CN114814767A - 一种信息处理方法、装置、电子设备及存储介质 - Google Patents

一种信息处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114814767A
CN114814767A CN202210372139.3A CN202210372139A CN114814767A CN 114814767 A CN114814767 A CN 114814767A CN 202210372139 A CN202210372139 A CN 202210372139A CN 114814767 A CN114814767 A CN 114814767A
Authority
CN
China
Prior art keywords
confirmed
information
track
point
flight path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210372139.3A
Other languages
English (en)
Inventor
程豪
王明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Freetech Intelligent Systems Co Ltd
Original Assignee
Freetech Intelligent Systems Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Freetech Intelligent Systems Co Ltd filed Critical Freetech Intelligent Systems Co Ltd
Priority to CN202210372139.3A priority Critical patent/CN114814767A/zh
Publication of CN114814767A publication Critical patent/CN114814767A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]

Abstract

本发明公开了一种信息处理方法、装置、电子设备及存储介质，该方法包括：获取预设时间段内点迹的信息，得到预设目标物对应的待确认航迹的信息，筛选出待确认航迹的关联点迹；将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和关联次数、静态点迹的个数和关联次数；基于运动点迹的个数和关联次数、静态点迹的个数和关联次数、待确认航迹的存在时间，构造待确认航迹的关联特征矩阵；基于关联特征矩阵，在预设目标物为虚假目标时，删除待确认航迹的所有信息。本发明从路况虚假目标识别的场景覆盖率高、数理统计依据丰富、算法程度低等维度，提升了虚假目标识别和剔除的准确性，有效降低了雷达产生误报漏报的可能性。

Description

一种信息处理方法、装置、电子设备及存储介质
技术领域
本发明涉及毫米波雷达检测领域，特别涉及一种信息处理方法、装置、电子设备及存储介质。
背景技术
毫米波雷达在车辆行驶过程中，会有一定概率形成虚假目标，致使雷达产生误报漏报，影响雷达系统性能。对于虚假目标的剔除,相关技术只能抑制单一情况的虚假目标，场景覆盖率低。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种信息处理方法、装置、电子设备及存储介质。所述技术方案如下：
一方面，提供了一种信息处理方法，所述方法包括：
获取预设时间段内点迹的信息；点迹是指雷达电磁波照射到预设目标物上回波产生的能量信息；点迹的信息包括速度和位置；
基于点迹的信息，得到预设目标物对应的待确认航迹的信息；
基于待确认航迹的信息和点迹的信息，筛选出待确认航迹的关联点迹；
将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和关联次数、静态点迹的个数和关联次数；
基于运动点迹的个数和关联次数、静态点迹的个数和关联次数、待确认航迹的存在时间，构造待确认航迹的关联特征矩阵；
基于关联特征矩阵，判断预设目标物是否为虚假目标；若是，则删除待确认航迹的所有信息；若不是，则保留待确认航迹的所有信息。
另一方面，提供了一种信息处理装置，所述装置包括：
点迹获取模块，用于获取预设时间段内点迹的信息；点迹是指雷达电磁波照射到预设目标物上回波产生的能量信息；点迹的信息包括速度和位置；
待确认航迹获取模块，用于基于点迹的信息，得到预设目标物对应的待确认航迹的信息；
关联点迹筛选模块，用于基于待确认航迹的信息和点迹的信息，筛选出待确认航迹的关联点迹；
关联点迹分类统计模块，用于将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和关联次数、静态点迹的个数和关联次数；
关联特征矩阵构造模块，用于基于运动点迹的个数和关联次数、静态点迹的个数和关联次数、待确认航迹的存在时间，构造待确认航迹的关联特征矩阵；
虚假目标判断模块，用于基于关联特征矩阵，判断预设目标物是否为虚假目标；若是，则删除待确认航迹的所有信息；若不是，则保留待确认航迹的所有信息。
在一个示例性的实施方式中，所述待确认航迹获取模块包括：
初始航迹获取模块，用于聚类速度和位置相近的点迹，得到初始航迹；
初始航迹处理模块，用于通过卡尔曼滤波算法对每一个初始航迹进行处理，输出满足预设条件的初始航迹为待确认航迹。
在一个示例性的实施方式中，所述关联点迹筛选模块包括：
矩阵构造模块，用于基于待确认航迹的信息和点迹的信息，构造航迹状态矩阵和点迹信息矩阵；
