(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210174925.2 (22)申请日 2022.02.25 (65)同一申请的已公布的文献号 申请公布号 CN 114550297 A (43)申请公布日 2022.05.27 (73)专利权人 北京拙河科技有限公司 地址 100000 北京市海淀区四道口北街3 6 号4号楼6层0 6 (72)发明人 袁潮　其他发明人请求 不公开姓名　 (74)专利代理 机构 北京君莫知识产权代理事务 所(普通合伙) 11715 专利代理师 崔云鹤 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/56(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/80(2022.01) G06V 10/82(2022.01)(56)对比文件 CN 113807298 A,2021.12.17 CN 114550215 A,202 2.05.27 CN 112435503 A,2021.0 3.02 CN 113392725 A,2021.09.14 WO 2022022721 A1,202 2.02.03 杨彪等.基 于动作预测与环境条件的行 人过 街意图识别. 《汽车工程》 .2021,第43卷(第7期), 第1066-1076页. 许晓君.基 于图卷积和LSTM网络的行 人通行 意图预测方法. 《中国优秀硕士学位 论文全文数 据库 (工程科技 Ⅱ辑)》 .2021,(第2期),第C 034- 717页. Amir Rasoul i等.PIE: A Large-Scale Dataset and Models for Pedestrian Intention Estimati on and Trajectory Predicti on. 《2019 IE EE/CVF Internati onal Conference o n Computer Visi on (ICCV)》 .2020,第6261- 6270页. 审查员 周琼 (54)发明名称 一种行人的意图分析方法及系统 (57)摘要 本申请提供的一种行人的意图分析方法及 系统， 该方法包括： 获取行人图像数据； 根据所述 行人图像数据， 提取局部地图数据； 将所述行人 图像数据输入第一意图分析模型， 获取行人动作 编码； 将所述局部地图数据输入第二意图分析模 型， 获取局部环境编码； 将所述行人动作编码及 所述局部环境编码融合， 获取行人意图数据； 获 取行车速度数据； 基于所述行车速度数据及所述 行人意图数据获得意图分析结果。 通过该方法能 够获取更准确的行 人意图分析 结果。 权利要求书2页 说明书9页 附图3页 CN 114550297 B 2022.09.27 CN 114550297 B 1.一种行 人的意图分析 方法， 其特 征在于， 包括： S110、 获取行人图像数据； S120、 根据所述行 人图像数据， 提取局部地图数据； S130、 将所述行 人图像数据输入第一 意图分析模型， 获取 行人动作编码； S140、 将所述局部地图数据输入第二 意图分析模型， 获取局部环境编码； 所述S140、 将所述局部地图数据输入第二 意图分析模型， 获取局部环境编码， 包括： S141、 采用图像识别技 术， 确定所述局部地图数据中的多个目标； S142、 对所述多个目标进行边界框处 理， 分别获取每一目标的目标边界框； S143、 提取每一目标的目标边界框的左上角和右下角顶点， 并对各个顶点进行分组； S144、 将分组后的顶点输入高效神经网络， 获取局部环境编码； S150、 将所述行 人动作编码及所述局部环境编码融合， 获取 行人意图数据； S160、 获取行车速度数据； S170、 基于所述行 车速度数据及所述行 人意图数据获得意图分析 结果； 所述行人意图数据， 包括： 快速穿过、 低速穿过及等待； 并根据如下公式确定意图分析 结果： 其中， v是行车速度数据； Th是行车速度 阈值； s是行人意图数据， s＝0表示等待意图， s ＝1表示低速穿过意图， s＝2表示快速穿过意图； R是意图分析结果； 其中所述行车速度阈值 是依据不同路况和不同时段设置的。 2.根据权利要求1所述的方法， 其特征在于， 所述S110、 获取行人图像数据， 包括： 采集 目标车辆前方当前时刻图像， 以获取 所述行人图像数据。 3.根据权利 要求1所述的方法， 其特征在于， 所述S120、 根据所述行人图像数据， 提取局 部地图数据， 包括： S121、 将所述行 人图像数据进行边界框处 理， 获取所述行人图像数据的坐标； S122、 根据预设规则扩展所述行 人图像数据的边界框， 获取扩展边界框的坐标； S123、 根据所述扩展边界框的坐标提取局部地图数据。 4.根据权利要求1所述的方法， 其特征在于， 所述S130、 将所述行人图像数据输入第一 意图分析模型， 获取 行人动作编码， 包括： S131、 编码所述图像数据， 获得编码后的图像数据； S132、 将编码后的图像数据输入双向长短时记 忆网络， 解码输出 行人动作编码。 5.根据权利要求1所述的方法， 其特征在于， 所述S150、 将所述行人动作编码及所述局 部环境编码融合， 获取 行人意图数据， 包括： S151、 将所述行 人动作编码及所述局部环境编码进行拼接， 获取复合编码序列； S152、 将所述复合编码序列输入双向长短时记 忆网络， 输出复合编码向量； S153、 将所述复合编码向量输入 全连接层， 获取 行人意图数据。权　利　要　求　书 1/2 页 2 CN 114550297 B 26.根据权利要求1所述的方法， 其特 征在于， 所述S16 0、 获取行车速度数据， 包括： 采集目标 车辆当前时刻速度数据。 7.一种行 人的意图分析系统， 其特 征在于， 包括： 图像数据获取模块， 用于获取 行人图像数据； 地图数据提取模块， 用于根据所述行 人图像数据， 提取局部地图数据； 行人动作编码模块， 用于将所述行人图像数据输入第一意图分析模型， 获取行人动作 编码； 局部环境编码模块， 用于将所述局部地图数据输入第二意图分析模型， 获取局部环境 编码； 所述局部环境编码模块具体用于： S141、 采用图像识别技 术， 确定所述局部地图数据中的多个目标； S142、 对所述多个目标进行边界框处 理， 分别获取每一目标的目标边界框； S143、 提取每一目标的目标边界框的左上角和右下角顶点， 并对各个顶点进行分组； S144、 将分组后的顶点输入高效神经网络， 获取局部环境编码； 行人意图数据获取模 块， 用于将所述行 人动作编码及所述局部环境编码融合， 获取 行人意图数据； 行车速度获取模块， 用于获取 行车速度数据； 意图分析模块， 用于基于所述行 车速度数据及所述行 人意图数据获得意图分析 结果； 所述行人意图数据， 包括： 快速穿过、 低速穿过及等待； 并根据如下公式确定意图分析 结果： 其中， v是行车速度数据； Th是行车速度 阈值； s是行人意图数据， s＝0表示等待意图， s ＝1表示低速穿过意图， s＝2表示快速穿过意图； R是意图分析结果； 其中所述行车速度阈值 是依据不同路况和不同时段设置的。权　利　要　求　书 2/2 页 3 CN 114550297 B 3