CN109686031A - 基于安防的识别跟随方法 - Google Patents

Abstract

本发明提供了一种基于安防的识别跟随方法，包括：获取环境感知数据并进行处理，生成图像信息；将人脸特征和预存的嫌疑图像库进行匹配后确定跟随目标；当为固定跟随时，根据图像信息，生成控制信号；将控制信号发送给云台上的电机控制器，以使电机控制器根据控制信号控制电机的转速，并带动云台上的采集装置进行转动；当采集装置转动后，根据跟随路径，进行跟随；当为随机跟随时，根据图像信息和地图数据，预测跟随目标的轨迹，计算车辆与跟随目标的时间差值；当时间差值不大于预设的时间阈值时，根据实时的环境感知数据和跟随目标的轨迹，对跟随目标进行跟随。由此，利用了环境感知数据，又达到了安防效果。

Description

基于安防的识别跟随方法

技术领域

本发明涉及安防技术领域，尤其涉及一种基于安防的识别跟随方法。

背景技术

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。

现有技术中，为了进行安防，往往通过布置摄像头，通过摄像头采集的数据，进行人脸识别，从而识别出异常人员。但这种方式往往存在着耗资巨大、监控有死角等缺陷。

无人驾驶设备是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能设备。它可以利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

现有的无人驾驶车辆在行走过程中，会产生大量的数据，这些数据仅仅用做无人驾驶车辆性能的评估，却没有其他的用途。

因此，如何开发出一种合理的模式，既能利用无人驾驶设备的数据，又能节省城市安防的耗资，而且在将两者结合起来时，还可以智能的生成跟随的模式，是亟待解决的问题。

发明内容

本发明实施例的目的是提供一种数据处理方法，以解决现有技术中存在的问题。

为解决上述问题，本发明提供了一种基于安防的识别跟随方法，所述方法包括：

获取采集装置采集的车辆周围的环境感知数据；

对所述环境感知数据进行处理，生成图像信息；

对所述图像信息进行处理，提取人脸特征；

将所述人脸特征和预存的嫌疑图像库进行匹配；

当匹配成功时，确定所述人脸特征对应的图像信息中的人脸为跟随目标；

获取车辆的位置信息和所述位置信息对应的地图数据；

根据所述地图数据，确定跟随模式选择信息为固定跟随或者随机跟随中的一种；

当所述跟随模式选择信息为固定跟随时，根据所述图像信息，确定所述跟随目标的位置信息；

根据所述跟随目标的位置信息、所述车辆的位置信息、所述地图数据和所述环境感知数据，生成跟随路径；

根据所述图像信息，计算所述车辆与所述跟随目标的距离；

当所述距离不大于预设的距离阈值时，根据所述跟随路径和所述车辆的位置信息，计算所述车辆与所述跟随目标的角度信息；

根据所述角度信息和所述车辆当前的转向信息、速度信息，生成控制信号；

将所述控制信号发送给所述云台上的电机控制器，以使所述电机控制器根据所述控制信号控制电机的转速，并带动所述云台上的采集装置进行转动；

当所述采集装置转动后，根据所述跟随路径，进行跟随；

当所述跟随模式选择信息为随机跟随时，根据所述图像信息和所述地图数据，预测跟随目标的轨迹；

根据所述跟随目标的轨迹和所述车辆的位置信息，计算所述车辆与所述跟随目标的时间差值；

当所述时间差值不大于预设的时间阈值时，根据实时的环境感知数据和所述跟随目标的轨迹，对所述跟随目标进行跟随。

在一种可能的实现方式中，所述对所述图像信息进行处理，提取人脸特征之前，还包括：

对激光点云数据进行分割与跟踪，得到点云分割结果；

对所述点云分割结果进行处理，得到人脸轮廓；

在时间轴上，将所述人脸轮廓和所述图像信息进行匹配。人脸特征进行匹配。

在一种可能的实现方式中，所述当匹配成功时，确定所述人脸特征对应的图像信息中的人脸为跟随目标之前，所述方法还包括：

当匹配成功时，将所述人脸特征和匹配上的嫌疑图像发送给服务器，以使服务器对所述人脸特征进行二次匹配；

当匹配成功时，向所述车辆发送匹配成功信息；