关联统计量获取模块，用于基于航迹状态矩阵和点迹信息矩阵，得到待确认航迹与点迹的关联统计量；
关联点迹确定模块，用于当任一个点迹与待确认航迹之间的关联统计量小于预设关联门限时，确定任一个点迹是待确认航迹的关联点迹。
在一个示例性的实施方式中，所述关联点迹分类统计模块包括：
个数统计模块，用于统计运动点迹的个数和静态点迹的个数；
关联次数统计模块，用于当所述运动点迹的个数大于预设运动门限时，运动点迹的关联次数加1；当静态点迹的个数大于预设静态门限时，静态点迹的关联次数加1。
在一个示例性的实施方式中，所述虚假目标判断模块包括：
虚假目标概率获取模块，用于基于关联特征矩阵，得到待确认航迹对应的虚假目标概率；
虚假目标确定模块，用于当虚假目标概率大于预设虚假目标概率门限时，确定预设目标物为虚假目标。
在一个示例性的实施方式中，所述虚假目标概率获取模块包括：
原生虚假航迹概率获取模块，用于基于关联特征矩阵，得到原生虚假航迹概率；原生虚假航迹概率是指未修正的待确认航迹对应的虚假目标概率；
原生虚假航迹概率修正模块，用于通过平滑计算，修正原生虚假航迹概率，得到待确认航迹对应的虚假目标概率。
在一个示例性的实施方式中，所述原生虚假航迹概率获取模块包括：
关联特征矩阵展示模块，用于展示关联特征矩阵；
标注信息获取模块，用于响应于对关联特征矩阵的标注操作，得到关联特征矩阵对应的标注信息；标注信息指示实际路测过程中真实目标物的信息；
训练模块，用于将关联特征矩阵和对应的标注信息输入至机器学习模型进行训练，得到支持向量机模型参数集和全局偏置；
原生虚假航迹概率输出模块，用于基于关联特征矩阵、支持向量机模型参数集和全局偏置，得到原生虚假航迹概率。
另一方面，提供了一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现上述信息处理方法。
另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的信息处理方法。
另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述各方面中提供的信息处理方法。
本发明实施例通过获取预设时间段内点迹的信息，得到预设目标物对应的待确认航迹的信息，筛选出待确认航迹的关联点迹；将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和关联次数、静态点迹的个数和关联次数；基于运动点迹的个数和关联次数、静态点迹的个数和关联次数、待确认航迹的存在时间，构造待确认航迹的关联特征矩阵；基于关联特征矩阵，在预设目标物为虚假目标时，删除待确认航迹的所有信息，从路况虚假目标识别的场景覆盖率高、数理统计依据丰富、算法程度低等维度，提升了虚假目标识别和剔除的准确性，有效降低了雷达产生误报漏报的可能性。
附图表明
为了更清楚地表明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种信息处理方法的流程示意图；
图2是本发明实施例提供的另一种信息处理方法的流程示意图；
图3是本发明实施例提供的一种信息处理装置的结构框图；
图4是本发明实施例提供的一种终端的硬件结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要表明的是，本发明的表明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1，其所示为本发明实施例提供的一种信息处理方法的流程示意图。需要表明的是，本表明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：
S101，获取预设时间段内点迹的信息。
其中，点迹是指雷达电磁波照射到预设目标物上回波产生的能量信息，点迹的信息可以包括速度和位置，还可以是方位角、信噪比(SIGNAL-NOISE RATIO，SNR)、雷达散射截面(RADAR CROSS SECTION，RCS)等。具体的，位置可以是点迹相对自车辆雷达的距离。预设目标物可以是自车辆附近的四轮车辆、两轮车辆、行人、金属护栏等，除了金属护栏是完全静态的物品，车辆和行人有动态、也有静态的状态。可选的，预设时间段是一个算法周期，如50毫秒。
S103，基于点迹的信息，得到预设目标物对应的待确认航迹的信息。
其中，待确认航迹的信息可以包括速度和位置。
S105，基于待确认航迹的信息和点迹的信息，筛选出待确认航迹的关联点迹。
S107，将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和关联次数、静态点迹的个数和关联次数。
其中，运动点迹可以是速度大于等于1米/秒的点迹，静态点迹可以是速度小于1米/秒的点迹。示例性的，将运动点迹的个数记作ND、运动点迹的关联次数记作TD、静态点迹的个数记作NS、静态点迹的关联次数记作TS。
S109，基于运动点迹的个数和关联次数、静态点迹的个数和关联次数、待确认航迹的存在时间，构造待确认航迹的关联特征矩阵。
由S107中的“关联次数加1”可知，本方法在处理信息时会经历“一个又一个算法周期”的循环。待确认航迹的存在时间和经历的算法周期个数有关，具体是指待确认航迹保留了几个算法周期，记作Age。显然，在第一个算法周期，Age为1。
将关联特征矩阵记作M，M的计算公式为：
M＝[m1,m2,m3,m4] (1)
其中，
Figure BDA0003588995900000061
S111，基于关联特征矩阵，判断预设目标物是否为虚假目标；若是，则执行步骤S113；反之，若不是，则执行步骤S115。
S113，删除待确认航迹的所有信息。
