目标速度确定方法、装置、设备、存储介质及车辆

技术领域

本公开涉及计算机技术领域，尤其涉及一种目标速度确定方法、装置、设备、存储介质及车辆。

背景技术

随着科技的进步，人们生活水平的提高，汽车的数量在不断增加，导致交通堵塞，道路拥挤。所以有些人为了便利选择非机动车出行或步行的方式。导致道路情况越来越复杂，在驾驶过程中会遇到骑行人或行人通行的情况，为保障骑行人或行人的安全，自动制动系统(Autonomous Emergency Braking，AEB)会根据行人或骑行人的速度及时调整自车速度，避免造成车祸，影响驾驶体验感。

通常情况下，车辆是根据滤波器来对行人或骑行人进行测速，然而针对一些特殊状态，例如行人或骑行人横穿马路、行人或骑行人切入画面等特殊状态，无法快速获取到目标的速度，进而无法为AEB系统的及时决策提供信息，无法保障骑行人或行人的安全。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种目标速度确定方法、装置、设备、存储介质及车辆，以保证骑行人或行人的安全，提高驾驶员的驾驶体验。

第一方面，本公开实施例提供一种目标速度确定方法，包括：

获取图像信息，所述图像信息包括已识别的目标、所述目标与自车的距离、以及所述目标的目标状态；

将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出所述目标速度，所述卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，所述目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度。

在一些实施例中，获取图像信息，包括：

获取图像信息中已识别的目标，所述目标包括行人和骑行人。

在一些实施例中，获取图像信息，包括：

获取图像信息中所述目标与自车的距离；

基于训练好的检测模型对所述图像信息进行检测，获取针对所述目标的目标检测框，所述目标检测框包括行人检测框或骑行人检测框；

基于所述目标检测框在所述图像信息中的像素坐标和像素高度，确定所述目标与自车的距离。

在一些实施例中，获取图像信息，包括：

获取图像信息中所述目标的目标状态；

基于训练好的检测模型对所述图像信息进行检测，获取针对所述目标的目标检测框，所述目标检测框包括行人检测框或骑行人检测框；

基于所述目标检测框在所述图像信息中的像素坐标，识别目标状态。

在一些实施例中，基于所述目标检测框在所述图像信息中的像素坐标和像素高度，确定所述目标与自车的距离，包括：

基于所述目标检测框在所述图像信息中的像素坐标，经过逆透视变换确定所述目标与自车的第一距离；

基于所述目标检测框在所述图像信息中的像素高度，根据小孔成像原理确定所述目标与自车的第二距离；

确定所述第一距离与所述第二距离中较小值为所述目标与自车的距离。

在一些实施例中，基于所述目标检测框在所述图像信息中的像素坐标，识别目标状态，包括：

基于训练好的检测模型对所述图像信息进行检测，获取针对所述目标之外的其他目标的其他检测框；

基于所述目标检测框和所述其他检测框在所述图像信息中的像素坐标，确定所述目标与所述其他目标的相对位置关系；

基于所述相对位置关系与状态的对应关系，识别目标状态。

在一些实施例中，所述目标状态至少包括以下几种之一：遮挡状态、切入状态、切出状态、道路中央状态、图像边缘状态、远距离状态、横穿状态、靠近车头状态。

在一些实施例中，将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出目标速度，包括：

当目标状态为切入状态或切出状态时，获取自车车速，根据所述距离和所述自车车速获取目标初始速度；

调整卡尔曼滤波器的速度差值，根据所述目标初始速度和所述速度差值，确定所述目标速度。

在一些实施例中，将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出目标速度，包括：

当目标状态为除切入状态和切出状态的其他状态时，选择与所述目标状态相对应的卡尔曼滤波器噪声；

基于所述距离、所述目标状态、以及与所述目标状态相对应的卡尔曼滤波器噪声，输出所述目标速度。

第二方面，本公开实施例提供一种目标速度确定装置，包括：

获取模块，用于获取图像信息，所述图像信息包括已识别的目标、所述目标与自车的距离、以及所述目标的目标状态；

输出模块，用于将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出所述目标速度，所述卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，所述目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度。