所述车辆根据所述匹配成功信息，确定所述人脸特征对应的图像信息中的人脸为跟随目标。

在一种可能的实现方式中，所述方法之后还包括：

将所述图像信息、所述车辆的位置信息发送给第三方服务器。

在一种可能的实现方式中，所述当所述跟随模式选择信息为固定跟随时，根据所述图像信息，确定所述跟随目标的位置信息具体包括：

对所述图像信息进行处理，获取所述图像信息中的环境数据；

将所述环境数据和所述地图数据进行拟合，根据拟合结果，确定所述跟随目标的位置信息。

在一种可能的实现方式中，所述根据所述跟随目标的位置信息、所述车辆的位置信息、所述地图数据和所述环境感知数据，生成跟随路径，具体包括：

根据所述图像信息和所述地图数据，计算障碍物信息；

对所述环境感知数据和所述障碍物信息进行处理，生成目标障碍物信息；

根据所述目标障碍物信息、所述车辆的位置信息和所述跟随目标的位置信息，生成原始跟随路径；

对所述原始跟随路径进行平滑处理，生成跟随路径。

在一种可能的实现方式中，所述当所述采集装置转动后，根据所述跟随路径，进行跟随之后，还包括：

当所述距离不小于预设的距离阈值时，生成报警信息，所述报警信息包括当前之前的图像信息；

将所述报警信息发送给服务器和/或第三方服务器，以使服务器和/或第三方服务器对所述当前之前的图像信息进行处理。

在一种可能的实现方式中，所述采集装置包括左视摄像头和右视摄像头，所述图像信息包括左视图像信息和右视图像信息，所述左视摄像头采集所述左视图像信息，所述右视摄像头采集所述右视图像信息，所述根据所述图像信息，计算所述车辆与所述跟随目标的距离具体包括：

根据所述左视图像信息、所述右视图像信息和所述采集装置的参数信息，利用相似三角形方法，计算所述车辆与所述跟随目标的距离。

在一种可能的实现方式中，所述当所述跟随模式选择信息为随机跟随时，根据所述图像信息和所述地图数据，预测跟随目标的轨迹，具体包括：

对所述图像信息进行处理，确定所述跟随目标的动作和/或面部微小特征；

根据所述动作和/或面部微小特征，预测跟随目标的下一步动作；

根据所述下一步动作和所述地图数据，预测所述跟随目标在预设时长内的轨迹。

在一种可能的实现方式中，所述根据所述跟随目标的轨迹和所述车辆的位置信息，计算所述车辆与所述跟随目标的时间差值，具体包括：

根据车辆当前的位置信息、车辆的速度信息和所述跟随目标的轨迹，计算车辆和预测轨迹之间的时间差值。

通过应用本发明提供的基于安防的识别跟随方法，在无人驾驶设备中，利用其产生的环境感知数据，进行人脸匹配，并在匹配都成功后，锁定跟随目标，根据地图数据，生成不同的跟随模式，并在每一种跟随模式下，对跟随目标进行跟随，由此，利用了自动驾驶车辆的感知数据，又达到了安防效果，节省了安防投资。

附图说明

图1为本发明实施例提供的基于安防的识别跟随方法流程示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1为本发明实施例提供的基于安防的识别跟随方法流程示意图。该方法的执行主体可以是自动驾驶车辆的控制单元。车辆控制单元可以理解为用于控制车辆行驶的控制模块。其中，控制单元是该无人驾驶车辆的数据处理中心，可以进行自主决策和路径规划等。该基于安防的识别跟随方法应用在无人驾驶场景中，尤其是无人驾驶车辆中，尤其是城市(非闭环园区)的无人驾驶车辆。由此，既能利用无人驾驶设备的数据，又能节省城市安防的耗资。

如图1所示，该方法包括以下步骤：

步骤101，获取采集装置采集的车辆周围的环境感知数据。

具体的，采集装置可以是双目摄像头。环境感知数据可以包括双目摄像头采集的视频数据。

步骤102，对环境感知数据进行处理，生成图像信息。

步骤103，对图像信息进行处理，提取人脸特征。

具体的，车辆控制单元可以对视频数据进行处理，从中提取出图像信息。再通过人脸识别算法，对图像信息进行处理，提取出人脸特征。进一步的，车辆上除了安装有双目摄像头，还安装有各种雷达，比如，激光雷达，激光雷达可以采集到激光点云数据。可以通过雷达的激光点云数据，人脸轮廓和图像信息进行匹配，以进一步提高图像的精度。

