自然驾驶环境下融合骨骼信息的行人过街意图预测方法

本发明涉及自然驾驶环境下融合骨骼信息的行人过街意图预测方法，属于行人行为预测领域。依据自然驾驶基础数据集，提取行人骨骼点数据，进行多源数据之间的目标匹配，用提取到的骨骼点数据建立判断行人过街意图的动、静态姿态特征。以基础数据集中标注的行人是否过街的记录作为因变量，训练XGBoost模型，应用机器学习可解释技术SHAP对各变量的重要度进行排序并提供全局解释，应用LIME对特定实例中各变量的影响效果给出局部解释，结合两种解释分析行人过街决策背后的影响机制。本发明中基于25个骨骼点数据生成的动、静态姿态特征具有明确的物理含义，能够对个体行为提供精准的描述，在模型构建阶段，通过机器学习模型的调优，保证了预测结果的准确性。