S115，保留待确认航迹的所有信息。
本发明实施例在点迹获取完成后进行虚假目标的识别和剔除，相比于在点迹获取阶段进行虚假目标识别和剔除，一定程度上减少了真实目标物漏检概率，提升了虚假目标识别准确率。另外，本发明实施例对预设目标物的状态没有限制，能够处理各种工况下产生的虚假目标，显著提高了场景覆盖率。
在一个示例性的实施方式中，上述步骤S103基于点迹的信息，得到预设目标物对应的待确认航迹的信息，可以包括以下步骤：
聚类速度和位置相近的点迹，得到初始航迹；
通过卡尔曼滤波算法对每一个初始航迹进行处理，输出满足预设条件的初始航迹为待确认航迹。具体的，内部会经历三个阶段。
第一阶段，点迹聚类。
聚类S101获取的点迹，生成多个点迹聚类样本集。所谓“聚类”，即取一个点迹为根点，找到根点周边速度、位置相近的点迹。生成的点迹样本集中，点迹数量不固定，可能这个点迹样本集中有5个点迹，那个点迹样本集中有6个点迹。可选的，聚类算法使用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)。
第二阶段，航迹初始化。
在这一阶段生成的初始航迹，并不都会作为待确认航迹输出，如何判断哪些初始航迹能够作为待确认航迹输出，可以用mn逻辑进行确认。在mn逻辑的第一个算法周期，通过最小二乘法，将点迹样本集拟合生成初始航迹，初始航迹可以是一个矩形框，初始航迹的信息可以包括速度和位置，还可以是航向角、航迹框长、航迹框宽等。在数量关系上，可能是单个点迹样本集中的单个点迹样本拟合生成初始航迹，也有可能是多个点迹样本集中部分/所有点迹拟合生成初始航迹。在初始航迹生成后，获取初始航迹的ID(如航迹1、航迹2、航迹3)，航迹初始化完成。
第三阶段，待确认航迹判断。
针对每一个初始航迹，判断方法均相同，以航迹1为例：获取第二个算法周期的点迹的信息；通过卡尔曼滤波算法，遍历第二个算法周期的点迹和航迹1的关联度，找到第二个算法周期的点迹中和航迹1关联的点迹，即获取航迹1的关联点迹；利用关联点迹，对航迹1进行维护更新，即基于关联点迹的速度、位置等信息，更新航迹1的信息，如位置和速度；更新完成后，继续通过卡尔曼滤波算法，用下一个算法周期的点迹的信息更新维护上一个算法周期的初始航迹的信息。当mn逻辑内部设定“对单个初始航迹而言，10个算法周期中有6个算法周期能关联到点迹，则该初始航迹可以作为待确认航迹输出”时，如果航迹1满足该条件，则航迹1能够作为待确认航迹输出，mn逻辑结束。也即，mn逻辑内部的设定是输出待确认航迹的预设条件。
本发明实施例中，待确认航迹的输出包含点迹聚类、航迹初始化、待确认航迹判断三个阶段。相比于直接输出点迹聚类后的拟合结果，本发明“优中选优”的设置，使得待确认航迹更符合预设目标物的真实状态，从而提升虚假目标识别的准确性，进而降低雷达产生误报漏报的可能性。
在一个示例性的实施方式中，上述步骤S105基于待确认航迹的信息和点迹的信息，筛选出待确认航迹的关联点迹，可以包括以下步骤：
基于待确认航迹的信息和点迹的信息，构造航迹状态矩阵和点迹信息矩阵；
基于航迹状态矩阵和点迹信息矩阵，得到待确认航迹与点迹的关联统计量；
遍历所有点迹的信息，当任一个点迹与待确认航迹之间的关联统计量小于预设关联门限时，确定任一个点迹是待确认航迹的关联点迹。
如前文所述，待确认航迹的信息可以包括速度和位置，将k时刻下待确认航迹的航迹状态矩阵记作
Figure BDA0003588995900000081
的计算公式为：
Figure BDA0003588995900000082
其中，k时刻表示当前处于哪个算法周期，如k＝1表示当前在第一个算法周期，k＝2表示当前在第二个算法周期；Xpos为航迹纵向距离；Xv为航迹纵向速度；Ypos为航迹横向距离；Yv为航迹横向速度。
点迹的信息可以包括速度和位置，将k时刻下的点迹信息矩阵记作(k)，以某个点迹m为例，k时刻下的点迹信息矩阵Zm(k)的计算公式为：
Zm(k)＝[Xm|pos，Xm|v，Ym|pos，Ym|v] (3)
其中，Xm|pos为点迹m纵向距离；Xm|v为点迹m纵向速度；Ym|pos为点迹m横向距离；Ym|v为点迹m横向速度。
在得到航迹状态矩阵
Figure BDA0003588995900000091
和点迹信息矩阵Zm(k)后，将待确认航迹与点迹m的关联统计量记作Vk，Vk的计算公式为：
Figure BDA0003588995900000092
其中，S(k)为卡尔曼滤波过程中的新息协方差(innovation covariance)。
若待确认航迹与点迹m的关联统计量Vk小于预设关联门限，则确定点迹m是待确认航迹的关联点迹。预设关联门限由卡方分布表查询获得，可选的，预设关联门限为3。对于每个点迹，处理方法均相同，因此，在点迹遍历结束后，筛选出待确认航迹全部的关联点迹。
本发明实施例对“关联点迹”的确定提供了严谨的数理统计依据，而关联点迹是后续判断虚假目标的基础，也即，前期严谨的数理统计依据提高了最终识别并剔除虚假目标的准确性。
在一个示例性的实施方式中，上述步骤S107中的统计运动点迹的个数和关联次数、静态点迹的个数和关联次数，可以包括以下步骤：
统计运动点迹的个数和静态点迹的个数；
当运动点迹的个数大于预设运动门限时，运动点迹的关联次数加1；当静态点迹的个数大于预设静态门限时，静态点迹的关联次数加1。
具体来说，“关联次数加1”体现了本方法的信息处理是一个“一个又一个算法周期”的循环过程。对于航迹1而言，运动点迹的关联次数TD、静态点迹的关联次数TS的起始值均为0。在第一个算法周期中，若运动点迹的个数ND大于预设运动门限、静态点迹的个数NS大于预设静态门限，则运动点迹的关联次数TD、静态点迹的关联次数TS均变为1。由S111可知，本方法的最后一步是决定是否删除航迹信息，因此，若航迹1在第一个算法周期中保留下来，则会进入第二个算法周期。在第二个算法周期中，若运动点迹的个数ND大于预设运动门限、静态点迹的个数NS大于预设静态门限，则运动点迹的关联次数TD、静态点迹的关联次数TS均变为2。只要航迹1一直存在于算法周期中，运动点迹的关联次数TD、静态点迹的关联次数TS就会不断累加。
