摘要
本发明公开了一种基于深度学习的行人轨迹预测方法，其特征在于：包括如下步骤：S1、接收输入数据并进行预处理；S2、使用图卷积网络GCN从所述输入数据中提取空间特征，卷积神经网络GCN通过邻接矩阵模拟行人之间的空间交互；S3、使用Transformer模型的编码器层从所述输入数据中提取时间特征，所述Transformer模型通过自注意力机制捕捉行人在时间维度上的依赖关系；S4、将所述空间特征和时间特征进行融合，得到时空特征，使用Transformer编码器提取时空融合特征；S5、将提取的时空融合特征加入噪声后送入到全连接层进行行人轨迹预测，输出行人未来的位置信息。该方法提升了预测精度和鲁棒性，适用于智能交通等领域。
