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！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利一种全景视频两帧行人轨迹预测方法、装置及存储介质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：CN115760928B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211689601.9，技术领域涉及：G06T7/269；该发明授权一种全景视频两帧行人轨迹预测方法、装置及存储介质是由梅杰;龙俊岑;马广富设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种全景视频两帧行人轨迹预测方法、装置及存储介质在说明书摘要公布了：本发明涉及一种全景视频两帧行人轨迹预测方法、装置及存储介质，其中方法包括：获取全景视频，提取全景视频中行人的位置信息、速度信息、动作信息和光流信息，将行人划分为自由移动行人和社交移动行人；计算自由行人数据集与全体行人数据集；使用训练完成网络进行行人轨迹预测，其中自由行人预测网络是基于自由行人数据集来训练，未来社交池化网络和社交行人预测网络是基于全体行人数据集来训练。本发明提供一种全景视频行人轨迹预测方法，构建以行人历史位置信息、历史动作信息和历史光流信息为输入的行人轨迹预测网络模型，以达到更高精度的行人轨迹预测的目标。

本发明授权一种全景视频两帧行人轨迹预测方法、装置及存储介质在权利要求书中公布了：1.一种全景视频两帧行人轨迹预测方法，其特征在于，所述方法包括以下步骤： S100、获取并拼接不同方向的视频，得到全景视频，提取全景视频中行人的位置信息、速度信息、动作信息和光流信息，将行人划分为自由移动行人和社交移动行人； S200、计算自由行人数据集与全体行人数据集，所述自由行人数据集包括所有自由移动行人的信息，所述全体行人数据集包括所有行人的信息，把所述自由行人数据集划分为自由行人训练集、自由行人验证集和自由行人测试集，把所述全体行人数据集划分为全体行人训练集、全体行人验证集和全体行人测试集； S300、使用训练完成的自由行人预测网络、未来社交池化网络、社交行人预测网络进行行人轨迹预测，其中所述自由行人预测网络是基于自由行人数据集来训练，所述未来社交池化网络和所述社交行人预测网络是基于所述全体行人数据集来训练，所述未来社交池化网络的输入数据为训练后的所述自由行人预测网络； 步骤S300所述未来社交池化网络和所述社交行人预测网络是基于所述全体行人数据集来训练，包括： S306、使用训练完成的所述自由行人预测网络预测所述全体行人训练集中所有行人的自由移动行人轨迹，得到所述全体行人训练集中所有行人的自由移动轨迹预测序列表示为， 其中，i＝1,2,……,m，t0为预测开始时间，Tobs为观测的两帧时间间隔，Tgap为每步预测的时间间隔，Tpred为预测的最大时间，m为全体行人训练集中所有行人样本中包含的人数，全体行人训练集中所有行人样本的时间序列Tlist为， Tlist＝[t0-Tobs,t0,t0+Tgap,t0+2*Tgap,…,t0+Tpred]； S307、对于全体行人训练集中所有行人样本的时间序列Tlist中的每一步，将t时刻全体行人Pedesi的位置预测信息与速度预测信息分别嵌入第四全连接层φex和第五全连接层φev，得到行人Pedesi在t时刻下位置预测信息与速度预测信息嵌入后的向量和EVti，把和串联后通过第六全连接层φec，获得行人Pedesi在t时刻下位置与速度信息使用所述第六全连接层嵌入后的向量，即样本中所有行人状态的向量 其中，i＝1:m，t＝Tlist，φex、φev分别为带PRelu激活函数的第四全连接层和第五全连接层，所述第四全连接层和所述第五全连接层的输入层单元数为4，输出单元数为es，所述第六全连接层φec的输入层单元数为2*es，输出单元数为es，为可训练的网络参数； S308、将像素坐标系下与行人Pedesi靠近的pdm个行人的相对位置嵌入第七全连接层φer，得到行人Pedesi与行人Pedesi在t时刻下相对位置信息使用全连接层嵌入后的向量用于预测行人Pedesi的轨迹，过程表示为： 其中，i＝1,2,……pdm，所述第七全连接层φer为使用PRelu激活函数的全连接层，所述第七全连接层的输入层单元数为2、输出单元数为es，为可训练的网络参数，pdm为像素坐标系下最靠近行人Pedes1的其他行人的数量； S309、对于全体行人训练集中所有行人样本的时间序列Tlist中的每一步，堆叠得到行人Pedesi在t时刻下的社交池化矩阵行人Pedesi在t时刻下的所述社交池化矩阵SPt经过卷积网络δsp提取信息后获得SPCt，把SPCt输入第八全连接层φes，得到通过所述第八全连接层提取信息获得行人Pedesi在t时刻下的社交池化向量ESt，过程表示为： 其中，t＝Tlist，所述卷积网络δsp为带PRelu激活函数的三层卷积网络，所述卷积网络δsp的卷积核大小为3，输出通道数分别为5、7、9，所述第八全连接层φes为输出单元数为6*es的全连接层，Wsp、Wes为可训练的网络参数； S310、使用第六GRU网络GRUes对未来社交池化向量序列进行编码，得到行人Pedesi在t时刻下用于编码的所述第六GRU网络的社交信息的状态向量过程表示为： 其中，t＝Tlist，所述第六GRU网络GRUes为GRU循环神经网络，输入层单元数为6*es，状态层单元数为2*rs，Wges为可训练的网络参数。

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哈尔滨工业大学(深圳)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。

以上内容由龙图腾AI智能生成。