预设运动门限和预设静态门限可以根据待确认航迹和自车辆距离的不同进行设置，比如，对于和自车辆相距在20米内的航迹，预设运动门限可以为5，预设静态门限可以为4。即对某一航迹而言，在当下的算法周期，如果关联到的运动点迹大于5个，那么运动点迹的关联次数TD就加1；如果关联到的静态点迹大于4个，那么静态点迹的关联次数TS就加1。
本发明实施例将关联点迹分为运动点迹和静态点迹，并且预设运动门限和预设静态门限根据实际情况进行设置，由此更接近于真实场景。如果不区分运动点迹和静态点迹、也不区分设置预设运动门限和预设静态门限，直接一并处理的话，会降低信息处理效率，不利于最终虚假目标的识别和剔除。
在一个示例性的实施方式中，上述步骤S111中的基于关联特征矩阵，判断预设目标物是否为虚假目标，可以包括：
基于关联特征矩阵，得到待确认航迹对应的虚假目标概率。
当虚假目标概率大于预设虚假目标概率门限时，确定预设目标物为虚假目标。可选的，预设虚假目标概率门限为0.8。
本发明实施例通过矩阵计算概率，再基于概率判断虚假目标，步骤简单、逻辑清晰、算法复杂度低。
在一个示例性的实施方式中，上述基于关联特征矩阵，得到待确认航迹对应的虚假目标概率，可以包括：
基于关联特征矩阵，得到原生虚假航迹概率。其中，原生虚假航迹概率是指未修正的待确认航迹对应的虚假目标概率。
通过平滑计算，修正原生虚假航迹概率，得到待确认航迹对应的虚假目标概率。一般来说，平滑计算包括平滑滤波技术。
将原生虚假航迹概率记作
Figure BDA0003588995900000101
虚假目标概率记作PF|k，PF|k的计算公式为：
Figure BDA0003588995900000102
其中α和β均为概率平滑系数，该系数为经验值，一般定义α为0.8，β为0.2；PF|k-1为上一个算法周期的虚假目标概率，即公式(5)的含义为：结合前一时刻的虚假目标概率PF|k-1和当下时刻的原生虚假目标概率
Figure BDA0003588995900000111
计算得到当下时刻的虚假目标概率PF|k。显然，在第一个算法周期，上一个算法周期的虚假目标概率PF|k-1为0。如果待确认航迹在第一个算法周期的S111中保留了下来，那么进入第二个周期后，上一个算法周期的虚假目标概率PF|k-1是第一个算法周期的虚假目标概率PF|k。
本发明实施例运用平滑计算对概率数值进行修正，相比于直接利用基于关联特征矩阵输出的概率结果，利用修正后的概率结果，显然准确性更高。
在一个示例性的实施方式中，上述基于关联特征矩阵，得到原生虚假航迹概率，可以包括：
展示关联特征矩阵。
具体可以是展示在可视化工具脚本中，该可视化工具脚本能实时视频显示航迹信息和航机框，方便后续人工进行标注操作。
响应于对关联特征矩阵的标注操作，得到关联特征矩阵对应的标注信息。
其中，标注信息指示实际路测过程中真实目标物的信息。当人工基于路测信息进行标注时，如果路测真实场景没有任何目标物存在，可视化工具脚本中却出现了待确认航迹，则将待确认航迹标记为虚假目标航迹。需要说明的是，只有在第一个算法周期需要进行标注，后续机器学习模型学习完毕，不再需要标注。
将关联特征矩阵和对应的标注信息输入至机器学习模型进行训练，得到支持向量机模型参数集和全局偏置。
对于机器学习模型而言，关联特征矩阵和对应的标注信息是训练样本；而支持向量机模型参数集包括特征均值集、特征标准差集和特征权重集，将特征均值集、特征标准差集和特征权重集分别记作Mμ、Sigma和Beta，具体表示为：
Mμ＝[Mμ1，Mμ2，...，Mμn] (6)
Sigma＝[Sigma1，Sigma2，...，Sigman] (7)
Beta＝[Beta1，Beta2，...，Betan] (8)
其中，n为训练样本特征维度。在本发明实施例中，n与关联特征矩阵的元素个数有关，即n为4。
基于关联特征矩阵、支持向量机模型参数集和全局偏置，得到原生虚假航迹概率。
将全局偏置记作Bias，原生虚假航迹概率
Figure BDA0003588995900000121
的计算公式为：
Figure BDA0003588995900000122
其中，Score是一个过程中参数，由关联特征矩阵M、特征均值集Mμ、特征标准差集Sigma、特征权重集Beta和全局偏置Bias共同决定。具体计算公式为：
Figure BDA0003588995900000123
基于过程中参数Score，除了能够计算原生虚假航迹概率
Figure BDA0003588995900000124
外，还能计算得到原生真实目标概率，即未修正的待确认航迹对应的真实目标概率。将原生真实目标概率记作
Figure BDA0003588995900000125
的计算公式为：
Figure BDA0003588995900000126
由支持向量机模型参数集可知，本发明实施例利用的机器学习算法是支持向量机(Support Vector Machine，SVM)算法。事实上，机器学习包含众多算法，相互之间有一定的替代性。但是，不同的算法解决的技术问题和需要的存储资源、算力资源都不尽相同。比如，决策树(Decision Tree)算法同样能判断当预设目标物是否为虚假目标，但它对虚假目标概率的计算无法提供严谨的数学依据；感知机(Perceptron)算法虽然能输出虚假目标概率，但该算法所需的存储资源要大于本发明实施例用到的支持向量机算法。因此，本发明实施例提供的基于支持向量机的的信息处理方法具有结构清晰、准确率高、算法复杂度低、能够作为独立运行单元方便快捷地移植至现有算法中等特点。
