1.本发明涉及计算机技术领域，尤其是涉及一种基于云计算机的立体影像分析与识别方法及系统。
背景技术：
2.图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
3.现有的图像识别是利用预先训练的模型对输入的图像进行识别，来确定图像中目标对象的信息，如在对道路上车辆的图像进行识别的场景，可以依据输入的图像，识别目标对象（车辆）的坐标（包括位置和距离，距离还可以称为深度），从而进行后续的分析，如依据车辆在不同时刻的坐标，判断车速等。
4.现有的图像识别模型通常是利用训练数据进行训练。训练数据通常包括用于输入模型的图像数据和对应图像数据的标注数据（如上述例子中的坐标即为标注），现有的标注方案通常是由人工进行标注，训练数据的获得十分不方便。
技术实现要素：
5.本发明提供一种基于云计算机的立体影像分析与识别方法及系统，以便于获得训练数据。
6.为了解决上述技术问题，本发明是这样实现的：第一方面，本技术提供了一种基于云计算机的立体影像分析与识别方法，所述方法包括：获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据；将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息；获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系；依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。
7.进一步的，所述摄像设备包括用于远景拍摄的第一光学组件、用于近景拍摄的第二光学组件和一个用于接收第一光学组件和第二光学组件的信息的图像传感器；所述获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，包括：依据第一摄像设备的图像传感器的采集数据，确定第一图像数据；依据第二摄像设备的图像传感器的采集数据，确定第二图像数据。
8.进一步的，所述依据第一摄像设备的图像传感器的采集数据，确定第一图像数据，或，依据第二摄像设备的图像传感器的采集数据，确定第二图像数据，包括：依据摄像设备的图像传感器的采集数据进行数据分析，确定目标对象是否处于第一光学组件和第二光学组件对应的拍摄区域内；在识别到目标对象处于第一光学组件和第二光学组件对应的拍摄区域内，将相应的采集数据作为图像数据。
9.进一步的，所述依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度，包括：依据立体影像映射关系，对第一坐标信息进行调整，得到映射坐标信息；将映射坐标信息和第二坐标信息进行对比，以依据对比结果，确定第一坐标信息和第二坐标信息的可信度。
10.进一步的，所述第一坐标信息包括第一子坐标和第二子坐标，所述第一子坐标对应第一摄像设备的第一光学组件，所述第二子坐标对应第一摄像设备的第二光学组件，所述第二坐标信息包括第三子坐标和第四子坐标，所述第三子坐标对应第二摄像设备的第一光学组件，所述第四子坐标对应第二摄像设备的第二光学组件。
11.进一步的，依据立体影像映射关系，对第一坐标信息进行调整，得到映射坐标信息的过程，可以依据以下公式确定，a=g*x，其中，a为映射坐标信息，g为代表立体影像映射关系的映射矩阵，x为第一坐标信息；所述映射坐标信息包括第一子坐标对应的第一映射坐标和第二子坐标对应的第二映射坐标，所述将映射坐标信息和第二坐标信息进行对比，以依据对比结果，确定第一坐标信息和第二坐标信息的可信度，包括：将第一映射坐标与第三子坐标进行对比，确定第一对比结果；将第二映射坐标与第四子坐标进行对比，确定第二对比结果；依据第一对比结果和第二对比结果，确定第一坐标信息和第二坐标信息的可信度。
12.进一步的，所述方法还包括：获取第一摄像设备的第一光学组件和第二光学组件之间的第一固定位置关系以及第一焦距关系，以确定第一固定映射关系；依据第一子坐标和第一固定映射关系，确定第三映射坐标；将第三映射坐标与第二子坐标进行对比，确定第一子坐标和第二子坐标的可信度，以确定第一坐标信息的可信度；在第一坐标信息的可信度低于第一可信阈值时，丢弃第一坐标信息。
13.进一步的，所述方法还包括：获取第二摄像设备的第一光学组件和第二光学组件之间的第二固定位置关系以及第二焦距关系，以确定第二固定映射关系；依据第三子坐标和第二固定映射关系，确定第四映射坐标；将第四映射坐标与第四子坐标进行对比，确定第三子坐标和第四子坐标的可信度，以确定第二坐标信息的可信度；在第二坐标信息的可信度低于第二可信阈值时，丢弃第二坐标信息。