具体的，首先，对激光点云数据进行分割与跟踪，得到点云分割结果；

然后，对所述点云分割结果进行处理，得到人脸轮廓；

最后，在时间轴上，将所述人脸轮廓和所述图像信息进行匹配。人脸特征进行匹配。匹配过程，即为判断人脸轮廓与图像信息是否吻合，例如，点云分割与跟踪结果中将物体标识为行人，人脸特征物识别也将其标识为行人，则判断行人的轮廓和图像信息是否吻合，如果吻合，可以利用人脸轮廓对图像信息进行增强或补充。如果点云分割与跟踪结果中将物体标识为行人，人脸特征物识别与跟踪结果将其标识为车辆，则两者识别结果不吻合。

其中，可以利用细节增强等算法，对包含人脸特征的图像信息进行增强。

当摄像头的数量为多个时，则对应多个视频数据，可以利用人脸检测算法，检测出每个视频数据中的人脸区域。对于每个人脸区域，可以利用人脸检测算法，提取出其对应的人脸特征。对于多个人脸特征，可以利用现有的算法，进行剔除或者融合。

步骤104，将人脸特征和预存的嫌疑图像库进行匹配。

具体的，在车辆的存储单元中，存储有嫌疑图像库，该嫌疑图像库即为嫌疑人员的图像信息的集合或者面部特征信息的集合。

在一个示例中，当嫌疑图像库为嫌疑人员的图像信息集合时，在利用算法进行匹配时，可以通过设定匹配阈值，比如，匹配阈值为90％,当计算出人脸特征与嫌疑图像库中的某个图像的匹配度不小于90％时，可以看作匹配成功。

在另一个示例中，当嫌疑图像库为面部特征信息的集合时，利用另一算法，直接将人脸特征与面部特征信息进行匹配，当和某一个面部特征匹配度不小于匹配阈值时，可以看作匹配成功。

在第一次匹配成功后，可以将图像信息、车辆的位置信息和嫌疑者的图像信息、面部特征信息发送给服务器或者第三方服务器。

更进一步的，为了保证确定的跟随目标的准确率，可以进行二次匹配。

具体的，当一次匹配成功时，将图像信息和匹配上的嫌疑图像库中的图像信息或者面部特征信息一起发送给服务器，以使服务器对图像信息进行二次匹配；

当匹配成功时，向车辆发送匹配成功信息；

车辆根据匹配成功信息，确定人脸特征对应的图像信息中的人脸为跟随目标。

其中，当匹配不成功时，可以向车辆发送匹配失败消息。同时，服务器对此次匹配事件进行记录。此时，车辆根据匹配失败消息，将该图像信息中的人脸不作为跟随目标。

进一步的，在和服务器交互时，还可以将车辆的位置信息一起发送给服务器。以使服务器可以对匹配时的位置信息进行记录，便于后续对二次匹配的次数、二次匹配的成功率，以及匹配成功的位置等的统计分析。

其中，可以通过车辆上的定位模块，比如全球定位系统(Global PositioningSystem，GPS)获取车辆自身的位置信息。也可以通过向服务器发送查询消息，解析服务器发送的携带位置信息的响应消息后，得到位置信息。

进一步的，当两次匹配都成功时，车辆还可以向第三方服务器发送报警信息，该报警信息包括车辆的位置信息、第一次匹配时的嫌疑图像库中的图像信息或者面部特征信息，第二次匹配时的服务器中的图像信息。

第三方服务器，可以是某些机构的服务器，比如管理失踪人员的管理机构。由此，便于第三方服务器利用该些信息，进行安防工作。既节省了安防的费用，又扩大安防的范围，即使在摄像头没有布设的区域，也可以进行安防防护。

步骤105，当匹配成功时，确定人脸特征对应的图像信息中的人脸为跟随目标。

步骤106，获取车辆的位置信息和位置信息对应的地图数据。

具体的，当车辆处于某一位置时，可以加载该位置的地图，比如，车辆处于A街道，可以将该A街道的上一级单位，A市的地图，进行加载。至于如何加载，可以是从服务器下载，也可以是车辆提前加载，本申请对此并不限定。

