CN115270967A - 一种数据处理方法、设备和计算机可读存储介质 - Google Patents

Abstract

本申请实施例公开了一种数据处理方法，所述方法包括：获取不同数据源对应的目标对象的特征信息；基于所述特征信息中所述不同数据源共有的共同特征信息，确定所述不同数据源对应的目标相似度；基于所述目标相似度，将所述不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据；基于所述目标数据源的采集误差，确定所述融合数据的目标置信度；基于所述目标置信度和所述目标相似度，对所述融合数据进行处理得到目标融合数据。本申请实施例同时还公开了一种电子设备和计算机可读存储介质。

Description

一种数据处理方法、设备和计算机可读存储介质

技术领域

本申请涉及数据处理领域，尤其涉及一种数据处理方法、设备和计算机可读存储介质。

背景技术

车联网系统一般是由车载单元(On board Unit，OBU)、路侧单元(Road SideUnit，RSU)、移动边缘计算(Mobile Edge Computing，MEC)和路侧传感器(包括摄像头、雷达等)等几个部分组成。目前，车联网中用的传感器主要有摄像头和雷达，主要作用是感知道路的信息，包括机动车辆、非机动车辆、行人、以及道路的一些突发状态等。其中，摄像头拍摄的视频数据需要传给MEC做人工智能(Artificial Intelligence，AI)识别；雷达可以直接识别出道路上的车辆行人等信息，并传给MEC。MEC收集到来自RSU、摄像头和雷达的数据，通过对不同数据源数据的融合、计算、分析，可以得到道路上所有的车辆、行人等信息，并利用这些道路信息实现多种应用。但是，在多源目标数据融合时，会因为探测目标存在部分车辆遮挡、距离较远等情况，导致原始目标数据存在误差，导致融合后数据与真实情况存在差异，无法提供准确、可信的融合数据。

发明内容

为解决上述技术问题，本申请实施例期望提供一种数据处理方法、设备和计算机可读存储介质，解决了相关技术中在对多源数据融合过程中存在融合后的数据与真实情况存在差异的问题，保证了融合后的数据的准确性和可靠性。

本申请的技术方案是这样实现的：

一种数据处理方法，所述方法包括：

获取不同数据源对应的目标对象的特征信息；

基于所述特征信息中所述不同数据源共有的共同特征信息，确定所述不同数据源对应的目标相似度；

基于所述目标相似度，将所述不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据；

基于所述目标数据源的采集误差，确定所述融合数据的目标置信度；

基于所述目标置信度和所述目标相似度，对所述融合数据进行处理得到目标融合数据。

上述方案中，所述基于所述特征信息中所述不同数据源共有的共同特征信息，确定所述不同数据源对应的目标相似度，包括：

对所述不同数据源对应的每一组所述共同特征信息分别进行运算，确定特征差值；

基于所述目标特征系数和每一所述特征差值，得到所述目标相似度。

上述方案中，所述基于所述目标相似度，将所述不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据，包括：

从所述不同数据源中，确定所述目标相似度值满足目标筛选条件的数据源作为所述目标数据源；

将所述目标数据源对应的特征信息进行融合处理，得到所述融合数据。

上述方案中，所述基于所述目标置信度和所述目标相似度，对所述融合数据进行处理得到目标融合数据，包括：

在所述目标相似度和所述目标置信度满足第一融合条件的情况下，确定所述融合数据为所述目标融合数据并存储至融合数据库中；

在所述目标相似度和所述目标置信度满足第二融合条件的情况下，确定所述融合数据之前的上一次确定出来的融合数据为所述目标融合数据。

上述方案中，所述基于所述目标数据源的采集误差，确定所述融合数据的目标置信度，包括：

基于每一所述目标数据源的采集误差，确定所述每一目标数据源对应的特征信息的初始置信度；

确定每一所述目标数据源的权重；

基于所述权重和所述初始置信度，确定所述融合数据的目标置信度。

上述方案中，所述基于每一所述目标数据源的采集误差，确定所述每一目标数据源对应的特征信息的初始置信度，包括：

确定每一所述目标数据源对应的所述采集误差；

针对每一所述目标数据源，基于所述采集误差计算得到所述初始置信度。

上述方案中，所述基于所述权重和所述初始置信度，确定所述融合数据的目标置信度，包括：

基于所述权重和所述初始置信度，计算得到当前置信度；

在所述目标相似度满足第三融合条件的情况下，基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整所述当前置信度，得到所述目标置信度；其中，所述融合数据库中存储有融合数据。