请参阅图2，其所示为本发明实施例提供的另一种信息处理方法的流程示意图，该方法包括：
S201，获取预设时间段内点迹的信息。
S203，聚类速度和位置相近的点迹，得到初始航迹。
S205，通过卡尔曼滤波算法对每一个初始航迹进行处理，输出满足预设条件的初始航迹为待确认航迹。
S207，基于待确认航迹的信息和点迹的信息，构造航迹状态矩阵和点迹信息矩阵。
S209，基于航迹状态矩阵和点迹信息矩阵，得到待确认航迹与点迹的关联统计量。
S211，遍历所有点迹的信息，当任一个点迹与待确认航迹之间的关联统计量小于预设关联门限时，确定任一个点迹是待确认航迹的关联点迹。
S213，将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和静态点迹的个数。
S215，当运动点迹的个数大于预设运动门限时，运动点迹的关联次数加1；当静态点迹的个数大于预设静态门限时，静态点迹的关联次数加1。
S217，展示关联特征矩阵。
S219，响应于对关联特征矩阵的标注操作，得到关联特征矩阵对应的标注信息。
S221，将关联特征矩阵和对应的标注信息输入至机器学习模型进行训练，得到支持向量机模型参数集和全局偏置。
S223，基于关联特征矩阵、支持向量机模型参数集和全局偏置，得到原生虚假航迹概率。
S225，通过平滑计算，修正原生虚假航迹概率，得到待确认航迹对应的虚假目标概率。
S227，当虚假目标概率大于预设虚假目标概率门限时，判断预设目标物是否为虚假目标；若是，则执行步骤S229；反之，若不是，则执行步骤S531。
S229，删除待确认航迹的所有信息。
S231，保留待确认航迹的所有信息。
其中，步骤S201至步骤S231的具体实施方式可以参见前述方法实施例中的相关步骤，在此不再赘述。
与上述几种实施例提供的信息处理方法相对应，本发明实施例还提供一种信息处理装置，由于本发明实施例提供的信息处理装置与上述几种实施例提供的信息处理方法相对应，因此前述信息处理方法的实施方式也适用于本实施例提供的信息处理装置，在本实施例中不再详细描述。
请参阅图3，其所示为本发明实施例提供的一种信息处理装置的结构示意图，该信息处理装置300具有实现上述方法实施例中信息处理方法的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。如图3所示，该信息处理装置300可以包括：
点迹获取模块310，用于获取预设时间段内点迹的信息；点迹是指雷达电磁波照射到预设目标物上回波产生的能量信息；点迹的信息包括速度和位置；
待确认航迹获取模块320，用于基于点迹的信息，得到预设目标物对应的待确认航迹的信息；
关联点迹筛选模块330，用于基于待确认航迹的信息和点迹的信息，筛选出待确认航迹的关联点迹；
关联点迹分类统计模块340，用于将待确认航迹的关联点迹分为运动点迹和静态点迹，统计运动点迹的个数和关联次数、静态点迹的个数和关联次数；
关联特征矩阵构造模块350，用于基于运动点迹的个数和关联次数、静态点迹的个数和关联次数、待确认航迹的存在时间，构造待确认航迹的关联特征矩阵；
虚假目标判断模块360，用于基于关联特征矩阵，判断预设目标物是否为虚假目标；若是，则删除待确认航迹的所有信息；若不是，则保留待确认航迹的所有信息。
在一个示例性的实施方式中，待确认航迹获取模块320可以包括：
初始航迹获取模块，用于聚类速度和位置相近的点迹，得到初始航迹；
初始航迹处理模块，用于通过卡尔曼滤波算法对每一个初始航迹进行处理，输出满足预设条件的初始航迹为待确认航迹。
在一个示例性的实施方式中，关联点迹筛选模块330可以包括：
矩阵构造模块，用于基于待确认航迹的信息和点迹的信息，构造航迹状态矩阵和点迹信息矩阵；
关联统计量获取模块，用于基于航迹状态矩阵和点迹信息矩阵，得到待确认航迹与点迹的关联统计量；
关联点迹确定模块，用于遍历所有点迹的信息，当任一个点迹与待确认航迹之间的关联统计量小于预设关联门限时，确定任一个点迹是待确认航迹的关联点迹。
在一个示例性的实施方式中，关联点迹分类统计模块340可以包括：
个数统计模块，用于统计运动点迹的个数和静态点迹的个数；
关联次数统计模块，用于当所述运动点迹的个数大于预设运动门限时，运动点迹的关联次数加1；当静态点迹的个数大于预设静态门限时，静态点迹的关联次数加1。
在一个示例性的实施方式中，虚假目标判断模块360可以包括：
虚假目标概率获取模块，用于基于关联特征矩阵，得到待确认航迹对应的虚假目标概率；
虚假目标确定模块，用于当虚假目标概率大于预设虚假目标概率门限时，判断预设目标物为虚假目标。
在一个示例性的实施方式中，虚假目标概率获取模块可以包括：
原生虚假航迹概率获取模块，用于基于关联特征矩阵，得到原生虚假航迹概率；原生虚假航迹概率是指未修正的待确认航迹对应的虚假目标概率；
原生虚假航迹概率修正模块，用于通过平滑计算，修正原生虚假航迹概率，得到待确认航迹对应的虚假目标概率。
在一个示例性的实施方式中，原生虚假航迹概率获取模块可以包括：
关联特征矩阵展示模块，用于展示关联特征矩阵；
标注信息获取模块，用于响应于对关联特征矩阵的标注操作，得到关联特征矩阵对应的标注信息；标注信息指示实际路测过程中真实目标物的信息；
训练模块，用于将关联特征矩阵和对应的标注信息输入至机器学习模型进行训练，得到支持向量机模型参数集和全局偏置；
原生虚假航迹概率输出模块，用于基于关联特征矩阵、支持向量机模型参数集和全局偏置，得到原生虚假航迹概率。
