一种自动标注特定样本的方法技术

本发明专利技术公开了一种自动标注特定样本的方法，属于人工智能算法技术领域，S1、固定样本采集模块，防止模块抖动；S2、开启视频录制；S3、目标进入视频采集区域，并不断移动；S4、对视频图像的每一帧进行高斯滤波平滑；S5、运行移动侦测算法对视频图像进行处理；S6、对移动侦测算法处理的结果进行图像形态学开运算处理，去除杂散点的干扰；S7、对滤波后的移动目标进行边界扫描，用最小矩形框包裹移动目标区域；S8、将图像及其对应目标矩形边界坐标保存为样本和标签，用以后续的AI算法模型训练。该自动标注特定样本的方法，把原来需要人工一张张图像去框定标注的特定样本，通过移动侦测算法等手段进行自动框定标注出来，节省了大量的人力。节省了大量的人力。

【技术实现步骤摘要】
一种自动标注特定样本的方法


[0001]本专利技术属于人工智能算法
，具体为一种自动标注特定样本的方法。

技术介绍

[0002]当前AI(人工智能)技术应用非常广泛，尤其在高新
，人工智能技术有成为标配的趋势。人工智能算法与传统的算法有比较大的差异，其中最突出的一点就是人工智能算法需要大量的样本数据才能训练出精度较高的模型。在无人机市场，AI的应用场景主要有行人跟随，手势识别拍照录像等，所以需要对行人、不同类型的手势进行样本采集和标注，然后训练得到神经网络模型，进而部署到产品端实现目标检测应用。
[0003]现有技术中，样本的采集以及标注，需要人工来完成，这个工作比较简单，但工作量巨大，因此诞生了数据/样本标注员的工作岗位，由此可见数据/样本标注工作的工作量之大。为了解决上述AI算法中部分特殊的样本需要大量的人力物力去进行人工标注的问题，我们提出了一种自动标注特定样本的方法。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种自动标注特定样本的方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种自动标注特定样本的方法，包括以下步骤：
[0006]S1、固定样本采集模块，防止模块抖动；
[0007]S2、开启视频录制；
[0008]S3、目标进入视频采集区域，并不断移动；
[0009]S4、对视频图像的每一帧进行高斯滤波平滑；
[0010]S5、运行移动侦测算法对视频图像进行处理；
[0011]S6、对移动侦测算法处理的结果进行图像形态学开运算处理，去除杂散点的干扰；
[0012]S7、对滤波后的移动目标进行边界扫描，用最小矩形框包裹移动目标区域；
[0013]S8、将图像及其对应目标矩形边界坐标保存为样本和标签，用以后续的AI算法模型训练。
[0014]进一步优化本技术方案，所述S1中，采用样本采集模块获取待标注样本，所述样本采集模块为高清摄像设备，同时在采集样本的过程中，样本采集模块不能出现晃动而引起视频背景移动的情况。
[0015]进一步优化本技术方案，所述S2中，所述样本采集模块的录像功能开启之前，视频画面中不要出现目标样本。
[0016]进一步优化本技术方案，所述S5中，采用移动侦测算法对侦测到的移动前景图像，即移动目标的整幅图像进行纵横2x2Binning处理，把相邻两个像素相加变成一个像素，对移动目标的视频图像序列中的两个相邻帧图像执行微分运算，将两个视频帧进行相减运算
以获得两帧之间的亮度差的绝对值，并比较差的绝对值与阈值之间的关系以分析视频或图像序列之间的运动。
[0017]进一步优化本技术方案，所述S6中，由于S5的处理过程中除了正确的目标样本外，还是会有少量杂散的误判点或者很小的联通区域存在，通过图像形态学开运算处理，去除误判的杂散点的同时，不影响正确目标的范围。
[0018]进一步优化本技术方案，所述S6中，进行图像形态学开运算处理时，运用具有特征参数去观测和确定二值照片中的的形态参数特征对图片中的白色高亮部分进行先腐蚀后膨胀的开运算，膨胀就是图像中的高亮部分进行膨胀，对领域进行扩张，效果图拥有比原图更大的高亮区域；腐蚀就是原图中的高亮部分被腐蚀，对领域进行蚕食，效果图拥有比原图更小的高亮区域。
[0019]进一步优化本技术方案，所述膨胀的数学表达式如下所示：
[0020][0021]其中，dst表示处理的结果，src表示原始图像，max表示取原始图像像素值的最大值。
[0022]进一步优化本技术方案，所述腐蚀的数学表达式如下所示：
[0023][0024]其中，dst表示处理的结果，src表示原始图像，min表示取原始图像像素值的最小值。