上述方案中，所述基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整所述当前置信度，得到所述目标置信度，包括：

采用目标滤波算法对所述其它融合数据对应的置信度进行处理，得到预测置信度；

基于所述预测置信度和所述当前置信度，计算得到偏离度；

基于所述偏离度和偏离阈值，对所述预测置信度和所述当前置信度进行运算，得到所述目标置信度。

一种电子设备，所述设备包括：处理器、存储器和通信总线；

所述通信总线用于实现处理器和存储器之间的通信连接；

所述处理器用于执行存储器中的数据处理程序，以实现上述的数据处理方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的数据处理方法的步骤。

本申请的实施例所提供的数据处理方法、设备和计算机可读存储介质，可以获取不同数据源对应的目标对象的特征信息，并基于特征信息中不同数据源共有的共同特征信息确定不同数据源对应的目标相似度，之后基于目标相似度，将不同数据源中目标数据源对应的特征信息进行融合处理得到融合数据，基于目标数据源的采集误差确定融合数据的目标置信度，最终基于目标置信度和目标相似度，对融合数据进行处理得到目标融合数据，如此，在对多源数据进行融合的时候，可以在融合前对多源数据进行筛选且基于融合后的数据的置信度对融合后的数据进行处理已得到最终的目标融合数据，从而已经在融合前将原始数据中存在误差的数据筛掉了，且融合后对融合后的数据进行了进一步的处理，解决了相关技术中在对多源数据融合过程中存在融合后的数据与真实情况存在差异的问题，保证了融合后的数据的准确性和可靠性。

附图说明

图1为本申请的实施例提供的一种数据处理方法的流程示意图；

图2为本申请的实施例提供的另一种数据处理方法的流程示意图；

图3为本申请的实施例提供的又一种数据处理方法的流程示意图；

图4和图5为本申请的实施例提供的一种数据处理方法中使用不同数据源采集目标对象的特征信息的示意图；

图6为本申请的实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本申请的实施例提供一种数据处理方法，参照图1所示，该方法包括以下步骤：

步骤101、获取不同数据源对应的目标对象的特征信息。

其中，不同数据源指的是目标对象的特征信息对应的获取来源不同；需要说明的是，不同数据源可以指的是采用不同的采集部件；或者，不同数据源可以指的是相同采集不同对应的不同采集角度等。在一种可行的实现方式中，不同采集部件可以包括RSU、摄像头、激光雷达和毫米波雷达等用于采集数据的传感器。在本申请其他实施例中，目标对象的特征信息可以是不同数据源采集到目标对象的特征信息。需要说明的是，目标对象可以是任何需要进行监测的对象；在一种可行的实现方式中，目标对象可以指的是处于路上的汽车等；当然，本申请实施例中是持续进行监测的。

步骤102、基于特征信息中不同数据源共有的共同特征信息，确定不同数据源对应的目标相似度。

在本申请其他实施例中，共同特征信息可以指的是每一数据源对应的特征信息中，所有数据源都具有的特征信息；也就是说，通过对每一个数据源对应的特征信息进行比对，从而得到共同特征信息。在一种可行的实现方式中，若摄像头采集到的特征信息包括：颜色、位置、速度、车牌、车型；雷达采集到的特征信息包括：位置、大小、速度；那么，共同特征信息就可以包括：位置和速度。此外，可以对不同数据源共有的共同特征信息进行一定的运算处理，得到具有共同特征信息的两个数据源对应的目标相似度。

步骤103、基于目标相似度将不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据。

在本申请实施例中，可以根据确定出来的目标相似度，从具有共同特征信息的多个不同数据源中确定一对目标数据源；其中，目标数据源包括至少两个数据源；之后对目标数据源对应的特征信息进行融合处理，从而得到融合数据。