需要表明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例表明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本发明实施例的信息处理装置实现了从路况虚假目标识别的场景覆盖率高、数理统计依据丰富、算法程度低等维度，提升虚假目标识别和剔除的准确性，有效降低雷达产生误报漏报的可能性。
本发明实施例提供了一种终端，该终端包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的信息处理方法。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及信息处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
本发明实施例所提供的方法实施例可以在计算机终端、服务器或者类似的运算装置中执行。以运行在终端上为例，图4是本发明实施例提供的运行一种信息处理方法的终端的硬件结构框图，具体来讲：
所述终端可以包括RF(Radio Frequency，射频)电路410、包括有一个或一个以上计算机可读存储介质的存储器420、输入单元430、显示单元440、传感器450、音频电路460、WiFi(wireless fidelity，无线保真)模块470、包括有一个或者一个以上处理核心的处理器480、以及电源490等部件。本领域技术人员可以理解，图4中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
RF电路410可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器480处理；另外，将涉及上行的数据发送给基站。通常，RF电路410包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier，低噪声放大器)、双工器等。此外，RF电路410还可以通过无线通信与网络和其他终端通信。所述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA(CodeDivision Multiple Access，码分多址)、WCDMA(Wideband Code Division MultipleAccess,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(ShortMessaging Service，短消息服务)等。
存储器420可用于存储软件程序以及模块，处理器480通过运行存储在存储器420的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器420还可以包括存储器控制器，以提供处理器480和输入单元430对存储器420的访问。
输入单元430可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元430可包括触敏表面431以及其他输入设备432。触敏表面431，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面431上或在触敏表面431附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面431可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器480，并能接收处理器480发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面431。除了触敏表面431，输入单元430还可以包括其他输入设备432。具体地，其他输入设备432可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元440可用于显示由用户输入的信息或提供给用户的信息以及所述终端的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元440可包括显示面板441，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板441。进一步的，触敏表面431可覆盖显示面板441，当触敏表面431检测到在其上或附近的触摸操作后，传送给处理器480以确定触摸事件的类型，随后处理器480根据触摸事件的类型在显示面板441上提供相应的视觉输出。其中，触敏表面431与显示面板441可以两个独立的部件来实现输入和输入功能，但是在某些实施例中，也可以将触敏表面431与显示面板441集成而实现输入和输出功能。
所述终端还可包括至少一种传感器450，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板441的亮度，接近传感器可在所述终端移动到耳边时，关闭显示面板441和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于所述终端还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
音频电路460、扬声器461，传声器462可提供用户与所述终端之间的音频接口。音频电路460可将接收到的音频数据转换后的电信号，传输到扬声器461，由扬声器461转换为声音信号输出；另一方面，传声器462将收集的声音信号转换为电信号，由音频电路460接收后转换为音频数据，再将音频数据输出处理器480处理后，经RF电路410以发送给比如另一终端，或者将音频数据输出至存储器420以便进一步处理。音频电路460还可能包括耳塞插孔，以提供外设耳机与所述终端的通信。
