[发明专利]一种目标跟踪方法、装置及电子设备

说明书

本发明公开了一种目标跟踪方法、装置及电子设备，该方法包括：分别对FMCW激光雷达、视频相机采集的当前感知数据进行交通对象识别，获得尺寸小于尺寸阈值的目标对象；基于FMCW激光雷达的当前感知数据获取目标对象的目标速度、目标加速度、目标微多普勒特征以及目标位置，目标微多普勒特征包括躯干多普勒频率和多普勒信号的总带宽；基于视频相机的当前感知数据获取目标对象的图像类别；基于目标速度、目标加速度、目标微多普勒特征、目标位置以及图像类别构建匈牙利算法的代价矩阵；通过卡尔曼滤波算法和匈牙利算法对所述目标对象进行跟踪。上述技术方案通过重构代价矩阵，解决了现有技术中行人和/或非机动车跟踪准确性较差的技术问题。

技术领域

本发明涉及智慧交通技术领域，特别涉及一种目标跟踪方法、装置及电子设备。

背景技术

智慧交通中常用多传感融合来进行目标检测，包括将激光雷达和视频相机采集的数据进行融合后进行目标检测。现有技术中，无论在车端还是路端，激光雷达均使用TOF(Time of Flight，飞行时间)激光雷达和视频相机采集的数据作为深度学习模型的输入，对目标进行学习后识别。

基于TOF激光雷达和视频相机的目标跟踪方法对大目标物如车辆的检测效果比较好，对行人、非机动车等目标对象的跟踪效果欠佳，经常出现跟踪对象无故消失、同一跟踪对象前后ID不一致即ID跳变等问题。行人和非机动车是重要但易受伤害的道路使用者，尤其是在城市环境中，涉及行人、非机动车的交通事故通常会导致严重伤害或死亡，每年交通事故死亡人数中行人占比超过20％。为了减少此类伤亡，在路侧我们需要对行人、非机动车进行更为准确的跟踪，从而更为准确的进行预测和交通引导。

发明内容

本发明提供一种目标跟踪方法、装置及电子设备，用于解决现有技术中道路上行人和/或非机动车检跟踪准确性较低的技术问题。

第一方面，本发明提供一种目标跟踪方法，应用于路侧感知系统，所述路侧感知系统包括至少一组FMCW激光雷达和视频相机，所述FMCW激光雷达与所述视频相机设置于路侧且感知区域有重叠，所述方法包括：

分别对所述FMCW激光雷达、所述视频相机采集的当前感知数据进行交通对象识别，获得尺寸小于尺寸阈值的目标对象；

基于所述FMCW激光雷达的当前感知数据获取所述目标对象的目标速度、目标加速度、目标微多普勒特征以及目标位置，所述目标微多普勒特征包括躯干多普勒频率和多普勒信号的总带宽；

基于所述视频相机的当前感知数据获取所述目标对象的图像类别；

基于所述目标速度、所述目标加速度、所述目标微多普勒特征、目标位置以及所述图像类别构建匈牙利算法的代价矩阵；

通过卡尔曼滤波算法和所述匈牙利算法对所述目标对象进行跟踪。

可选的，目标微多普勒特征还包括：躯干多普勒带宽以及肢体运动周期。

可选的，基于所述目标速度、所述目标加速度、所述目标微多普勒特征、目标位置以及所述图像类别构建匈牙利算法的代价矩阵，包括：

基于所述目标速度、所述目标加速度以及所述目标位置计算所述目标对象预测值与检测值的马氏距离；

基于所述目标微多普勒特征和所述图像类别计算所述目标对象预测属性与检测属性之间的余弦距离；

基于所述马氏距离和所述余弦距离构建所述代价矩阵。

可选的，所述通过卡尔曼滤波算法和所述匈牙利算法对所述目标对象进行跟踪，包括：

基于所述当前感知数据之前的跟踪轨迹，通过卡尔曼滤波算法计算获得所述预测值和所述预测属性；

基于所述代价矩阵，通过所述匈牙利算法对所述目标对象和所述跟踪轨迹进行匹配，基于匹配结果进行跟踪。