t;wN_2>--->w0,即巾贞在时间维度上与当前巾贞越接近，权重越大，在一个示例中，设置Wi=V (N* (N+1) /2)。
[0116]图15示意性地示出了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的操作示意图。
[0117]回到图11，在步骤S242中，得到待识别物体关于该跟踪对象的像素概率图，前进到步骤S243。
[0118]在步骤S243中，基于待识别物体关于该跟踪对象的像素概率图，计算第一待识别物体与该跟踪对象之间的相似度。
[0119]在得到待识别物体Dobj关于该跟踪对象P的像素概率图DPM (Dobj)P后，可以例如根据下述公式(5)计算该待识别物体Dobj与该跟踪对象Tobjp之间的相似度similarityscore (Dob j, Tobjp)。
[0120]similarityscore (Dob j, Tobjp) = Σ DPM(Dobj) P(x, y)/ (distance+1) (5)
[0121]其中，DPM(Dobj)p(x，y)表示更新后的位置(x，y)处的像素属于构成待识别的物体的像素的概率distance表示待识别物体的边界区域的代表性位置和距该跟踪对象在当前帧中的预测的位置之间在真实世界的距离，例如可以以待识别物体的边界区域的中心点作为其代表性位置。关于基于历史跟踪信息来预测跟踪对象在当前帧中的位置，例如可以基于跟踪对象在前一帧中的位置和估计的移动速度来实现。
[0122]图16示意性地示出了基于关于跟踪对象P更新后的待识别物体的像素概率图以及基于第一待识别物体的第一边界区域距该跟踪对象P的在当前帧中的预测的区域位置的距离来计算第一待识别物体与该跟踪对象P之间的相似度的示意图。
[0123]回到图11，对于各个跟踪对象1，2，...，？，…执行图11中所示的步骤S241到S243，由此获得该第一待识别物体与各个跟踪对象1，2，…，p，…之间的相似度，可见关于各个跟踪对象执行步骤S241到S243可以并行进行。在对所有跟踪对象，执行了步骤S241到S243后，前进到步骤S244。
[0124]在步骤S244中，将与第一待识别物体相似度最高的跟踪对象的标识符赋予第一待识别物体，以及获得与相似度最高的跟踪对象相关联的更新的第一待识别物体的像素概率图。
[0125]例如，假设该待识别物体Dobj与该跟踪对象P之间的相似度similarityscore (Dobj, Tobjp)是各个相似度中最高的，则认为该第一待识别物体为跟踪对象P，也即将标识符P赋予该待识别物体，并且将该第一待识别物体的关于该跟踪对象P的像素概率图DPM (Dob j) P添加到该跟踪对象P的历史跟踪数据中。
[0126]在一个示例中，可以检查该最高相似度是否大于预定阈值。如果该最高相似度不大于预定阈值，则可以认为不存在与待识别物体相似的跟踪对象，因此该待识别物体为新出现的对象，则将一个新的唯一 ID赋予该待识别物体。在此情况下，将不基于跟踪对象来更新待识别物体的视差概率图。
[0127]以上结合图11到图16描述了实现图5中的步骤S240的方法的示例。
[0128]在图11所示的图5中的步骤S240的实现方法中，先基于某ID标识的跟踪对象的各个历史视差概率图，来获得第一待识别物体关于该跟踪对象的更新的视差概率图，然后再计算该待识别对象与该跟踪对象之间的相似度。
[0129]在另一个示例中，可以如下操作(1-(3))实现图5中的步骤S240:
[0130](I)基于当前帧的第一待识别物体的视差主平面和每个跟踪对象ID标识的跟踪对象的一个或多个先前视差图相关联的视差主平面的全部或部分之间的匹配度，计算第一待识别物体与每个跟踪对象ID标识的跟踪对象之间的相似度。
[0131]在一个示例中，可以如图13所示，确定待识别物体的视差主平面(的水平投影直方图)与某跟踪对象的历史帧视差图的每个的视差主平面(的水平投影直方图)的最大匹配度和匹配部分。然后确定该待识别物体与该跟踪对象的相似度，例如该相似度可以为该待识别物体与该跟踪对象的各个历史帧视差图的视差主平面的各个最大匹配度的加权平均。
[0132](2)确定与第一待识别物体相似度最闻的跟踪对象和相关联的跟踪对象ID ；
[0133](3)将与第一待识别物体相似度最高的跟踪对象的标识符赋予第一待识别物体，以及基于第一待识别物体的像素概率图和与第一待识别物体相似度最高的跟踪对象的像素概率图，更新第一待识别物体的像素概率图。