第三方面，本公开实施例提供一种电子设备，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。

第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现第一方面所述的方法。

第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现第一方面所述的方法。

第六方面，本公开实施例还提供了一种车辆，包括：如第二方面所述的目标速度确定装置；或者，如第三方面所述的电子设备；或者，如第四方面所述的计算机可读存储介质。

本公开实施例提供的目标速度确定方法、装置、设备、存储介质及车辆，通过将图像信息中目标与自车距离、目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出目标速度，提高了获取目标速度的效率，为AEB系统的及时决策提供信息，提高了目标速度确定方法的准确性，提高车辆行驶的安全性，保障了骑行人或行人的安全，提升驾驶体验。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的目标速度确定方法流程图；

图2为本公开实施例提供的目标速度确定方法流程图；

图3为本公开实施例提供的距离检测方法流程图；

图4为本公开实施例提供的目标状态识别方法流程图；

图5为本公开实施例提供的目标速度确定方法流程图；

图6为本公开实施例提供的目标速度确定装置的结构示意图；

图7为本公开实施例提供的电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

本公开实施例提供了一种目标速度确定方法，下面结合具体的实施例对该方法进行介绍。

图1为本公开实施例提供的目标速度确定方法流程图。该方法可以由目标速度确定装置执行，该目标速度确定装置可以采用软件和/或硬件的方式实现，该目标速度确定装置可配置于电子设备中，例如服务器或终端，其中，终端具体包括车机、车辆等。另外，该方法可以应用于确定目标速度的应用场景，例如，确定行人速度、确定骑行人速度等。可以理解的是，本公开实施例提供的目标速度确定方法还可以应用在其他场景中。下面对图1所示的目标速度确定方法进行介绍。该方法包括的具体步骤如下：

S101、获取图像信息，所述图像信息包括已识别的目标、所述目标与自车的距离、以及所述目标的目标状态。

自车上安装有车机和拍摄设备。车机和拍摄设备通过通信方式进行连接，该通信方式具体可以是有线、蓝牙、无线网络、光纤电缆等等，该拍摄设备包括雷达、摄像机等。

车机通过拍摄设备获取自车在行驶过程中实时采集的车辆周围环境的图像信息，具体可以是车辆前方120°范围内的环境图像信息，该图像信息包括已识别的目标、该目标与自车的距离、以及该目标的目标状态。

S102、将所述距离与所述目标状态输入卡尔曼滤波器，根据所述目标状态调整卡尔曼滤波器的收敛参数，输出所述目标速度，所述卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，所述目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度。

车机将上述图像信息中获取的目标与自车的距离、目标的目标状态输入卡尔曼滤波器，根据目标的不同目标状态选择不同的卡尔曼滤波器的收敛参数，该收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，输出目标速度，该目标速度包括目标相对于地面的绝对速度和目标相对于自车的相对速度。可以理解的是，因为行人或骑行人的速度较为均衡，因此目标速度与自车车速的速度差值会随本车速度增加而增加。

可选的，肉眼观察得到的数据越不准确，卡尔曼滤波器噪声越大。

本公开实施例通过将图像信息中目标与自车距离、目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出目标速度，提高了获取目标速度的效率，为AEB系统的及时决策提供信息，提高了目标速度确定方法的准确性，提高车辆行驶的安全性，保障了骑行人或行人的安全，提升驾驶体验。

图2为本公开实施例提供的目标速度确定方法流程图。该方法包括的具体步骤如下：

S201、获取图像信息。

自车上安装有车机和拍摄设备。车机和拍摄设备通过通信方式进行连接，该通信方式具体可以是有线、蓝牙、无线网络、光纤电缆等等，该拍摄设备包括雷达、摄像机等。

车机通过拍摄设备获取自车在行驶过程中实时采集的车辆周围环境的图像信息，具体可以是车辆前方120°范围内的环境图像信息。

S202、基于训练好的检测模型对所述图像信息进行检测，获取针对目标的目标检测框，所述目标包括行人或骑行人，所述目标检测框包括行人检测框或骑行人检测框。

目标可以是车辆前方图像采集范围内预设的目标，例如行人或骑行人。针对目标的目标检测框即图像信息中检测目标的包围框，其形状一般为矩形，在其他实施例中，也可以是其他形状，本实施例不做具体限定。

将行人的身高理想化，通过离散化行人的身高获取行人的身高模板，即身高应该是连续的，本实施例通过设定一个年龄段对应一个身高作为行人的身高模板进行检测训练，即将标注该身高模板的图像信息输入检测模型对检测模型进行训练，获取训练好的检测模型。

