Social LSTM实战:用Python复现行人轨迹预测模型(附代码)

news2026/3/18 13:08:59
Social LSTM实战从零构建行人轨迹预测系统行人轨迹预测一直是计算机视觉和机器人导航领域的核心挑战。想象一下当你走在拥挤的商场里会不自觉地调整步伐和路线避开迎面而来的人群——这种看似简单的行为背后隐藏着复杂的社交互动模式。本文将带你用Python实现一个能够理解这种社交行为的深度学习模型Social LSTM。1. 环境准备与数据加载在开始构建模型前我们需要配置合适的开发环境并准备训练数据。Social LSTM对计算资源有一定要求建议使用配备GPU的工作站或云服务器。基础环境配置conda create -n social_lstm python3.8 conda activate social_lstm pip install torch1.10.0cu113 torchvision0.11.1cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html pip install numpy pandas matplotlib scikit-learn我们将使用ETH和UCY这两个公开的行人轨迹数据集。这些数据集包含了真实场景中行人运动的坐标序列是轨迹预测任务的基准测试集。数据预处理关键步骤坐标归一化将所有轨迹坐标转换到相对坐标系序列分割按8帧观察12帧预测的标准划分样本社交关系构建基于空间距离确定行人间的交互关系def load_eth_dataset(data_path): 加载并预处理ETH数据集 raw_data pd.read_csv(data_path) # 坐标归一化 scene_min raw_data[[x, y]].min() scene_max raw_data[[x, y]].max() raw_data[x] (raw_data[x] - scene_min[x]) / (scene_max[x] - scene_min[x]) raw_data[y] (raw_data[y] - scene_min[y]) / (scene_max[y] - scene_min[y]) return raw_data注意实际应用中应考虑数据增强技术如随机旋转和平移以提高模型泛化能力。2. 模型架构设计Social LSTM的核心创新在于其社交池化层该层使模型能够捕捉行人之间的交互模式。我们将使用PyTorch实现这一复杂架构。2.1 基础LSTM模块首先构建标准的LSTM单元用于学习单个行人的运动模式import torch.nn as nn class TrajectoryLSTM(nn.Module): def __init__(self, input_dim2, embedding_dim64, hidden_dim128): super().__init__() self.embedding nn.Linear(input_dim, embedding_dim) self.lstm nn.LSTM(embedding_dim, hidden_dim, batch_firstTrue) def forward(self, x): embedded torch.relu(self.embedding(x)) output, (hidden, cell) self.lstm(embedded) return output, hidden, cell2.2 社交池化层实现社交池化层是Social LSTM区别于普通LSTM的关键组件它负责聚合邻近行人的隐藏状态class SocialPooling(nn.Module): def __init__(self, pool_size32, hidden_dim128): super().__init__() self.pool_size pool_size self.hidden_dim hidden_dim self.pool_embedding nn.Linear(pool_size*pool_size*hidden_dim, hidden_dim) def forward(self, hidden_states, positions, neighbor_masks): batch_size, num_peds hidden_states.size(0), hidden_states.size(1) # 初始化社交张量 social_tensor torch.zeros(batch_size, num_peds, self.pool_size, self.pool_size, self.hidden_dim).to(hidden_states.device) # 填充社交张量 for b in range(batch_size): for i in range(num_peds): for j in range(num_peds): if neighbor_masks[b,i,j] 1: # 是邻居 rel_pos positions[b,j] - positions[b,i] grid_x int((rel_pos[0] 1) * (self.pool_size - 1) / 2) grid_y int((rel_pos[1] 1) * (self.pool_size - 1) / 2) if 0 grid_x self.pool_size and 0 grid_y self.pool_size: social_tensor[b,i,grid_x,grid_y] hidden_states[b,j] # 嵌入聚合后的社交信息 social_tensor social_tensor.view(batch_size, num_peds, -1) social_embedded torch.relu(self.pool_embedding(social_tensor)) return social_embedded提示实际实现时可使用向量化操作替代循环显著提升计算效率。3. 完整Social LSTM实现将基础LSTM与社交池化层结合构建完整的Social LSTM模型class SocialLSTM(nn.Module): def __init__(self, args): super().__init__() self.args args self.traj_lstm TrajectoryLSTM() self.social_pooling SocialPooling() self.position_predictor nn.Linear(2*args.hidden_dim, 5) # 预测二元高斯参数 def forward(self, traj_batch): # 处理输入轨迹 obs_traj traj_batch[observed] batch_size, num_peds, seq_len, _ obs_traj.size() # 初始化隐藏状态 hidden_states torch.zeros(batch_size, num_peds, self.args.hidden_dim).to(obs_traj.device) # 处理观察序列 for t in range(seq_len): current_pos obs_traj[:,:,t,:] _, hiddens, _ self.traj_lstm(current_pos.unsqueeze(1)) hidden_states hiddens.squeeze(0) # 计算社交信息 neighbor_masks self._get_neighbor_masks(current_pos) social_embeddings self.social_pooling(hidden_states, current_pos, neighbor_masks) # 更新隐藏状态 combined torch.cat([hidden_states, social_embeddings], dim-1) hidden_states self.traj_lstm.lstm_cell(combined, hidden_states) # 预测未来轨迹 pred_traj [] last_pos obs_traj[:,:,-1,:] for _ in range(self.args.pred_len): # 预测下一步位置 gaussian_params self.position_predictor(hidden_states) next_pos self._sample_from_gaussian(gaussian_params) pred_traj.append(next_pos) # 更新状态 _, hiddens, _ self.traj_lstm(next_pos.unsqueeze(1)) hidden_states hiddens.squeeze(0) # 更新社交信息 neighbor_masks self._get_neighbor_masks(next_pos) social_embeddings self.social_pooling(hidden_states, next_pos, neighbor_masks) combined torch.cat([hidden_states, social_embeddings], dim-1) hidden_states self.traj_lstm.lstm_cell(combined, hidden_states) return torch.stack(pred_traj, dim2)4. 