行人检测误报数据的标注方法、装置、系统和存储介质制造方法及图纸

本发明专利技术提供了一种行人检测误报数据的标注方法、装置、系统和存储介质，所述方法包括：获取场景数据；对所述场景数据进行行人检测，得到行人预测框；以及基于所述行人预测框所标注的数据至少提取行人检测误报样本。根据本发明专利技术实施例的行人检测误报数据的标注方法、装置、系统和存储介质能够实现行人检测误报数据的自动标注，无需人力进行行人检测误报数据的标注，可以快速获得行人误报剔除模型的训练数据，提高行人误报剔除模型的训练效率，从而提高行人检测的可靠性。

Labeling Method, Device, System and Storage Medium of Pedestrian Detection Misinformation Data

The invention provides a pedestrian detection false alarm data annotation method, device, system and storage medium. The method includes: acquiring scene data; detecting pedestrians from the scene data to obtain a pedestrian prediction frame; and extracting at least a pedestrian detection false alarm sample based on the data annotated by the pedestrian prediction frame. According to the embodiment of the present invention, the annotation method, device, system and storage medium of pedestrian detection false alarm data can realize automatic annotation of pedestrian detection false alarm data, and the training data of pedestrian detection false alarm rejection model can be obtained quickly without human labeling of pedestrian detection false alarm data, and the pedestrian false alarm rejection model can be improved. The training efficiency is improved to improve the reliability of pedestrian detection.

【技术实现步骤摘要】
行人检测误报数据的标注方法、装置、系统和存储介质
本专利技术涉及行人检测
，更具体地涉及一种行人检测误报数据的标注方法、装置、系统和存储介质。
技术介绍
行人检测是视频结构化、人体姿态分析、人机交互中的重要入口型技术，任何与人相关的应用都会首先利用行人检测技术，确定人体所在的位置。然而，现有的行人检测模型仍有很大的缺陷，经常“误报”一些看上去像人的物体，因此在产品化过程中，常常需要一个小型快速的行人误报剔除模型来打磨算法性能。然而，由于行人误报剔除模型需要拟合行人检测模型的分布情形，因此行人检测器更新一版，就需要重新标注数据和训练模型。模型训练可以通过扩展机器来加速，标注数据受限于人力成本，很难规模化增长，给产品更新换代造成了非常大的麻烦。
技术实现思路
本专利技术提出了一种关于行人检测误报数据的标注的方案，其旨在解决行人误报的标注问题。下面简要描述本专利技术提出的关于行人检测误报数据的标注的方案，更多细节将在后续结合附图在具体实施方式中加以描述。根据本专利技术一方面，提供了一种行人检测误报数据的标注方法，所述方法包括：获取场景数据；对所述场景数据进行行人检测，得到行人预测框；以及基于所述行人预测框所标注的数据至少提取行人检测误报样本。在一个实施例中，所述场景数据为不包含行人的数据，所述行人预测框所标注的数据均为行人检测误报样本。在一个实施例中，所述不包含行人的数据是通过互联网获取的。在一个实施例中，所述场景数据为包含行人的数据，所述方法还包括：基于所述行人预测框所标注的数据提取行人检测正确样本和行人检测误报样本。在一个实施例中，所述行人检测正确样本和行人检测误报样本的提取是基于预先训练好的行人检测误报模型，所述行人检测误报模型确定所述行人预测框所标注的数据表示行人的概率，并基于所述概率与预定阈值的大小关系确定并提取所述行人检测正确样本和所述行人检测误报样本。在一个实施例中，所述行人检测正确样本为所述行人预测框所标注的数据表示行人的概率大于第一阈值的样本，所述行人检测误报样本为所述行人预测框所标注的数据表示行人的概率小于第二阈值的样本，所述第二阈值小于所述第一阈值。在一个实施例中，所述第一阈值为0.9，所述第二阈值为0.1。在一个实施例中，所述方法还包括：当所述行人预测框所标注的数据表示行人的概率不大于所述第一阈值并且不小于所述第二阈值时，将该行人预测框所标注的数据作为舍弃样本并舍弃。在一个实施例中，所述行人检测误报模型是基于101层深度残差网络或152层深度残差网络训练得到的。根据本专利技术另一方面，提供了一种行人检测误报数据的标注装置，所述装置包括：数据获取模块，用于获取场景数据；行人检测模块，用于对所述数据获取模块获取的所述场景数据进行行人检测，得到行人预测框；以及样本提取模块，用于基于所述行人检测模块输出的所述行人预测框所标注的数据至少提取行人检测误报样本。在一个实施例中，所述场景数据为不包含行人的数据，所述行人预测框所标注的数据均为行人检测误报样本。在一个实施例中，所述不包含行人的数据是通过互联网获取的。在一个实施例中，所述场景数据为包含行人的数据，所述样本提取模块还用于：基于所述行人预测框所标注的数据提取行人检测正确样本和行人检测误报样本。在一个实施例中，所述样本提取模块基于预先训练好的行人检测误报模型提取所述行人检测正确样本和行人检测误报样本，所述样本提取模块基于所述行人检测误报模型确定所述行人预测框所标注的数据表示行人的概率，并基于所述概率与预定阈值的大小关系确定并提取所述行人检测正确样本和所述行人检测误报样本。在一个实施例中，所述行人检测正确样本为所述行人预测框所标注的数据表示行人的概率大于第一阈值的样本，所述行人检测误报样本为所述行人预测框所标注的数据表示行人的概率小于第二阈值的样本，所述第二阈值小于所述第一阈值。在一个实施例中，所述第一阈值为0.9，所述第二阈值为0.1。在一个实施例中，所述样本提取模块还用于：当所述行人预测框所标注的数据表示行人的概率不大于所述第一阈值并且不小于所述第二阈值时，将该行人预测框所标注的数据作为舍弃样本并舍弃。在一个实施例中，所述行人检测误报模型是基于101层深度残差网络或152层深度残差网络训练得到的。根据本专利技术又一方面，提供了一种行人检测误报数据的标注系统，所述系统包括存储装置和处理器，所述存储装置上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行上述任一项所述的行人检测误报数据的标注方法。根据本专利技术再一方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行上述任一项所述的行人检测误报数据的标注方法。根据本专利技术实施例的行人检测误报数据的标注方法、装置、系统和存储介质能够实现行人检测误报数据的自动标注，无需人力进行行人检测误报数据的标注，可以快速获得行人误报剔除模型的训练数据，提高行人误报剔除模型的训练效率，从而提高行人检测的可靠性。附图说明通过结合附图对本专利技术实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与本专利技术实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1示出用于实现根据本专利技术实施例的行人检测误报数据的标注方法、装置、系统和存储介质的示例电子设备的示意性框图；图2示出根据本专利技术实施例的行人检测误报数据的标注方法的示意性流程图；图3示出根据本专利技术实施例的行人检测误报数据的标注装置的示意性框图；以及图4示出根据本专利技术实施例的行人检测误报数据的标注系统的示意性框图。具体实施方式为了使得本专利技术的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本专利技术的示例实施例。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是本专利技术的全部实施例，应理解，本专利技术不受这里描述的示例实施例的限制。基于本专利技术中描述的本专利技术实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本专利技术的保护范围之内。首先，参照图1来描述用于实现本专利技术实施例的行人检测误报数据的标注方法、装置、系统和存储介质的示例电子设备100。如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106以及输出装置108，这些组件通过总线系统110和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所本文档来自技高网...