将骑行人的高度理想化，骑行人可以理解为推着或骑着非机动车或骑着两轮摩托车的人，即设定骑行人的高度为一个定值，将该定值作为骑行人的高度模板，将标注该高度模板的图像信息输入检测模型对检测模型进行训练，获取训练好的检测模型。

可以理解的是，可以构建多个检测模型分别进行训练，获取多个身高模板的图像信息和高度模板的图像信息作为图像样本集，根据该图像样本集对多个检测模型进行检测，从中选取检测效果最优的模型。

将上述图像信息输入训练好的检测模型，例如，该训练好的检测模型可以是卷积神经网络，得到检测模型的输出，即图像信息中针对目标的目标检测框。该目标包括行人或骑行人，该目标检测框包括行人检测框或骑行人检测框。行人检测框可以理解为图像信息中行人的最小外界矩形框，骑行人检测框可以理解为图像中骑行人的最小外界矩形框。可以理解的是，图像信息中可以包括多种不同的目标，每种目标的数量也可能并不唯一，因此图像信息中可能包括一个或多个目标检测框，本公开实施例仅以其中一个目标检测框为例进行从阐述说明。

S203、基于所述目标检测框在所述图像信息中的像素坐标和像素高度，确定所述目标与自车的距离。

目标检测框的像素坐标用于反映目标检测框在图像信息中的位置，即目标检测框上某一点或是目标检测框内部某一点对应的像素点在图像信息中的坐标位置。

可选的，可以以目标检测框对角线的交点对应的像素点在图像信息中的坐标位置作为目标检测框在图像信息中的像素坐标，可以理解的是，在其他实施例中，也可以选取目标检测框上或者目标检测框中其他点对应的像素点在图像信息中的坐标位置作为目标检测框在图像信息中的像素坐标，例如，可以选取的点可以是目标检测框底边的中点、目标检测框左边的中点、目标检测框左下角顶点、目标检测框右下角顶点等其他点。

像素高度指的是在图像或屏幕上代表一像素的物理距离。

车机根据目标检测框在上述图像信息中的像素坐标和像素高度，结合相机参数、自车位置，确定目标与自车的距离。

S204、基于所述目标检测框在所述图像信息中的像素坐标，识别目标状态。

车机根据目标检测框在上述图像信息中的像素坐标，识别目标状态。

具体的，车机获取事先标定的样本数据集，将该样本数据集输入运动状态模型进行训练，得到训练好的运动状态模型；车机根据目标检测框在上述图像信息中的像素坐标，通过训练好的运动状态模型获取目标的运动状态，从而确定目标状态。可以理解的是，车机也可以通过其他方式获取目标状态。

S205、将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出所述目标速度，所述卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，所述目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度。

卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。

车机将上述距离和上述目标状态输入卡尔曼滤波器，根据不同的目标状态选择不同的卡尔曼滤波器的收敛参数，输出目标速度，该卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，该目标速度包括目标相对于地面的绝对速度和目标相对于自车的相对速度。可以理解的是，因为行人或骑行人的速度较为均衡，因此目标速度与自车车速的速度差值会随本车速度增加而增加。

可选的，肉眼观察得到的数据越不准确，卡尔曼滤波器噪声越大。

本公开实施例获取图像信息；根据训练好的检测模型对该图像信息进行检测，获取针对目标的目标检测框，该目标包括行人或骑行人，该目标检测框包括行人检测框或骑行人检测框，为后续目标与自车距离的确定和识别目标状态奠定了数据基础；根据目标检测框在图像信息中的像素坐标和像素高度，确定目标与自车的距离，为后续目标速度的输出提供数据基础；根据目标检测框在图像信息中的像素坐标，通过运动状态模型识别目标状态，为后续目标速度的输出提供数据基础；将该距离与该目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出目标速度，该卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，该目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度，明确了目标速度，便于AEB系统根据目标速度及时调整自车车速，适用范围广且容易实现，提高了目标速度确定方法的准确性，同时为AEB系统提供可靠的速度数据，便于AEB系统的及时决策，提高了车辆行驶的安全性，保障了骑行人或行人的安全，提升了驾驶体验。

