一种运行场景的识别方法、装置、计算机设备及存储介质与流程

1.本发明涉及场景识别技术领域，尤其涉及一种运行场景的识别方法、装置、计算机设备及相关装置。


背景技术：

2.驾驶场景是指车辆在行驶过程中，与环境中的各种物体，如行人其他车辆、道路设施和天气等相交互形成的一种用户场景。在进行车辆的自动驾驶技术的研发时，通过获取贯穿车辆全使用周期的驾驶场景，构建驾驶场景的数据库，使对自动驾驶技术的测试评价结果更接近实际，自动驾驶技术的可应用性提高。
3.在车辆的驾驶场景中，可运动的物体是重要感知对象之一。不同于静态的道路设施等，可运动的物体在驾驶场景中的运动状态包括静止和运动两种，当物体的运动状态发生切换时，怎样调整车辆的决策和行为，是自动驾驶技术为保障车辆安全与道路交通安全的所研究的要点。基于数据驱动的研究方法，通过大量的可运动的物体运动状态切换场景的输入，车辆在运用自动驾驶技术时对行驶过程中可运动的物体的运动状态发生切换的识别率将提高，有助于保障道路交通安全。
4.但是上述运动状态切换场景在现实世界中的分布率并不高，目前用于识别和获取可运动的物体运动状态切换场景的方法主要有人工识别收集和模型预测分析，其中通过人工识别可运动的物体运动状态切换场景通常是基于肉眼对图像数据或视频数据中可运动的物体的运动状态进行判断，识别效率较低，且人力物力有限则收集的场景数量有限，难以达到对自动驾驶技术研究的数据驱动效果；通过模型的预测分析来分类得到可运动的物体运动状态切换场景，通常表现为根据模型的预测结果和自定义规则，找到可运动的物体运动状态切换场景的开始时间和结束时间，基于开始时间和结束时间确定可运动的物体运动状态切换场景，但是模型的预测分析过程容易受到输入数据的不稳定性影响，导致模型的预测分析结果的准确性降低。


技术实现要素：

5.本发明提供了一种运行场景的识别方法、装置、计算机设备及存储介质，以解决人工识别可运动的物体运动状态切换的场景时，识别效率低和准确率低的问题。
6.根据本发明的一方面，提供了一种运行场景的识别方法，包括：
7.获取车辆在行驶过程中对环境采集的多帧感知数据；
8.在多帧所述感知数据中分别使用检测框标记在所述环境中运动的物体，以组成所述物体的原始运动轨迹，所述检测框关联运动参数；
9.根据所述物体的运动规律在所述原始运动轨迹中滤除存在波动性的所述检测框，得到目标运动轨迹，具有波动性的所述检测框用于标记发生跳变的所述物体；
10.从所述目标运动轨迹中，根据所述运动参数对每帧所述感知数据计算状态值，以表示所述物体的运动状态发生切换的趋势；
11.在所述感知数据所处的时间轴上，根据所述状态值选定目标时间范围，以标识所述物体的所述运动状态发生切换的场景。
12.根据本发明的另一方面，提供了一种运行场景的识别装置，包括：
13.感知数据获取模块，用于获取车辆在行驶过程中对环境采集的多帧感知数据；
14.原始运动轨迹获取模块，用于在多帧所述感知数据中分别使用检测框标记在所述环境中运动的物体，以组成所述物体的原始运动轨迹，所述检测框关联运动参数，具有波动性的所述检测框用于标记发生跳变的所述物体；
15.目标运动轨迹获取模块，用于根据所述物体的运动规律在所述原始运动轨迹中滤除存在波动性的所述检测框，得到目标运动轨迹；
16.状态值计算模块，用于从所述目标运动轨迹中，根据所述运动参数对每帧所述感知数据计算状态值，以表示所述物体的运动状态发生切换的趋势；
17.场景标识模块，用于在所述感知数据所处的时间轴上，根据所述状态值选定目标时间范围，以标识所述物体的所述运动状态发生切换的场景。
18.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
19.至少一个处理器；以及
20.与所述至少一个处理器通信连接的存储器；其中，
21.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的运行场景的识别方法。
