基于图神经网络的行人轨迹预测研究综述*曹健1,2,陈怡梅1,2,李海生1,2,蔡强1,2(1.北京工商大学计算机学院,北京100048;2.食品安全大数据技术北京市重点实验室,北京100048)摘要:随着计算机视觉和自动驾驶技术的快速发展,自动感知、理解和预测人类行为的能力变得越来越重要。各类传感器的普及使得社会中产生了大量运动物体的位置数据。基于这些数据预测行人的运动轨迹在社交预测等多个领域都有着极大的价值。为了深入了解这方面的发展,对基于图神经网络的行人轨迹预测方法进行了综述,从多个角度比较、分析和总结了行人轨迹预测的图神经网络算法,讨论了不同算法在该领域的研究与发展;在目前的公共数据集上进行了对比和分析,介绍了相应性能指标,给出了不同算法的性能比较结果,提出了目前研究仍存在的问题,拓展研究思路和方法;展望了未来可能出现的研究方向。关键词:行人轨迹预测;视觉预测;图神经网络;深度神经网络;自动驾驶中图分类号:TP391文献标志码:Adoi:10.3969/j.issn.1007-130X.2023.06.011AsurveyofpedestriantrajectorypredictionbasedongraphneuralnetworkCAOJian1,2,CHENYi-mei1,2,LIHai-sheng1,2,CAIQiang1,2(1.SchoolofComputerScienceandEngineering,BeijingTechnologyandBusinessUniversity,Beijing100048;2.BeijingKeyLaboratoryofBigDataTechnologyforFoodSafety,Beijing100048,China)Abstract:Withtherapiddevelopmentofthetechnologyofcomputervisionandautonomousdriving,theabilitytosense,understandandpredicthumanbehaviorisbecomingmoreandmoreimportant.Thepopularityofvarioussensorshasgeneratedalargeamountofpositiondataofmovingobjectsinsociety.Predictingthemovementtrajectoryofpedestriansbasedonthesedatahasgreatvalueinsocialpredictionandotherfields.Togaininsightintothedevelopmentinthisarea,aliteraturereviewisconductedongraphneuralnetwork-basedpedestriantrajectorypredictionmethods.Thegraphneuralnetworkalgo-rithmsforpedestriantrajectorypredictionarecompared,analyzedandsummarizedfrommultipleper-spectives,andtheresearchanddevelopmentofdifferentalgorithmsinthisfieldarediscussed.Thecom-parisonandanalysisarecarriedoutonthecurrentpublicdatasets,anoverviewofthecorrespondingperformanceindicatorsisprovided,andtheperformancecomparisonresultsofdifferentalgorithmsaregiven.At...
