典型文献
基于LSTM-Attention的毫米波雷达行人轨迹预测方法
文献摘要：
行人轨迹预测对于发展智慧城市,提升交通安全具有重要意义.由于视频监控易受环境因素影响且不利于保护行人隐私,文中采用毫米波雷达实时探测行人,建立行人轨迹数据集.针对行人的运动轨迹复杂多变,难以用传统的运动学模型准确描述的问题,本文提出一种结合注意力机制的长短期记忆(Long Short-Term Memory Combined with Attention Mechanism,LSTM-Attention)行人轨迹预测模型,利用LSTM网络提取行人轨迹特征,并引入Attention机制,强化模型对行人轨迹特征关键信息的提取能力.实验表明,提出的LSTM-Attention模型能够预测各种复杂度的行人轨迹,且预测精度更高,鲁棒性更强.
文献关键词：
行人轨迹预测;毫米波雷达;长短期记忆;注意力机制;轨迹复杂度
中图分类号：
作者姓名：
翟靖宇;陈金立
作者机构：
南京信息工程大学,江苏南京 210044
文献出处：
引用格式：
[1]翟靖宇;陈金立-.基于LSTM-Attention的毫米波雷达行人轨迹预测方法)[J].中国电子科学研究院学报,2022(06):534-541
A类：
轨迹复杂度
B类：
Attention,毫米波雷达,行人轨迹预测,发展智慧,智慧城市,交通安全,视频监控,立行,轨迹数据,运动轨迹,运动学模型,注意力机制,长短期记忆,Long,Short,Term,Memory,Combined,Mechanism,强化模型,关键信息
AB值：
0.212904
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
