基于深层次卷积长短记忆网络的人群轨迹预测方法及系统

摘要

本发明公开一种基于深层次卷积长短记忆网络的人群轨迹预测方法及系统，方法包括：首先确定行人轨迹数据集；其次根据行人轨迹数据集确定训练集和测试集；再次构建深层次卷积长短时记忆网络Conv‑LSTM模型；然后根据训练集和所述测试集确定深层Conv‑LSTM模型的参数；最后根据带有参数的深层Conv‑LSTM模型进行人群轨迹预测。本发明构建了深层次卷积长短时记忆网络Conv‑LSTM模型，并利用深层Conv‑LSTM模型进行人群轨迹预测，一方面提高网络的复杂度和对人群轨迹预测的精度，加深网络对人群历史轨迹的时间和空间记忆，另一方面采用卷积网络对Conv‑LSTM层输出的上下文语义空间信息，进一步提高网络的回归能力。