当前,越来越多的机动车辆在方便了人们生活的同时,也使交通事故的发生量居高不下。因此,实时感知车辆周围的行人并准确预测其未来的运动轨迹对辅助驾驶以及自动驾驶都有着十分重要的意义。为此,本文分别设计了一种基于第一视角的行人轨迹预测算法和一种基于人体关节点的低头异常行为检测算法,使车辆能够在复杂的场景中更加准确地避开行人,提高道路行驶的安全性。本文的主要工作为:(1)提出了一种基于第一视角的行人轨迹预测算法。首先根据第一视角的场景特性,设计了相应算法提取所需的行人历史轨迹特征、场景特征及车辆显著的自我运动信息,帮助车辆更好地感知周围环境;其次将上述特征编码为相同长度的视觉张量,在轨迹生成器中,为了充分学习多种特征,在编码后的视觉张量中引入注意机制以避免时间序列算法的遗忘缺陷,进而建立对不同时间特征向量的不同关注度;最后,根据每个时刻解码器的状态,即具有注意机制的特征向量,使用LSTM解码器直接预测目标人物的未来轨迹。通过在公开数据集上测试,验证了本文算法的有效性。(2)为了检测低头这一异常行为,本文提出了一种快速有效的基于人体关节点的低头异常行为检测算法。首先设计了一种构造数据集的方法,在识别人体关节点的基础上,调整左右腕关节坐标达到模拟行人手持电子设备的姿态,解决了数据集缺少且需要大量标注的问题;其次,充分利用手臂与头部信息对上述关节点坐标加以分类识别,进而实现复杂环境中高效行人异常行为检测算法;最后实验验证了拟合数据集的有效性及在真实场景下该检测算法的准确性。