【技术保护点】
1.一种行人检测误报数据的标注方法，其特征在于，所述方法包括：获取场景数据；对所述场景数据进行行人检测，得到行人预测框；以及基于所述行人预测框所标注的数据至少提取行人检测误报样本。

【技术特征摘要】
1.一种行人检测误报数据的标注方法，其特征在于，所述方法包括：获取场景数据；对所述场景数据进行行人检测，得到行人预测框；以及基于所述行人预测框所标注的数据至少提取行人检测误报样本。2.根据权利要求1所述的方法，其特征在于，所述场景数据为不包含行人的数据，所述行人预测框所标注的数据均为行人检测误报样本。3.根据权利要求2所述的方法，其特征在于，所述不包含行人的数据是通过互联网获取的。4.根据权利要求1所述的方法，其特征在于，所述场景数据为包含行人的数据，所述方法还包括：基于所述行人预测框所标注的数据提取行人检测正确样本和行人检测误报样本。5.根据权利要求4所述的方法，其特征在于，所述行人检测正确样本和行人检测误报样本的提取是基于预先训练好的行人检测误报模型，所述行人检测误报模型确定所述行人预测框所标注的数据表示行人的概率，并基于所述概率与预定阈值的大小关系确定并提取所述行人检测正确样本和所述行人检测误报样本。6.根据权利要求5所述的方法，其特征在于，所述行人检测正确样本为所述行人预测框所标注的数据表示行人的概率大于第一阈值的样本，所述行人检测误报样本为所述行人预测框所标注的数据表示行人的概率小于第二阈值的样本，所述第二阈值小于所述第一阈值。...

【专利技术属性】
技术研发人员：彭超，俞刚，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：北京,11