[0025]与现有技术相比，本专利技术提供了一种自动标注特定样本的方法，具备以下有益效果：
[0026]该自动标注特定样本的方法，把原来需要人工一张张图像去框定标注的特定样本，通过移动侦测算法等手段进行自动框定标注出来，节省了大量的人力，同时，该方法的算法过程简单，计算复杂度低，运行速度较快，场景适应性强，受场景光线地影响不是很大；不仅减少了背景模型建立的过程，还可以处理背景突然变化的情况，并且降低了75％的计算资源消耗。
附图说明
[0027]图1为本专利技术提出的一种自动标注特定样本的方法的流程示意图；
[0028]图2为本专利技术提出的一种自动标注特定样本的方法的效果示意图。
具体实施方式
[0029]下面将结合本专利技术的实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例：
[0031]请参阅图1，一种自动标注特定样本的方法，包括以下步骤：
[0032]S1、固定样本采集模块，防止模块抖动：采用样本采集模块获取待标注样本，所述样本采集模块的位置需要进行固定。
[0033]S2、开启视频录制：启动样本采集模块，开始对采集区域进行视频录制。
[0034]S3、目标进入视频采集区域，并不断移动。
[0035]S4、对视频图像的每一帧进行高斯滤波平滑；防止产生图像的零星噪点干扰。
[0036]S5、运行移动侦测算法对视频图像进行处理：采用移动侦测算法对侦测到的移动前景图像，即移动目标的整幅图像进行纵横2x2Binning处理，把相邻两个像素相加变成一个像素，对移动目标的视频图像序列中的两个相邻帧图像执行微分运算，将两个视频帧进行相减运算以获得两帧之间的亮度差的绝对值，并比较差的绝对值与阈值之间的关系以分析视频或图像序列之间的运动。
[0037]其中，在实际落地实施的时候，没有用原图的分辨率去直接运行算法，因为原图的分辨率比较大，会占用大量CPU计算资源，而且原图的带有噪声，即使通过高斯滤波平滑仍然会存在噪声，我们通过对图像进行纵横2x2Binning处理，这样做能降低75％的计算资源消耗，同时也能够降低图像噪声对移动侦测结果的影响，Binning这一技术的优点是能将几个像素联合起来作为一个像素使用，提高灵敏度，输出速度，降低分辨率，当行和列同时采用Binning时，图像的纵横比并不改变，当采用2x2Binning技术，图像的解析度将减少75％。
[0038]其中，当采集区域中出现物体运动时，相邻的两帧之间将存在较大的差异，图像序列的逐帧差分等效于图像序列在时域上进行高通滤波。由于两个相邻帧之间的时间间隔非常小，因此可以认为背景像素的灰度级相同。区别仅在于运动对象的位置已更改，因此相邻帧之间的差异可以显示运动对象的存在。该方法最大的优点是该算法过程简单，计算复杂度低，运行速度较快，场景适应性强，受场景光线地影响不是很大。
[0039]S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动标注特定样本的方法，其特征在于，包括以下步骤：S1、固定样本采集模块，防止模块抖动；S2、开启视频录制；S3、目标进入视频采集区域，并不断移动；S4、对视频图像的每一帧进行高斯滤波平滑；S5、运行移动侦测算法对视频图像进行处理；S6、对移动侦测算法处理的结果进行图像形态学开运算处理，去除杂散点的干扰；S7、对滤波后的移动目标进行边界扫描，用最小矩形框包裹移动目标区域；S8、将图像及其对应目标矩形边界坐标保存为样本和标签，用以后续的AI算法模型训练。2.根据权利要求1所述的一种自动标注特定样本的方法，其特征在于，所述S1中，采用样本采集模块获取待标注样本，所述样本采集模块为高清摄像设备，同时在采集样本的过程中，样本采集模块不能出现晃动而引起视频背景移动的情况。3.根据权利要求1所述的一种自动标注特定样本的方法，其特征在于，所述S2中，所述样本采集模块的录像功能开启之前，视频画面中不要出现目标样本。4.根据权利要求1所述的一种自动标注特定样本的方法，其特征在于，所述S5中，采用移动侦测算法对侦测到的移动前景图像，即移动目标的整幅图像进行纵横2x2Binning处理，把相邻两个像素相加变成一个像素，对移动目标的视频图像序列中的两个相邻帧图像执行微分运算，将两个视频...

【专利技术属性】
技术研发人员：涂广毅，
申请(专利权)人：深圳慧源创新科技有限公司，
类型：发明
国别省市：