随着时代发展和科技进步,互联网及其各类终端已成为人们生活中不可或缺的部分,各类传感器的普及使得社会中产生了大量运动物体位置数据,基于这些数据预测运动物体的运动轨迹在社交预测、自动驾驶等领域都有着极大的价值。本文主要研究行人轨迹预测问题,首先系统学习和分析了轨迹预测问题和现有的行人轨迹预测方法,然后基于生成对抗网络,提出了两种预测方法:(1)针对社会生成对抗网络行人交互特征简单且无法充分利用行人交互信息的问题,提出一种结合社会特征和注意力机制的行人轨迹预测模型,来对行人交互模式进行更有效的建模。采用生成对抗网络模型,通过设置三种社会特征丰富行人交互信息,通过注意力机制对同一场景中的行人进行影响力分配,使网络可以充分利用行人交互信息,提升模型准确性。(2)提出一种结合多目标追踪和场景信息的行人轨迹预测模型。通过多目标追踪从视频中提取行人的轨迹信息,同时利用场景信息和行人交互信息提升模型效果。采用生成对抗网络,通过视频获得场景图像,引入行人场景交互信息。设置社会注意力机制和场景注意力机制对行人轨迹信息向量进行权重分配,使网络可以充分利用场景信息和行人交互信息,提高模型准确度。