[發(fā)明專利]一種對象關(guān)聯(lián)方法、裝置及電子設備

在審

• 申請?zhí)枺?/td>: 202110592975.8
• 申請日: 2021-05-28
• 公開（公告）號: CN113205072A
• 公開（公告）日: 2021-08-03
• 發(fā)明（設計）人: 鄔紫陽;羅兵華;劉曉東;楊濤;宋榮
• 申請（專利權(quán)）人: 上海高德威智能交通系統(tǒng)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京博思佳知識產(chǎn)權(quán)代理有限公司 11415
• 代理人: 郭思晨

1.一種對象關(guān)聯(lián)方法，其特征在于，所述方法包括：

獲取包含第一圖像和第二圖像的圖像幀序列；其中，所述第二圖像的采集時間早于所述第一圖像的采集時間；

獲取從第一圖像中識別出的目標對象的目標位置信息和目標特征信息；

獲取從第二圖像中識別出的跟蹤對象的歷史位置信息、歷史特征信息和歷史跟蹤信息，并基于每個跟蹤對象的歷史位置信息預測出該跟蹤對象在第一圖像中的預測位置信息；

將所述目標對象的目標位置信息、所述跟蹤對象的預測位置信息、歷史跟蹤信息、以及所述目標對象的目標特征信息和所述跟蹤對象的歷史特征信息輸入至已訓練的相似度預測模型，得到所述目標對象與所述跟蹤對象是否為同一目標。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標對象的個數(shù)為至少一個，所述跟蹤對象的個數(shù)為至少一個；

所述將所述目標對象的目標位置信息、所述跟蹤對象的預測位置信息、歷史跟蹤信息、以及所述目標對象的目標特征信息和所述跟蹤對象的歷史特征信息輸入至已訓練的相似度預測模型，得到所述目標對象與所述跟蹤對象是否為同一目標，包括：

將所述目標對象的目標位置信息、所述跟蹤對象的預測位置信息、歷史跟蹤信息、以及所述目標對象的目標特征信息和所述跟蹤對象的歷史特征信息輸入至已訓練的相似度預測模型；

所述相似度預測模型基于每一目標對象的目標位置信息和各個跟蹤對象的預測位置信息，確定用于表示每一目標對象和各個跟蹤對象之間的預測位置相似度的第一特征信息，以及，基于每一目標對象的目標特征信息和各個跟蹤對象的歷史特征信息，確定用于表示每一目標對象和各個跟蹤對象之間的特征相似度的第二特征信息，以及，對各跟蹤對象的歷史跟蹤信息進行卷積得到注意力概率掩膜；

所述相似度預測模型將每一目標對象和各個跟蹤對象之間的第一特征信息和第二特征信息進行融合，并將融合結(jié)果與所述注意力概率掩膜進行掩膜運算，得到每一目標對象和各個跟蹤對象之間的相似度；

所述相似度預測模型基于已訓練的相似度閾值，以及每一目標對象和各個跟蹤對象之間的相似度，確定并輸出每一目標對象與每一跟蹤對象是否為同一目標。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，將所述目標對象的目標特征信息和所述跟蹤對象的歷史特征信息輸入至已訓練的相似度預測模型，包括：

對所述跟蹤對象的歷史特征信息進行聚類得到聚類結(jié)果，所述聚類結(jié)果包括：至少一個特征類別、以及至少一個特征類別分別對應的聚類簇；每個聚類簇中的歷史特征信息與該聚類簇對應的特征類別匹配；

將目標對象的目標特征信息與至少一個聚類簇的聚類中心進行拼接，將拼接結(jié)果輸入至已訓練的相似度預測模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述目標對象的個數(shù)為m個，所述跟蹤對象的個數(shù)為n個，所述聚類簇個數(shù)為k個；

所述拼接結(jié)果通過(m*n)*k*2dims的張量表示；其中，m*n表示目標對象和跟蹤對象的匹配對數(shù)，k表示聚類簇個數(shù)，2dims表示特征信息的維度數(shù)；

所述基于每一目標對象的目標特征信息和各個跟蹤對象的歷史特征信息，確定用于表示每一目標對象和各個跟蹤對象之間的特征相似度的第二特征信息，包括：

在2dims對應的維度上對所述拼接結(jié)果進行卷積運算，得到第一張量，所述第一張量通過(m*n)*k*p表示，p表示卷積運算結(jié)果的維度數(shù)；

將第一張量中k對應的維度和p對應的維度上的元素進行交換，得到第二張量，第二張量通過(m*n)*p*k表示；

在k對應的維度上對所述第二張量進行卷積運算，將得到的結(jié)果確定為用于表示每一目標對象和各個跟蹤對象之間的特征相似度的第二特征信息。