WiFi属于短距离无线传输技术，所述终端通过WiFi模块470可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块470，但是可以理解的是，其并不属于所述终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
处理器480是所述终端的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器420内的软件程序和/或模块，以及调用存储在存储器420内的数据，执行所述终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器480可包括一个或多个处理核心；优选的，处理器480可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器480中。
所述终端还包括给各个部件供电的电源490(比如电池)，优选的，电源可以通过电源管理系统与处理器480逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源490还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，所述终端还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，终端还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述方法实施例提供的信息处理的指令。
本发明的实施例还提供了一种计算机可读存储介质，所述存储介质可设置于终端之中以保存用于实现一种信息处理方法相关的至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的信息处理方法。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要表明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本表明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本表明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点表明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分表明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种信息处理方法，其特征在于，包括：
获取预设时间段内点迹的信息；所述点迹是指雷达电磁波照射到预设目标物上回波产生的能量信息；所述点迹的信息包括速度和位置；
基于所述点迹的信息，得到所述预设目标物对应的待确认航迹的信息；
基于所述待确认航迹的信息和所述点迹的信息，筛选出所述待确认航迹的关联点迹；
将所述待确认航迹的关联点迹分为运动点迹和静态点迹，统计所述运动点迹的个数和关联次数、所述静态点迹的个数和关联次数；
基于所述运动点迹的个数和关联次数、所述静态点迹的个数和关联次数、所述待确认航迹的存在时间，构造所述待确认航迹的关联特征矩阵；
基于所述关联特征矩阵，判断所述预设目标物是否为虚假目标；若是，则删除所述待确认航迹的所有信息；若不是，则保留所述待确认航迹的所有信息。
2.根据权利要求1所述的信息处理方法，其特征在于，所述基于所述点迹的信息，得到所述预设目标物对应的待确认航迹的信息，包括：
聚类速度和位置相近的所述点迹，得到初始航迹；
通过卡尔曼滤波算法对每一个所述初始航迹进行处理，输出满足预设条件的初始航迹为所述待确认航迹。
3.根据权利要求1所述的信息处理方法，其特征在于，所述基于所述待确认航迹的信息和所述点迹的信息，筛选出所述待确认航迹的关联点迹，包括：
基于所述待确认航迹的信息和所述点迹的信息，构造航迹状态矩阵和点迹信息矩阵；
基于所述航迹状态矩阵和所述点迹信息矩阵，得到所述待确认航迹与所述点迹的关联统计量；
当任一个所述点迹与所述待确认航迹之间的关联统计量小于预设关联门限时，确定任一个所述点迹是所述待确认航迹的关联点迹。
4.根据权利要求1所述的信息处理方法，其特征在于，所述统计所述运动点迹的个数和关联次数、所述静态点迹的个数和关联次数，包括：
统计所述运动点迹的个数和所述静态点迹的个数；
当所述运动点迹的个数大于预设运动门限时，所述运动点迹的关联次数加1；当所述静态点迹的个数大于预设静态门限时，所述静态点迹的关联次数加1。
5.根据权利要求1所述的信息处理方法，其特征在于，所述基于所述关联特征矩阵，判断所述预设目标物是否为虚假目标，包括：
基于所述关联特征矩阵，得到所述待确认航迹对应的虚假目标概率；
当所述虚假目标概率大于预设虚假目标概率门限时，确定所述预设目标物为虚假目标。
6.根据权利要求5所述的信息处理方法，其特征在于，所述基于所述关联特征矩阵，得到所述待确认航迹对应的虚假目标概率，包括：
基于所述关联特征矩阵，得到原生虚假航迹概率；所述原生虚假航迹概率是指未修正的所述待确认航迹对应的虚假目标概率；
通过平滑计算，修正所述原生虚假航迹概率，得到所述待确认航迹对应的虚假目标概率。
7.根据权利要求6所述的信息处理方法，其特征在于，所述基于所述关联特征矩阵，得到原生虚假航迹概率，包括：
展示所述关联特征矩阵；
响应于对所述关联特征矩阵的标注操作，得到所述关联特征矩阵对应的标注信息；所述标注信息指示实际路测过程中真实目标物的信息；
将所述关联特征矩阵和对应的标注信息输入至机器学习模型进行训练，得到支持向量机模型参数集和全局偏置；
基于所述关联特征矩阵、所述支持向量机模型参数集和所述全局偏置，得到所述原生虚假航迹概率。