图3为本公开实施例提供的距离确定方法流程图，如图2所示，该方法包括的具体步骤如下：

S301、获取图像信息。

具体的，S301和S201的实现过程和原理一致，此处不再赘述。

S302、基于训练好的检测模型对所述图像信息进行检测，获取针对目标的目标检测框，所述目标包括行人或骑行人，所述目标检测框包括行人检测框或骑行人检测框。

具体的，S302和S202的实现过程和原理一致，此处不再赘述。

S303、基于所述目标检测框在所述图像信息中的像素坐标，经过逆透视变换确定所述目标与自车的第一距离。

逆透视变换是透视变换的逆过程，主要是结合相机参数，将图像信息中某一点从图像坐标系映射到世界坐标系或是以自车为原点的坐标系，从而消除透视影响对图像检测和识别任务的干扰和误差。

相机标定参数包括相机的内参与外参，内参包括相机的焦距、相机像素大小等，外参包括相机的位置、俯仰角等。

车机根据相机标定参数，确定目标检测框的逆透视变换矩阵；根据逆透视变换矩阵，对目标检测框在图像信息中的像素坐标采用逆透视变换，获取图像坐标系与世界坐标系或是车辆坐标系(即以自车为原点的坐标系)之间的对应关系，将图像坐标系中目标检测框的像素坐标在世界坐标系或车辆坐标系中进行一一对应，得到图像坐标系中目标检测框像素坐标对应在世界坐标系或车辆坐标系下目标检测框的位置，根据目标在车辆坐标系的位置，结合自车的位置信息，可以计算得出目标距自车的第一距离。

S304、基于所述目标检测框在所述图像信息中的像素高度，根据小孔成像原理确定所述目标与自车的第二距离。

通过视觉传感器获取检测目标的在真实世界中的高度数据，并对高度数据进行卡尔曼滤波，获得检测目标在真实世界中的高度。同时检测该检测目标对应的初始检测框在原始图像中的像素高度，基于检测目标的初始检测框在原始图像中的像素高度、检测目标在真实世界中的高度以及相机的焦距，根据小孔成像原理确定检测目标距自车的第二距离。

S305、确定所述第一距离与所述第二距离中较小值为所述目标与自车的距离。

车机根据上述S303获取的第二距离和S304获取的第二距离，确定第一距离与第二距离中的较小值为目标距自车的距离，可以理解的是，由于上述步骤中采用了两种不同的测距方法，获取的第一距离和第二距离可能不同，也可以能相同，当第一距离和第二距离不同时，选取第一距离和第二距离中距离较小的值作为目标与自车的距离，当第一距离和第二距离相同时，选取第一距离和第二距离中任意一个值作为目标与自车的距离，来充分保证自车的行车安全。

本公开实施例通过不同的方法对目标相对于自车的距离进行检测，选择不同测距结果中较小值作为目标与自车的距离，避免了由于测距系统的误差或是环境的影响造成检测结果不稳定，为后续目标速度的确定提供了更加准确的数据，提高了车辆行驶的安全性。

图4为本公开实施例提供的目标状态识别方法流程图，如图4所示，该方法包括的具体步骤如下：

S401、获取图像信息。

具体的，S401和S201的实现过程和原理一致，此处不再赘述。

S402、基于训练好的检测模型对所述图像信息进行检测，获取针对目标的目标检测框，所述目标包括行人或骑行人，所述目标检测框包括行人检测框或骑行人检测框。

具体的，S402和S202的实现过程和原理一致，此处不再赘述。

S403、基于训练好的检测模型对所述图像信息进行检测，获取针对所述目标之外的其他目标的其他检测框。

车机将图像信息输入训练好的检测模型，训练好的检测模型可以识别图像信息中的上述目标之外的其他目标，即除行人、骑行人之外的目标，例如栅栏、其他车辆等，并将上述目标之外的其他目标赋予其他检测框。

S404、基于所述目标检测框和所述其他检测框在所述图像信息中的像素坐标，确定所述目标与所述物体以及所述目标与所述自车之间的相对位置关系。

车机在获得目标检测框以及其他检测框之后，可以基于目标检测框和其他检测框在图像信息中的像素坐标，确定目标与物体以及目标与车辆之间的相对位置关系。

可选的，车机在获得目标检测框以及其他检测框之后，可以基于目标检测框和其他检测框在图像信息中的像素坐标，确定该目标检测框和其他检测框在图像信息中的尺寸，将该目标检测框和其他检测框的尺寸进行对比，确定目标与物体的相对位置关系，该相对位置关系包括目标的位置在其他骑行人之后、目标的位置在栅栏之后、目标的位置在其他车辆之后、目标的位置是否在车道内。

