买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川华体照明科技股份有限公司

摘要：本申请提供一种基于雷视融合的道路目标识别方法及系统，首先提取雷视融合数据流的道路目标跟踪特征，基于所述道路目标跟踪特征精准识别出潜在风险目标，有效缩小了监控范围，通过获取参考潜在风险目标的跟踪状态路径数据，并与全局的道路目标跟踪特征相结合，进一步计算了各目标的潜在风险指数，该潜在风险指数不仅反映了目标的即时危险程度，还揭示了其异常行为趋势，最终基于潜在风险指数生成的道路目标识别数据，为交通管理部门提供了直观、量化的风险评估结果，有助于快速响应、科学调度，从而大幅提升道路交通的安全性和通行效率。由此，通过雷视融合技术和精细化的风险评估模型，实现了道路目标的高效、精准识别与风险评估。

主权项：1.一种基于雷视融合的道路目标识别方法，其特征在于，所述方法包括：获取雷视融合数据流的道路目标跟踪特征，所述雷视融合数据流的道路目标跟踪特征反映所述雷视融合数据流的内容表征；基于所述雷视融合数据流的道路目标跟踪特征，确定所述雷视融合数据流中的至少一个参考潜在风险目标；获取各个所述参考潜在风险目标的跟踪状态路径数据，基于各个所述参考潜在风险目标的跟踪状态路径数据和所述雷视融合数据流的道路目标跟踪特征，确定各个所述参考潜在风险目标的潜在风险指数，所述潜在风险指数反映所述参考潜在风险目标在所述雷视融合数据流中的异常行为趋势参数；基于各个所述参考潜在风险目标的潜在风险指数，确定所述雷视融合数据流的道路目标识别数据；所述基于所述雷视融合数据流的道路目标跟踪特征，确定所述雷视融合数据流中的至少一个参考潜在风险目标，包括：基于所述雷视融合数据流的道路目标跟踪特征，确定所述雷视融合数据流的道路事件标签信息，所述雷视融合数据流的道路事件标签信息反映所述雷视融合数据流的道路事件所对应的标签知识点信息；基于所述雷视融合数据流的道路目标跟踪特征和所述雷视融合数据流的道路事件标签信息，确定所述雷视融合数据流中的至少一个参考潜在风险目标；其中，所述基于所述雷视融合数据流的道路目标跟踪特征，确定所述雷视融合数据流的道路事件标签信息，包括：基于所述雷视融合数据流的道路目标跟踪特征，确定z个道路事件标签分别对应的置信度，所述z个道路事件标签中的第x个道路事件标签对应的置信度，反映所述雷视融合数据流匹配所述第x个道路事件标签的概率x不大于z；基于所述z个道路事件标签分别对应的置信度，从所述z个道路事件标签中选择所述置信度最大的y个道路事件标签，生成y个目标道路事件标签；基于所述y个目标道路事件标签分别对应的置信度，对所述y个目标道路事件标签分别对应的标签知识特征进行融合计算，生成全局标签知识特征，所述雷视融合数据流的道路事件标签信息包括所述全局标签知识特征；其中，所述雷视融合数据流的道路目标跟踪特征包括所述雷视融合数据流中的多个雷视融合数据段分别对应的特征矢量集合；所述基于所述雷视融合数据流的道路目标跟踪特征和所述雷视融合数据流的道路事件标签信息，确定所述雷视融合数据流中的至少一个参考潜在风险目标，包括：将所述雷视融合数据流中的各个所述雷视融合数据段对应的特征矢量集合，分别与所述雷视融合数据流的道路事件标签信息进行聚合，生成各个所述雷视融合数据段对应的聚合特征矢量集合；基于所述聚合特征矢量集合，确定所述雷视融合数据流中的至少一个参考潜在风险目标；所述雷视融合数据流的道路目标识别数据由道路目标识别网络确定，所述道路目标识别网络包括语义编码表示单元、风险目标估计单元和风险指数评估单元；所述语义编码表示单元用于获取所述雷视融合数据流的道路目标跟踪特征；所述风险目标估计单元用于基于所述雷视融合数据流的道路目标跟踪特征，确定所述雷视融合数据流中的至少一个参考潜在风险目标；所述风险指数评估单元用于确定各个所述参考潜在风险目标的潜在风险指数；所述方法还包括对所述道路目标识别网络进行网络参数学习的步骤，具体包括：利用所述语义编码表示单元获取模板雷视融合数据流的道路目标跟踪特征，所述模板雷视融合数据流的道路目标跟踪特征反映