一种连续图片标注方法技术

本发明专利技术涉及一种连续图片标注方法，包括如下步骤：S10.确定连续图片的标注类型，获取对应标注类型的变量组；S20.从连续图片中间隔提取多帧图片，标注工程师根据确定的标注类型对每帧图片上的每个待标注物体进行标注，确定标注次数；S30.针对变量组中的每一个变量，根据标注次数生成预处理模型；40.通过预处理模型获取上述变量在连续图片中其余帧图片中的状态；S50.通过每帧图片的全部变量状态一起描述标签的状态，即完成连续图片的标注。本发明专利技术只需要标注连续帧图片中的少量帧图片，然后快速生成预处理模型，预处理模型将自动在其余帧图片中补全待标注物体的标注类型，之后标注工程师进行确认，不需要调整或仅作微调即可，极大提高了标注效率。提高了标注效率。提高了标注效率。

【技术实现步骤摘要】
一种连续图片标注方法


[0001]本专利技术涉及图片处理
，特别是涉及一种连续图片标注方法。

技术介绍

[0002]近年来，随着人工智能的飞速发展，作为人工智能三要素之一的“数据”，越来越多的被业界所重视，优秀的数据是人工智能产品落地的重要前提。需要指出的是目前人工智能主要需要的是结构化数据，即带有真值标注信息的数据。
[0003]目前标注数据的生成主要由人工完成，存在着培训周期长，标准不统一，标注效率低等问题，所以需要优秀的标注工具和方法来辅助标注工程师，达到提高标注效率的目的。
[0004]视频数据通常可转化为连续图像序列进行处理，目前标注工程师对于图片的标注有多种类型，常见的有：点，线段，2D检测框，3D立方体，封闭多边形等；由于连续图片序列相邻帧间存在大量冗余信息，如果将连续图片序列看作一般图像采用上述图片的标注类型由人工进行标注，效率是非常低的，如何利用帧间信息是提高对连续图像标注效率的关键。
[0005]同时，标注工具作为标注工程师的主要生产工具，需要方便快捷，背后支撑功能的算法不能太过复杂和耗时，否则会大大降低使用体验。