可选的，车机在获得目标检测框以及其他检测框之后，可以基于目标检测框和其他检测框在图像信息中的像素坐标，根据目标检测框在图像信息中的像素坐标投影变换到自车的车辆坐标系下，得到目标检测框在车辆坐标系下的投影坐标；根据目标检测框在车辆坐标系下的投影坐标，确定目标与车辆之间的相对位置关系，该相对位置关系包括目标靠近自车的车头、目标在自车远距离处。

可选的，车机在获得目标检测框以及其他检测框之后，可以基于目标检测框和其他检测框在图像信息中的像素坐标，根据目标检测框在图像信息中的像素坐标，确定目标检测框的左边界与图像信息左边缘的左距离、以及目标检测框的右边界与道路图像右边缘的右距离；若该左距离或右距离小于预设距离阈值，则确定该目标检测框处于所述道路图像的边缘，确定目标状态为图像边缘状态。

可选的，基于图像信息和历史图像信息，确定目标的行走方向；若行走方向与自车行驶方向的夹角在0到180度之间，则确定目标的行走方向与自车的行驶方向相交；根据目标的行走方向与自车的行驶方向相交，则确定目标的状态为切入状态。

S405、基于所述相对位置关系与状态的对应关系，识别目标状态。

车机中存储有相对位置关系与目标状态的对应关系。车机在获得目标与物体以及目标与自车之间的相对位置关系之后，可以基于相对位置关系与目标状态的对应关系，确定相对位置关系对应的目标状态。例如，当目标的位置在某物体之后时，可以确定目标的状态为该目标被该物体遮挡等。

可选的，所述目标状态至少包括以下几种之一：遮挡状态、切入状态、切出状态、道路中央状态、图像边缘状态、远距离状态、横穿状态、靠近车头状态。

本公开实施例通过具体描述识别目标状态的种类，提高了目标状态识别的准确性，可以为自动制动系统提供更多的目标状态信息，提高了车辆行驶的安全性。

图5为本公开实施例提供的目标速度确定方法流程图，如图5所示，该方法包括的具体步骤如下：

S501、获取图像信息。

具体的，S501和S201的实现过程和原理一致，此处不再赘述。

S502、基于训练好的检测模型对所述图像信息进行检测，获取针对目标的目标检测框，所述目标包括行人或骑行人，所述目标检测框包括行人检测框或骑行人检测框。

具体的，S502和S202的实现过程和原理一致，此处不再赘述。

S503、基于所述目标检测框在所述图像信息中的像素坐标和像素高度，确定所述目标与自车的距离。

具体的，S503和S203的实现过程和原理一致，此处不再赘述。

S504、基于所述目标检测框在所述图像信息中的像素坐标，识别目标状态。

车机根据目标检测框在上述图像信息中的像素坐标，识别目标状态。

具体的，车机获取事先标定的样本数据集，将该样本数据集输入运动状态模型进行训练，得到训练好的运动状态模型；车机根据目标检测框在上述图像信息中的像素坐标，通过训练好的运动状态模型获取目标的运动状态，从而确定目标状态。可以理解的是，车机也可以通过其他方式获取目标状态。

可选的，所述目标状态至少包括以下几种之一：遮挡状态、切入状态、切出状态、道路中央状态、图像边缘状态、远距离状态、横穿状态、靠近车头状态。

S505、当目标状态为切入状态或切出状态时，获取自车车速，根据所述距离和所述自车车速获取目标初始速度。

当目标状态为切入状态时，认为当前目标车速大于自车车速，对自车速度进行收敛，获取自车速度，根据任意两帧图像信息中目标与自车的距离以及该任意两帧图像信息的时间差，确定目标速度与自车速度的速度差值，将自车速度与该速度差值相加，得到目标初始速度，该目标初始速度会随自车速度增加而增加。

