基于多特征交互融合的行人过街意图预测

来源：计算机工程与应用杂志2025年第21期北京时间：

作者：杨智勇, 郭洁铷, 郭子杭, 许沁欣

单位：1.重庆师范大学 计算机与信息科学学院，重庆 401331；2.重庆工程职业技术学院 大数据与物联网学院，重庆 402260

摘要：行人意图预测对于开发安全的自动驾驶辅助系统至关重要。传统方法主要采用图卷积网络和递归架构来处理人体姿态数据，这些方法在特征融合方面存在局限性，并且依赖于行人姿态信息提取的完整性，导致行人被局部遮挡时准确性降低。为了解决以上问题，提出了多特征交互融合的行人过街意图预测模型（PEPR-Net），使用头部姿态并引入了骨架热力图信息，提高了行人被遮挡时预测的准确性，并且弥补了非欧几里得骨骼点信息与其他特征之间的互补差距。在此基础上，提出了一个多特征交互混合融合模块，用级联交叉注意力融合方法处理像素信息，级联混合融合结构处理非像素信息，形成更全面的特征表示。引入一种新的非对称双向门控循环模块（UBA-GRU）进行特征融合，采用最优融合策略实现F1分数和准确率（ACC）的最佳预测性能。在PIE数据集上进行了大量的消融实验，性能分析表明，PEPR-Net的准确率达到91%。该研究结果有望为自动驾驶系统提供更准确的行人意图预测。

关键词：自动驾驶辅助系统,多特征交互融合,意图预测,注意力机制,骨架热力图