技术特征：
1.一种有形的、非暂时性、机器可读介质，包括机器可读指令，当由机器的一个或多个处理器执行时，所述指令使所述机器：
从第一跟踪传感器系统接收第一被跟踪对象的被跟踪目标上下文；
将来自所述第一跟踪传感器系统的所述被跟踪目标上下文提供给不同于所述第一跟踪传感器系统的第二跟踪传感器系统；以及
基于来自所述第一跟踪传感器系统的所述被跟踪目标上下文引起由所述第二跟踪传感器系统对新观察到的被跟踪目标的识别。
2.根据权利要求1所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于来自所述第一跟踪传感器系统的所述上下文，滤除所述新观察到的被跟踪目标能够被识别为的候选人身份的集合的子集；以及
将没有所述子集的所述候选人身份的集合提供给所述第二跟踪传感器系统。
3.根据权利要求2所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于在识别的位置范围之外的先前位置处跟踪所述候选人身份的集合的时间与由所述第二跟踪传感器系统观察到所述新观察到的被跟踪目标的时间之间的时间差，将所述子集确定为在所述先前位置处跟踪的所述候选人身份的集合的一部分。
4.根据权利要求2所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于所述候选人身份的所述集合的所述子集生成黑名单；以及将所述黑名单提供给所述第二跟踪传感器系统。
5.根据权利要求2所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于所述候选人身份的所述集合的所述子集生成黑名单；以及将没有所述黑名单的所述候选人身份的集合提供给所述第二跟踪传感器系统。
6.根据权利要求1所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于来自所述第一跟踪传感器系统的所述上下文，滤入所述新观察到的被跟踪目标能够被识别为的候选人身份的集合的子集；以及
将所述子集提供给所述第二跟踪传感器系统。
7.根据权利要求6所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于在识别的位置范围之内的先前位置处跟踪所述候选人身份的集合的时间与由所述第二跟踪传感器系统观察到所述新观察到的被跟踪目标的时间之间的时间差，将所述子集确定为在所述先前位置处跟踪的所述候选人身份的集合的一部分。
8.根据权利要求6所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于所述候选人身份的集合的所述子集生成白名单；以及将所述白名单提供给所述第二跟踪传感器系统。
9.根据权利要求1所述的机器可读介质，其中所述第一跟踪传感器系统、所述第二跟踪传感器系统或两者包括：光检测和测距（LIDAR）系统、射频识别（RFID）系统、计算机视觉系统、飞行时间（ToF）系统、毫米波（mmWave）系统、或其任何组合。
10.根据权利要求9所述的机器可读介质，其中所述第二跟踪传感器系统包括所述LIDAR系统。
11.根据权利要求1所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
确定指示所述新观察到的被跟踪目标的所述识别的置信度水平的预测置信度分数；
收集附加的跟踪传感器系统输入，以用于响应于所述预测置信度分数未能满足置信度阈值的对所述新观察到的被跟踪目标的另一个识别。
12.根据权利要求11所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器通过向所述新观察到的被跟踪目标提供方向以前进到跟踪传感器系统覆盖区域来收集所述附加的跟踪传感器系统输入。
13.根据权利要求12所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器通过激励所述新观察到的被跟踪目标前进到所述跟踪传感器系统覆盖区域来提供鼓励。
14.根据权利要求1所述的机器可读介质，其中所述第一被跟踪对象包括与所述新观察到的被跟踪目标不同的对象类型。
15.根据权利要求14所述的机器可读介质，其中所述第一被跟踪对象包括车辆并且所述新观察到的被跟踪对象包括一个或多个人。
16.根据权利要求1所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
接收指示一组人和相关联的属性的训练数据；
识别所述相关联的属性中的模式以识别指示应被分组的人的分组属性；
确定所述第一被跟踪对象是否与所述模式相关联；以及
响应于确定所述第一被跟踪对象与所述模式相关联，将所述第一被跟踪对象识别为活动组的部分。
17.根据权利要求16所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于所述模式，通过以下方式确定第二被跟踪对象是否是所述活动组的成员：
确定所述第一被跟踪对象和所述第二被跟踪对象在对彼此的阈值接近度中已经花费的时间量；以及
当所述时间量超过阈值时，将所述第二被跟踪对象与所述活动组相关联。
18.根据权利要求16所述的机器可读介质，包括机器可读指令，当由所述机器的所述一个或多个处理器执行时，所述指令使所述机器：
基于所述模式，通过以下方式确定第二被跟踪对象是否是所述活动组的成员：
将第一加权概率与所述第二被跟踪对象相关联，其中所述第一加权概率表示所述第二被跟踪对象是所述活动组的成员的可能性；
将第二加权概率与所述第二被跟踪对象相关联，其中所述第二加权概率表示所述第二被跟踪对象是所述活动组的成员的第二可能性；以及
当所述第一加权概率和所述第二加权概率之和超过阈值时，将所述第二被跟踪对象与所述活动组相关联。
19.根据权利要求18所述的机器可读介质，其中所述第一加权概率是代表所述第二被跟踪对象在所述第一被跟踪对象附近已经花费的时间量的值。
20.一种计算机实现的方法，包括：
从第一跟踪传感器系统接收跟踪传感器系统输入，所述跟踪传感器系统输入包括第一被跟踪对象的被跟踪目标上下文；
将来自所述第一跟踪传感器系统的所述被跟踪目标上下文提供给不同于所述第一跟踪传感器系统的第二跟踪传感器系统；以及
基于来自所述第一跟踪传感器系统的所述被跟踪目标上下文引起由所述第二跟踪传感器系统对新观察到的被跟踪目标的识别。
21.根据权利要求20所述的计算机实现的方法，包括：
基于所述被跟踪目标上下文来滤入、滤除、或既滤入又滤除所述新观察到的被跟踪目标的候选人标识符的一部分。
22.根据权利要求20所述的计算机实现的方法，包括：
确定指示所述新观察到的被跟踪目标的所述识别的置信度水平的预测置信度分数；以及
收集附加的跟踪传感器系统输入，以用于响应于所述预测置信度分数未能满足阈值的对所述新观察到的被跟踪目标的另一个识别。
23.根据权利要求20所述的计算机实现的方法，其中所述第一被跟踪对象和所述新观察到的被跟踪目标包括第一组个体。
24.一种系统，包括：
第一跟踪传感器系统，其配置成跟踪第一覆盖区域中的第一被跟踪对象；
第二跟踪传感器系统，其配置成跟踪第二覆盖区域中的第二被跟踪对象；以及
上下文跟踪系统，其配置成：
从所述第一跟踪传感器系统接收所述第一被跟踪对象的被跟踪目标上下文；
将来自所述第一跟踪传感器系统的所述被跟踪目标上下文提供给不同于所述第一跟踪传感器系统的所述第二跟踪传感器系统；以及
基于来自所述第一跟踪传感器系统的所述被跟踪目标上下文引起对所述第二被跟踪对象的识别，其中所述第二跟踪传感器系统不同于所述第一跟踪传感器系统。
25.根据权利要求24所述的系统，其中所述第一跟踪传感器系统包括与所述第二跟踪传感器系统不同的传感器类型。
技术总结
公开了向跟踪传感器系统提供上下文跟踪信息以提供准确且高效的对象跟踪的系统和方法。第一跟踪传感器系统的上下文数据用于识别第二跟踪传感器系统的被跟踪对象。
技术研发人员：W·C·叶;T·J·科塞尔特;R·罗杰斯;
受保护的技术使用者：环球城市电影有限责任公司;
技术研发日：2020.03.30
技术公布日：2021.11.05
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
