基于第一视角视频对行人行为进行分析是近年来计算机视觉领域的一个研究热点,受到国内外研究学者的广泛关注,而运动预测作为行为分析中的一个重要任务,可以应用于自动驾驶、服务机器人导航等众多智能交通相关的领域中。本文的工作主要是在第一视角下,根据给定的视频片段,对视频中的目标行人的历史运动轨迹进行分析,从而预测其未来所处的位置。本文结合一维卷积神经网络和长短期记忆网络,提出了一个基于编解码结构的模型,对从视频帧中提取的行人位置和大小历史信息,相机自我运动信息进行建模学习。其中,相机自我运动的未来信息用于指导模型更好地预测行人未来的轨迹。采用长短期记忆网络对编码后的特征向量进行预测,然后对预测序列进行解码。为了评估所提出的预测模型的性能,依次在MOT16行人数据集、FPL行人数据集以及本文采集的FPP行人数据集上进行了测试,并与其他轨迹预测相关算法进行比较。测试结果表明,本文提出的这一第一视角下的行人轨迹预测模型在对行人未来的轨迹进行预测时具有较好的性能。本论文的创新性主要包括以下几方面:(1)针对第一视角下的行人轨迹预测问题,根据一维卷积神经网络可以提取一维序列中的特征以及长短期记忆网络可以处理时序序列的特性,提出了结合两种神经网络的模型,即CNN-LSTM行人轨迹预测模型。(2)在模型中加入相机自我运动的未来信息,同行人位置和大小的历史信息以及相机自我运动的历史信息一起作为关键因素,指导模型进行预测,以提高模型预测精度。(3)针对当前行人轨迹预测研究工作中第一视角数据集较少的问题,采集并标注了一个全新的第一视角下录制的行人数据集,为以后类似的研究工作提供了建模所需的学习数据。