[0134]基于第一待识别物体的像素概率图和与第一待识别物体相似度最高的跟踪对象的像素概率图，更新第一待识别物体的像素概率图。
[0135]回到图5，在步骤S240中完成了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之后，前进到步骤S250。
[0136]在步骤S250中，基于更新后的第一待识别物体的像素概率图，更新第一待识别物体的第一边界区域，获得第二边界区域。
[0137]在一个示例中，可以基于预定阈值，抽取更新后的第一待识别物体的像素概率图中像素概率大于预定阈值的像素，将这样抽取到的像素的最小矩形边界作为第二边界区域。
[0138]在另一示例中，在基于预定阈值，抽取更新后的第一待识别物体的像素概率图中像素概率大于预定阈值的像素之后，还可以检查保留的像素点，去除野点(outlier)，然后将剩余的像素的最小外接矩形作为第二边界区域。
[0139]在一个示例中，在获得第二边界区域时，确保该第二边界区域的大小大于或等于第一边界区域的大小。由此，使得能够尽可能地补全当前帧中的对象被遗漏的部分。
[0140]图17中的(a)示出了获得的检测物体的视差概率图大于预定阈值(例如，0.1)的部分，图17中的(b)示出了在视差图中的对应边界区域，即第二边界区域。
[0141]可以将例如指示第二边界区域的矩形框叠加到视差图上，作为跟踪结果显示到显示屏上。此外，也可以在边界区域附近显示其它信息，例如对象的标识符指示。
[0142]根据上述实施例的物体跟踪装置和物体跟踪方法，能够基于历史跟踪结果来修正当前检测结果，达到消除或减轻对象检测结果的边界矩形框相对实际对象的偏移和变小的问题，换句话，能够尽可能地将对象的边界矩形框补全，使得其将对象的整体轮廓包围在内。
[0143]本发明还可以通过一种用于基于连续视差图跟踪多个同类物体的物体跟踪的计算系统来实施。图18示出了适于用来实现本发明实施方式的示例性计算系统600的框图。如图18所示，计算系统600可以包括:CPU (中央处理单元)601、RAM (随机存取存储器)602、ROM (只读存储器)603、系统总线604、硬盘控制器605、键盘控制器606、串行接口控制器607、并行接口控制器608、显示控制器609、硬盘610、键盘611、串行外部设备612、并行外部设备613和显示器614。在这些设备中，与系统总线604耦合的有CPU601、RAM602、R0M603、硬盘控制器605、键盘控制器606、串行接口控制器607、并行接口控制器608和显示控制器609。硬盘610与硬盘控制器605耦合，键盘611与键盘控制器606耦合，串行外部设备612与串行接口控制器607耦合，并行外部设备613与并行接口控制器648耦合，以及显示器614与显示控制器609耦合。应当理解，图20所述的结构框图仅仅是为了示例的目的，而不是对本发明范围的限制。在某些情况下，可以根据具体情况增加或减少某些设备。
[0144]所属技术领域的技术人员知道，本发明可以实现为系统、装置、方法或计算机程序产品。因此，本发明可以具体实现为以下形式，即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”、“装置”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
[0145]可以采用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPR0M或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0146]计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0147]计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述任意合适的组合。
[0148]可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言一诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言一诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机