步骤107，根据地图数据，确定跟随模式选择信息为固定跟随或者随机跟随中的一种。

具体的，控制单元根据对地图数据中的地形进行自动分析，比如可以分析出跟踪难度，将该跟踪难度与预存的难度表进行匹配，自动选择跟随模式。比如，对地图数据进行分析，当前所处的位置为平原，道路平坦，建筑物少，跟踪难度为50％，在难度表中，该难度对应的跟随模式为固定跟随，则输出固定跟随，后续，可以采用固定跟随的方式进行跟随。当前所处的位置为坡度大，且弯折道路很多，建筑物也多的街道，跟踪难度为70％，则通过查找难度表，该难度对应的跟随模式为随机跟随，则输出随机跟随，后续，可以采用随机跟随的方式进行跟随。

步骤108，当跟随模式选择信息为固定跟随时，根据图像信息，确定跟随目标的位置信息。

具体的，可以通过对采集到的图像信息进行处理，来获取跟随目标的位置信息。

先对图像信息进行处理，获取图像信息中的环境数据；

后将环境数据和预设的地图数据进行拟合，根据拟合结果，确定跟随目标的位置信息。

图像信息中包括环境数据，比如建筑物标识、交通标识、道路标识等。

将环境数据和地图数据进行拟合后，可以对两者中的相同特征进行综合处理，计算出跟随目标的位置信息。

步骤109，根据跟随目标的位置信息、车辆的位置信息、地图数据和环境感知数据，生成跟随路径。

具体的，可以根据两者的位置信息以及图像信息，生成一条车辆跟随跟随目标的路径，称为跟随路径。

首先，可以根据图像信息和预设的地图数据，计算障碍物信息。

此处的障碍物信息，可以是固定障碍物，比如地图上的建筑物、固定交通标志(比如，用于固定交通灯的杆)、固定物体(比如，静止的车辆、行人、路沿)。这些障碍物信息，可以通过图像信息和地图数据，直接得到。

然后，对感知模块采集的当前的感知数据和障碍物信息进行处理，生成目标障碍物信息。

感知模块可以是车辆上安装的激光雷达、超声波雷达、视觉模块等，这些感知模块会实时的获取车辆行驶过程中，周围的障碍物信息，比如车道线、移动的障碍物等，变化的交通信号灯，结合上述的障碍物信息和此处行驶过程中感知的障碍物信息，融合处理后，可以得到最终的障碍物信息，称为目标障碍物信息。

接着，根据目标障碍物信息、车辆的位置信息和跟随目标的位置信息，生成原始跟随路径。

最后，对原始跟随路径进行平滑处理，生成跟随路径。

其中，原始跟随路径，可能是直线、曲线或者折线的任意一种或其任意组合，对于曲线和折线，可以计算出曲率后，进行平滑处理，得出跟随路径，车辆可以按照跟随路径进行行驶。

步骤110，根据图像信息，计算车辆与跟随目标的距离。

具体的，上述中，采集装置包括左视摄像头和右视摄像头，图像信息包括左视图像信息和右视图像信息，左视摄像头采集左视图像信息，右视摄像头采集右视图像信息。根据左视图像信息、右视图像信息和采集装置的参数信息，利用相似三角形方法，计算车辆与跟随目标的距离。其中，该参数信息可以包括左视摄像头和右视摄像头的距离，该距离在摄像机出厂前已经进行标定。

步骤111，当距离不大于预设的距离阈值时，根据跟随路径和车辆的位置信息，计算车辆与跟随目标的角度信息。

步骤112，根据角度信息和车辆当前的转向信息、速度信息，生成控制信号。

具体的，当车辆与跟随目标之间的距离小于预先设定的距离阈值时，则说明跟随目标在可跟随范围内，此时，可以根据跟随路径、位置信息，实时计算车辆与跟随目标的角度信息。该角度信息可以是以车辆为原点，以跟随目标为终点，原点和终点的连线与经过车辆的重心的水平线的夹角。

车辆在行驶过程中，可以通过差分GPS，获取到车辆当前的速度信息，可以通过目标障碍物信息，进行决策，进而产生转向信息。

在已知车辆与跟随目标的角度信息后，结合当前的转向信息和速度信息，进行计算，得到包含电机转速和转动圈数的控制信号。

步骤113，将控制信号发送给云台上的电机控制器，以使电机控制器根据控制信号控制电机的转速，并带动云台上的采集装置进行转动。

具体的，车辆上安装有采集装置，采集装置依靠云台安装在车辆上，可以通过电机控制器控制电机的转速和圈数，以实现电机带动云台，云台带动采集装置进行转动，保证跟随目标一直处于采集装置的捕获范围内。