22.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的运行场景的识别方法。
23.本发明提供的技术方案，通过获取车辆在行驶过程中对环境采集的多帧感知数据，在多帧感知数据中用检测框对在环境中运动的物体进行标识，来组成物体的原始运动轨迹，其中检测框与物体的运动参数相关联，进一步的根据物体的运动规律对原始运动轨迹中存在波动性的检测框得到目标运动轨迹，提高了通过目标运动轨迹计算状态值的准确性，进一步的提升了在感知数据所处的时间轴上，根据状态值选定目标时间范围来标识物体运动状态发生切换的场景的准确性，相比于人工进行可运动的物体的运动状态发生切换的场景，本发明提供的方法自动对车辆采集的感知数据进行识别，提升了在面对大量的感知数据进行场景识别的效率，通过对原始运动轨迹的筛选提高了场景识别的准确性。
24.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
25.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
26.图1是根据本发明实施例一提供的一种运行场景的识别方法的流程图；
27.图2是根据本发明实施例二提供的一种运行场景的识别装置的结构示意图；
28.图3是实现本发明实施例的运行场景的识别方法的电子设备的结构示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
30.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.实施例一
32.图1为本发明实施例一提供了一种运行场景的识别方法的流程图，本实施例可适用于对车辆在行驶过程中采集的感知数据进行识别，以标识物体的运动状态发生切换的场景的情况，该方法可以由运行场景的识别装置来执行，该运行场景的识别装置可以采用硬件和/或软件的形式实现，该运行场景的识别装置可配置于计算机设备中。如图1所示，该方法包括：
33.s110、获取车辆在行驶过程中对环境采集的多帧感知数据。
34.本实施例提供的方法目的在于识别在车辆行驶过程中遇见的可运动的物体运动状态发生切换的场景，即本实施例中所提及的物体均是在车辆行驶过程中遇见的，可运动的物体。基于物体可运动的性质，本实施例可以对物体在运动、静止以及运动与静止进行切换的状态进行捕捉。运动状态发生切换可以是该物体从静态的运动状态切换至动态的运动状态，也可以是物体从动态的运动状态切换至静态的运动状态，在物体动态的运动状态中还可以包括速度较快的动态状态和速度较慢的动态，则进一步的，本实施例中物体运动状态发生切换的场景还可以是物体在速度不同的动态的运动状态进行切换的场景。
35.本实施例中识别物体运动状态发生切换的场景是基于车辆采集的感知数据，车辆在行驶过程中可以通过各种传感器对车辆周围的环境采集感知数据，当车辆周围的环境中出现物体时，则可以通过车辆上的传感器采集到真实且大量的和物体有关的感知数据，包括通过摄像头对物体采集的图像数据、或通过激光雷达对物体采集的点云数据等。本领域技术人员可以知道的是，每一帧感知数据都具有标识该感知数据采集时间的时间戳，由时间戳可以知道不同感知数据的采集时间的先后关系以及相邻关系。
36.s120、在多帧感知数据中分别使用检测框标记在环境中运动的物体，以组成物体的原始运动轨迹，检测框关联运动参数。
37.本实施例中，出于识别物体的运动状态发生切换的场景的目的，则在获取到对车
辆在行驶过程中获取的多帧感知数据后，首先从多帧感知数据筛选存在可表示物体的特征的感知数据，例如当感知数据为图像数据时，可表示物体的特征的感知数据即为显示有物体的图像数据，进而从多帧存在物体的感知数据中识别到物体的原始运动轨迹。
38.本实施例中为了确定物体在感知数据中的运动状态，还要获取物体在具体的、某一帧中的运动参数，根据运动参数来确定物体的运动状态，例如当运动参数为物体运动的速度时，则可以根据物体运动的速度确定物体的运动状态。
39.运动参数的获取以物体的识别为基础，本实施例中若感知数据为图像数据，则可以通过以gavrila为代表的全局模板方法、以broggi为代表的局部模板方法或者基于分类器的方法、基于统计学习的方法来对图像数据中的物体进行识别，本实施例中并不局限识别感知数据中物体的方法。
40.通常在识别到感知数据中的物体后，将使用检测框标记在环境中运动的物体，当感知数据中存在多个不同的物体，则将分别使用不同的检测框对不同的物体进行标记，可以知道的是在标记的过程中不同的物体将拥有不同的标识码，以将不同的物体以及不同的检测框进行区分，在多帧感知数据中对同一物体以及对同一物体进行标记的检测框的标识码应当相同，从而本实施例中可以根据标识码将多帧感知数据中同一物体的检测框以及与检测框关联的运动参数进行整合，进而到识别物体的原始运动轨迹。
41.进一步的，在识别到物体后，在对物体的检测框关联运动参数时，若运动参数为物体运动的速度，则本实施例中可以通过相邻帧感知数据中检测框在感知数据中的位置的差分获取物体在感知数据中的物体运动的速度或者本实施例中还可以通过激光雷达等获取物体在具体某一帧感知数据中运动的速度。
42.本实施例中考虑到，在采集感知数据的过程中可能存在跳帧的情况，在跳帧情况下根据采集时间连续的感知数据识别物体的原始运动轨迹时，将会出现原始运动轨迹不连续的情况，容易导致错误的将物体运动状态未发生切换的一段时间中的场景笼统地全部识别为运动状态发生切换的场景，则不利于对物体的运动状态切换场景的识别效率，因此本实施例中为防止该种情况的出现，可以在对感知数据使用检测框标记物体之前，对感知数据在采集时是否存在跳帧情况进行筛选。
43.本实施例中，筛选跳帧情况的具体过程可以表现为：
44.查询采集相邻两帧的感知数据的时间，分别作为第一采集时间、第二采集时间，由上述可知，每帧感知数据的采集时间可以由感知数据的时间戳进行标识，通过读取感知数据的时间戳则可以获取感知数据的采集时间。
45.计算第一采集时间和第二采集时间之间的差值，作为时间差值。然后比较时间差值和预设的时间间隔，本实施例中在没有发生跳帧的情况下，感知数据的采集可以是按照预设的、固定时间间隔完成的，例如当固定的时间间隔为0.1秒时，则相邻两帧感知数据的采集时间，即第一采集时间和第二采集时间的差值应当是0.1秒。
46.若时间差值等于时间间隔，则可以确定相邻两帧感知数据存在稳定性，保留相邻两帧感知数据，即当相邻两帧的感知数据间采集时间的差值等于预设的时间间隔时，则说明相邻两帧的感知数据中间不存在因跳帧而漏采集的感知数据，通过不存在跳帧的多帧感知数据获取物体的原始运动轨迹时将不会出现上述的原始运动轨迹不连续的情况，则可以保留不存在跳帧的多帧感知数据。
47.若时间差值大于时间间隔，则确定相邻两帧感知数据存在波动性，删除感知数据，由上述可知当通过存在跳帧的多帧感知数据获取物体的原始运动轨迹时将会出现上述的原始运动轨迹不连续的情况，由于获取的感知数据的数量通常较多，为保证识别物体运动状态发生切换场景的准确性，本实施例中可以将存在跳帧的相邻两帧的感知数据删除，从而保障用于获取物体的原始运动轨迹的感知数据都不存在跳帧的情况。
48.s130、根据物体的运动规律在原始运动轨迹中滤除存在波动性的检测框，得到目标运动轨迹，具有波动性的检测框用于标记发生跳变的物体。
49.本实施例中，检测框的作用在于捕捉物体，在捕捉到物体后检测框在物体周围成型，因此在物体发生运动时，通过观察检测框的位置变化即可以观察到物体在车辆周围的运动状态。在通过检测框对感知数据中的物体进行标识时，由于识别物体时不稳定的影响，将会导致检测框在感知数据中的位置发生跳变，例如对相邻两帧感知数据识别物体时的检测框间的位置相差过大，在通过这样的检测框来识别物体的运动状态和运动状态的切换时将产生错误，容易误将未发生运动状态切换的场景识别为运动状态发生切换的场景。
50.本实施例中具有波动性的检测框标记的则是位置发生跳变的物体，由于通过波动性的检测框识别的物体原始运动轨迹不连续，这将导致错误识别物体是否发生运动状态的切换，因此本实施例中可以根据物体的运动规律针对存在波动性的检测框进行滤除，从而得到目标运动轨迹，物体的运动规律是指物体的运动状态若发生变化，这一变化过程应当是连续且平滑的，不会发生突变，如根据检测框识别的物体位置的变化，应当是连续的而不会发生跳变。本实施例中滤除存在波动性的检测框的过程具体可以表现为：
51.分别在相邻的两帧感知数据中查询用于标记物体的检测框，作为第一目标框、第二目标框，然后计算第一目标框与第二目标框之间的重合度，第一目标框与第二目标框之间的重合度可以表示第一目标框与第二目标框间位置的差值；
52.具体的，本实施例中可以统计第一目标框与第二目标框之间重合的第一面积，以及统计第一目标框与第二目标框整体上占据的第二面积，例如当感知数据为图像数据时，第二面积则是第一目标框在第一目标框所在的感知数据中占据的面积以及第二目标框在第二目标框所在的感知数据中占据的面积之和。然后计算第一面积与第二面积之间的比值，作为第一目标框与第二目标框之间的重合度。
53.在计算得到第一目标框和第二目标框之间的重合度后，则比较重合度与预设的重合度阈值，重合度阈值为预先设定的表示第一目标框到第二目标框的过程中，检测框的位置未发生跳变的参考值，这一参考值的具体数值可以通过实验得到。
54.若比较后，第一目标框与第二目标框之间的重合度小于或等于重合度阈值，则可以确定相邻两帧检测框存在稳定性，保留相邻两帧检测框，稳定性即相邻两帧检测框未发生位置上的跳变。
55.若比较后，第一目标框与第二目标框之间的重合度大于重合度阈值，则可以确定相邻两帧检测框存在波动性，删除相邻两帧检测框，波动性即相邻两帧检测框之间发生了位置上的跳变。
56.s140、从目标运动轨迹中，根据运动参数对每帧感知数据计算状态值，以表示物体的运动状态发生切换的趋势。
57.本实施例中在分别排除了采集的感知数据的跳变以及标记物体的检测框的位置
发生跳变的影响后，则从原始运动轨迹中筛选出目标运动轨迹，进而可以根据目标运动轨迹中与检测框关联的运动参数对每帧感知数据中的物体计算状态值，来表示物体的运动状态发生切换的趋势，其中状态值是指对物体例如静态或动态的运动状态赋值，便于后续的对物体的运动状态进行校准以及根据状态值识别物体的运动状态发生切换的场景。
58.本实施例中根据运动参数对每帧感知数据计算状态值具体可以表现为：在运动参数主要为速度的情况下，参考速度为每帧感知数据中的物体划分运动状态，具体的可以是比较速度和预设的速度阈值，速度阈值同样可以根据多次实验进行计算得到一个经验值，该速度阈值可以用来划分物体的运动状态。
59.即若比较得到速度大于速度阈值，则可以确定物体的运动状态为动态，若比较得到速度小于或等于速度阈值，则可以确定物体的运动状态为静态。
60.进一步的，本实施例中还考虑到基于单帧的感知数据确定的运动参数在计算时存在不稳定，如运动参数为速度时，则应计算的不稳定将导致速度的准确率降低，进一步的在根据速度判定物体在感知数据中的运动状态时，对物体的运动状态判断也会出现错误，因此本实施例中还可以通过速度的平滑操作，对速度进行校准，来提升计算速度的准确性。
61.具体的，速度的校准过程可以表现为：
62.遍历多帧速度，依次读取当前帧速度与校准后的前一帧速度，即遍历多帧感知数据中与检测框关联的运动参数-速度，获取进行校准的速度即当前帧速度和在当前帧前一帧感知数据对应的且经过校准的速度，然后将当前帧的速度乘以预设的第一权重，获得第一调权值，将校准后的前一帧的速度乘以预设的第二权重，获得第二调权值，最后将第一调权值与第二调权值相加，作为当前帧校准后的速度，这是通过引入历史状态对当前帧的速度进行加权平均的过程，即利用校准后的前一帧速度对当前帧的速度进行指数移动平均，达到速度平滑的效果，避免了通过单帧感知数据计算速度时不稳定的影响，从而提升速度计算的准确性。其中，第二权重实际是指数移动平均计算过程的衰减系数，并且第一权重与第二权重之间的和值为1。
63.本实施例中，在每帧感知数据中的物体划分状态后，则可以依次以每帧运动状态为中心，添加窗口，本实施例中添加窗口的目的在于根据窗口内的感知数据中物体的运动状态，对中心的运动状态进行平滑校准，提升运动状态的状态值计算的准确性，窗口是指以中心的运动状态对应的感知数据的采集时间为中心，划定一段预设的时间区间，采集时间在该时间区间内的感知数据和中心的运动状态对应的感知数据共同组成一个窗口。
64.按照窗口内的所有运动状态的分布信息，对用于标记作为中心的运动状态的感知数据计算状态值，以表示物体的运动状态在窗口内发生切换的趋势。
65.具体的包括：对每种运动状态配置标志值，标志值与运动状态对应的速度正相关，例如对动态的运动状态配置标志值为1，对静态的运动状态配置标志值为0。
66.对窗口内的所有运动状态的标志值计算平均值，平均值为用于标记作为中心的运动状态的感知数据的状态值，以表示物体的运动状态在窗口内发生切换的趋势，这一过程将位于窗口内的所有感知数据的运动状态计算得到一个平均值，并将这个平均值作为中心的运动状态实际的状态值，通过中心运动状态的移动，即变换作为中心的运动状态，窗口也将随之滑动，但窗口的长度保持不变，在滑动的过程中，分别计算得到每帧感知数据中物体的运动状态实际的状态值，最后根据每帧运动状态实际的状态值可以得到物体的运动状态
在窗口内发生切换的趋势，例如当窗口内的运动状态实际的状态值越来越大则说明物体的运动状态将可能发生从静态到动态的切换，若窗口内的运动状态实际的状态值越来越大则说明物体的运动状态可能发生从静态到动态的切换。
67.s150、在感知数据所处的时间轴上，根据状态值选定目标时间范围，以标识物体的运动状态发生切换的场景。
68.本实施例中在对窗口内的所有运动状态的标志值计算平均值后，如上述可以得到窗口内的运动状态实际的状态值，根据窗口内各个运动状态实际的状态值的变化可以知道物体的运动状态发生切换的趋势，具体的可以选定第一极值、第二极值，第一极值为物体的运动状态从静止切换至动态时状态值的临界值，第二极值为物体的运动状态从动态切换至静止时状态值的临界值，
69.当运动状态实际的状态值即平均值落在第一极值和第二极值组成的区间时，则说明这一运动状态对应的感知数据可以表示物体的运动状态发生切换的场景，据此则可以在采集的多帧感知数据的时间轴上筛选相应的感知数据，标识物体的运动状态发生切换的场景，时间轴由每帧感知数据的采集时间组成。
70.具体的，标识场景的过程可以表现为：
71.筛选位于第一极值和第二极值组成的区间内的状态值，作为目标状态值，即对所有运动状态的实际的状态值进行筛选，若该状态值位于上述区间内则将该状态值作为目标状态。
72.在感知数据所处的时间轴上标记用于目标状态值指向的感知数据，获得目标时间点，即在时间轴标记用于获取目标状态值的感知数据的采集时间，将该采集时间作为目标时间点，通过目标时间点标识物体的运动状态发生切换的场景。
73.本实施例中若目标时间点连续，则可以将多个目标时间点之间连接成目标时间范围，以标识物体的运动状态发生切换的场景，目标时间范围内的感知数据可以标识物体的运动状态从动态到静态的切换过程的场景、或者从静态到动态的切换过程的场景。
74.进一步的，本实施例在确定目标时间范围后，为了避免由于计算误差的影响，遗漏位于标识运动状态切换过程两端的场景，则可以对目标时间范围进行延长，包括在目标时间范围的起始端延长预设的第一时间段，和/或，在目标时间范围的结束端延长预设的第二时间段。
75.若在对目标时间范围延长后，在时间轴上至少两个目标时间范围重叠，则可以合并至少两个目标时间范围为新的目标时间范围，根据新的目标时间范围标识物体的运动状态发生切换的场景。
76.本发明提供的技术方案，通过获取车辆在行驶过程中对环境采集的多帧感知数据，在多帧感知数据中用检测框对在环境中运动的物体进行标识，来组成物体的原始运动轨迹，其中检测框与物体的运动参数相关联，进一步的根据物体的运动规律对原始运动轨迹中存在波动性的检测框得到目标运动轨迹，提高了通过目标运动轨迹计算状态值的准确性，进一步的提升了在感知数据所处的时间轴上，根据状态值选定目标时间范围来标识物体运动状态发生切换的场景的准确性，相比于人工进行物体的运动状态发生切换的场景，本发明提供的方法自动对车辆采集的感知数据进行识别，提升了在面对大量的感知数据进行场景识别的效率，通过对原始运动轨迹的筛选提高了场景识别的准确性。
77.实施例二
78.图2为本发明实施例二提供的一种运行场景的识别装置的结构示意图。
79.如图2所示，该装置包括：
80.感知数据获取模块210，用于获取车辆在行驶过程中对环境采集的多帧感知数据；
81.原始运动轨迹获取模块220，用于在多帧所述感知数据中分别使用检测框标记在所述环境中运动的物体，以组成所述物体的原始运动轨迹，所述检测框关联运动参数；
82.目标运动轨迹获取模块230，用于根据所述物体的运动规律在所述原始运动轨迹中滤除存在波动性的所述检测框，得到目标运动轨迹，具有波动性的所述检测框用于标记发生跳变的所述物体；
83.状态值计算模块240，用于从所述目标运动轨迹中，根据所述运动参数对每帧所述感知数据计算状态值，以表示所述物体的运动状态发生切换的趋势；
84.场景标识模块250，用于在所述感知数据所处的时间轴上，根据所述状态值选定目标时间范围，以标识所述物体的所述运动状态发生切换的场景。
85.可选的，所述运行场景的识别装置还包括：
86.采集时间查询模块，用于查询采集相邻两帧的所述感知数据的时间，分别作为第一采集时间、第二采集时间；
87.时间差值计算模块，用于计算所述第一采集时间和所述第二采集时间之间的差值，作为时间差值；
88.时间差值比较模块，用于比较所述时间差值和预设的时间间隔；
89.稳定性第一确定模块，用于若所述时间差值小于或等于所述时间间隔，则确定相邻两帧所述感知数据存在稳定性，保留相邻两帧所述感知数据；
90.波动性第一确定模块，用于若所述时间差值大于所述时间间隔，则确定相邻两帧所述感知数据存在波动性，删除所述感知数据。
91.可选的，所述目标运动轨迹获取模块230包括：
92.检测框标记模块，用于分别在相邻的两帧所述感知数据中查询用于标记所述物体的检测框，作为第一目标框、第二目标框；
93.重合度计算模块，用于计算所述第一目标框与所述第二目标框之间的重合度；
94.重合度比较模块，用于比较所述重合度与预设的重合度阈值；
95.稳定性第二确定模块，用于若所述重合度大于或等于所述重合度阈值，则确定相邻两帧所述检测框存在稳定性，保留相邻两帧所述检测框；
96.波动性第二确定模块，用于若所述重合度小于所述重合度阈值，则确定相邻两帧所述检测框存在波动性，删除相邻两帧所述检测框。
97.可选的，所述重合度计算模块包括：
98.第一面积统计模块，用于统计所述第一目标框与所述第二目标框之间重合的第一面积；
99.第二面积统计模块，用于统计所述第一目标框与所述第二目标框整体上占据的第二面积；
100.面积比值计算模块，用于计算所述第一面积与所述第二面积之间的比值，作为所述第一目标框与所述第二目标框之间的重合度。
101.可选的，所述状态值计算模块240包括：
102.运动状态划分模块，用于参考所述速度为每帧所述感知数据中的所述物体划分运动状态；
103.窗口添加模块，用于依次以每帧所述运动状态为中心，添加窗口；
104.中心状态值计算模块，用于按照所述窗口内的所有所述运动状态的分布信息，对用于标记作为中心的所述运动状态的所述感知数据计算状态值，以表示所述物体的所述运动状态在所述窗口内发生切换的趋势。
105.可选的，所述运动状态划分模块包括：
106.速度比较模块，用于比较所述速度和预设的速度阈值；
107.动态确定模块，用于若所述速度大于所述速度阈值，则确定所述物体的运动状态为动态；
108.静态确定模块，用于若所述速度小于或等于所述速度阈值，则确定所述物体的运动状态为静态。
109.可选的，所述状态值计算模块240还包括：
110.速度读取模块，用于遍历多帧所述速度，依次读取当前帧所述速度与校准后的前一帧所述速度；
111.第一调权值获取模块，用于将当前帧的所述速度乘以预设的第一权重，获得第一调权值；
112.第二调权值获取模块，用于将校准后的前一帧的所述速度乘以预设的第二权重，获得第二调权值；