14.第二方面，本技术提供了一种基于云计算机的立体影像分析与识别系统，所述系统包括：图像数据获取模块，用于获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据；坐标信息获取模块，用于将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息；映射关系获取模块，用于获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系；坐标可信校验模块，用于依据立体影像映射关系，对第一坐标信息和第
二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；训练数据生成模块，用于在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。
15.第三方面，本技术提供了一种电子设备，包括：存储器和至少一个处理器；所述存储器用于存储计算机执行指令；所述至少一个处理器用于执行所述存储器中存储的计算机执行指令，使得所述至少一个处理器执行如第一方面所述的方法。
16.本技术提供了一种基于云计算机的立体影像分析与识别方法，所述方法包括：获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据；将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息；获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系；依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。
17.本技术的方案可以应用于云计算机，云计算机还可以称为云计算、服务器等。云计算机可以与摄像设备进行交互，以获取摄像设备采集的图像数据。云计算机可以获取摄像设备采集的图像，并进行分析，确定各图像中目标对象的坐标，之后，利用不同摄像设备的图像之间的立体影像映射关系，对不同摄像设备确定的坐标进行校验，确定图像分析模型分析得到的坐标的可信度，并在可信度较高时，将相应的坐标作为图像数据的标注，形成训练数据。需要说明的是，本方案中，可以利用图像分析模型来对采集的图像数据以及分析得到的坐标进行筛选（去除低质量的分析结果），从而将更准确的坐标作为标注数据，以便形成高质量的训练数据。
18.具体来说，本方案中的云计算机可以获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据。获取到第一图像数据和第二图像数据之后，可以将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息。之后，可以获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。依据训练数据可以对本方案中的图像分析模型进行训练，也可以对其他的模型进行训练。
19.其中，在同一时间拍摄得到的第一图像数据和第二图像数据中，目标对象的在三维空间中的位置应该是固定的，因此，两个图像中目标对象的分析结果，应该是一致的，由此，本方案可以利用第一摄像设备与第二摄像设备的空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系对第一坐标信息进行映射转换，确定映射坐标信息，并分析映射坐标信息与第二坐标信息是否相同，若是相同或者差异较小，则可以确定第一坐标信息和第二坐标信息的可信度超过预设可信度阈值，从而第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据。本方案中的第一摄像设备和第二摄像设备可以是对应某一路段的摄像设备，从而采集道路以及车辆的图像，从而进行分析，确定训练数据。本方案无需用户人工对图像进行标注，能够便于生成训练数据。
20.另外，本方案中，摄像设备（第一摄像设备和第二摄像设备）可以包括用于远景拍摄的第一光学组件、用于近景拍摄的第二光学组件和一个用于接收第一光学组件和第二光学组件的信息的图像传感器。通过将两个光学组件的信息投射到同一个图像传感器上，在进行转换时，可以以同一个立体影像映射关系进行信息转换，数据处理更加简单方便。并且，可以将第一摄像设备的第一光学组件对应的数据与第二摄像采集设备的第一光学组件对应的数据进行匹配，将第一摄像设备的第二光学组件对应的数据与第二摄像采集设备的第二光学组件对应的数据进行匹配，从而进行两次校验，以更加准确的确定坐标分析的可信度。还可以将第一摄像设备的第一光学组件对应的数据与第一摄像设备的第二光学组件对应的数据进行匹配，进而对分析得到的坐标进一步进行校验，提升训练数据的可信度。
附图说明
21.此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：图1是本技术一个实施例的基于云计算机的立体影像分析与识别方法的流程示意图；图2是本技术一个实施例的基于云计算机的立体影像分析与识别方法的步骤示意图；图3是本技术一个实施例的基于云计算机的立体影像分析与识别系统的结构示意图。
具体实施方式
22.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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.本技术的方案可以应用于云计算机，如图1所示，云计算机还可以称为云计算、服务器等。云计算机可以与摄像设备进行交互，以获取摄像设备采集的图像数据。摄像设备包括第一摄像设备和第二摄像设备，图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据，第一摄像设备和第二摄像设备可以将采集的图像数据上传
给云计算机，以进行云计算。摄像设备（第一摄像设备和第二摄像设备）可以包括用于远景拍摄的第一光学组件、用于近景拍摄的第二光学组件和一个用于接收第一光学组件和第二光学组件的信息的图像传感器。第一光学组件和第二光学组件的拍摄角度可以相同也可以不同，具体可以依据需求进行设置，第一光学组件和第二光学组件的焦距可以不同，第一光学组件和第二光学组件的焦距关系为预设。
24.云计算机可以获取不同摄像设备采集的图像，并进行分析，确定各图像中目标对象的坐标，之后，利用不同摄像设备的图像之间的立体影像映射关系，对不同摄像设备确定的坐标进行校验，确定图像分析模型分析得到的坐标的可信度，并在可信度较高时，将相应的坐标作为图像数据的标注，形成训练数据，在可信度较低时，丢弃相应的数据。需要说明的是，本方案中，可以利用图像分析模型来对采集的图像数据以及分析得到的坐标进行筛选（去除低质量的分析结果），从而将更准确的坐标作为标注数据，以便形成高质量的训练数据。
25.具体来说，本方案中的云计算机可以获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据。获取到第一图像数据和第二图像数据之后，可以将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息。之后，可以获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。依据训练数据可以对本方案中的图像分析模型进行训练，也可以对其他的模型进行训练。
26.其中，在同一时间拍摄得到的第一图像数据和第二图像数据中，目标对象的在三维空间中的位置应该是固定的，因此，两个图像中目标对象的分析结果，应该是一致的，由此，本方案可以利用第一摄像设备与第二摄像设备的空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系对第一坐标信息进行映射转换，确定映射坐标信息，并分析映射坐标信息与第二坐标信息是否相同，若是相同或者差异较小，则可以确定第一坐标信息和第二坐标信息的可信度超过预设可信度阈值，从而第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据。本方案中的第一摄像设备和第二摄像设备可以是对应某一路段的摄像设备，从而采集道路以及车辆的图像，从而进行分析，确定训练数据。本方案无需用户人工对图像进行标注，能够便于生成训练数据。
27.另外，本方案中，通过将两个光学组件的信息投射到同一个图像传感器上，在进行转换时，可以以同一个立体影像映射关系进行信息转换，数据处理更加简单方便。并且，可以将第一摄像设备的第一光学组件对应的数据与第二摄像采集设备的第一光学组件对应的数据进行匹配，将第一摄像设备的第二光学组件对应的数据与第二摄像采集设备的第二
光学组件对应的数据进行匹配，从而进行两次校验，以更加准确的确定坐标分析的可信度。还可以将第一摄像设备的第一光学组件对应的数据与第一摄像设备的第二光学组件对应的数据进行匹配，进而对分析得到的坐标进一步进行校验，提升训练数据的可信度。
28.具体来说，本技术实施例提供一种基于云计算机的立体影像分析与识别方法，如图2所示，所述方法包括：步骤202、获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据。
29.步骤204、将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息。
30.步骤206、获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系。
31.步骤208、依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度。
32.步骤210、在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。