8.一种信息处理装置，其特征在于，所述装置包括：
点迹获取模块，用于获取预设时间段内点迹的信息；所述点迹是指雷达电磁波照射到预设目标物上回波产生的能量信息；所述点迹的信息包括速度和位置；
待确认航迹获取模块，用于基于所述点迹的信息，得到所述预设目标物对应的待确认航迹的信息；
关联点迹筛选模块，用于基于所述待确认航迹的信息和所述点迹的信息，筛选出所述待确认航迹的关联点迹；
关联点迹分类统计模块，用于将所述待确认航迹的关联点迹分为运动点迹和静态点迹，统计所述运动点迹的个数和关联次数、所述静态点迹的个数和关联次数；
关联特征矩阵构造模块，用于基于所述运动点迹的个数和关联次数、所述静态点迹的个数和关联次数、所述待确认航迹的存在时间，构造所述待确认航迹的关联特征矩阵；
虚假目标判断模块，用于基于所述关联特征矩阵，判断所述预设目标物是否为虚假目标；若是，则删除所述待确认航迹的所有信息；若不是，则保留所述待确认航迹的所有信息。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-7中任一项所述的信息处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-7任一项所述的信息处理方法。
CN202210372139.3A 2022-04-11 2022-04-11 一种信息处理方法、装置、电子设备及存储介质 Pending CN114814767A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210372139.3A CN114814767A (zh) 2022-04-11 2022-04-11 一种信息处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210372139.3A CN114814767A (zh) 2022-04-11 2022-04-11 一种信息处理方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114814767A true CN114814767A (zh) 2022-07-29

Family

ID=82534427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210372139.3A Pending CN114814767A (zh) 2022-04-11 2022-04-11 一种信息处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114814767A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299302A (zh) * 2023-05-19 2023-06-23 南京隼眼电子科技有限公司 交通工具本体速度确定方法、雷达系统和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116299302A (zh) * 2023-05-19 2023-06-23 南京隼眼电子科技有限公司 交通工具本体速度确定方法、雷达系统和存储介质

Similar Documents

Publication Publication Date Title
US10943091B2 (en) Facial feature point tracking method, apparatus, storage medium, and device
CN106778707B (zh) 指纹识别方法、显示屏以及移动终端
CN110704661B (zh) 一种图像分类方法和装置
CN110443190B (zh) 一种对象识别方法和装置
CN112364439A (zh) 自动驾驶系统的仿真测试方法、装置以及存储介质
CN111222563B (zh) 一种模型训练方法、数据获取方法以及相关装置
CN104966046A (zh) 一种人脸关键点位定位结果的评估方法,及评估装置
CN111125523B (zh) 搜索方法、装置、终端设备及存储介质
CN109067981A (zh) 分屏应用切换方法、装置、存储介质和电子设备
CN106356071B (zh) 一种噪声检测方法，及装置
CN111913848A (zh) 一种数据监测分析方法及相关设备
CN110517677B (zh) 语音处理系统、方法、设备、语音识别系统及存储介质
CN109993234B (zh) 一种无人驾驶训练数据分类方法、装置及电子设备
CN110083742B (zh) 一种视频查询方法和装置
CN114814767A (zh) 一种信息处理方法、装置、电子设备及存储介质
CN112859136B (zh) 一种定位方法和相关装置
CN107545204B (zh) 物品顺序确定方法及装置
CN112635077A (zh) 一种密切接触判断方法、装置、电子设备和介质
CN107741813A (zh) 一种应用程序的操作方法及移动终端
CN107423123A (zh) 任务调度方法、装置、存储介质及电子设备
CN110277097A (zh) 数据处理方法及相关设备
CN112711516B (zh) 一种数据处理方法和相关装置
CN110908586A (zh) 一种键盘的显示方法、装置及终端设备
CN111062198A (zh) 一种基于大数据的企业类别分析方法及相关设备
CN110809234A (zh) 一种人物类别识别方法和终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination