[发明专利]动态预测方法、系统及所适用的设备

权利要求书

1.一种动态预测方法，其特征在于，包括以下步骤：

获取当前帧图像；

基于所述当前帧图像确定包括待预测对象的待预测对象掩码矩阵以及包括参照对象的参照对象掩码矩阵；

基于所述待预测对象掩码矩阵和所述参照对象掩码矩阵之间的关系以及预设行为预测所述待预测对象的运动，其中，所述基于所述待预测对象掩码矩阵和所述参照对象掩码矩阵之间的关系以及预设行为预测所述待预测对象的运动的步骤包括：

以所述待预测对象掩码矩阵中待预测对象的位置为中心依据预设视野窗尺寸对所述参照对象掩码矩阵进行裁剪以获得经裁剪的参照对象掩码矩阵；

基于预先训练的第二卷积神经网络确定所述经裁剪的参照对象掩码矩阵所表示的参照对象对所述待预测对象的作用；

基于预设行为和所确定的作用预测所述待预测对象的运动。

2.根据权利要求1所述的动态预测方法，其特征在于，所述待预测对象掩码矩阵是基于所述待预测对象确定的，所述参照对象掩码矩阵是基于所述参照对象与所述待预测对象运动的关联关系或所述参照对象的种类确定的。

3.根据权利要求1所述的动态预测方法，其特征在于，所述基于所述当前帧图像确定包括待预测对象的待预测对象掩码矩阵以及包括参照对象的参照对象掩码矩阵的步骤包括：使用预先训练的第一卷积神经网络基于所述当前帧图像确定包括待预测对象的待预测对象掩码矩阵以及包括参照对象的参照对象掩码矩阵。

4.根据权利要求1所述的动态预测方法，其特征在于，还包括以下步骤：对所获得的经裁剪的参照对象掩码矩阵添加位置信息并基于预先训练的第二卷积神经网络确定所述经裁剪的参照对象掩码矩阵所表示的参照对象对所述待预测对象的作用。

5.根据权利要求1所述的动态预测方法，其特征在于，所述作用还包括预设的待预测对象自身的作用。

6.根据权利要求1所述的动态预测方法，其特征在于，还包括以下步骤：

从所述当前帧图像中提取时不变背景；

结合所提取的时不变背景和所预测的待预测对象的运动获得下一帧图像。

7.根据权利要求3所述的动态预测方法，其特征在于，还包括以下步骤：

基于预先训练的第三卷积神经网络从所述当前帧图像中提取时不变背景；

结合所提取的时不变背景和所预测的待预测对象的运动获得下一帧图像。

8.根据权利要求7所述的动态预测方法，其特征在于，所述第三卷积神经网络设置为卷积反卷积结构。

9.根据权利要求7所述的动态预测方法，其特征在于，所述第一卷积神经网络、所述第二卷积神经网络以及所述第三卷积神经网络是根据损失函数经统一训练获得的。

10.根据权利要求1所述的动态预测方法，其特征在于，所述当前帧图像是基于原始数据或具有先验知识的外部输入数据获得的。

11.一种动态预测系统，其特征在于，包括：

获取单元，用于获取当前帧图像；

对象检测单元，用于基于所述当前帧图像确定包括待预测对象的待预测对象掩码矩阵以及包括参照对象的参照对象掩码矩阵；

预测单元，用于基于所述待预测对象掩码矩阵和所述参照对象掩码矩阵之间的关系以及预设行为预测所述待预测对象的运动，其中，所述预测单元包括：

裁剪模块，用于以所述待预测对象掩码矩阵中待预测对象的位置为中心依据预设视野窗尺寸对所述参照对象掩码矩阵进行裁剪以获得经裁剪的参照对象掩码矩阵；

作用确定模块，用于基于预先训练的第二卷积神经网络确定所述经裁剪的参照对象掩码矩阵所表示的参照对象对所述待预测对象的作用；

预测模块，用于基于预设行为和所确定的作用预测所述待预测对象的运动。