33.本技术的方案可以应用于云计算机，云计算机还可以称为云计算、服务器等。云计算机可以与摄像设备进行交互，以获取摄像设备采集的图像数据。云计算机可以获取摄像设备采集的图像，并进行分析，确定各图像中目标对象的坐标，之后，利用不同摄像设备的图像之间的立体影像映射关系，对不同摄像设备确定的坐标进行校验，确定图像分析模型分析得到的坐标的可信度，并在可信度较高时，将相应的坐标作为图像数据的标注，形成训练数据。需要说明的是，本方案中，可以利用图像分析模型来对采集的图像数据以及分析得到的坐标进行筛选（去除低质量的分析结果），从而将更准确的坐标作为标注数据，以便形成高质量的训练数据。
34.具体来说，本方案中的云计算机可以获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据。获取到第一图像数据和第二图像数据之后，可以将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息。之后，可以获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。依据训练数据可以对本方案中的图像分析模型进行训练，也可以对其他的模型进行训练。
35.其中，在同一时间拍摄得到的第一图像数据和第二图像数据中，目标对象的在三维空间中的位置应该是固定的，因此，两个图像中目标对象的分析结果，应该是一致的，由此，本方案可以利用第一摄像设备与第二摄像设备的空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系对第一坐标信息进行映射转换，确定映射坐标信息，并分析映射坐标信息与第二坐标信息是否相同，若是相同或者差异较小，则可以确定第一坐标信息和第二坐标信息的可信度超过预设可信度阈值，从而第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据。本方案中的第一摄像设备和第二摄像设备可以是对应某一路段的摄像设备，从而采集道路以及车辆的图像，从而进行分析，确定训练数据。本方案无需用户人工对图像进行标注，能够便于生成训练数据。
36.本方案中，摄像设备（第一摄像设备和第二摄像设备）可以由两个光学组件组成。具体的，作为一个可选的实施例，所述摄像设备包括用于远景拍摄的第一光学组件、用于近景拍摄的第二光学组件和一个用于接收第一光学组件和第二光学组件的信息的图像传感器；所述获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，包括：依据第一摄像设备的图像传感器的采集数据，确定第一图像数据；依据第二摄像设备的图像传感器的采集数据，确定第二图像数据。通过将两个光学组件的信息投射到同一个图像传感器上，在进行转换时，可以以同一个立体影像映射关系进行信息转换，数据处理更加简单方便。第一光学组件和第二光学组件的位置关系可以是沿同一个竖直的平面分布，第二光学组件的位置位于第一光学组件的下方，第一光学组件和第二光学组件的朝向均朝向斜下方的角度，以进行拍摄。第一摄像设备和第二摄像设备所在的竖直平面可以不同，第一摄像设备和第二摄像设备拍摄的画面具有重叠部分，当目标对象出现在重叠部分时，将相应的画面作为待分析的图像数据。
37.并且，（第一摄像设备或第二摄像设备的）第一光学组件和第二光学组件拍摄的画面也具有重叠部分，以便当目标对象出现在相应区域时，第一光学组件和第二光学组件均可以采集到信息。具体的，作为一个可选的实施例，所述依据第一摄像设备的图像传感器的采集数据，确定第一图像数据，或，依据第二摄像设备的图像传感器的采集数据，确定第二图像数据，包括：依据摄像设备的图像传感器的采集数据进行数据分析，确定目标对象是否处于第一光学组件和第二光学组件对应的拍摄区域内；在识别到目标对象处于第一光学组件和第二光学组件对应的拍摄区域内，将相应的采集数据作为图像数据。可以通过分析第一光学组件和第二光学组件对应的图像中是否均包含目标对象，来判断目标对象是否处于第一光学组件和第二光学组件对应的拍摄区域内。
38.在确定目标对象在第一图像数据和第二图像数据的坐标之后，可以依据两个摄像设备的空间位置关系进行映射，以依据坐标分析结果是否一致（相同或相近），确定第一坐标信息和第二坐标信息的可信度。具体的，作为一个可选的实施例，所述依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度，包括：依据立体影像映射关系，对第一坐标信息进行调整，得到映射坐标信息；将映射坐标信息和第二坐标信息进行对比，以依据对比结果，确定第一坐标信息和第二坐标信息的可信度。其中，在同一时间拍摄得到的第一图像数据和第二图像数据中，目标对象的在三维空间中的位置应该是固定的，因此，两个图像中目标对象的分析结果，应该是一致的，由
此，本方案可以利用第一摄像设备与第二摄像设备的空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系对第一坐标信息进行映射转换，确定映射坐标信息，并分析映射坐标信息与第二坐标信息是否相同，若是相同或者差异较小，则可以确定第一坐标信息和第二坐标信息的可信度超过预设可信度阈值，从而第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据。
