基于LSTM-Attention的毫米波雷达行人轨迹预测方法

行人轨迹预测对于发展智慧城市,提升交通安全具有重要意义。由于视频监控易受环境因素影响且不利于保护行人隐私,文中采用毫米波雷达实时探测行人,建立行人轨迹数据集。针对行人的运动轨迹复杂多变,难以用传统的运动学模型准确描述的问题,本文提出一种结合注意力机制的长短期记忆(Long Short-Term Memory Combined with Attention Mechanism,LSTM-Attention)行人轨迹预测模型,利用LSTM网络提取行人轨迹特征,并引入Attention机制,强化模型对行人轨迹特征关键信息的提取能力。实验表明,提出的LSTM-Attention模型能够预测各种复杂度的行人轨迹,且预测精度更高,鲁棒性更强。