113.校准速度获取模块，用于将所述第一调权值与所述第二调权值相加，作为当前帧校准后的所述速度；
114.其中，所述第一权重与所述第二权重之间的和值为1。
115.可选的，所述中心状态值计算模块包括：
116.标志值配置模块，用于对每种所述运动状态配置标志值，所述标志值与所述运动状态对应的所述速度正相关；
117.平均值计算模块，用于对所述窗口内的所有所述运动状态的所述标志值计算平均值，所述平均值为用于标记作为中心的所述运动状态的所述感知数据的状态值，以表示所述物体的所述运动状态在所述窗口内发生切换的趋势。
118.可选的，所述场景标识模块250包括：
119.极值选定模块，用于选定第一极值、第二极值，所述第一极值为所述物体的运动状态从静止切换至动态时所述状态值的临界值，所述第二极值为所述物体的所述运动状态从动态切换至静止时所述状态值的临界值；
120.目标状态值筛选模块，用于筛选位于所述第一极值和所述第二极值组成的区间内的所述状态值，作为目标状态值；
121.目标时间点获取模块，用于在所述感知数据所处的时间轴上标记用于所述目标状态值指向的所述感知数据，获得目标时间点；
122.目标时间范围获取模块，用于若所述目标时间点连续，则将多个所述目标时间点之间连接成目标时间范围，以标识所述物体的所述运动状态发生切换的场景。
123.可选的，所述场景标识模块250还包括：
124.目标时间范围延长模块，用于在所述目标时间范围的起始端延长预设的第一时间段，和/或，在所述目标时间范围的结束端延长预设的第二时间段；
125.目标时间范围合并模块，用于若至少两个所述目标时间范围重叠，则合并至少两个所述目标时间范围为新的目标时间范围。
126.本发明实施例所提供的运行场景的识别装置可执行本发明任意实施例所提供的运行场景的识别方法，具备执行方法相应的功能模块和有益效果。
127.实施例三
128.图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
129.如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
130.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
131.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如运行场景的识别方法。
132.在一些实施例中，运行场景的识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的运行场景的识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行运行场景的识别方法。
133.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算
机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
134.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
135.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
136.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
137.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
138.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
139.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
140.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。