[发明专利]基于信息融合的目标识别方法、系统、计算机设备和存储介质

权利要求书

1.一种基于信息融合的目标识别方法，其特征在于，所述方法包括以下步骤：

步骤1，利用毫米波雷达和摄像机同时分别采集某一交通路段的场景信息，构成交通数据集；

步骤2，利用目标识别数据集对Faster R-CNN模型进行训练，获得Faster R-CNN模型各层的权重值；所述目标识别数据集中包括行人、车辆；

步骤3，对毫米波雷达和摄像机分别采集的数据进行融合；

步骤4，结合所述融合后的信息和训练后的Faster R-CNN模型，实现目标识别。

2.根据权利要求1所述的基于信息融合的目标识别方法，其特征在于，步骤2中所述目标识别数据集采用Pascal VOC2007数据集或Pascal VOC2012数据集。

3.根据权利要求1所述的基于信息融合的目标识别方法，其特征在于，步骤3中所述对毫米波雷达和摄像机分别采集的数据进行融合，具体包括：

时间融合：将毫米波雷达和摄像机分别采集的数据归一化至同一时间轴上，实现数据的时间同步；

空间融合：将毫米波雷达和摄像机分别采集的数据统一至同一坐标系下；假设摄像机安装的高度为H，俯仰角为θ，O_rw-x_rwy_rwz_rw为雷达投影坐标系，O_cw-x_cwy_cwz_cw为摄像机投影坐标系，O_c-x_cy_cz_c为摄像头坐标系，O_p-x_py_p为图像坐标系，雷达投影坐标系与图像坐标系之间的转化关系为：

4.根据权利要求1所述的基于信息融合的目标识别方法，其特征在于，步骤4所述结合所述融合后的信息和训练后的Faster R-CNN模型，实现目标识别，具体为：

将融合后毫米波雷达信息输入Faster R-CNN模型的分类和回归层；

将融合后的摄像机采集的数据作为Faster R-CNN模型的输入。

5.一种基于信息融合的目标识别系统，其特征在于，所述系统包括：

数据采集模块，用于利用毫米波雷达和摄像机同时分别采集某一交通路段的场景信息，构成交通数据集；

训练模块，用于利用目标识别数据集对Faster R-CNN模型进行训练，获得Faster R-CNN模型各层的权重值；所述目标识别数据集中包括行人、车辆；

数据融合模块，用于对毫米波雷达和摄像机分别采集的数据进行融合；

目标识别模块，用于结合所述融合后的信息和训练后的Faster R-CNN模型，实现目标识别。

6.根据权利要求5所述的基于信息融合的目标识别系统，其特征在于，所述数据融合模块，包括：

时间融合单元，用于将毫米波雷达和摄像机分别采集的数据归一化至同一时间轴上，实现数据的时间同步；

空间融合单元，用于将毫米波雷达和摄像机分别采集的数据统一至同一坐标系下；假设摄像机安装的高度为H，俯仰角为θ，O_rw-x_rwy_rwz_rw为雷达投影坐标系，O_cw-x_cwy_cwz_cw为摄像机投影坐标系，O_c-x_cy_cz_c为摄像头坐标系，O_p-x_py_p为图像坐标系，雷达投影坐标系与图像坐标系之间的转化关系为：