图像标注方法、装置、计算设备及存储介质制造方法及图纸

本申请公开了图像标注方法、装置、计算设备及存储介质。其中，一种图像标注方法，包括：获取待标注的图像帧；确定所述图像帧中的运动区域；确定所述运动区域在所述图像帧中的边界框；在所述运动区域内，对目标对象进行检测；根据检测到的所述目标对象，确定所述边界框是否满足预定条件；以及在确定所述边界框满足预定条件时，将所述边界框和所述图像帧作为经过标注的图像样本。本申请的图像标注方案可以避免人工标注的麻烦，而可以自动获取高质量的经过标注的样本。

【技术实现步骤摘要】
图像标注方法、装置、计算设备及存储介质
本申请涉及图像处理
，尤其涉及图像标注方法、装置、计算设备及存储介质。
技术介绍
随着图像处理技术的发展，目标检测技术越来越广泛应用到各种场景中。例如，对象跟踪和目标识别等场景。这里，用于目标检测的模型通常需要大量的样本数据进行训练。目前，样本数据通常需要人工进行标注。
技术实现思路
根据本申请一个方面，提供一种图像标注方法，所述方法包括：获取待标注的图像帧；确定所述图像帧中的运动区域；确定所述运动区域在所述图像帧中的边界框；在所述运动区域内，对目标对象进行检测；根据检测到的所述目标对象，确定所述边界框是否满足预定条件；以及在确定所述边界框满足预定条件时，将所述边界框和所述图像帧作为经过标注的图像样本。在一些实施例中，根据检测到的所述目标对象，确定所述边界框是否满足预定条件，包括：确定所述目标对象的轮廓区域在所述边界框内的像素点占比是否超过第一阈值；在确定所述像素点占比未超过所述第一阈值时，确定所述边界框满足所述预定条件。在一些实施例中，所述获取图像帧，包括：获取原始图像帧；对所述原始图像帧进行下采样操作，得到所述图像帧。在一些实施例中，所述确定所述图像帧中的运动区域，包括：基于运动检测模型，得到运动检测结果；根据所述运动检测结果，确定所述运动区域。在一些实施例中，所述基于运动检测模型，得到运动检测结果，包括：基于经过训练的背景减除模型，去除所述图像帧中背景区域，得到背景减除结果，并将所述背景减除结果作为所述运动检测结果。在一些实施例中，所述方法进一步包括：获取从目标场景采集的早于所述图像帧的图像帧序列；根据所述图像帧序列，训练所述背景减除模型。在一些实施例中，所述根据所述运动检测结果，确定所述运动区域，包括：对所述运动检测结果进行二值化处理，得到第一处理结果；对所述第一处理结果进行滤波处理，得到第二处理结果；对所述第二处理结果进行图像膨胀处理，得到所述运动区域。在一些实施例中，所述在所述运动区域内，对目标对象进行检测，包括：在所述运动区域内，检测与所述目标对象对应的候选区域；在所述候选区域的置信度达到置信度阈值时，将所述候选区域作为检测到的所述目标对象。在一些实施例中，所述在所述运动区域内，检测与所述目标对象对应的候选区域，包括：基于经过训练的目标检测器，检测所述目标对象对应的候选区域。在一些实施例中，所述获取图像帧，包括：获取从自动售货柜场景中采集的所述图像帧。根据本申请一方面，提供一种图像标注装置，所述装置包括：图像获取单元，用于获取待标注的图像帧；运动检测单元，用于确定所述图像帧中的运动区域；边界框确定单元，用于确定所述运动区域在所述图像帧中的边界框；对象检测单元，用于在所述运动区域内，对目标对象进行检测；样本过滤单元，用于根据检测到的所述目标对象，确定所述边界框是否满足预定条件，在确定所述边界框满足预定条件时，将所述边界框和所述图像帧作为经过标注的图像样本。在一些实施例中，所述样本过滤单元根据下述方式根据检测到的所述目标对象，确定所述边界框是否满足预定条件：确定所述目标对象的轮廓区域在所述边界框内的像素点占比是否超过第一阈值；在确定所述像素点占比未超过所述第一阈值时，确定所述边界框满足所述预定条件。在一些实施例中，所述图像获取单元根据下述方式获取图像帧：获取原始图像帧；对所述原始图像帧进行下采样操作，得到所述图像帧。在一些实施例中，所述运动检测单元根据下述方式确定所述图像帧中的运动区域：基于运动检测模型，得到运动检测结果；根据所述运动检测结果，确定所述运动区域。在一些实施例中，所述运动检测单元根据下述方式基于运动检测模型，得到运动检测结果；基于经过训练的背景减除模型，去除所述图像帧中背景区域，得到背景减除结果，并将所述背景减除结果作为所述运动检测结果。在一些实施例中，所述装置进一步包括模型训练单元，用于：获取从目标场景采集的早于所述图像帧的图像帧序列；根据所述图像帧序列，训练所述背景减除模型。在一些实施例中，所述运动检测单元根据下述方式根据所述运动检测结果，确定所述运动区域：对所述运动检测结果进行二值化处理，得到第一处理结果；对所述第一处理结果进行滤波处理，得到第二处理结果；对所述第二处理结果进行图像膨胀处理，得到所述运动区域。在一些实施例中，所述对象检测单元根据下述方式在所述运动区域内，对目标对象进行检测：在所述运动区域内，检测与所述目标对象对应的候选区域；在所述候选区域的置信度达到置信度阈值时，将所述候选区域作为检测到的所述目标对象。在一些实施例中，所述对象检测单元根据下述方式在所述运动区域内，检测与所述目标对象对应的候选区域，包括：基于经过训练的目标检测器，检测所述目标对象对应的候选区域。在一些实施例中，所述图像获取单元根据下述方式获取图像帧：获取从自动售货柜场景中采集的所述图像帧。根据本申请一方面，提供一种计算设备，包括：处理器；存储器；以及一个或多个程序，存储在该存储器中并被配置为由所述处理器执行，所述一个或多个程序包括用于执行根据本申请的图像标注方法的指令。根据本申请一方面，提供一种存储介质，存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据本申请的图像标注方法。综上，根据本申请的图像标注方案可以通过运动检测方式确定图像帧中边界框，从而可以自动标注图像。进一步，本申请的图像标注方案可以对边界框是否满足预定条件进行判断，从而筛选出满足预定条件的经过标注的图像样本，从而可以筛选出高质量的经过标注的样本。简言之，本申请的图像标注方案可以避免人工标注的麻烦，而可以自动获取高质量的经过标注的样本。附图说明为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1示出了根据本申请一些实施例的图像标注方法100的流程图；图2A示出了根据本申请一些实施例的获取待标注的图像帧的方法200的流程图；图2B示出了根据本申请一些实施例的图像帧；图3示出了根据本申请一些实施例的确定运动区域的方法300的流程图；图4示出了根据本申请一些实施例的训练背景减除模型的方法400的流程图；图5A示出了根据本申请一些实施例的确定运动区域的方法500的流程图；图5B示出了图2B中图像帧对应的运动检测结果的二值图；图5C示出了对图5B进行滤波后的得到的第二处理结果；图5D示出了从图2B中图像帧获取的运动区域501的掩模图；图6A示出了图2B中运动区域的掩模图；图6B示出了图2B中图像帧标注边界框601后的示意图；图7A示出了根据本申请一些实施例的对目标对象进行检测的方法700的流程本文档来自技高网...