所述模板雷视融合数据流的内容表征；利用所述风险目标估计单元基于所述模板雷视融合数据流的道路目标跟踪特征，确定所述模板雷视融合数据流的估计潜在风险目标数据，所述估计潜在风险目标数据包括所述模板雷视融合数据流中的至少一个参考潜在风险目标；利用所述风险指数评估单元确定各个所述参考潜在风险目标的潜在风险指数，所述潜在风险指数反映所述参考潜在风险目标在所述模板雷视融合数据流中的异常行为趋势参数；基于各个所述参考潜在风险目标的潜在风险指数，确定所述模板雷视融合数据流的预测显著性潜在风险目标数据，所述预测显著性潜在风险目标数据包括：基于所述潜在风险指数从所述至少一个参考潜在风险目标中确定的至少一个显著性潜在风险目标；基于所述估计潜在风险目标数据和所述潜在风险目标先验数据，确定第一学习代价，所述第一学习代价表示所述风险目标估计单元的训练误差；基于所述预测显著性潜在风险目标数据和所述显著性潜在风险目标先验数据，确定第二学习代价，所述第二学习代价表示所述风险指数评估单元的训练误差；基于所述第一学习代价和所述第二学习代价，对所述道路目标识别网络进行网络参数学习；所述估计潜在风险目标数据包括所述模板雷视融合数据流中的各个雷视融合数据段分别对应的估计置信度信息，所述估计置信度信息包括所述雷视融合数据段相对于多个潜在风险目标的估计置信度；所述潜在风险目标先验数据包括所述模板雷视融合数据流中的各个雷视融合数据段分别对应的先验置信度信息，所述先验置信度信息包括所述雷视融合数据段相对于多个潜在风险目标的先验置信度；所述基于所述估计潜在风险目标数据和所述潜在风险目标先验数据，确定第一学习代价，包括：基于所述模板雷视融合数据流中的各个雷视融合数据段分别对应的估计置信度信息，以及所述模板雷视融合数据流中的各个雷视融合数据段分别对应的先验置信度信息，确定所述第一学习代价；其中，所述显著性潜在风险目标先验数据包括所述模板雷视融合数据流中的至少一个先验显著性潜在风险目标；所述基于所述预测显著性潜在风险目标数据和所述显著性潜在风险目标先验数据，确定第二学习代价，包括：基于所述模板雷视融合数据流中的各个所述参考潜在风险目标分别对应的潜在风险指数，以及各个所述参考潜在风险目标中的所述先验显著性潜在风险目标，确定所述第二学习代价；其中，所述道路目标识别网络还包括全连接输出单元，所述方法还包括：利用所述全连接输出单元基于所述模板雷视融合数据流的道路目标跟踪特征，确定所述模板雷视融合数据流的道路事件标签估计数据，所述模板雷视融合数据流的道路事件标签估计数据包括m个道路事件标签分别对应的估计置信度，所述m个道路事件标签中的第p个道路事件标签对应的估计置信度，反映所述模板雷视融合数据流匹配所述第p个道路事件标签的估计置信度，p不大于m；基于所述模板雷视融合数据流的道路事件标签估计数据，确定所述模板雷视融合数据流的道路事件标签信息，所述模板雷视融合数据流的道路事件标签信息反映所述模板雷视融合数据流的道路事件所对应的标签知识点信息，所述风险目标估计单元用于基于所述模板雷视融合数据流的道路目标跟踪特征和所述模板雷视融合数据流的道路事件标签信息，确定所述模板雷视融合数据流的估计潜在风险目标数据；基于所述道路事件标签估计数据和道路事件标签先验数据，确定第三学习代价，所述第三学习代价表示所述全连接输出单元的训练误差；所述基于所述第一学习代价和所述第二学习代价，对所述道路目标识别网络进行网络参数学习，包括：基于所述第一学习代价、所述第二学习代价和所述第三学习代价，对所述道路目标识别网络进行网络参数学习；所述道路事件标签先验数据包括所述m个道路事件标签分别对应的先验置信度，所述第p个道路事件标签对应的先验置信度，反映所述模板雷视融合数据流匹配所述第p个道路事件标签的先验置信度；所述基于所述道路事件标签估计数据和道路事件标签先验数据，确定第三学习代价，包括：基于所述m个道路事件标签分别对应的估计置信度，以及所述m个道路事件标签分别对应的先验置信度，确定所述第三学习代价。

全文数据：

权利要求：

百度查询： 四川华体照明科技股份有限公司 基于雷视融合的道路目标识别方法及系统