一种行人意图预测数据闭环的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种行人意图预测数据闭环的方法，获取目标场景数据和行人轨迹数据；对行人轨迹数据进行分类标注，得到行人意图样本数据集；对行人意图样本数据集进行模型训练，得到行人意图预测结果；获取目标车辆的实时场景数据和实时行人轨迹数据，对实时行人轨迹数据进行分类标注，得到实车数据集；将行人意图预测结果与实车数据集进行对比评估，得到模型评估结果；将实时行人轨迹数据进行分类标注后输入模型进行补充训练，形成数据闭环。还提供了一种装置、设备和存储介质。本发明专利技术方案中，实车数据集输入模型进行补充训练，将算法迭代更新流程进行集成，生成高质量样本，从而获取一个精度更高的行人意图预测模型，对行人意图预测结果更加准确。结果更加准确。结果更加准确。

【技术实现步骤摘要】
一种行人意图预测数据闭环的方法、装置、设备及存储介质


[0001]本申请涉及自动驾驶
，具体涉及一种行人意图预测数据闭环的方法、装置、设备及存储介质。

技术介绍

[0002]人工智能技术的出现，极大促进了汽车智能驾驶技术的发展。汽车智能驾驶技术中，准确预测行人的横穿意图对车辆的安全行驶具有十分重要的作用。一些深度学习技术已经成功应用于行人意图预测任务中，如：卷积神经网络、循环神经网络和图卷积神经网络，但上述方法是通过数据来驱动算法的迭代更新，对数据有极大地依赖性。在工程化迭代中，一般能较为容易地获取大量的实车数据集，后续如何对数据进行高效地处理和使用值得深思。
[0003]对于行人意图预测算法的迭代更新，总体遵循数据采集、数据筛选与标注、模型训练、模型评估与反馈流程，但现有技术背景下该流程存在以下不足之处：(1)各个流程独立进行，算法迭代升级时间较长；(2)用于评估模型的数据无法有效促进算法迭代。以上流程不足之处会导致行人意图预测样本不足，模型精度较低，模型迭代升级慢等问题。

技术实现思路

[0004]鉴于以上所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行人意图预测数据闭环的方法，其特征在于，包括：获取目标场景数据和行人轨迹数据；基于目标场景数据对行人轨迹数据进行分类标注，得到行人意图样本数据集；对所述行人意图样本数据集进行模型训练，得到行人意图预测结果；获取目标车辆的实时场景数据和实时行人轨迹数据，基于实时目标场景数据对实时行人轨迹数据进行分类标注，得到实车数据集；将所述行人意图预测结果与实车数据集进行对比评估，得到模型评估结果；将所述实时行人轨迹数据进行分类标注后输入模型，对模型进行补充训练，形成数据闭环。2.根据权利要求1所述的行人意图预测数据闭环的方法，其特征在于，所述基于目标场景数据对行人轨迹数据进行分类标注，得到行人意图样本数据集，包括：基于目标场景数据对目标场景进行筛选处理，得到路口场景数据或非路口场景数据；基于所述路口场景数据或非路口场景数据和所述行人轨迹数据，生成行人意图预测样本数据；对所述行人意图预测样本数据中行人通行意图数据进行分类标注，得到所述行人意图样本数据集。3.根据权利要求2所述的行人意图预测数据闭环的方法，其特征在于，所述分类标注包括：使用自动化工具对样本进行分类标注得到初步标注结果并输送到人工标注块，然后使用人工标注工具修正自动化标注结果，形成所述行人意图样本数据集。4.根据权利要求1
‑
3任一项所述的行人意图预测数据闭环的方法，其特征在于：所述目标场景数据包括行车图像数据和地图信息数据。5.根据权利要求4所述的行人意图预测数据闭环的方法，其特征在于：所述行车图像数据包括但不限于交通标识数据、信号灯灯色数据、信号灯显示...

【专利技术属性】
技术研发人员：郑文，肖友，杨东方，徐光宇，伍淑莉，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：