0078]回到图5，在步骤S220中完成计算待识别物体的像素概率图之后，前进到步骤S230 中。
[0079]在步骤S230中，获得各个跟踪对象的历史跟踪数据，每个跟踪对象的历史跟踪数据包括跟踪对象的标识符信息、与在当前帧图像之前的一个或多个先前视差图的每个关联的像素概率图。
[0080]这里，一个跟踪对象被赋予唯一的ID，该跟踪对象在各帧中被定位，并可以按照如图5所示的方式，迭代地计算有与各帧关联的像素概率图。例如，对于第一帧，检测到的各个对象被定位、被赋予了 ID，并且例如按照上述步骤S220中的操作计算了像素概率图。对于第二帧，则可以例如按照图5所示的步骤S210-S250来得到各个检测物体的标识符并且计算与各个检测对象关联的关于当前帧的像素概率图。对于第三帧、第四帧，……可以进行同样的处理。
[0081]在步骤S240中，基于第一待识别物体的像素概率图与跟踪对象的每个的一个或多个像素概率图之间的匹配，来确定第一待识别物体的标识符信息并更新第一待识别物体的像素概率图。
[0082]图11示出了根据本发明一个实施例的基于第一待识别物体的像素概率图与跟踪对象的每个的一个或多个像素概率图之间的匹配，来确定第一待识别物体的标识符信息并更新第一待识别物体的像素概率图的示例性方法240的流程图。该示例性方法240可以应用于图5所示的步骤S240。
[0083]如图11所示，其中对于每个跟踪对象，都将执行步骤S241-S243，以计算得到第一待识别物体与各个跟踪对象之间的相似度。在求得第一待识别物体与各个跟踪对象之间的相似度之后，前进到步骤S244，其中进行标识符赋予和第一待识别物体的与当前帧关联的像素概率图更新操作。
[0084]具体地，在步骤S241中，确定第一待识别物体的像素概率图与该跟踪对象的一个或多个像素概率图的每个之间的对齐位置。
[0085]此操作的思想在于，假定第一待识别物体就是该跟踪对象，那么彼此的像素概率图应该接近，但是两者的像素概率图可能尺寸不同，此时应该确定如何对准，只有进行了相互对准，才能进行后续的相互组合操作。
[0086]关于此对齐位置，根据检测对象不同，关注的维度可能不同。例如，在跟踪对象为车辆的情况下，关注的主要是在车辆宽度方向上的位置，而不是高度方向上的位置。这其中的一个原因在于车辆的高度方向相对而言特征比较突出，在不同帧之间的定位基本一致。而车辆跟踪出现偏移，一般出现在车辆宽度方向上。
[0087]在一个示例中，可以通过第一待识别物体在当前帧视差图上的视差主平面的投影以及跟踪对象在各个历史帧中的主平面图的投影的对准来实现待识别物体的像素概率图和跟踪对象的对应帧相关的像素概率图的对准。
[0088]如前所述，可以将第一待识别物体的第一边界区域内出现频度最高的视差值所在的平面作为视差主平面，然后将该视差主平面投影到水平X坐标。更确切地说，获得第一待识别物体的第一边界区域内出现频度最高的视差值对应的各个像素点在水平X坐标上的投影的数目累计，得到水平投影直方图，其中该直方图的一维为X坐标，另一维表示在X坐标上的对应位置的取值为频度最高的视差值的像素点的数目。
[0089]图12示意性地示出了抽取的视差主平面和视差主平面在X坐标上的投影(即前述水平投影直方图)。其中，图12中的(a)示出了抽取的视差主平面，图12中的(b)示出了主平面水平投影，其中以椭圆形圈出了投影中的波峰，在主平面水平投影图中，水平维为X-坐标，垂直维表示在X位置有视差值的点的个数。
[0090]在一个示例中，可以通过如下操作来确定第一待识别物体的边界区域与跟踪对象在一历史帧中的边界区域之间的对齐位置:
[0091](I)针对第一待识别物体的边界区域与跟踪对象在一历史帧中的边界区域，生成水平投影直方图；
[0092](2)将第一待识别物体的水平投影直方图在该跟踪对象的该像素概率图相关联的边界区域的水平投影直方图上滑动，计算两者在不同位置处匹配时的匹配度；
[0093]在一个示例中，通过下述公式(2)来计算待识别物体Dobj在不同位置pos时与跟踪对象Tobjk的匹配度，
[0094]MatchDegreek (Dob j, Tobjk, P(Ds)=1-Swi (hD，「hTi) * (hD，「1ιΤ?)/t; (2)
[0095]其中，MatchDegreek(Dobj, Tobjk, pos)是待识别物体Dobj的水平投影直方图和跟踪对象Tobjk之间关于候选对齐位置pos (该候选对齐位置pos随着在水平方向的移动而按照例如步长而增加)的匹配度(后文简写为MD)，其中i表示跟踪对象Tobjk在水平投影直方图上的水平轴上的坐标，pos ^ i ^ pos+Dobj_Width,其中Dobj_Width宽度标识检测对象的边界区域的宽度。Tobjk是第k帧中的该跟踪对象，Wi是i位置对应的权重，t是待识别物体Dobj的水平投影直方图的宽度，Iiiu是x=i时待识别物体Dobj在水平投影直方图中国的垂直坐标，也即像素数，hTi是x=i时跟踪对象Tobjk在水平投影直方图的垂直坐标，也即像素数。
