训练数据集的生成方法、目标对象检测方法及相关设备技术

本申请涉及人工智能技术领域，提供了一种训练数据集的生成方法、目标对象检测方法及相关设备，训练数据集用于对目标检测模型进行训练，所述目标检测模型用于检测图像中的目标对象，该训练数据集的生成方法包括：获取包括检测对象的第一图像，检测对象包括对应于目标对象的正例；对第一图像进行图像处理，得到至少一个第二图像，图像处理包括像素变换、非相似几何变换和对象边界遮挡处理中的至少一项；对背景图像与至少一个目标图像进行合成，得到第三图像，目标图像是所述第一图像或所述第二图像；将所述第三图像和目标图像在所述第三图像中的位置信息关联添加至训练数据集中，实现了自动生成训练数据集。

【技术实现步骤摘要】
训练数据集的生成方法、目标对象检测方法及相关设备
本申请涉及人工智能
，具体而言，涉及一种训练数据集的生成方法、目标对象检测方法及相关设备。
技术介绍
在视频节目中，需要将品牌的LOGO(Logotype，图标)添加到视频图像中，即LOGO打码。为了保证LOGO打码的准确性，在完成LOGO打码后，需要对被添加LOGO的视频图像进行检测，以检测识别被打码到视频图像中的LOGO是否准确。相关技术中，通过目标检测模型来对视频图像进行LOGO检测，以判断被打码到视频图像中的LOGO是否为实际需要被打码到视频图像中的LOGO。在将目标检测模型用于检测视频图像中的LOGO之前，需要通过训练数据集对该目标检测模型进行训练，以保证训练后该目标检测模型可以准确检测和识别图像中的LOGO。因此，在训练目标检测模型之前，需要构建训练数据集。相关技术中，通过人工收集包括LOGO的图像来构建训练数据集，而为了使训练数据集中训练样本的数量达到一定数目，该种通过人工收集图像的方式存在工作量大、耗时长和效率低的问题。因此，如何提高生成训练数据集的效率是亟待解决的本文档来自技高网...

【技术保护点】
1.一种训练数据集的生成方法，其特征在于，所述训练数据集用于对目标检测模型进行训练，所述目标检测模型用于检测图像中的目标对象，所述方法包括：/n获取包括检测对象的第一图像，所述检测对象包括对应于所述目标对象的正例；/n对所述第一图像进行图像处理，得到至少一个第二图像，所述图像处理包括像素变换、非相似几何变换和对象边界遮挡处理中的至少一项；/n对背景图像与至少一个目标图像进行合成，得到第三图像，所述目标图像是所述第一图像或所述第二图像；/n将所述第三图像和所述目标图像在所述第三图像中的位置信息关联添加至所述训练数据集中。/n

【技术特征摘要】
1.一种训练数据集的生成方法，其特征在于，所述训练数据集用于对目标检测模型进行训练，所述目标检测模型用于检测图像中的目标对象，所述方法包括：
获取包括检测对象的第一图像，所述检测对象包括对应于所述目标对象的正例；
对所述第一图像进行图像处理，得到至少一个第二图像，所述图像处理包括像素变换、非相似几何变换和对象边界遮挡处理中的至少一项；
对背景图像与至少一个目标图像进行合成，得到第三图像，所述目标图像是所述第一图像或所述第二图像；
将所述第三图像和所述目标图像在所述第三图像中的位置信息关联添加至所述训练数据集中。


2.根据权利要求1所述的方法，其特征在于，所述非相似几何变换包括透视变换，所述对所述第一图像进行图像处理，得到至少一个第二图像，包括：
获取所述第一图像中四个第一特征点的坐标，以及为每一第一特征点所指定第一目标点的坐标；
根据所述四个第一特征点的坐标和所对应第一目标点的坐标计算得到透视变换矩阵；
按照所述透视变换矩阵对所述第一图像进行透视变换，得到所述第二图像。


3.根据权利要求1所述的方法，其特征在于，所述非相似几何变换包括仿射变换，所述对所述第一图像进行图像处理，得到至少一个第二图像，包括：
获取所述第一图像中三个第二特征点的坐标，以及获取为每一第二特征点所指定第二目标点的坐标；
根据所述第二特征点的坐标和所对应第二目标点的坐标计算得到仿射变换矩阵；
按照所述仿射变换矩阵对所述第一图像进行仿射变换，得到所述第二图像。


4.根据权利要求1所述的方法，其特征在于，所述像素变换包括透明度调节，所述对所述第一图像进行图像处理，得到至少一个第二图像，包括：
获取所述第一图像中各像素点在透明度通道的透明度参数；
根据为像素点所第一调节参数对所对应像素点的透明度参数进行调节，得到所述第二图像。


5.根据权利要求1所述的方法，其特征在于，所述像素变换包括亮度调节，所述对所述第一图像进行图像处理，得到至少一个第二图像，包括：
将所述第一图像从RGB空间转换到HSV空间；
获取所述第一图像各像素点在HSV空间中的亮度分量；
按照第二调整参数对所述亮度分量进行调节；
按照调节后的亮度分量将所述第一图像逆变换至RGB空间，得到所述第二图像。


6.根据权利要求1所述的方法，其特征在于，所述非相似几何变换包括单向拉伸变换，所述对所述第一图像进行图像处理，得到至少一个第二图像，包括：
获取目标拉伸方向上的拉伸系数，所述目标拉伸方向是所述第一图像的高度方向或宽度方向；
按照所述拉伸系数在所述目标拉伸方向上对所述第一图像进行拉伸变换。


7.根据权利要求1所述的方法，其特征在于，所述图像处理包括对象边界遮挡处理，所述对所述第一图像进行图像处理，得到至少一个第二图像，包括：
对所述第一图像中的检测对象进行边缘检测，确定所述检测对象的边缘在所述第一图像中的位置；
根据所确定边界的位置，在所述第一图像中确定目标移除区域，所述待检...

【专利技术属性】
技术研发人员：周驰，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44