【技术实现步骤摘要】
本申请涉及目标关联，特别是涉及一种多相机目标关联方法、计算机设备和存储介质。
技术介绍
1、多相机目标关联(multi-camera object association)，是对多个相机检测到的目标进行关联。相比于单相机检测，多目标多相机关联更有挑战。一般来说，多相机目标关联可以分为两步：首先使用流行的单相机检测算法得到每个相机的检测结果，再运用关联方法将多个相机的检测结果联合起来，得到目标的信息。其中，由于多个相机的安装位置和视场角(field ofview，fov)等的不一样，因而即便多个相机检测到同一个目标，也无法直接认定为同一个目标，只能通过对检测目标进行测距，才能通过目标的属性(如位置、速度、大小等)使用关联算法如km(kuhn－munkras)算法来进行关联。
2、然而，通过上述方法进行目标关联，虽然可以将多相机检测的目标进行关联，但是还会存在一定的误差，在目标只是部分出现在相机的视野中的情况下，上述方法无法准确对该目标进行分类，并且目标属性的计算会受到相机本身以及相机的标定参数的影响，因而，该方法的后处理关联逻...
【技术保护点】
1.一种多相机目标关联方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述目标相似度检测模型是对基于注意力模块的孪生卷积神经网络进行训练得到的模型，该模型包括输出层、共享权重的第一分支模型和第二分支模型；所述孪生卷积神经网络包括第一卷积神经网络和第二卷积神经网络，训练好的所述第一卷积神经网络和所述第二卷积神经网络作为所述第一分支模型和所述第二分支模型，所述第一卷积神经网络和所述第二卷积神经网络中均添加有注意力模块。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
4.如权利要求2或3所述的方法，其...
【技术特征摘要】
1.一种多相机目标关联方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述目标相似度检测模型是对基于注意力模块的孪生卷积神经网络进行训练得到的模型，该模型包括输出层、共享权重的第一分支模型和第二分支模型；所述孪生卷积神经网络包括第一卷积神经网络和第二卷积神经网络，训练好的所述第一卷积神经网络和所述第二卷积神经网络作为所述第一分支模型和所述第二分支模型，所述第一卷积神经网络和所述第二卷积神经网络中均添加有注意力模块。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
4.如权利要求2或3所述的方法，其特征在于，根据目标相似度检测模型确定每一所述数据组包括的每对目标图像的相似度值，包括：
5.如权利要求4所述的方法，其特征在于，获取所述输出层输出的该对...
【专利技术属性】
技术研发人员：任金鹏，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。