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
大连理工大学;