其中，采集装置可以具有双目摄像头，云台可以是具有双目摄像头的摄像机云台。

步骤114，当采集装置转动后，根据跟随路径，进行跟随。

具体的，当电机带动云台转动到理想的角度时，车辆沿着跟随路径，进行跟随。

可以理解的是，当车辆沿着跟随路径前进时，实时的根据图像信息计算自身与跟随目标之间的距离，并实时的进行云台转动，以保证跟随目标一直处于采集装置的捕获范围内。

进一步的，步骤114之后，还包括：方法还包括：

当距离不小于预设的距离阈值时，生成报警信息，报警信息包括当前之前的图像信息；

将报警信息发送给服务器和/或第三方服务器，以使服务器和/或第三方服务器对当前之前的图像信息进行处理。

具体的，如果跟随目标与车辆的距离超出距离阈值，车辆可以生成报警信息，并将报警信息发送给服务器和/或第三方服务器，该报警信息可以包括超出距离阈值时，采集的图像信息，服务器或者第三方服务器可以对该图像信息和位置信息进行处理分析。

步骤115，当跟随模式选择信息为随机跟随时，根据图像信息和地图数据，预测跟随目标的轨迹。

具体的，车辆可以根据获取的图像信息进行分析处理，得到跟随目标的动作，比如手的摆动幅度、行走还是奔跑等,面部微小特征，比如视线朝向、头的偏转方向，然后根据该些动作和面部微小特征，预测跟随目标的下一步动作，最后，根据下一步动作以及地图数据，预测跟随目标在一定时长内的轨迹。

步骤116，根据跟随目标的轨迹和车辆的位置信息，计算车辆与跟随目标的时间差值。

具体的，根据车辆当前的位置信息，车辆的速度信息，并结合上述预测的跟随目标在一定时长的轨迹，计算出车辆和预测轨迹之间的时间差值，即车辆到达预测轨迹的每一点的预计时长。

步骤117，当时间差值不大于预设的时间阈值时，根据实时的环境感知数据和跟随目标的轨迹，对跟随目标进行跟随。

具体的，当车辆和跟随目标处于一定的时间差值范围内，可以根据预测的轨迹，车辆进行行驶，并且在沿着预测的轨迹行驶的过程中，并实时的获取环境感知数据，进行跟随。

可以理解的是，步骤108-步骤114以及步骤115-步骤117,两者是择一进行的，再择一进行的过程中，根据地图数据的变化，可以进行两种方法的交叉执行。该车辆也可以是其它移动装置，比如机器人。

通过应用本发明提供的基于安防的识别跟随方法，在无人驾驶设备中，利用其产生的环境感知数据，进行人脸匹配，并在匹配都成功后，锁定跟随目标，根据地图数据，生成不同的跟随模式，并在每一种跟随模式下，对跟随目标进行跟随，由此，利用了自动驾驶车辆的感知数据，又达到了安防效果，节省了安防投入。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于安防的识别跟随方法，其特征在于，所述方法包括：

