伪的判断,输出最终预测结果。实验结果表明,提出的算法能够准确地预测出行人间即将出现的社交冲突,且能对行人的各种行进状态做出准确的判断;与现有算法S-LSTM和S-GAN相比,在行人密集时的FPS分别提高42倍与5倍,验证了所提方法在计算成本上的优势。