(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111475997.2 (22)申请日 2021.12.0 6 (71)申请人 广州文远知行 科技有限公司 地址 510000 广东省广州市广州中新广州 知识城九佛建 设路333号自编687室 (72)发明人 孔炤　尹周建铖 　韩旭　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 梁顺珍　陈志明 (51)Int.Cl. B60W 60/00(2020.01) G06N 3/02(2006.01) G06Q 10/04(2012.01) (54)发明名称 一种行人轨迹预测方法和装置、 电子 设备及 存储介质 (57)摘要 本申请公开了一种行人轨迹预测方法和装 置、 电子设备及存储介质， 所述方法包括： 获取目 标行人的实际轨迹、 基于正常行人模 型得到的历 史预测轨迹和基于特殊行人模型得到的历史预 测轨迹； 根据目标行人的实际轨迹和基于正常行 人模型得到的历史预测轨迹， 得到基于正常行人 模型的轨迹相似度； 根据目标行人的实际轨迹和 基于特殊行人模 型得到的历史预测轨迹， 得到基 于特殊行人模 型的轨迹相似度； 根据基于正常行 人模型的轨迹相似度和基于特殊行人模型的轨 迹相似度的比较结果， 生 成基于正常行人模型或 特殊行人模 型的目标行人预测轨迹。 本申请能准 确地预估正 常行人和特殊行人的轨迹， 提高自动 驾驶交互策略的精准度， 降低出现碰撞特殊行人 危险事故的概 率。 权利要求书2页 说明书7页 附图2页 CN 114312829 A 2022.04.12 CN 114312829 A 1.一种行 人轨迹预测方法， 其特 征在于， 包括： 获取目标行人的实际轨迹、 基于正常行人模型得到的历史预测轨迹和基于特殊行人模 型得到的历史预测轨 迹； 根据目标行人的实际轨迹和基于正常行人模型得到的历史预测轨迹， 得到基于正常行 人模型的轨 迹相似度； 根据目标行人的实际轨迹和基于特殊行人模型得到的历史预测轨迹， 得到基于特殊行 人模型的轨 迹相似度； 根据基于正常行人模型的轨迹相似度和基于特殊行人模型的轨迹相似度的比较结果， 生成基于正常行 人模型或特殊行 人模型的目标 行人预测轨迹。 2.根据权利要求1所述的行人轨迹预测方法， 其特征在于， 所述正常行人模型为深度神 经网络模型， 所述基于特殊行 人模型为 规则逻辑模型。 3.根据权利要求1所述的行人轨迹预测方法， 其特征在于， 所述正常行人模型为线性 回 归模型， 所述基于特殊行 人模型为 规则逻辑模型。 4.根据权利要求1所述的行人轨迹预测方法， 其特征在于， 所述正常行人模型为SVM模 型， 所述基于特殊行 人模型为 规则逻辑模型。 5.根据权利要求2 ‑4任意一项所述的行人轨迹预测方法， 其特征在于， 根据目标行人的 实际轨迹和基于正常行人模型得到的历史预测轨迹， 得到基于正常行人模型的轨迹相似 度， 包括： 在目标行人的实际轨 迹中获取当前时刻T0的当前位置G0； 在目标行人的基于正常行人模型得到的历史预测轨迹 中分别对应获取过去k个采样时 间点T1,T2, …,Ti,…,Tk对当前时刻T0的预测位置D 1,D2,…,Di,…,Dk， 其中， i和k都为自 然数； 根据Si＝e^( ‑a×di)， 得到各个预测位置与当前位置的位置偏差， 其中， di为第i个采 用时间点Ti对当前时刻T0的预测位置Di与当前时刻T0的当前位置G0的距离差， a为预测修 正参数； 根据S＝SUM{CalcScore(Di,G0) ×e(‑Ti)|i＝1,2, …,k}， 得到基于正常行人模型的轨 迹相似度S。 6.根据权利要求5所述的行人轨迹预测方法， 其特征在于， 所述根据目标行人的实际轨 迹和基于特殊行 人模型得到的历史预测轨 迹， 得到基于特殊行 人模型的轨 迹相似度， 包括： 在目标行人的实际轨 迹中获取当前时刻T0的当前位置G0； 在目标行人的基于特殊行人模型得到的历史预测轨迹 中分别对应获取过去k个采样时 间点T1,T2, …,Ti,…,Tk对当前时刻T0的预测位置R1,R2, …,Ri,…,Rk， 其中， i和k都为自 然数； 根据Ri＝e^( ‑b×ri)， 得到各个预测位置与当前位置的位置偏差， 其中， ri为第i个采 用时间点Ti对当前时刻T0的预测位置Ri与当前时刻T0的当前位置G0的距离差， b为预测修 正参数； 根据R＝SUM{CalcScore(Ri,G0) ×e(‑Ti)|i＝1,2, …,k}， 得到基于特殊行人模型的轨 迹相似度R。 7.根据权利要求6所述的行人轨迹预测方法， 其特征在于， 根据基于正常行人模型的轨权　利　要　求　书 1/2 页 2 CN 114312829 A 2迹相似度和基于特殊行人模型的轨迹相似度的比较结果， 生成基于正常行人模型或特殊行 人模型的目标 行人预测轨迹， 包括： 根据基于正常行人模型的轨迹相似度S与基于特殊行人模型的轨迹相似度R， 获取基于 正常行人模型的轨 迹相似度S与基于特殊行 人模型的轨 迹相似度R的比值； 判断所述比值是否小于预设阈值： 若是， 则生成基于特殊行 人模型的目标 行人预测轨迹； 若否， 则生成基于正常行 人模型的目标 行人预测轨迹。 8.根据权利要求1 ‑4任意一项所述的行人轨迹预测方法， 其特征在于， 在获取目标行人 的实际轨迹、 基于正常行人模型得到的历史预测轨迹和基于特殊行人模型得到的历史预测 轨迹之前， 还 包括： 获取预设区域内的环境信息； 提取环境信息中的目标 行人信息； 根据目标 行人信息获取目标 行人的实际轨 迹。 9.一种行 人轨迹预测装置， 其特 征在于， 包括： 轨迹获取模块， 用于获取目标行人的实 际轨迹、 基于正常行人模型得到的历史预测轨 迹和基于特殊行 人模型得到的历史预测轨 迹； 第一处理模块， 用于根据目标行人的实际轨迹和基于正常行人模型得到的历史预测轨 迹， 得到基于正常行 人模型的轨 迹相似度； 第二处理模块， 用于根据目标行人的实际轨迹和基于特殊行人模型得到的历史预测轨 迹， 得到基于特殊行 人模型的轨 迹相似度； 第三处理模块， 用于根据基于正常行人模型的轨迹相似度和基于特殊行人模型的轨迹 相似度的比较结果， 生成基于正常行 人模型或特殊行 人模型的目标 行人预测轨迹。 10.一种电子设备， 其特征在于， 包括存储器、 处理器以及存储在所述存储器中并能在 所述处理器上运行 的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求1 ‑8 任意一项所述的行 人轨迹预测方法的步骤。 11.一种存储介质， 其特征在于， 所述存储介质中存储有计算机程序， 所述计算机程序 被处理器执行时实现如权利要求1 ‑8任意一项所述的行 人轨迹预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 114312829 A 3