获取采集装置采集的车辆周围的环境感知数据；

对所述环境感知数据进行处理，生成图像信息；

对所述图像信息进行处理，提取人脸特征；

将所述人脸特征和预存的嫌疑图像库进行匹配；

当匹配成功时，确定所述人脸特征对应的图像信息中的人脸为跟随目标；

获取车辆的位置信息和所述位置信息对应的地图数据；

根据所述地图数据，确定跟随模式选择信息为固定跟随或者随机跟随中的一种；

当所述跟随模式选择信息为固定跟随时，根据所述图像信息，确定所述跟随目标的位置信息；

根据所述跟随目标的位置信息、所述车辆的位置信息、所述地图数据和所述环境感知数据，生成跟随路径；

根据所述图像信息，计算所述车辆与所述跟随目标的距离；

当所述距离不大于预设的距离阈值时，根据所述跟随路径和所述车辆的位置信息，计算所述车辆与所述跟随目标的角度信息；

根据所述角度信息和所述车辆当前的转向信息、速度信息，生成控制信号；

将所述控制信号发送给所述云台上的电机控制器，以使所述电机控制器根据所述控制信号控制电机的转速，并带动所述云台上的采集装置进行转动；

当所述采集装置转动后，根据所述跟随路径，进行跟随；

当所述跟随模式选择信息为随机跟随时，根据所述图像信息和所述地图数据，预测跟随目标的轨迹；

根据所述跟随目标的轨迹和所述车辆的位置信息，计算所述车辆与所述跟随目标的时间差值；

当所述时间差值不大于预设的时间阈值时，根据实时的环境感知数据和所述跟随目标的轨迹，对所述跟随目标进行跟随。

2.根据权利要求1所述的方法，其特征在于，所述对所述图像信息进行处理，提取人脸特征之前，还包括：

对激光点云数据进行分割与跟踪，得到点云分割结果；

对所述点云分割结果进行处理，得到人脸轮廓；

在时间轴上，将所述人脸轮廓和所述图像信息进行匹配。

3.根据权利要求1所述的方法，其特征在于，所述当匹配成功时，确定所述人脸特征对应的图像信息中的人脸为跟随目标之前，所述方法还包括：

当匹配成功时，将所述人脸特征和匹配上的嫌疑图像发送给服务器，以使服务器对所述人脸特征进行二次匹配；

当匹配成功时，向所述车辆发送匹配成功信息；

所述车辆根据所述匹配成功信息，确定所述人脸特征对应的图像信息中的人脸为跟随目标。

4.根据权利要求3所述的方法，其特征在于，所述方法之后还包括：

将所述图像信息、所述车辆的位置信息发送给第三方服务器。

5.根据权利要求1所述的方法，其特征在于，所述当所述跟随模式选择信息为固定跟随时，根据所述图像信息，确定所述跟随目标的位置信息具体包括：

对所述图像信息进行处理，获取所述图像信息中的环境数据；

将所述环境数据和所述地图数据进行拟合，根据拟合结果，确定所述跟随目标的位置信息。

6.根据权利要求1所述的方法，其特征在于，所述根据所述跟随目标的位置信息、所述车辆的位置信息、所述地图数据和所述环境感知数据，生成跟随路径，具体包括：

根据所述图像信息和所述地图数据，计算障碍物信息；

对所述环境感知数据和所述障碍物信息进行处理，生成目标障碍物信息；

根据所述目标障碍物信息、所述车辆的位置信息和所述跟随目标的位置信息，生成原始跟随路径；

对所述原始跟随路径进行平滑处理，生成跟随路径。

7.根据权利要求1所述的方法，其特征在于，所述当所述采集装置转动后，根据所述跟随路径，进行跟随之后，还包括：

当所述距离不小于预设的距离阈值时，生成报警信息，所述报警信息包括当前之前的图像信息；

将所述报警信息发送给服务器和/或第三方服务器，以使服务器和/或第三方服务器对所述当前之前的图像信息进行处理。

8.根据权利要求1所述的方法，其特征在于，所述采集装置包括左视摄像头和右视摄像头，所述图像信息包括左视图像信息和右视图像信息，所述左视摄像头采集所述左视图像信息，所述右视摄像头采集所述右视图像信息，所述根据所述图像信息，计算所述车辆与所述跟随目标的距离具体包括：

根据所述左视图像信息、所述右视图像信息和所述采集装置的参数信息，利用相似三角形方法，计算所述车辆与所述跟随目标的距离。

9.根据权利要求1所述的方法，其特征在于，所述当所述跟随模式选择信息为随机跟随时，根据所述图像信息和所述地图数据，预测跟随目标的轨迹，具体包括：

对所述图像信息进行处理，确定所述跟随目标的动作和/或面部微小特征；

根据所述动作和/或面部微小特征，预测跟随目标的下一步动作；

根据所述下一步动作和所述地图数据，预测所述跟随目标在预设时长内的轨迹。

10.根据权利要求1所述的方法，其特征在于，所述根据所述跟随目标的轨迹和所述车辆的位置信息，计算所述车辆与所述跟随目标的时间差值，具体包括：

根据车辆当前的位置信息、车辆的速度信息和所述跟随目标的轨迹，计算车辆和预测轨迹之间的时间差值。