基于双流卷积多注意力模型的行人意图识别研究

识别行人等弱势道路使用者的行为意图是自动驾驶汽车做出有效决策和控制动作保护行人和驾驶者安全的前提。本文设计了一种基于双流结构融合时空特征的行人过街意图识别模型(Dual-stream Convolu-tional Multi-Attention Model, DCMAM)。基于MobileNet引入空间注意力设计空间流卷积模块；基于膨胀3D卷积网络(Inflated 3D ConvNet, I3D)引入时空和空洞卷积设计时间流卷积模块；基于门控循环单元(Gate Recurrent Unit, GRU)搭建双向GRU网络，捕获时空交互信息；引入注意力机制设计双流融合模块。在数据集JAAD和PIE上的实验证明了模型的有效性，意图识别准确率相较于现有方法提高了7%。集成意图识别模型和硬件平台设计行人意图识别系统，通过实车实验验证了意图识别系统的稳定性和准确性。