ﭘﯿﺶبيني ﻣﺴﯿﺮ ﺣﺮﮐﺖ ﺍﻧﺴﺎﻥ ﻫﺎ ﺑﺎ ﮐﺪﮔﺬﺍﺭﯼ ﺻﺤﻨﻪ فيزيكي ﺑﺎ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ شبكه ﻫﺎﯼ ﻋﺼﺒﯽ ﻋﻤﯿﻖ

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

امروزه موضوع پيش‌بيني مسير حركت انسان‌ها در محيط‌هاي مختلف و به طور مشخص محيط‌هاي شلوغ به يك مسئله حياتي براي سامانه‌هاي متحرك خودراني‌‌ (اتومبيل‌هاي خودران و ربات‌هاي اجتماعي) كه مي‌خواهند در محيط‌هاي انسان محور حركت كنند، كاربرد‌هاي امنيتي و همچنين نظارتي تبديل شده است. اين مسئله، به علت وجود تعاملات اجتماعي غيرمستقيم و نانوشته‌ي بين انسان‌ها و تعاملات فيزيكي آن‌ها با اجسام موجود در محيط، پيچيدگي‌هاي خاص خود را دارد. اين تعاملات، همگي از پيوستگي و آينده‌نگري عابرين پياده در تعيين مسير حركت آينده نشات مي‌گيرند، بنابراين به نظر مي‌رسد پيش‌بيني تعاملات مكاني و زماني، براي جلوگيري از برخورد و تصادف عابرين پياده امري حياتي است. با اين حال، بسياري از روش‌هايي كه تا كنون ارائه‌شده‌اند تعاملات زماني بين عابرين پياده موجود در صحنه را ناديده گرفته‌اند. براي پرداختن به اين چالش‌ ها، در اين پايان‌نامه ساختاري تحت عنوان ﮐﺪﮔﺬﺍﺭﯼ ﺻﺤﻨﻪ فيزيكي پيشنهاد مي‌شود. اين ساختار يك رويكرد تركيبي مبتني بر شبكه‌ي توجه گراف و شبكه‌هاي عصبي كانولوشنال براي پيش‌بيني مسير حركت انسان‌ها ارائه مي‌كند. شبكه‌ي پيشنهادي مبتني بر يك معماري توالي به توالي seq2seq مي باشد كه از دو قسمت كلي رمزگذار و رمزگشا تشكيل شده است. در روش پيشنهادي از ساختاري مركب، شامل دو شبكه‌ي GAT و CNN براي استخراج تعاملات مكاني و از يك لايه‌ي اضافي LSTM براي استخراج تعاملات زماني استفاده شده‌است. براي ارزيابي اثربخشي رويكرد ارائه‌شده، آزمايش‌هاي گسترده‌اي روي مجموعه داده‌هاي ETH و UCY، كه جزو رايج ترين مجموعه داده‌ها در اين حوزه هستند، انجام شده‌است. ارزيابي بر اساس معيارهاي پركاربرد ميانگين خطاي جابه‌جايي ADE و خطاي جابه‌جايي نهايي FDE انجام شده‌است. نتايج نشان دهنده‌ي آن است كه ميانگين خطا ADE و FDE براي رويكرد پيشنهادي اين پايان‌نامه به ترتيب0.42 و 1.02 مي‌باشد كه در مقايسه با STGATكه مقدار 0.54 و 1.10 را ثبت كرده، منجر به بهبود قابل توجهي شده است. نتايج به‌دست‌آمده نشانگر برتري رويكرد پيشنهادي نسبت به روش‌هاي سرآمدي كه پيش‌تر ارائه شده‌اند، مي‌باشد.

231069

هوش مصنوعي

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان