的第一运 动参数的方法200的各个步骤/功能。因此，以下仅对参数获取单元710的主要部件进行 了描述，而省略了以上已经结合图2描述过的细节内容。
[0056] 识别模块810可识别目标对象以确定目标对象的属性。根据本发明的一个示例， 目标对象的属性可以是目标对象的类型。例如，可识别目标对象，以确定目标对象是小轿 车、大卡车、摩托车、自行车、行人、还是障碍物等。可利用各种现有技术来确定目标对象的 类型。例如，识别模块810可通过支持向量机（supportvectormachine)来识别目标对象 所属类型。
[0057] 固有参数获取模块820可根据目标对象的属性，获得目标对象的固有运动参数。 固有运动参数可指使由属性确定的目标对象的运动能力。例如，固有运动参数可包括在加 速和/或制动时具有该属性的对象一般能够达到的最大加速度、最大速度等。根据本发明 的一个示例，固有参数获取模块820可根据目标对象的属性，从本地预先存储的数据库中 获得具有该属性的对象的固有运动参数。可替换地，固有参数获取模块820也可与互联网 相连接，根据目标对象的属性，从远程数据库中获得具有该属性的对象的固有运动参数。
[0058] 然后，特征参数获取模块830可根据目标对象的历史运动轨迹，获得目标对象的 特征运动参数。特征运动参数可指示根据目标对象的历史运动轨迹确定的目标对象的运动 状态。例如，特征运动参数可包括目标对象当前的速度、加速度、在当前帧中的位移等。如 上所述，根据本发明的一个示例，可基于公式（1)中的二阶加速度运动模型，来根据目标的 历史运动轨迹计算目标当前的运动速度及加速度。
[0059] 此外，根据本发明的一个示例，特征运动参数还可指示根据目标对象的历史运动 轨迹确定的目标对象的运动能力，并且可根据特征运动参数来对固有运动参数进行修正。 例如，识别模块810识别目标对象为自行车，并且固有参数获取模块820获得一般自行车的 最大速度为20km/h，而特征参数获取模块830根据目标对象的历史运动轨迹发现目标对象 在相对长的一段时间中最大速度达到25km/h，在此情况下，固有参数获取模块820可将固 有运动参数中国的最大速度修改为25km/h。
[0060] 返回图7,对象确定单元720可根据检测数据确定位于目标对象周围的邻域对象。 换言之，邻域对象可以根据检测数据确定的在各个方向上邻近目标对象的对象。根据本 发明的一个示例，可预先设定目标对象的邻域的范围，例如，预先设定邻域对象与目标对象 之间的最大距离，并且对象确定单元720将位于邻域范围内的对象作为目标对象的邻域对 象。此外，由于通常在每个方向里目标对象最近的对象对于目标对象的影响最显著，而位于 该最近对象之后的对象对于目标对象的影响很微弱，因此根据本发明的另一示例，对象确 定单元720可根据所检测的数据将仅在每个方向上距离目标对象最近的对象作为目标对 象的邻域对象，而不考虑在该方向上位于距离目标对象最近的对象之后的物体。从而简化 了预测运动参数所需要的计算。
[0061] 距离获取单元730可获得目标对象与每个邻域对象之间的距离。然后，参数估算 单元740可根据第一运动参数和目标对象与邻域对象之间的距离，估算在下一时刻目标对 象的第二运动参数的概率密度函数。例如，参数估算单元740可包括初始参数估算模块和 调整模块。在参数获取单元710获得的第一运动参数包括固有运动参数和特征运动参数的 情况下，初始参数估算模块可首先根据特征运动参数，估算在下一时刻目标对象的第二运 动参数的初始概率密度函数。然后，调整模块可根据目标对象与邻域对象之间的距离，调整 初始概率密度函数。具体地说，当目标对象与邻域对象之间的距离越小时，调整模块对第二 运动参数的初始概率密度函数的调整幅度越大，反之当目标对象与邻域对象之间的距离越 大时，调整模块对第二运动参数的初始概率密度函数的调整幅度越小。最后，将调整后的初 始概率密度函数作为在下一时刻目标对象的第二运动参数的概率密度函数。此外，参数估 算单元740可使用固有运动参数以便在估算时确定第二运动参数的取值范围。
[0062] 以下将描述在本发明中估算在下一时刻目标对象的第二运动参数的概率密度函 数的一个示例。在本示例中，固定运动参数为具有目标对象的属性的物体在加速和制动时 能够达到的最大加速度、特征运动参数为目标对象速度和加速度的历史数据，并且第二运 动参数为在下一时刻目标对象的加速度。如本领域的技术人员所能够理解的，固定运动参 数、特征运动参数和第二运动参数的具体形式不限于此。在可替换的示例中，例如，固定运 动参数可包括具有目标对象的属性的物体能够达到的最大速度。此外，特征运动参数还可 包括目标对象在当前帧中移动的距离。此外，第二运动参数还可包括在下一时刻目标对象 的速度以及目标对象在下一帧中移动的距离等。
[0063] 如上所述，初始参数估算模块可首先根据特征运动参数，估算在下一时刻目标对 象的第二运动参数的初始概率密度函数。在本示例中，可根据所确定的目标对象在当前时 刻的速度和加速度估算的加速度的初始概率密度函数。初始参数估算模块可利用混合高斯 分布模型、根据上述公式（2)和公式（3)来估算在下一时刻目标对象的第二运动参数的初 始概率密度函数。
[0064] 此外，调整模块可根据上述公式（4)建立在给定邻域距离d的情况下下一时刻目 标对象的加速度at+1的概率密度函数P(at+11d)，并且根据上述公式（5)结合初始概率密度 函数和概率密度函数P(at+11d)，以获得根据目标对象与邻域对象之间的距离调整的、在下 一时刻目标对象的加速度的概率密度函数。从而，当目标对象与邻域对象之间的距离较大 的时，对初始概率密度函数的调整幅度较小。另一方面，当目标对象与邻域对象之间的距离 接近距离阈值dthMslTOld或者小于距离阈值dth_told时，P(at+11d)的值减小，其对初始概率密 度函数的调整幅度较大。
[0065] 参数估算单元740可根据公式（5)中所示的概率密度函数P(at+1)，构建在下一时 刻目标对象的加速度概率密度图，并且可在给定的概率下，预测在下一时刻目标对象的加 速度的范围。此外，根据本发明的另一示例，参数估算单元740还可根据所获得的加速度的 概率密度函数P(at+1)，根据来预测目标对象在下一时刻的速度。并且进一步地，可以根据估 计的加速度及速度范围，预测目标对象在下一帧中的位移范围，从而确定目标对象在下一 帧的搜索区域。
[0066] 此外，在根据本发明的实施例中，第一运动参数和邻域对象与目标对象之间的距 离都是矢量，优选地，可将第一运动参数和邻域对象与目标对象之间的距离进行分解，以便 于计算。具体地，图7中所示的装置800还可包括设置单元和分解单元。设置单元可将目 标对象当前运动方向设置为前向方向，而将与目标对象当前运动方向垂直的方向设置为侧 向方向。此外，分解单元可将第一运动参数和目标对象与邻域对象之间的距离分别分解为 沿前向方向的前向分量和沿侧向方向的侧向分量。
[0067] 相应地，参数估算单元可包括前向分量估算模块和侧向分量估算模块。具体地，前 向分量估算模块可分别根据第一运动参数和距离的前向分量，估算第二运动参数的概率密 度函数沿前向方向的前向分量。此外，侧向分量估算模块可根据第一运动参数和距离的侧 向分量，估算第二运动参数的概率密度函数沿侧向方向的侧向分量。可分别输出所估算的 第二运动参数的概率密度函数的前向分量和侧向分量。可替换地，也可首先结合所估算的 第二运动参数的概率密度函数的前向分量和侧向分量以获得以矢量形式的第二运动参数 的概率密度函数，然后输出结合后的第二运动参数的概率密度函数。
[0068] 通过根据本发明以上实施例的预测目标对象的运动参数的方法和的装置，可获得 目标对象的运动参数的概率密度函数，从而不仅可以得到目标对象具有最大概率的运动参 数，还可获得在其它概率下目标对象的运动参数的范围，此外，通过考虑目标对象与邻域对 象之间的距离对目标对象的运动参数进行预测，提高了预测的准确性，并且有效地降低了 目标跟踪检测时的错误匹配率。
[0069] 此外，根据本发明的另一示例，本发明还可以通过一种预测运动参数的硬件系统 来实施。图9是示出按照本发明实施例的预测运动参数的硬件系统900的总体硬件框图。 如图9所示，预测运动参数的系统900可以包括：输入设备910,用于从外部输入有关图像 或信息，例如相机和/或雷达装置所检测的数据、存储设备中存储的信息等；处理设备920， 用于实施上述的按照本发明实施例的预测目标对象的运动参数的方法，例如可以包括计算 机的中央处理器或其它的具有处理能力的芯片等等，此外，处理设备920还可以连接到诸 如因特网的网络(未示出），根据处理过程的需要从远程设备获取信息，或者传送所估算的 结果等等；输出设备930,用于向外部输出实施上述预测运动参数过程所得的结果。此外， 可选择地，预测运动参数的系统900还可包括存储设备940,用于存储以易失或非易失的 方式存储例如上述固有运动参数之类的信息，以及目标对象的历史运动轨迹等特征运动参 数。此外，还可存储所预测第二运动参数。例如，存储设备940可以包括随机存取存储器 (RAM)、只读存储器（ROM)、硬盘、或半导体存储器等等的各种易失或非易失性存储器。
[0070] 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"组件、 "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