步骤104、基于目标数据源的采集误差，确定融合数据的目标置信度。

在本申请实施例中，融合数据的目标置信度可以是基于目标数据源的初始置信度和目标数据源的权重确定出来的；其中，目标数据源的初始置信度可以是基于目标数据源的采集误差确定出来的。需要说明的是，目标置信度表征的是融合数据的准确程度。

步骤105、基于目标置信度和目标相似度，对融合数据进行处理得到目标融合数据。

在本申请实施例中，可以对目标置信度和目标相似度进行判断处理，之后根据目标置信度和目标相似度与融合条件的匹配结果，对融合数据进行处理，从而得到目标融合数据，也就是最终的融合数据。

本申请的实施例所提供的数据处理方法，可以获取不同数据源对应的目标对象的特征信息，并基于特征信息中不同数据源共有的共同特征信息确定不同数据源对应的目标相似度，之后基于目标相似度，将不同数据源中目标数据源对应的特征信息进行融合处理得到融合数据，基于目标数据源的采集误差确定融合数据的目标置信度，最终基于目标置信度和目标相似度，对融合数据进行处理得到目标融合数据，如此，在对多源数据进行融合的时候，可以在融合前对多源数据进行筛选且基于融合后的数据的置信度对融合后的数据进行处理已得到最终的目标融合数据，从而已经在融合前将原始数据中存在误差的数据筛掉了，且融合后对融合后的数据进行了进一步的处理，解决了相关技术中在对多源数据融合过程中存在融合后的数据与真实情况存在差异的问题，保证了融合后的数据的准确性和可靠性。

基于前述实施例，本申请的实施例提供一种数据处理方法，参照图2所示，该方法包括以下步骤：

步骤201、获取不同数据源对应的目标对象的特征信息。

步骤202、对不同数据源对应的每一组共同特征信息分别进行运算，确定特征差值。

在本申请实施例中，可以先分别将两个数据源对应的共同特征信息中的每一共同特征信息两两相减并取绝对值，得到多个特征差值；也就是说，如果数据源摄像头的特征信息与数据源雷达的特征信息中具有共同特征信息，那么可以将摄像头的共同特征信息与对应的雷达的共同特征信息中相同的共同特征信息进行相减，并取绝对值，得到多个特征差值。

步骤203、基于目标特征系数和每一特征差值，得到目标相似度。

其中，目标特征系数可以指的是预先已经设置好的；需要说明的是，目标特征系数可以是根据数据源和特征信息的数据类型确定的；在一种可行的实现方式中，若数据源为毫米波雷达和激光雷达、特征信息的数据类型为速度，因为毫米波雷达和激光雷达探测的目标速度都比较准确，则设置目标特征系数的值较小；如果数据源为摄像头、特征信息的数据类型为速度，因为摄像头探测的目标速度较为不准确，则设置目标特征系数的值较大。

在本申请其他实施例中，可以将目标特征系数与对应的特征差值相乘，之后将每一共同特征对应的乘积相加进而得到目标相似度。需要说明的是，可以采用公式x＝∑[k_n*|a_n-b_n|]来计算目标相似度；其中，x表示目标相似度，k_n表示目标特征系数，a_n表示某一数据源的共同特征信息，b_n表示另一数据源的与a_n对应的共同特征信息。

步骤204、从不同数据源中，确定目标相似度值满足目标筛选条件的数据源作为目标数据源。

其中，目标筛选条件可以是预先设置的用来筛选出目标相似度中值最大的相似度；也就是说，目标数据源是目标相似度中值最大的相似度对应的两个数据源。

步骤205、将目标数据源对应的特征信息进行融合处理，得到融合数据。

在本申请实施例中，融合数据可以是采用任何可以实现数据融合的方法，将目标数据源对应的特征进行融合后得到的。

需要说明的是，因为本申请实施例中并不是随便的将所有数据源的特征信息进行融合来得到融合数据，而是根据不同数据源对应的目标相似度从所有的数据源中筛选出相似度值最大的两个数据源作为目标数据源，并对该目标数据源的特征信息进行融合数据；也即在进行数据融合前已经进行过特征信息的筛选，从而保证了得到的融合数据的准确性，同时，不必将所有数据源的特征信息进行融合，也提高了数据处理效率，避免了资源的浪费。