39.本方案还可以将一个摄像设备对应的图像数据（按照不同光学组件进行）分割，得到两部分图像，目标对象同时处在两部分图像内，因此，可以确定两个坐标，并依据不同摄像设备的两个坐标进行二次校验，确定第一坐标信息和第二坐标信息的可信度。具体的，作为一个可选的实施例，所述第一坐标信息包括第一子坐标和第二子坐标，所述第一子坐标对应第一摄像设备的第一光学组件，所述第二子坐标对应第一摄像设备的第二光学组件，所述第二坐标信息包括第三子坐标和第四子坐标，所述第三子坐标对应第二摄像设备的第一光学组件，所述第四子坐标对应第二摄像设备的第二光学组件。具体的，作为一个可选的实施例，依据立体影像映射关系，对第一坐标信息进行调整，得到映射坐标信息的过程，可以依据以下公式确定，a=g*x，其中，a为映射坐标信息，g为代表立体影像映射关系的映射矩阵，x为第一坐标信息；所述映射坐标信息包括第一子坐标对应的第一映射坐标和第二子坐标对应的第二映射坐标，所述将映射坐标信息和第二坐标信息进行对比，以依据对比结果，确定第一坐标信息和第二坐标信息的可信度，包括：将第一映射坐标与第三子坐标进行对比，确定第一对比结果；将第二映射坐标与第四子坐标进行对比，确定第二对比结果；依据第一对比结果和第二对比结果，确定第一坐标信息和第二坐标信息的可信度。可以将不同摄像设备的第一光学组件对应的图像的坐标进行对比，将不同摄像设备的第二光学组件对应的图像的坐标进行对比，从而依据两次对比结果，确定第一坐标信息和第二坐标信息的可信度，提升了坐标信息质量。
40.第一光学组件和第二光学组件的角度、焦距等信息不同，因此，可以将第一光学组件和第二光学组件看做两个不同的摄像设备，从而进行同一摄像设备的两个坐标的校验，具体的，作为一个可选的实施例，所述方法还包括：获取第一摄像设备的第一光学组件和第二光学组件之间的第一固定位置关系以及第一焦距关系，以确定第一固定映射关系；依据第一子坐标和第一固定映射关系，确定第三映射坐标；将第三映射坐标与第二子坐标进行对比，确定第一子坐标和第二子坐标的可信度，以确定第一坐标信息的可信度；在第一坐标信息的可信度低于第一可信阈值时，丢弃第一坐标信息。本方案可以将第一子坐标和第二子坐标进行对比，确定结果是否一致，若是结果一致，则可以进行下一步分析。若是结果不一致，则可以丢弃相应的信息，减少低质量的数据。
41.第二摄像设备的对于坐标信息的处理策略与第一摄像设备的处理策略一致，具体的，作为一个可选的实施例，所述方法还包括：获取第二摄像设备的第一光学组件和第二光学组件之间的第二固定位置关系以及第二焦距关系，以确定第二固定映射关系；依据第三子坐标和第二固定映射关系，确定第四映射坐标；将第四映射坐标与第四子坐标进行对比，确定第三子坐标和第四子坐标的可信度，以确定第二坐标信息的可信度；在第二坐标信息的可信度低于第二可信阈值时，丢弃第二坐标信息。
42.在上述实施例的基础上，本技术实施例还提供一种基于云计算机的立体影像分析
与识别系统，如图3所示，所述系统包括：图像数据获取模块302，用于获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据。
43.坐标信息获取模块304，用于将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息。
44.映射关系获取模块306，用于获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系。
45.坐标可信校验模块308，用于依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度。
46.训练数据生成模块310，用于在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。
47.本技术实施例的实施方式与上述方法实施例的实施方式类似，具体实施方式可以参考上述方法实施例的具体实施方式，此处不再赘述。
48.本技术的方案可以应用于云计算机，云计算机还可以称为云计算、服务器等。云计算机可以与摄像设备进行交互，以获取摄像设备采集的图像数据。云计算机可以获取摄像设备采集的图像，并进行分析，确定各图像中目标对象的坐标，之后，利用不同摄像设备的图像之间的立体影像映射关系，对不同摄像设备确定的坐标进行校验，确定图像分析模型分析得到的坐标的可信度，并在可信度较高时，将相应的坐标作为图像数据的标注，形成训练数据。需要说明的是，本方案中，可以利用图像分析模型来对采集的图像数据以及分析得到的坐标进行筛选（去除低质量的分析结果），从而将更准确的坐标作为标注数据，以便形成高质量的训练数据。