当目标状态为切出状态时，认为当前目标车速小于自车车速，对自车速度进行收敛，获取自车速度，根据任意两帧图像信息中目标与自车的距离以及该任意两帧图像信息的时间差，确定目标速度与自车速度的速度差值，将自车速度与该速度差值相减，得到目标初始速度，该目标初始速度会随自车速度增加而增加。

S506、调整卡尔曼滤波器的速度差值，根据所述目标初始速度和所述速度差值，确定所述目标速度。

卡尔曼滤波器滤波前，需要先预初始化卡尔曼滤波器，目的是为了加快滤波器测速的收敛，具体初始化滤波器的函数可以是LineLeastForLateralSpeed函数。

将上述目标初始速度和速度差值输入卡尔曼滤波器，调整卡尔曼滤波器的速度差值，确定目标速度。可以理解的是，输出的目标速度可以是目标相对于地面的绝对速度和目标相对于自车的相对速度；也可以是输出目标相对于地面的绝对速度，根据该绝对速度和自车速度，求得目标相对于自车的相对速度；还可以是输出目标相对于自车的相对速度，根据该相对速度和自车车速，求得目标相对于地面的绝对速度。

具体的，使用加权最小二乘法拟合目标观测前8～16帧的视频图像采集摘要比对器(VideoComparison Summary，VCS)距离，得到近似的VCS速度。拟合点最少为8帧，最多为16帧，如果8～16帧中自相关系数高于0.6，则停止拟合，并使用拟合的VCS速度重置卡尔曼滤波器纵向速度。

卡尔曼主滤波器的状态量X为四维，其中，V

卡尔曼滤波器状态转移方程F为：

卡尔曼滤波器的观测量Z为两维度，分别为检测框的高度h和底边中点在图像域中的x坐标，观测方程为：

\begin{gathered}Z

＝\left[\begin{array}{c}img_{-}h\\cb.x\end{array}\right]\\img_{-}h

＝\frac{H*{foval_{-}v}}{P_{x}}\\cb.x

＝center_{-}x-\frac{P_{y}*{foval_{-}u}}{P_{x}}\end{gathered}

其中Px为状态量中X坐标，Py为状态量的Y坐标，center_x是相机消失点在图像域中的X坐标。

行人加速度卡尔曼滤波器的状态量X为四维向量，分别是X方向加速度、X方向速度、Y方向加速度、Y方向速度：

状态转移方程F为：

卡尔曼滤波器的观测向量Z为2维向量，分别为X方向速度、Y方向速度：

S507、当目标状态为除切入状态和切出状态的其他状态时，选择与所述目标状态相对应的卡尔曼滤波器噪声。

当目标状态为除切入状态和切出状态的其他状态时，即目标状态为道路中央状态、图像边缘状态、远距离状态、横穿状态、靠近车头状态时，选择与该目标状态相对应的卡尔曼滤波器噪声。

S508、基于所述距离、所述目标状态、以及与所述目标状态相对应的卡尔曼滤波器噪声，输出所述目标速度。

将上述距离、目标状态输入卡尔曼滤波器，选择与上述目标状态相对应的卡尔曼滤波器噪声，输出该目标速度，可以理解的是，人为观测越不准确或图像信息中目标被遮挡的程度越大，卡尔曼噪声越大。

具体的，使用加权最小二乘法拟合目标观测前8～16帧的视频图像采集摘要比对器(VideoComparison Summary，VCS)距离，得到近似的VCS速度。拟合点最少为8帧，最多为16帧，如果8～16帧中自相关系数高于0.6，则停止拟合，并使用拟合的VCS速度重置卡尔曼滤波器纵向速度。

卡尔曼主滤波器的状态量X为四维，V

卡尔曼滤波器状态转移方程F为：

卡尔曼滤波器的观测量Z为两维度，分别为检测框的高度h和底边中点在图像域中的x坐标，观测方程为：

\begin{gathered}Z

＝\left[\begin{array}{c}img_{-}h\\cb.x\end{array}\right]\\img_{-}h

＝\frac{H*{foval_{-}v}}{P_{x}}\\cb.x

＝center_{-}x-\frac{P_{y}*{foval_{-}u}}{P_{x}}\end{gathered}

其中Px为状态量中X坐标，Py为状态量的Y坐标，center_x是相机消失点在图像域中的X坐标。

行人加速度卡尔曼滤波器的状态量X为四维向量，分别是X方向加速度、X方向速度、Y方向加速度、Y方向速度：

状态转移方程F为：

卡尔曼滤波器的观测向量Z为2维向量，分别为X方向速度、Y方向速度：

本公开实施例通过具体描述将目标与自车的距离、目标状态输入卡尔曼滤波器，输出目标速度，具体陈述目标的各个状态下的速度，提高了目标速度确定方法的适用范围，提高了车辆行驶的安全性。

