西北工业大学闵令通获国家专利权
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!
龙图腾网获悉西北工业大学申请的专利一种采用融合增强的行人穿行意图预测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120524306B 。
龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511033757.5,技术领域涉及:G06F18/241;该发明授权一种采用融合增强的行人穿行意图预测方法及系统是由闵令通;罗昌盛;曹聪琦;范子满;窦飞阳;李立;吕勤毅;王大伟;杨伟超设计研发完成,并于2025-07-25向国家知识产权局提交的专利申请。
本一种采用融合增强的行人穿行意图预测方法及系统在说明书摘要公布了:本发明提供了一种采用融合增强的行人穿行意图预测方法及系统,方法包括:输入视觉信息和非视觉信息,通过视觉特征提取器从视觉信息提取视觉特征;在特征维度上拼接非视觉信息形成非视觉特征;整合视觉特征和非视觉特征得到融合特征;对融合特征添加位置编码得到位置特征,将位置特征输入Transformer模型,其输出编码特征;将编码特征输入GRU模型,GRU模型输出预测目标特征,将预测目标特征输入分类器得到行人穿行意图。本发明充分利用视觉信息和非视觉信息的互补性,加强模态之间的交互;对融合特征进行编码解码过程中采用Transformer‑GRU动作预测框架,进行长期序列建模和灵活的迭代解码,预测效果显著。
本发明授权一种采用融合增强的行人穿行意图预测方法及系统在权利要求书中公布了:1.一种采用融合增强的行人穿行意图预测方法,其特征在于,包括: 步骤一、输入视觉信息和非视觉信息,通过视觉特征提取器从所述视觉信息提取视觉特征;在特征维度上拼接所述非视觉信息形成非视觉特征; 步骤二、通过视觉-非视觉融合增强方法整合视觉特征序列和非视觉特征序列,得到融合特征序列; 步骤三、对所述融合特征序列添加位置编码,得到位置特征序列,将所述位置特征序列输入Transformer模型,所述Transformer模型得到输出特征序列,对所述输出特征序列取平均值获得全局编码特征; 步骤四、将所述全局编码特征输入GRU模型,所述GRU模型输出预测目标特征,将所述预测目标特征输入分类器得到行人穿行意图; 具体的: 所述步骤二中的视觉-非视觉融合增强方法,选取拼接、可学习加权和、多层感知机融合、注意力融合、模态交叉融合中的任意一种融合增强方法;其中: 拼接,将所述视觉特征和所述非视觉特征在通道维度上直接进行拼接; 可学习加权和,通过可学习的权重参数,对所述视觉特征和所述非视觉特征进行加权求和;多层感知机融合,将视觉特征和非视觉特征沿通道维度拼接,输入多层感知机中进行融合;注意力融合,使用注意力机制,对所述视觉特征和所述非视觉特征进行注意力加权和; 模态交叉融合,采用视觉交叉融合方法来分别捕获视觉特征和非视觉特征内部固有的时间相关性以及视觉特征和非视觉特征之间的互相关; 所述步骤三中,位置编码表示为: 式中,PE表示位置编码的定义,pos表示序列位置,i表示位置编码向量的维度位置,dx表示融合之后特征的维度; 所述步骤三中,所述Transformer模型包括m个Transformer块,每个Transformer块包括多头自注意力机制层、带有层归一化的残差连接层、前馈神经网络层,其中,每个Transformer块的传播过程表示为: X′m=LNMHSAXm-1+Xm-1,Xm=LNMHSAXm-1+Xm-1 式中,X′m表示第m个Transformer块中经过多头自注意力机制层和残差连接后归一化的输出,Xm-1表示第m-1个Transformer块的输出,Xm表示第m个Transformer块经过前馈神经网络FFN和残差连接后归一化的输出,对第m个Transformer块的输出Xm取平均值获取全局编码特征 所述步骤四具体为: 将全局编码特征输入GRU模型,作为GRU模型的初始隐藏状态ho; 对预测时间步T中的任意预测时刻t,将融合特征中最后一个时间步to时刻的特征作为GRU模型的输入; GRU模型根据特征和当前时间步的隐藏状态ht,计算下一时间步的隐藏状态ht+1,其表达式为其中tT,式中,t表示预测的时刻; GRU模型中设定迭代次数与预测时间步T一致,并完成所有迭代,将最后一次迭代的隐藏状态hT作为所述预测目标特征,通过GRU模型输出,hT为T时刻的隐藏状态; 将所述预测目标特征输入所述分类器得到行人穿行意图得分,根据行人穿行意图得分判断行人是否会在预测的时间节点上进行穿行动作,进而得到行人穿行意图。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西北工业大学,其通讯地址为:710072 陕西省西安市碑林区友谊西路127号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。