据外媒报道，机器学习技术领先创新者美国西南研究院（Southwest Research Institute，SwRI）研发了一种运动预测系统，可以提升自动驾驶汽车的行人探测能力。该计算机视觉工具利用一种新型深度学习算法，通过实时观察生物力学运动，将盆腔区域的变化作为关键指标，以预测运动。

图片来源：西南研究院

SwRI高级研究分析师Samuel E. Slocum表示：“例如，如果一个行人正向西走，该系统能够预测此人是否会突然朝南走。随着自动驾驶汽车不断发展，该项研究提供了几个重要的安全功能，以帮助保护行人。”

最近发生的涉及自动驾驶汽车的交通事故，要求自动驾驶汽车提高对行人和其他移动物体的探测能力。虽然以前的技术可以跟踪和预测直线运动，但是不能预测突然的变化。

运动预测通常使用“光流”算法，基于横向运动来预测运动方向和速度。光流是计算机视觉的一种，将算法与摄像头匹配，以跟踪动态物体。然而，当人们朝着意想不到的方向移动时，光流法的准确性就会下降。

为了提高准确性，SwRI将光流法与时序卷积网络（TCN）和长短期记忆网络（LSTM）等其他深度学习法进行了比较。在测试了几种配置后，研究人员进行优化，产生了一种新型TCN，比竞争算法的表现更好，能够在毫秒内准确预测到突然发生的运动变化。

时序设计采用卷积神经网络来处理视频数据，而SwRI的创新方法优化了网络层的膨胀，在更高层次上学习并预测变化趋势。扩张卷积成为了存储和访问空间观测视频数据的结构。

当人类驾驶员驶近行人和骑自行车的人时，会利用经验和推理。SwRI的研究让自动驾驶系统的反应朝着更像人类驾驶员迈进了一小步。

该研究团队利用SwRI的无标记动作捕捉系统，该系统能够在运动科学中，自动进行生物力学分析。此外，该系统还利用摄像头视觉和感知算法，提供了有关运动学和关节运动的深刻见解。

该研究项目名为“从稀疏骨骼特征进行运动预测”，其应用包括人体性能、自动驾驶车辆和制造机器人等。此类算法可与各种基于摄像头的系统一起工作，而且数据集也可用于SwRI客户端。

SwRI的数据科学家组成协作团队，为多个行业解决问题。他们为机器学习系统设计的严格方法已经为甲烷自动检测、癌症肿瘤细胞、化学分析、交通危险，甚至遥远的外星行星等领域带来了创新。