49.具体来说，本方案中的云计算机可以获取用于拍摄目标对象的至少两个摄像设备拍摄的图像数据，所述至少两个摄像设备包括第一摄像设备和第二摄像设备，所述图像数据包括第一摄像设备拍摄的第一图像数据和第二拍摄设备拍摄的第二图像数据。获取到第一图像数据和第二图像数据之后，可以将第一图像数据和第二图像数据输入到图像分析模型中，确定目标对象在第一图像数据的第一坐标信息和目标对象在第二图像数据的第二坐标信息，所述第一坐标信息和第二坐标信息均包括位置信息和深度信息。之后，可以获取第一摄像设备与第二摄像设备的空间位置关系，并依据空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系，对第一坐标信息和第二坐标信息进行校验，确定第一坐标信息和第二坐标信息的可信度；在第一坐标信息和第二坐标信息的可信度超过预设可信度阈值时，将第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据，以便依据训练数据进行模型训练。依据训练数据可以对本方案中的图像分析模型进行训练，也可以对其他的模型进行训练。
50.其中，在同一时间拍摄得到的第一图像数据和第二图像数据中，目标对象的在三维空间中的位置应该是固定的，因此，两个图像中目标对象的分析结果，应该是一致的，由
此，本方案可以利用第一摄像设备与第二摄像设备的空间位置关系确定第一摄像设备和第二摄像设备之间的立体影像映射关系，以依据立体影像映射关系对第一坐标信息进行映射转换，确定映射坐标信息，并分析映射坐标信息与第二坐标信息是否相同，若是相同或者差异较小，则可以确定第一坐标信息和第二坐标信息的可信度超过预设可信度阈值，从而第一坐标信息作为第一图像数据的标注数据、将第二坐标信息作为第二图像数据的标注数据，以形成训练数据。本方案中的第一摄像设备和第二摄像设备可以是对应某一路段的摄像设备，从而采集道路以及车辆的图像，从而进行分析，确定训练数据。本方案无需用户人工对图像进行标注，能够便于生成训练数据。
51.在上述实施例的基础上，本技术还提供一种电子设备，包括：存储器和至少一个处理器；所述存储器用于存储计算机执行指令；所述至少一个处理器用于执行所述存储器中存储的计算机执行指令，使得所述至少一个处理器执行如上述实施例所述的方法。
52.本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述数据的处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器（read-only memory，简称rom）、随机存取存储器（random acgess memory，简称ram）、磁碟或者光盘等。
53.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
54.本发明是参照根据本发明实施例的方法、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。
55.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。
56.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。
57.在一个典型的配置中，计算设备包括一个或多个处理器 (cpu)、输入/输出接口、网络接口和内存。
58.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram) 和/或非易失性内存等形式，如只读存储器 (rom) 或闪存(flash ram)。内存是计算机可读介
质的示例。
59.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器 (sram)、动态随机存取存储器 (dram)、其他类型的随机存取存储器 (ram)、只读存储器 (rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器 (cd-rom)、数字多功能光盘 (dvd) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的定界，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
60.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
61.本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明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，本发明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。
62.以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。