所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。在一些可能的实施方式中，根据本发明的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，使得处理器执行本说明书上述描述的根据本发明各种示例性实施方式的路侧物体识别方法中的步骤。例如，处理器可以执行如图2中所示的步骤s201-s204。下面参照图11来描述根据本发明的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图11所示，电子设备1100以通用电子设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理器1101、上述至少一个存储器1102、通信接口1103和总线1104。其中，处理器1101、存储器1102和通信接口1103通过总线1104相互连接。所述处理器1101，用于读取存储器1102中的指令并执行，以使所述至少一个处理器能够执行上述实施例中任何一项所述的方法。所述存储器1102，用于存储上述实施例提供的一种路侧物体识别的各种指令以及程序。总线1104可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。处理器1101可以是中央处理器(central processing unit，简称cpu)，网络处理器(network processor，简称np)，图像处理器(graphic processing unit，简称gpu)或者cpu、np、gpu的任一组合。还可以是硬件芯片。上述硬件芯片可以是专用集成电路(application-specific integrated circuit，简称asic)，可编程逻辑器件(programmable logic device，简称pld)或其组合。上述pld可以是复杂可编程逻辑器件(complex programmable logic device，简称cpld)，现场可编程逻辑门阵列(field-programmable gate array，简称fpga)，通用阵列逻辑(generic array logic，简称gal)或其任意组合。本技术实施例还提供了一种计算机可读存储介质，用于存储一些指令，这些指令被执行时，可以完成前述实施例的方法。本技术实施例还提供了一种计算机程序产品，用于存储计算机程序，该计算机程序用于执行前述实施例的方法。本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。
背景技术：
1、随着计算机视觉和深度学习的快速发展，视频ai在各个领域的应用越来越广泛，包括交通监控、智能驾驶、安防等。
2、在传统的视频ai系统中，目标识别是其中一个重要的任务。目标识别旨在从视频中准确地识别和定位特定的目标物体，例如行人、车辆、交通标志等。传统的目标识别方法主要基于特征提取和机器学习算法，但在复杂场景下，如树木、树荫和电线杆等目标物体与行人或车辆之间的区分上存在一定的困难。因而，道路场景的目标识别过程，存在路侧物体识别准确度低的问题。
技术实现思路
1、本技术提供了一种路侧物体识别方法、装置及设备，实现道路场景的目标识别过程中对路侧物体精准识别，提升路侧物体识别准确度。
2、第一方面，本技术实施例提供一种路侧物体识别方法，所述方法包括：
3、获取道路视频图像信息；所述道路视频图像信息包括多个待识别图像和与所述待识别图像对应的图像采集时间和图像位置信息；
4、根据所述待识别图像，得到所述待识别图像中的目标物体的物体特征信息；所述物体特征信息包括目标物体时空信息和目标物体边界框；所述目标物体时空信息为根据所述图像采集时间和所述图像位置信息得到的；
5、基于所述目标物体边界框和预设的基准边界框进行相似度计算，得到相似度特征值；所述基准边界框为基准视频图像包括的标注边界框；所述基准视频图像为与所述目标物体时空信息满足预设匹配条件的视频图像；
6、根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果；所述路侧物体识别结果表征待识别图像中是否包括路侧物体。
7、本技术第二方面提供一种路侧物体识别装置，所述装置包括：
8、信息输入模块，用于获取道路视频图像信息；所述道路视频图像信息包括多个待识别图像和与所述待识别图像对应的图像采集时间和图像位置信息；
9、特征提取模块，用于根据所述待识别图像，得到所述待识别图像中的目标物体的物体特征信息；所述物体特征信息包括目标物体时空信息和目标物体边界框；所述目标物体时空信息为根据所述图像采集时间和所述图像位置信息得到的；
10、相似计算模块，用于基于所述目标物体边界框和预设的基准边界框进行相似度计算，得到相似度特征值；所述基准边界框为基准视频图像包括的标注边界框；所述基准视频图像为与所述目标物体时空信息满足预设匹配条件的视频图像；
11、目标辨识模块，用于根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果；所述路侧物体识别结果表征待识别图像中是否包括路侧物体。
12、根据本技术实施例提供的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的方法。
13、根据本技术实施例提供的第四方面，提供一种电子设备，包括处理器和存储器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现如第一方面所述的方法。
14、本技术的上述实施例中，获取道路视频图像信息；所述道路视频图像信息包括多个待识别图像和与所述待识别图像对应的图像采集时间和图像位置信息；根据所述待识别图像，得到所述待识别图像中的目标物体的物体特征信息；所述物体特征信息包括目标物体时空信息和目标物体边界框；所述目标物体时空信息为根据所述图像采集时间和所述图像位置信息得到的；基于所述目标物体边界框和预设的基准边界框进行相似度计算，得到相似度特征值；所述基准边界框为基准视频图像包括的标注边界框；所述基准视频图像为与所述目标物体时空信息满足预设匹配条件的视频图像；根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果；所述路侧物体识别结果表征待识别图像中是否包括路侧物体。由此，本实施例中可以通过获取目标物体的物体特征信息；所述物体特征信息包括目标物体时空信息和目标物体边界框；将目标物体边界框和由目标物体时空信息确定的基准边界框进行相似性计算，得到相似度特征值；根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果，从而实现确定目标物体时空信息和目标物体边界框，基于时空信息进行相似度计算得到相似度特征值计算，进而确定关于待识别图像中是否包括路侧物体的路侧物体识别结果，提供了一种基于相似度特征值进行路侧物体的误识别优化的机制，能够实现高准确性的目标识别，提高路侧物体识别的精准性。
1.一种路侧物体识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别图像，得到所述待识别图像中的目标物体的物体特征信息，包括：
3.根据权利要求2所述的方法，其特征在于，在所述基于所述目标物体边界框和预设的基准边界框进行相似度计算，得到相似度特征值之前，还包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果，还包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述目标物体边界框和预设的基准边界框进行相似度计算，得到相似度特征值，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述相似度特征值，确定所述待识别图像的路侧物体识别结果，包括：
8.一种路侧物体识别装置，其特征在于，所述装置包括：
9.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，其特征在于：所述计算机程序被处理器执行时，实现权利要求1～7中任一项所述的方法。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现权利要求1～7中任一项所述的方法。