步骤206、基于每一目标数据源的采集误差，确定每一目标数据源对应的特征信息的初始置信度。

在本申请实施例中，可以对每一目标数据的采集误差进行运算，来得到每一目标数据源的特征信息的初始置信度；其中，针对每一目标数据源，可以将目标数据源的采集误差与一目标数值进行运算，得到初始置信度。需要说明的是，初始置信度可以表征每一目标数据源对应的特征信息最初的数据的准确性。

步骤207、确定每一目标数据源的权重。

其中，若数据源为不同的采集部件，那确定的可以是每一个采集部件的权重；在一种可行的实现方式中，不同的采集部件可以指的是不同的传感器；需要说明的是，每一个目标数据源的权重可以是根据数据源(即传感器)本身的数据采集特性确定出来的。

步骤208、基于权重和初始置信度，确定融合数据的目标置信度。

在本申请实施例中，可以将权重和初始置信度进行一定的运算，之后根据运算结果确定融合数据的目标置信度。

需要说明的是，步骤208之后可以选择执行步骤209或者步骤210；

步骤209、在目标相似度和目标置信度满足第一融合条件的情况下，确定融合数据为目标融合数据并存储至融合数据库中。

在本申请实施例中，目标相似度和目标置信度满足第一融合条件可以指的是，目标相似度满足第一相似度阈值且目标置信度满足第一置信度阈值；也就是说，在目标相似度和目标置信度都满足各自对应的第一相似度阈值和第一置信度阈值的时候，认为此时得到的融合数据是准确的，那么就将该融合数据作为最终的目标融合数据并存储值融合数据库中。其中，融合数据库中按照获取融合数据的先后时间，存储有各自获取的融合数据。

步骤210、在目标相似度和目标置信度满足第二融合条件的情况下，确定融合数据之前的上一次确定出来的融合数据为目标融合数据。

在本申请实施例中，目标相似度和目标置信度满足第二融合条件可以指的是，目标相似度满足第二相似度阈值且目标置信度满足第二置信度阈值；也就是说，在目标相似度和目标置信度都满足各自对应的第二相似度阈值和第二置信度阈值的时候，认为此时得到的融合数据一定是不准确的，那么就舍弃掉该融合数据，并将上一次确定的融合数据作为最终的目标融合数据。其中，第一相似度阈值大于第二相似度阈值，第一置信度阈值大于第二置信度阈值。

需要说明的是，在确定最终的目标融合数据的过程中，在本次计算得到融合数据后，会根据目标相似度和目标置信度判断本次计算得到的融合数据是否可信，只有在判断得到本次计算得到的融合数据可信时才会将其作为本次最终得到的融合数据；在判断得到本次计算得到的融合数据不可信时会丢掉本次计算得到的融合数据，选择上一次的可信的融合数据作为本次最终的融合数据，经过这一系列的判断和处理，更进一步的保证了最终得到的目标融合数据的准确性。

需要说明的是，本申请实施例中与其他实施例中相同或相应步骤的说明，可以参照其他实施例中的描述，此处不再赘述。

本申请的实施例所提供的数据处理方法，在对多源数据进行融合的时候，可以在融合前对多源数据进行筛选且基于融合后的数据的置信度对融合后的数据进行处理已得到最终的目标融合数据，从而已经在融合前将原始数据中存在误差的数据筛掉了，且融合后对融合后的数据进行了进一步的处理，解决了相关技术中在对多源数据融合过程中存在融合后的数据与真实情况存在差异的问题，保证了融合后的数据的准确性和可靠性。

