基于图卷积和LSTM网络的行人通行意图预测方法

目录

声明

1 绪论

1.1 课题研究背景和意义

1.2 行人通行意图预测研究现状

1.2.1 行人通行意图预测国内外相关研究现状

1.2.2 行人通行意图预测算法的不足

1.3 深度学习研究现状

1.3.1 深度学习的概念理解

1.3.2 深度学习的发展历史

1.3.3 深度学习在自动驾驶上的应用

1.4 本文主要研究内容

1.5 本文技术路线

1.6 本章小结

2 图卷积神经网络和长短时记忆模型概述

2.1 卷积神经网络概述

2.2 图卷积神经网络概述

2.3 长短时记忆模型概述

2.3 本章小结

3 数据集的制作

3.1 视频的采集与处理

3.2 视频帧的分辨率重建

3.3 行人关键点的提取

3.3.1 Openpose介绍

3.3.2 Openpose原理

3.3.3 关键点位置信息表示

3.4 CSV格式的数据集制作

3.5 本章小结

4 基于GCN和LSTM的行人通行意图预测

4.1 图卷积实现过程

4.2 基于GCN和LSTM的预测网络构建

4.2.1 网络结构

4.2.2 损失函数

4.2.3 优化方法

4.3 预测结果对比及验证

4.4 本章小结

5 总结与展望

5.1 论文总结

5.2 不足与展望

5.2.1 本方法的优势与不足

5.2.2 未来展望

参考文献

致谢