| 1 |
1
복수 보행자의 보행 경로에 기초하여 상기 복수 보행자를 적어도 하나의 보행 그룹으로 분류하는 단계;상기 보행 그룹의 관계에 따른 제1 그래프 데이터, 각 보행 그룹 내 보행자의 관계에 따른 제2 그래프 데이터 및 상기 복수 보행자 전체의 관계에 따른 제3 그래프 데이터를 각각 생성하는 단계; 및상기 제1 내지 제3 그래프 데이터를 신경망 모델에 입력하여 상기 복수 보행자별 예상 경로를 생성하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 2 |
2
제1항에 있어서,상기 복수 보행자가 포함된 보행 영상을 수집하고, 상기 보행 영상에서 상기 복수 보행자의 보행 경로를 식별하는 단계를 더 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 3 |
3
제2항에 있어서,상기 복수 보행자의 보행 경로를 식별하는 단계는각 보행자의 위치를 프레임별로 탐지하여 상기 보행 경로를 식별하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 4 |
4
제1항에 있어서,상기 복수 보행자를 적어도 하나의 보행 그룹으로 분류하는 단계는상기 복수 보행자의 보행 경로 간의 거리에 기초하여 상기 복수 보행자를 적어도 하나의 보행 그룹으로 분류하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 5 |
5
제4항에 있어서,상기 복수 보행자를 적어도 하나의 보행 그룹으로 분류하는 단계는상기 복수 보행자의 보행 경로 간의 거리가 기준값 이하이면 상기 복수 보행자를 같은 그룹으로 분류하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 6 |
6
제1항에 있어서,상기 복수 보행자를 적어도 하나의 보행 그룹으로 분류하는 단계는상기 복수 보행자의 보행 경로를 그루핑 신경망에 입력하는 단계를 포함하고,상기 그루핑 신경망은 합성곱 레이어를 통해 상기 복수 보행자의 보행 경로에서 특징을 추출하고, 상기 추출된 특징 간의 거리가 상기 기준값 이하이면 상기 복수 보행자를 같은 보행 그룹으로 분류하는보행자 그룹화를 통한 경로 예측 방법
|
| 7 |
7
제6항에 있어서,상기 그루핑 신경망은 STE(Straight-Through Estimator)를 이용한 경사 하강법(gradient descent)을 통해 학습되는보행자 그룹화를 통한 경로 예측 방법
|
| 8 |
8
제6항에 있어서,상기 기준값은 상기 그루핑 신경망의 러너블(learnable) 파라미터인보행자 그룹화를 통한 경로 예측 방법
|
| 9 |
9
제1항에 있어서,상기 제1 그래프 데이터를 생성하는 단계는각 보행 그룹에 속한 보행자의 보행 경로를 풀링(pooling)하여 상기 각 보행 그룹의 대표 위치를 결정하고, 상기 대표 위치를 나타내는 노드(node)와 상기 보행 그룹별 대표 위치를 연결하는 엣지(edge)에 따라 상기 제1 그래프 데이터를 생성하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 10 |
10
제1항에 있어서,상기 제2 그래프 데이터를 생성하는 단계는상기 각 보행 그룹 내 보행자의 시간별 위치를 나타내는 노드와 상기 각 보행 그룹 내 보행자 간 위치를 연결하는 엣지에 따라 상기 제2 그래프 데이터를 생성하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 11 |
11
제1항에 있어서,상기 제3 그래프 데이터를 생성하는 단계는상기 복수 보행자의 시간별 위치를 나타내는 노드와, 상기 복수 보행자 간 위치를 연결하는 엣지에 따라 상기 제3 그래프 데이터를 생성하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 12 |
12
제1항에 있어서,상기 복수 보행자별 예상 경로를 생성하는 단계는파라미터를 공유하는 제1 내지 제3 그래프 기반 신경망에 상기 제1 내지 제3 그래프 데이터를 각각 입력하고, 상기 제1 내지 제3 그래프 기반 신경망의 출력을 통합(integration)하여 상기 복수 보행자별 예상 경로를 생성하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 13 |
13
제1항에 있어서,상기 복수 보행자별 예상 경로를 생성하는 단계는같은 보행 그룹에 속한 보행자의 예상 경로가 동일하도록 상기 제1 그래프 데이터에 대한 상기 신경망 모델의 출력을 언풀링(unpooling)하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 14 |
14
제1항에 있어서,상기 복수 보행자별 예상 경로를 생성하는 단계는상기 복수 보행자의 의도에 대응하는 잠재 벡터(latent vector)를 샘플링하고, 상기 잠재 벡터와 상기 제1 내지 제3 그래프 데이터를 상기 신경망 모델에 입력하여 상기 예상 경로를 생성하는 단계를 포함하는보행자 그룹화를 통한 경로 예측 방법
|
| 15 |
15
제14항에 있어서,상기 잠재 벡터를 샘플링하는 단계는같은 보행 그룹에 속한 보행자에 대해서는 동일한 잠재 벡터를 샘플링하는보행자 그룹화를 통한 경로 예측 방법
|