基于前述实施例，本申请的实施例提供一种数据处理方法，参照图3所示，该方法包括以下步骤：

步骤301、获取不同数据源对应的目标对象的特征信息。

步骤302、对不同数据源对应的每一组共同特征信息分别进行运算，确定特征差值。

步骤303、基于目标特征系数和每一特征差值，得到目标相似度。

步骤304、从同数据源中，确定目标相似度值满足目标筛选条件的数据源作为目标数据源。

步骤305、将目标数据源对应的特征信息进行融合处理，得到融合数据。

步骤306、确定每一目标数据源对应的采集误差。

在本申请实施例中，采用传感器采集到的特征信息来识别交通参与者时，因交通参与者的位置一直在变换，存在有一定的误差；因此，可以提前设置每一目标数据源对应的采集误差。

步骤307、针对每一目标数据源，基于采集误差计算得到初始置信度。

在本申请实施例中，可以将采集误差与参考数值进行第一运算，之后将第一运算的结果与目标数值进行第二运算，从而得到初始置信度；在一种可行的实现方式中，可以将采集误差与参考数值相乘并求乘积的参考数值的次方，之后，用目标数值减得到的次方值，即可以得到初始置信度；其中，参考数值可以为1.6，目标数值可以为30；当然，参考数值和目标数值的取值可以是根据历史数据确定出来的。需要说明的是，在初始置信度用confidence表示，采集误差用deviation表示时，可以采用公式confidence＝30-(deviation*1.6)^1.6来计算得到初始置信度。

步骤308、确定每一目标数据源的权重。

步骤309、基于权重和初始置信度，计算得到当前置信度。

在本申请实施例中，可以将权重和对应的初始置信度进行运算，以得到当前置信度；在一种可行的实现方式中，可以将权重和初始置信度相乘，以得到当前置信度。

步骤310、在目标相似度满足第三融合条件的情况下，基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整当前置信度，得到目标置信度。

其中，融合数据库中存储有融合数据。

在本申请实施例中，目标相似度满足第三融合条件可以指的是目标相似度满足第三相似度阈值；其中，第三相似度阈值可以是比第一相似度阈值小，并且比第二相似度阈值大的数值范围；也就是说，在目标相似度满足第三融合条件时可以认为此时计算得到的融合数据处于中间情况，即可能是准确的也可能是错误的，没法进行唯一的判断；此时，可以根据融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度对计算得到的当前的融合数据的当前置信度进行动态的调整，以使得当前计算的融合数据的准确性更明确，进而提升最终得到的融合数据的准确性。

需要说明的是，步骤310中的基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整当前置信度，得到目标置信度，可以通过以下方式来实现：

步骤310a、采用目标滤波算法对其它融合数据对应的置信度进行处理，得到预测置信度。

在本申请实施例中，目标滤波算法可以指的是卡尔曼滤波算法；需要说明的是，可以将融合数据库中的之前的n次其它融合数据对应的置信度代入卡尔曼滤波算法中，得到本次融合数据的置信度预测值即得到预测置信度；其中，可以用C_pre来表示预测置信度。

步骤310b、基于预测置信度和当前置信度，计算得到偏离度。

在本申请实施例中，可以将阈值置信度和当前置信度进行运算，得到偏离度；在一种可行的实现方式中，可以采用公式δC＝C_pre-C_this来计算得到偏离度；其中，δC表示偏离度，C_this表示当前置信度。

步骤310c、基于偏离度和偏离阈值，对预测置信度和当前置信度进行运算，得到目标置信度。

在本申请实施例中，可以将偏离度与偏离阈值进行比较，之后根据比较结果对预测置信度和当前置信度进行运算得到目标置信度；在一种可行的实现方式中，偏离阈值用λC来表示，如果偏离度小于偏离阈值(即δC<λC)，此时可以采用公式C＝(C_this+C_pre)÷2来计算得到目标置信度C；如果，偏离度大于或等于偏离阈值(即δC≥λC)，此时可以采用公式C＝C_this来计算目标置信度C。

需要说明的是，步骤310之后可以选择执行步骤311或者步骤312；

步骤311、在目标相似度和目标置信度满足第一融合条件的情况下，确定融合数据为目标融合数据并存储至融合数据库中。

步骤312、在目标相似度和目标置信度满足第二融合条件的情况下，确定融合数据之前的上一次确定出来的融合数据为目标融合数据。

在本申请其他实施例中，如图4和图5所示，以一个数据源为摄像头，一个数据源为雷达为例进行说明：摄像头采集到的特征信息为数据A1，但其与雷达采集到的特征信息中的数据A2的相似较高，与雷达采集到的特征信息数据中的B2和C2数据相似度极低，则将A1和A2数据融合为结果A，且后续无需再与B2和C2进行比较。

