预测行人的过街意图是自动驾驶系统中的行人与车辆交互重要环节之一，目的在于提前预测出道路两侧行人的过街行为，作出减速或避让的决策。为了能够提升识别行人过街意图的准确性，受到前置归一化注意力机制的启发，提出了一种基于前置归一化注意力机制的行人过街意图预测模型，对行人不同模态特征进行提取并互补融合。该模型使用单模态特征增强模块(UFE)对单一模态进行关键特征提取，随后使用多模态特征交互模块(MFI)进行不同模态之间的特征融合。实验证明，在PIE和JAAD数据集上的准确率均达到91%,并且对模态信息的不同融合策略进行了广泛的消融实验，证明了其有效性，为自动驾驶系统提供更准确的行人过街意图预测。