图6为本公开实施例提供的目标速度确定装置的结构示意图。该目标速度确定装置可以是如上实施例所述的车机，或者该目标速度确定装置可以该车机中的部件或组件。本公开实施例提供的目标速度确定装置可以执行目标速度确定方法实施例提供的处理流程，如图6所示，目标速度确定装置60包括：获取模块61、输出模块62；其中，获取模块61，用于获取图像信息，所述图像信息包括已识别的目标、所述目标与自车的距离、以及所述目标的目标状态；输出模块62，用于将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出所述目标速度，所述卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，所述目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度。

可选的，获取模块61，还用于获取图像信息中已识别的目标，所述目标包括行人和骑行人。

可选的，获取模块61，还用于获取图像信息中所述目标与自车的距离；基于训练好的检测模型对所述图像信息进行检测，获取针对所述目标的目标检测框，所述目标检测框包括行人检测框或骑行人检测框；基于所述目标检测框在所述图像信息中的像素坐标和像素高度，确定所述目标与自车的距离。

可选的，获取模块61，还用于获取图像信息中所述目标的目标状态；基于所述目标检测框在所述图像信息中的像素坐标，识别目标状态。

可选的，获取模块61，还用于基于所述目标检测框在所述图像信息中的像素坐标，经过逆透视变换确定所述目标与自车的第一距离；基于所述目标检测框在所述图像信息中的像素高度，根据小孔成像原理确定所述目标与自车的第二距离；确定所述第一距离与所述第二距离中较小值为所述目标与自车的距离。

可选的，获取模块61，还用于基于训练好的检测模型对所述图像信息进行检测，获取针对所述目标之外的其他目标的其他检测框；基于所述目标检测框和所述其他检测框在所述图像信息中的像素坐标，确定所述目标与所述其他目标的相对位置关系；基于所述相对位置关系与状态的对应关系，识别目标状态。

可选的，所述目标状态至少包括以下几种之一：遮挡状态、切入状态、切出状态、道路中央状态、图像边缘状态、远距离状态、横穿状态、靠近车头状态。

可选的，输出模块62，还用于当目标状态为切入状态或切出状态时，获取自车车速，根据所述距离和所述自车车速获取目标初始速度；调整卡尔曼滤波器的速度差值，根据所述目标初始速度和所述速度差值，确定所述目标速度。

可选的，输出模块62，还用于当目标状态为除切入状态和切出状态的其他状态时，选择与所述目标状态相对应的卡尔曼滤波器噪声；状态相对应的卡尔曼滤波器噪声，输出所述目标速度。

图6所示实施例的目标速度确定装置可用于执行上述目标速度确定方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图7为本公开实施例提供的电子设备的结构示意图。该电子设备可以是如上实施例所述的终端。本公开实施例提供的电子设备可以执行目标速度确定方法实施例提供的处理流程，如图7所示，电子设备70包括：存储器71、处理器72、计算机程序和通讯接口73；其中，计算机程序存储在存储器71中，并被配置为由处理器72执行如上所述的目标速度确定方法。

另外，本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现上述实施例所述的目标速度确定方法。

此外，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如上所述的目标速度确定方法。

另外，本公开实施例还提供了一种车辆，该车辆包括如上述实施例所述的目标速度确定装置；或者如上述实施例所述的电子设备；或者如上述实施例所述的计算机可读存储介质。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

获取图像信息，所述图像信息包括已识别的目标、所述目标与自车的距离、以及所述目标的目标状态；

将所述距离与所述目标状态输入卡尔曼滤波器，根据目标状态调整卡尔曼滤波器的收敛参数，输出所述目标速度，所述卡尔曼滤波器的收敛参数包括目标速度与自车车速的速度差值、卡尔曼滤波噪声，所述目标速度包括所述目标相对于地面的绝对速度和所述目标相对于自车的相对速度。

另外，该电子设备还可以执行如上所述的目标速度确定方法中的其他步骤。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。