此外，摄像头采集到的数据中的B1和C1与雷达采集到的特征信息中的数据B2和C2，对应的位置、速度、方向、颜色和大小都较为相似，难以区分，则可以将B1与B2融合为结果B，C1与C2融合为结果C；但B1与C2、C1与B2匹配度也在部分可信范围内，则后续持续进行融合，并实时调整数据置信度，若B1与B2、C1与C2相似度一直高于B1与C2以及C1与B2的相似度，则可动态提升数据B和C的置信度，反之则降低其置信度；若B1与C2、C1与B2匹配度后续高于B1与B2以及C1与C2的相似度，则需要按照上述实施例中的方法动态确定目标融合数据。

需要说明的是，本申请实施例中与其他实施例中相同或相应步骤的说明，可以参照其他实施例中的描述，此处不再赘述。

本申请的实施例所提供的数据处理方法，在对多源数据进行融合的时候，可以在融合前对多源数据进行筛选且基于融合后的数据的置信度对融合后的数据进行处理已得到最终的目标融合数据，从而已经在融合前将原始数据中存在误差的数据筛掉了，且融合后对融合后的数据进行了进一步的处理，解决了相关技术中在对多源数据融合过程中存在融合后的数据与真实情况存在差异的问题，保证了融合后的数据的准确性和可靠性。

基于前述实施例，本申请的实施例提供一种电子设备，该电子设备可以应用于图1～3对应的实施例提供的数据处理方法中，参照图6所示，该电子设备4可以包括：处理器41、存储器42和通信总线43，其中：

通信总线43用于实现处理器41和存储器42之间的通信连接；

处理器41用于执行存储器42中的数据处理程序，以实现如下步骤：

获取不同数据源对应的目标对象的特征信息；

基于特征信息中不同数据源共有的共同特征信息，确定不同数据源对应的目标相似度；

基于目标相似度，将不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据；

基于目标数据源的采集误差，确定融合数据的目标置信度；

基于目标置信度和目标相似度，对融合数据进行处理得到目标融合数据。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于特征信息中不同数据源共有的共同特征信息，确定不同数据源对应的目标相似度，以实现如下步骤：

对不同数据源对应的每一组共同特征信息分别进行运算，确定特征差值；

基于目标特征系数和每一特征差值，得到目标相似度。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于目标相似度，将不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据，以实现如下步骤：

从不同数据源中，确定目标相似度值满足目标筛选条件的数据源作为目标数据源；

将目标数据源对应的特征信息进行融合处理，得到融合数据。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于目标置信度和目标相似度，对融合数据进行处理得到目标融合数据，以实现如下步骤：

在目标相似度和目标置信度满足第一融合条件的情况下，确定融合数据为目标融合数据并存储至融合数据库中；

在目标相似度和目标置信度满足第二融合条件的情况下，确定融合数据之前的上一次确定出来的融合数据为目标融合数据。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于目标数据源的采集误差，确定融合数据的目标置信度，以实现如下步骤：

基于每一目标数据源的采集误差，确定每一目标数据源对应的特征信息的初始置信度；

确定每一目标数据源的权重；

基于权重和初始置信度，确定融合数据的目标置信度。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于每一目标数据源的采集误差，确定每一目标数据源对应的特征信息的初始置信度，以实现如下步骤：

确定每一目标数据源对应的采集误差；

针对每一目标数据源，基于采集误差计算得到初始置信度。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于权重和初始置信度，确定融合数据的目标置信度，以实现如下步骤：

基于权重和初始置信度，计算得到当前置信度；

在目标相似度满足第三融合条件的情况下，基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整当前置信度，得到目标置信度；其中，融合数据库中存储有融合数据。

在本申请的其他实施例中，处理器41用于执行存储器42中的数据处理程序的基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整当前置信度，得到目标置信度，以实现如下步骤：

采用目标滤波算法对其它融合数据对应的置信度进行处理，得到预测置信度；

基于预测置信度和当前置信度，计算得到偏离度；

基于偏离度和偏离阈值对预测置信度和当前置信度进行运算，得到目标置信度。

需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1～3对应的实施例提供的数据处理方法中的实现过程，此处不再赘述。