模型训练与优化Social LSTM的训练需要特别注意批处理策略和损失函数设计因为每个场景中的行人数量可能不同。4.1 自定义数据加载器from torch.utils.data import Dataset, DataLoader class TrajectoryDataset(Dataset): def __init__(self, data, obs_len8, pred_len12): self.data data self.obs_len obs_len self.pred_len pred_len def __len__(self): return len(self.data[scene_ids]) def __getitem__(self, idx): scene_id self.data[scene_ids][idx] frame_ids self.data[scene_frame_map][scene_id] num_peds len(self.data[scene_ped_map][scene_id]) # 提取轨迹序列 obs_traj torch.zeros(num_peds, self.obs_len, 2) pred_traj torch.zeros(num_peds, self.pred_len, 2) for i, ped_id in enumerate(self.data[scene_ped_map][scene_id]): full_traj self.data[trajectories][ped_id] obs_traj[i] torch.from_numpy(full_traj[:self.obs_len]) pred_traj[i] torch.from_numpy(full_traj[self.obs_len:self.obs_lenself.pred_len]) return { observed: obs_traj, predicted: pred_traj, scene_id: scene_id }4.2 训练循环实现def train(model, dataloader, optimizer, device): model.train() total_loss 0 for batch in dataloader: obs_traj batch[observed].to(device) pred_traj batch[predicted].to(device) # 前向传播 pred_output model(batch) # 计算负对数似然损失 loss gaussian_2d_loss(pred_output, pred_traj) # 反向传播 optimizer.zero_grad() loss.backward() optimizer.step() total_loss loss.item() return total_loss / len(dataloader) def gaussian_2d_loss(pred_params, true_pos): 计算二元高斯分布的负对数似然 mu_x pred_params[..., 0] mu_y pred_params[..., 1] sigma_x torch.exp(pred_params[..., 2]) sigma_y torch.exp(pred_params[..., 3]) rho torch.tanh(pred_params[..., 4]) x true_pos[..., 0] y true_pos[..., 1] z_x ((x - mu_x) / sigma_x)**2 z_y ((y - mu_y) / sigma_y)**2 z_xy (x - mu_x)*(y - mu_y)/(sigma_x*sigma_y) nll torch.log(2*np.pi*sigma_x*sigma_y*torch.sqrt(1-rho**2)) \ 1/(2*(1-rho**2)) * (z_x z_y - 2*rho*z_xy) return torch.mean(nll)5. 评估与结果分析训练完成后我们需要定量评估模型性能并与基线方法进行比较。使用三个标准指标平均位移误差(ADE)所有预测时间步位置误差的平均最终位移误差(FDE)预测终点与真实终点的距离非线性位移误差(NL-ADE)轨迹非线性区域的误差评估代码实现def evaluate(model, dataloader, device): model.eval() metrics {ade: 0, fde: 0, nl_ade: 0} with torch.no_grad(): for batch in dataloader: obs_traj batch[observed].to(device) pred_traj batch[predicted].to(device) pred_output model(batch) pred_pos pred_output[..., :2] # 取均值作为预测位置 # 计算各项指标 metrics[ade] torch.mean(torch.norm(pred_pos - pred_traj, dim-1)).item() metrics[fde] torch.mean(torch.norm(pred_pos[:,:,-1] - pred_traj[:,:,-1], dim-1)).item() # 识别非线性区域 is_nonlinear identify_nonlinear_regions(pred_traj) nl_ade torch.mean(torch.norm(pred_pos[is_nonlinear] - pred_traj[is_nonlinear], dim-1)) metrics[nl_ade] nl_ade.item() for k in metrics: metrics[k] / len(dataloader) return metrics典型训练结果对比模型ADE (m)FDE (m)NL-ADE (m)线性模型1.332.941.89普通LSTM0.982.121.42Social LSTM0.611.240.836. 实际应用与优化建议将训练好的Social LSTM模型部署到实际系统中时还需要考虑以下优化方向实时性优化使用TensorRT加速推理实现增量式预测避免每帧重新计算多模态预测同时生成多条可能轨迹为每条轨迹分配概率场景融合结合场景语义信息障碍物、出入口等考虑行人姿态和视线方向def predict_real_time(model, current_obs, past_statesNone): 实时预测接口 if past_states is None: past_states initialize_states() # 处理当前观测 processed_obs preprocess(current_obs) # 预测未来轨迹 with torch.no_grad(): pred_traj, new_states model(processed_obs, past_states) return pred_traj, new_states在实际机器人导航系统中集成Social LSTM时发现将预测模块与路径规划器松耦合比端到端方案更稳定。具体实现中我们维护一个预测结果缓存区每100ms更新一次预测而规划器则以更高频率(如10ms)重新规划路径。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2422964.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…