【技术保护点】
1.一种图像标注方法，其特征在于，包括：/n获取待标注的图像帧；/n确定所述图像帧中的运动区域；/n确定所述运动区域在所述图像帧中的边界框；/n在所述运动区域内，对目标对象进行检测；/n根据检测到的所述目标对象，确定所述边界框是否满足预定条件；以及/n在确定所述边界框满足预定条件时，将所述边界框和所述图像帧作为经过标注的图像样本。/n

【技术特征摘要】
1.一种图像标注方法，其特征在于，包括：
获取待标注的图像帧；
确定所述图像帧中的运动区域；
确定所述运动区域在所述图像帧中的边界框；
在所述运动区域内，对目标对象进行检测；
根据检测到的所述目标对象，确定所述边界框是否满足预定条件；以及
在确定所述边界框满足预定条件时，将所述边界框和所述图像帧作为经过标注的图像样本。


2.如权利要求1所述的图像标注方法，其特征在于，所述根据检测到的所述目标对象，确定所述边界框是否满足预定条件，包括：
确定所述目标对象的轮廓区域在所述边界框内的像素点占比是否超过第一阈值；
在确定所述像素点占比未超过所述第一阈值时，确定所述边界框满足所述预定条件。


3.如权利要求1所述的图像标注方法，其特征在于，所述获取图像帧，包括：
获取原始图像帧；
对所述原始图像帧进行下采样操作，得到所述图像帧。


4.如权利要求1所述的图像标注方法，其特征在于，所述确定所述图像帧中的运动区域，包括：
基于运动检测模型，得到运动检测结果；
根据所述运动检测结果，确定所述运动区域。


5.如权利要求4所述的图像标注方法，其特征在于，所述基于运动检测模型，得到运动检测结果，包括：
基于经过训练的背景减除模型，去除所述图像帧中背景区域，得到背景减除结果，并将所述背景减除结果作为所述运动检测结果。


6.如权利要求5所述的图像标注方法，其特征在于，进一步包括：
获取从目标场景采集的早于所述图像帧的图像帧序列；
根据所述图像帧序列，训练所述背景减除模型。


7.如权利要求4所述的图像标注方法，其特征在于，所述根据所述运动检测结果，确定所述运动区域，包括：
对所述运动检测结果进行二值化处理，得到第一处理结...

【专利技术属性】
技术研发人员：李艺，
申请(专利权)人：北京京邦达贸易有限公司，北京京东乾石科技有限公司，
类型：发明
国别省市：北京;11