本申请的实施例所提供的电子设备，在对多源数据进行融合的时候，可以在融合前对多源数据进行筛选且基于融合后的数据的置信度对融合后的数据进行处理已得到最终的目标融合数据，从而已经在融合前将原始数据中存在误差的数据筛掉了，且融合后对融合后的数据进行了进一步的处理，解决了相关技术中在对多源数据融合过程中存在融合后的数据与真实情况存在差异的问题，保证了融合后的数据的准确性和可靠性。

基于前述实施例，本申请的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如图1～3对应的实施例提供的数据处理方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。

Claims (10)

1.一种数据处理方法，所述方法包括：

获取不同数据源对应的目标对象的特征信息；

基于所述特征信息中所述不同数据源共有的共同特征信息，确定所述不同数据源对应的目标相似度；

基于所述目标相似度，将所述不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据；

基于所述目标数据源的采集误差，确定所述融合数据的目标置信度；

基于所述目标置信度和所述目标相似度，对所述融合数据进行处理得到目标融合数据。

2.根据权利要求1所述的方法，其中，所述基于所述特征信息中所述不同数据源共有的共同特征信息，确定所述不同数据源对应的目标相似度，包括：

对所述不同数据源对应的每一组所述共同特征信息分别进行运算，确定特征差值；

基于目标特征系数和每一所述特征差值，得到所述目标相似度。

3.根据权利要求1所述的方法，其中，所述基于所述目标相似度，将所述不同数据源中目标数据源对应的特征信息进行融合处理，得到融合数据，包括：

从所述不同数据源中，确定所述目标相似度值满足目标筛选条件的数据源作为所述目标数据源；

将所述目标数据源对应的特征信息进行融合处理，得到所述融合数据。

4.根据权利要求1所述的方法，其中，所述基于所述目标置信度和所述目标相似度，对所述融合数据进行处理得到目标融合数据，包括：

在所述目标相似度和所述目标置信度满足第一融合条件的情况下，确定所述融合数据为所述目标融合数据并存储至融合数据库中；

在所述目标相似度和所述目标置信度满足第二融合条件的情况下，确定所述融合数据之前的上一次确定出来的融合数据为所述目标融合数据。

5.根据权利要求1所述的方法，其中，所述基于所述目标数据源的采集误差，确定所述融合数据的目标置信度，包括：

基于每一所述目标数据源的采集误差，确定所述每一目标数据源对应的特征信息的初始置信度；

确定每一所述目标数据源的权重；

基于所述权重和所述初始置信度，确定所述融合数据的目标置信度。

6.根据权利要求5所述的方法，其中，所述基于每一所述目标数据源的采集误差，确定所述每一目标数据源对应的特征信息的初始置信度，包括：

确定每一所述目标数据源对应的所述采集误差；

针对每一所述目标数据源，基于所述采集误差计算得到所述初始置信度。

7.根据权利要求5所述的方法，其中，所述基于所述权重和所述初始置信度，确定所述融合数据的目标置信度，包括：

基于所述权重和所述初始置信度，计算得到当前置信度；

在所述目标相似度满足第三融合条件的情况下，基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整所述当前置信度，得到所述目标置信度；其中，所述融合数据库中存储有融合数据。

8.根据权利要求7所述的方法，其中，所述基于融合数据库中的除当前确定的融合数据之外的其它融合数据对应的置信度调整所述当前置信度，得到所述目标置信度，包括：

采用目标滤波算法对所述其它融合数据对应的置信度进行处理，得到预测置信度；

基于所述预测置信度和所述当前置信度，计算得到偏离度；

基于所述偏离度和偏离阈值，对所述预测置信度和所述当前置信度进行运算，得到所述目标置信度。

9.一种电子设备，所述电子设备包括：处理器、存储器和通信总线；

所述通信总线用于实现处理器和存储器之间的通信连接；

所述处理器用于执行存储器中的数据处理程序，以实现如权利要求1～8任一项所述的数据处理方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的数据处理方法的步骤。

Images