行人轨迹预测方法综述

随着深度学习技术的突破和大型数据集的提出,行人轨迹预测的准确度已经成为人工智能领域的研究热点之一。主要对行人轨迹预测的技术分类和研究现状进行详细的综述。根据模型建模方式的不同,将现有方法分为基于浅层学习的轨迹预测方法和基于深度学习的轨迹预测方法,分析了每类方法中具有代表性的算法的效果及优缺点,归纳了当前主流的轨迹预测公开数据集,并在数据集中对比了主流轨迹预测方法的性能,最后对轨迹预测技术面临的挑战与发展趋势进行了展望。...

Full description

Bibliographic Details
Main Authors: 李琳辉, 周彬, 任威威, 连静
Format: Article
Language:zho
Published: POSTS&TELECOM PRESS Co., LTD 2021-12-01
Series:智能科学与技术学报
Subjects:
Online Access:http://www.infocomm-journal.com/znkx/CN/abstract/abstract172019.shtml
_version_ 1797951386175930368
author 李琳辉
周彬
任威威
连静
author_facet 李琳辉
周彬
任威威
连静
author_sort 李琳辉
collection DOAJ
description 随着深度学习技术的突破和大型数据集的提出,行人轨迹预测的准确度已经成为人工智能领域的研究热点之一。主要对行人轨迹预测的技术分类和研究现状进行详细的综述。根据模型建模方式的不同,将现有方法分为基于浅层学习的轨迹预测方法和基于深度学习的轨迹预测方法,分析了每类方法中具有代表性的算法的效果及优缺点,归纳了当前主流的轨迹预测公开数据集,并在数据集中对比了主流轨迹预测方法的性能,最后对轨迹预测技术面临的挑战与发展趋势进行了展望。
first_indexed 2024-04-10T22:29:46Z
format Article
id doaj.art-89e66add690e4c4b826231d2509da53c
institution Directory Open Access Journal
issn 2096-6652
language zho
last_indexed 2024-04-10T22:29:46Z
publishDate 2021-12-01
publisher POSTS&TELECOM PRESS Co., LTD
record_format Article
series 智能科学与技术学报
spelling doaj.art-89e66add690e4c4b826231d2509da53c2023-01-17T06:59:58ZzhoPOSTS&TELECOM PRESS Co., LTD智能科学与技术学报2096-66522021-12-0134399411行人轨迹预测方法综述李琳辉0周彬1任威威2连静3大连理工大学汽车工程学院; 大连理工大学工业装备结构分析国家重点实验室大连理工大学汽车工程学院大连理工大学汽车工程学院大连理工大学汽车工程学院; 大连理工大学工业装备结构分析国家重点实验室随着深度学习技术的突破和大型数据集的提出,行人轨迹预测的准确度已经成为人工智能领域的研究热点之一。主要对行人轨迹预测的技术分类和研究现状进行详细的综述。根据模型建模方式的不同,将现有方法分为基于浅层学习的轨迹预测方法和基于深度学习的轨迹预测方法,分析了每类方法中具有代表性的算法的效果及优缺点,归纳了当前主流的轨迹预测公开数据集,并在数据集中对比了主流轨迹预测方法的性能,最后对轨迹预测技术面临的挑战与发展趋势进行了展望。http://www.infocomm-journal.com/znkx/CN/abstract/abstract172019.shtml轨迹预测深度学习序列决策
spellingShingle 李琳辉
周彬
任威威
连静
行人轨迹预测方法综述
智能科学与技术学报
轨迹预测
深度学习
序列决策
title 行人轨迹预测方法综述
title_full 行人轨迹预测方法综述
title_fullStr 行人轨迹预测方法综述
title_full_unstemmed 行人轨迹预测方法综述
title_short 行人轨迹预测方法综述
title_sort 行人轨迹预测方法综述
topic 轨迹预测
深度学习
序列决策
url http://www.infocomm-journal.com/znkx/CN/abstract/abstract172019.shtml
work_keys_str_mv AT lǐlínhuī xíngrénguǐjīyùcèfāngfǎzōngshù
AT zhōubīn xíngrénguǐjīyùcèfāngfǎzōngshù
AT rènwēiwēi xíngrénguǐjīyùcèfāngfǎzōngshù
AT liánjìng xíngrénguǐjīyùcèfāngfǎzōngshù