[0096]3)将匹配度最高，即MatchDegree=Max {MatchDegree (pos)}的位置选择为对齐位置。
[0097]图13示意性示出了将待识别物体的水平投影直方图在该跟踪对象的该像素概率图相关联的边界区域的水平投影直方图上沿水平方向滑动、计算各个匹配度、找到最大匹配度、以及找到最匹配部分的过程的示意图。
[0098]如图13所示，移动检测对象的水平投影直方图，并计算在每一个位置上与跟踪对象之间的匹配度，于是得到MD1, MD2,…，MDm^1 ο这里移动的意思是pos从I变到跟踪对象的水平投影直方图宽度与检测对象的水平投影直方图直方图宽度之差，即(跟踪对象的水平投影直方图宽度-检测对象的水平投影直方图直方图宽度)。将匹配度最大时的位置pos对应的匹配度值表示为SSpos。
[0099]回到图11，在步骤S241中确定第一待识别物体的像素概率图与该跟踪对象的一个或多个像素概率图的每个之间的对齐位置之后，前进到步骤S242。
[0100]在步骤S242中，基于所确定的第一待识别物体的像素概率图与该跟踪对象的一个或多个像素概率图的每个之间的对齐位置，来组合第一待识别物体的像素概率图与该跟踪对象的一个或多个像素概率图的每个，从而得到与该跟踪对象相关联的更新的第一待识别物体的像素概率图。
[0101]在一个示例中，可以对于某ID标识的跟踪对象，将其每个历史帧的像素概率图与待识别物体的像素概率图对齐，然后组合两者的像素概率图，最后将所有关于该跟踪对象的历史帧组合的像素概率图累计起来，最后关于该跟踪对象得到的待识别物体的更新的像素概率图。
[0102]例如，对于某跟踪对象的第k历史帧的像素概率图Tobjk,根据下述公式(3)计算Dobj 的视差概率图 DPM(Dobj，Tobjk)
[0103]DPM(Dobj, Tobjk)=F(Dobj的初始视差概率图，Tobjk的视差概率图)
[0104](3)
[0105]其中，F是预定函数，它的参数是Dobj的初始视差概率图和Tobjk的视差概率图。
[0106]在一个示例，函数F的对应输出与对应的Dobj的初始视差概率图和Tobjk的视差概率图中的值成正相关。例如F可以是两视差概率图中对应像素点值的乘积。不过，公式F不限于此，可以根据需要设计和使用其它的公式形式。
[0107]图14示意性示出了基于第一待识别物体的像素概率图与该跟踪对象的一个像素概率图之间的对齐位置，组合第一待识别物体的像素概率图与该跟踪对象的该像素概率图，得到了该第一待识别物体作为基于该跟踪对象的该像素概率图进行更新后的像素概率图的示例性过程。
[0108]其中图14中的(a)示出了该跟踪对象的主视差平面的水平投影直方图上与待识别物体的主视差平面的水平投影直方图最匹配的部分；图14中的(b)示出了该待识别物体的视差概率图，图14中的(c)示出了该跟踪对象的关于第k帧图像的视差概率图且以与图14中的(b)所示的待识别物体的视差概率图对齐，图14中的(d)示出了该待识别物体的视差概率图基于图14中的(c)的跟踪对象的视差概率图更新后得到的视差概率图。
[0109]在图14的(a)、(b)、(c)的三个表中，每一行对应x坐标，每一列对应y坐标，每一个单元对于U，y)位置，每个单元中的值表示该位置处的像素属于对应对象的概率。
[0110]关于该ID标识的跟踪对象的每个像素概率图，都可以对应地更新第一待识别物体的像素概率图。
[0111]在一个示例中，可以累计待识别物体关于该跟踪对象的各个像素概率图更新后的各个像素概率图，得到待识别物体关于该跟踪对象的像素概率图；然后在后续步骤S243中基于待识别物体关于该跟踪对象的像素概率图，来计算待识别物体与该跟踪对象之间的相似度。
[0112]在一个示例中，可以如下计算待识别物体关于该跟踪对象的像素概率图。
[0113]如前所述，关于某个ID (假设其ID为P)标识的跟踪对象，其存在与先前帧k对应的各个视差概率图，ON-1，并更新得到对应的各个第一待识别物体的像素概率图DPM(Dobj, TobjVi)，DPM(Dobj, TobjpN_2)，…，DPM(Dobj, Tobjp1)，DPM(Dobj, Tobjp0)。在一个示例中，例如可以基于下述公式(4)得到待识别对象Dobj关于该跟踪对象Tobjp的视差概率图DPM (Dobj)p
[0114]DPM(Dobj) P= (WnJDPM(Dobj, TobjV1)+…+w0*DPM(Dobj, Tobjp0))/N(4)
[0115]其中，Wi是权重,在一个示例中，wN_1&g