技术实现思路

[0006]本专利技术为克服现有连续图像序列进行处理时，由于连续图片序列相邻帧间存在大量冗余信息，连续图片序列看作一般图像采用点、线段、2D检测框、3D立方体、封闭多边形等图片的标注类型由人工进行标注，标注效率低，且使用的算法复杂耗时的问题，提供了一种连续图片标注方法。
[0007]为解决上述技术问题，本专利技术的技术方案如下：
[0008]一种连续图片标注方法，包括如下步骤：
[0009]S10.确定连续图片的标注类型，获取对应标注类型的变量组；
[0010]S20.从连续图片中间隔提取多帧图片，标注工程师根据确定的标注类型对每帧图片上的每个待标注物体进行标注，确定标注次数；
[0011]S30.针对变量组中的每一个变量，根据标注次数生成预处理模型；
[0012]S40.通过预处理模型获取上述变量在连续图片中其余帧图片中的状态；
[0013]S50.通过每帧图片的全部变量状态一起描述标签的状态，即完成连续图片的标注。
[0014]进一步的，作为优选技术方案，生成预处理模型具体包括：
[0015]根据图片帧数、标注次数以及变量定义关于单帧图片的多项式函数方程；
[0016]将多项式函数方程转化为均方误差；
[0017]构建最小二乘问题，得到矩阵方程；
[0018]解矩阵方程求得预处理模型参数，从而得到预处理模型。
[0019]进一步的，作为优选技术方案，定义的关于单帧图片的多项式函数方程为：
[0020]根据图片帧数、标注次数以及变量给定一组数据： (j
i
，y
i
)，i＝0，1，...，M
‑
1；
[0021]单帧图片的多项式函数方程：f(j)＝a0+a1j+...+a
n
j
n
；
[0022]其中，M为标注次数，j为图片帧号，y为变量组中的变量在j帧图片时的状态，n为多项式最高次数，a0，a1，...，a
n
为要求解的预处理模型参数。
[0023]进一步的，作为优选技术方案，转化的均方误差为：
[0024][0025]进一步的，作为优选技术方案，得到的矩阵方程为：
[0026][0027]其中，
[0028]进一步的，作为优选技术方案，求得的预处理模型参数为：
[0029][0030]进一步的，作为优选技术方案，所述标注类型包括点、线段、2D检测框、 3D立方体或封闭多边形。
[0031]进一步的，作为优选技术方案，所述变量组为标注类型在图像坐标系中的多个变量的集合，其用于描述标签的状态；
[0032]所述点的变量组包括：点的横轴坐标和点的纵轴坐标；
[0033]所述线段的变量组包括：点的横轴坐标和点的纵轴坐标，其中，线段由两个点组成；
[0034]所述2D检测框的变量组包括：2D检测框中心点横轴坐标值、2D检测框中心点纵轴坐标值、2D检测框宽度和2D检测框高度；
[0035]所述3D立方体的变量组包括：点的横轴坐标和点的纵轴坐标，其中，3D立方体由八个点组成；
[0036]所述封闭多边形的变量组包括：点的横轴坐标和点的纵轴坐标，其中，封闭多边形由多个点组成。
[0037]进一步的，作为优选技术方案，提取的图片帧数为3
‑
5帧。
[0038]进一步的，作为优选技术方案，每帧图片上的待标注物体的数量至少为1个。
[0039]与现有技术相比，本专利技术技术方案的有益效果是：
[0040]本专利技术只需要标注连续帧图片中的少量帧图片，然后快速生成预处理模型，预处理模型将自动在其余帧图片中补全待标注物体的标注类型，之后标注工程师进行确认，不需要调整或仅作微调即可，极大提高了标注效率。
附图说明
[0041]图1为本专利技术实施例1方法流程图。
[0042]图2为本专利技术实施例1连续图片标注示意图。
[0043]图3为本专利技术实施例1预处理模型的生成过程。
[0044]附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的；相同或相似的标号对应相同或相似的部件；附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。
具体实施方式
[0045]下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征更易被本领域技术人员理解，从而对本专利技术的保护范围作出更为清楚的界定。
[0046]本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。
[0047]此外，若有“第一”、“第二”等术语仅用于描述目的，主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同)，并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量，而不能理解为指示或者暗示相对重要性。
[0048]实施例1
[0049]本实施例公开一种连续图片标注方法，如图1所示，包括如下步骤：
[0050]S10.确定连续图片的标注类型，获取对应标注类型的变量组。
[0051]在本专利技术中，目前标注工程师对于图片的标注常采用的类型有点、线段、2D 检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种连续图片标注方法，其特征在于，包括如下步骤：S10.确定连续图片的标注类型，获取对应标注类型的变量组；S20.从连续图片中间隔提取多帧图片，标注工程师根据确定的标注类型对每帧图片上的每个待标注物体进行标注，确定标注次数；S30.针对变量组中的每一个变量，根据标注次数生成预处理模型；S40.通过预处理模型获取上述变量在连续图片中其余帧图片中的状态；S50.通过每帧图片的全部变量状态一起描述标签的状态，即完成连续图片的标注。2.根据权利要求1所述的一种连续图片标注方法，其特征在于，生成预处理模型具体包括：根据图片帧数、标注次数以及变量定义关于单帧图片的多项式函数方程；将多项式函数方程转化为均方误差；构建最小二乘问题，得到矩阵方程；解矩阵方程求得预处理模型参数，从而得到预处理模型。3.根据权利要求2所述的一种连续图片标注方法，其特征在于，定义的关于单帧图片的多项式函数方程为：根据图片帧数、标注次数以及变量给定一组数据：(j
i
，y
i
)，i＝0，1，...，M
‑
1；单帧图片的多项式函数方程：f(j)＝a0+a1j+...+a
n
j
n
；其中，M为标注次数，j为图片帧号，y为变量组中的变量在j帧图片时的状态，n为多项式最高次数，a0，a1，...，a...

【专利技术属性】
技术研发人员：贾楠，徐倩，杨鑫，
申请(专利权)人：惠州市德赛西威汽车电子股份有限公司，
类型：发明
国别省市：