(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111674705.8 (22)申请日 2021.12.31 (71)申请人 中智行 （苏州） 科技有限公司 地址 215100 江苏省苏州市相城区南天 成 路88号天成信息大厦601-B11工位(集 群登记) (72)发明人 栗向滨　张昆霭　刘亚辉　王劲　 (74)专利代理 机构 上海凯玛顿知识产权代理事 务所(普通 合伙) 31359 专利代理师 谈倩 (51)Int.Cl. G06V 20/56(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于多目标跟踪情况下的智能驾驶目 标重识别方法 (57)摘要 本发明公开了一种用于多目标跟踪情况下 的智能驾驶目标重识别方法， 包括以下内容： 设 定目标， 基于CenterNet， 设置三个平行的检测 头， 分别用于检测目标的热度图、 物体中心偏移 量和包围框面积； 所述的热度图设置响应系数， 响应系数由0至1， 其中目标与地面真实物体的中 心处重合， 则响应系数为1， 响应系数并随着热力 图位置与真实物体中心之间的距离长短呈指数 衰减； 本方法基于对同一个目标的重识别， 以解 决无人驾驶中不同视角、 不同画面中对多种类、 多目标的连续跟踪问题。 通过热度图、 物体中心 偏移量和包围框三要素的协同计算， 可以对指定 目标进行重识别， 以帮助智能驾驶模块做出更优 的驾驶方案 选择。 权利要求书2页 说明书4页 附图2页 CN 114511829 A 2022.05.17 CN 114511829 A 1.一种用于多目标跟踪情况 下的智能驾驶目标重识别方法， 其特 征在于， 包括以下: 目标： 所述的目标为可重识别的物体参照物； 基于CenterNet， 设置三个平行的检测头， 分别用于检测目标的热度图、 物体中心偏移 量和包围框面积； 所述的热度图设置响应系数， 响应系数由0至1， 其中目标与地面真实物体的中心处重 合， 则响应系数为 1， 响应系数并随着热力图位置与真实物体中心之 间的距离长 短呈指数衰 减； 所述的物体中心偏移量的作用为精确的定位目标位置与移动速度； 所述的包围框面积的作用为估算每 个目标的高度与宽度大小； 目标重识别方法中设有卷积层用于提取每一个位置的Re ‑ID特征， 设置训练集， 训练集 中的具有相同标识的所有对象实例均归为 一类， 并设置损失函数： 其中Lidentity代表损失值， Li(k)代表真实类别1 ‑0分类， k表示种类数； 总体训练函数如下： Ldetection＝Lheat+Lbox Ldetection表示检测的损失函数， Lheat表示热度图损失函数， Lbox表示包围框偏移量， w1和 w2是平衡这两个任务的可 学习参数值。 2.根据权利要求1所述的一种用于多目标跟踪情况下的智能驾驶目标重识别方法， 其 特征在于， 所述卷积层的内核数量 为128个。 3.根据权利要求1所述的一种用于多目标跟踪情况下的智能驾驶目标重识别方法， 其 特征在于， 所述的目标为可 连续标注属性的物体。 4.根据权利要求1所述的一种用于多目标跟踪情况下的智能驾驶目标重识别方法， 其 特征在于， 包括延时匹配机制， 所述的延时匹配机制包括以下步骤： S1、 计算目标的128维的目标 特性， 并保存在存 储器中； S2、 设置时间节点t1和t 2， 其中t2＞t1； S3、 当目标在t1时间内未 出现在视野中， 则暂停对该目标的重识别； S4、 当目标在t2时间内重新出现在视野中， 则根据物体 中心偏移量完成对目标的匹配， 并继续持续跟踪； S5、 当目标在t 2时间内未 出现在视野中， 则停止对该目标的重识别。 5.根据权利要求1所述的一种用于多目标跟踪情况下的智能驾驶目标重识别方法， 其 特征在于， w1和w2的数值由人为进行初始定义。 6.根据权利要求1所述的一种用于多目标跟踪情况下的智能驾驶目标重识别方法， 其 特征在于， 目标重识别方法中采用的卷积计算方式为可变性卷积计算方式。 7.根据权利要求1所述的一种用于多目标跟踪情况下的智能驾驶目标重识别方法， 其权　利　要　求　书 1/2 页 2 CN 114511829 A 2特征在于， 目标重识别方法中核心计算方式为ResNet ‑34。权　利　要　求　书 2/2 页 3 CN 114511829 A 3