用于slowfast算法的数据处理方法和装置、电子设备制造方法及图纸

本申请提出一种用于slowfast算法的数据处理方法和装置、电子设备、非瞬时性计算机可读存储介质，所述数据处理方法包括从剪裁好的视频数据中获取无抽帧图片集合；从所述无抽帧图片集合中抽取帧图片，以得到抽帧图片集合；在所述抽帧图片集合的每个抽帧图片中标注识别目标的位置数据和行为，以得到第一文件；根据预设的行为列表，将标注数据和所述抽帧图片集合中的抽帧图片一一对应，并得到第二文件；对所述第二文件中的标注数据进行乱序处理。根据一些实施例，通过对数据进行乱序处理，解决了人工标注数据中出现的新标数据乱码问题，避免了遗漏数据以及异常数据的问题出现，提高了生成标注数据的效率。生成标注数据的效率。生成标注数据的效率。

【技术实现步骤摘要】
用于slowfast算法的数据处理方法和装置、电子设备


[0001]本申请涉及数字处理领域，具体而言，涉及一种用于slowfast算法的数据处理方法和装置、电子设备、非瞬时性计算机可读存储介质。

技术介绍

[0002]Slowfast算法的训练数据是基于AVA数据集，目前，并没有完整的slowfast训练数据制作方法。而在具体的应用场景中，由于AVA数据集缺少具体应用场景中的行为数据，因此，AVA数据集并不能满足具体场景要求。另外，现有技术中，在对数据进行标注时，需要先生成一个txt的中间文件，再转化为via标注需要的json文件，不能直接生成via标注工具需要的json文件。且现有的数据标注方法容易产生漏标注的情况，需要花费大量时间进行人为的校对及修改，效率较低。

技术实现思路

[0003]本申请提出一种用于slowfast算法的数据处理方法和装置、电子设备、非瞬时性计算机可读存储介质，以解决在制作slowfast算法所需要的数据时效率较低的问题。
[0004]根据本申请的一方面，提出一种用于slowfast算法的数据处理方法，包括从剪裁好的视频数据中获取无抽帧图片集合；从所述无抽帧图片集合中抽取帧图片，以得到抽帧图片集合；在所述抽帧图片集合的每个抽帧图片中标注识别目标的位置数据和行为，以得到第一文件；根据预设的行为列表，将标注数据和所述抽帧图片集合中的抽帧图片一一对应，并得到第二文件；对所述第二文件中的标注数据进行乱序处理。
[0005]根据一些实施例，对所述第二文件中的标注数据进行乱序处理，包括：将所述第二文件中的标注数据的标注键进行拆分并重组，以保证重组后的标注键和所述第一文件中的标注数据的标注键保持一致。
[0006]根据一些实施例，所述数据处理方法还包括：对乱序处理后的标注数据进行误操作辨别，并删除标注的错误数据。
[0007]根据一些实施例，所述数据处理方法还包括：对误操作辨别后的标注数据中的位置数据进行缩放处理。
[0008]根据一些实施例，所述数据处理方法还包括：计算每个所述抽帧图片中的标注为识别目标的概率。
[0009]根据一些实施例，所述数据处理方法还包括：将所述概率保存到经过缩放处理的所述第二文件中，以得到facebook
‑
slowfast算法需要的验证数据和训练数据。
[0010]根据一些实施例，所述第一文件为json文件，所述第二文件为csv文件。
[0011]根据本申请的一方面，提出一种用于slowfast算法的数据处理装置，包括：无抽帧图片集合获取单元，用于从剪裁好的视频数据中获取无抽帧图片集合；抽帧图片集合获取单元，用于从所述无抽帧图片集合中抽取帧图片，以得到抽帧图片集合；第一文件单元，用于在所述抽帧图片集合的每个抽帧图片中标注识别目标的位置数据和行为，以得到第一文
件；第二文件单元，用于根据预设的行为列表，将标注数据和所述抽帧图片集合中的抽帧图片一一对应，并得到第二文件；数据处理单元，用于对所述第二文件中的标注数据进行乱序处理。
[0012]根据本申请的一方面，提出一种电子设备，包括：处理单元；以及存储单元，存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行如前任一实施例所述的数据处理方法。
[0013]根据本申请的一方面，提出一种非瞬时性计算机可读存储介质，其上存储有计算机可读指令，当所述指令被处理器执行时，使得所述处理器执行如前任一实施例所述的数据处理方法。
[0014]根据一些实施例，通过对数据进行乱序处理，解决了人工标注数据中出现的新标数据乱码问题，避免了遗漏数据以及异常数据的问题出现，提高了生成标注数据的效率。
[0015]根据另一些实施例，使用目标检测算法生成via标注文件，并在标注文件中添加额外的标签用于存储目标检测算法预测人的精度值，使得生成的标注数据可以直接用于facebook
‑
slowfast算法，不再需要手动填写修改标注数据，提高了生成标注数据的效率。
[0016]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
[0017]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。通过参照附图详细描述其示例实施例，本申请的上述和其他目标、特征及优点将变得更加显而易见。
[0018]图1示出根据本申请示例实施例的一种用于slowfast算法的数据处理方法流程图。
[0019]图2示出根据本申请示例实施例的一种对boxes信息进行重构方法示意图。
[0020]图3示出根据本申请示例实施例的一种对标注键更新方法示意图。
[0021]图4示出根据本申请示例实施例的一种标注数据示意图。
[0022]图5示出根据本申请示例实施例的另一种标注数据示意图。
[0023]图6示出根据本申请示例实施例的一种用于slowfast算法的数据处理装置框图。
[0024]图7示出根据本申请示例性实施例的一种电子设备。
具体实施方式
[0025]现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本申请将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
[0026]所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有这些特定细节中的一个或更多，或者可以采用其它的方式、组元、材料、装置或操作等。在这些情况下，将不详细示出或描述公
知结构、方法、装置、实现、材料或者操作。
[0027]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0028]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0029]如前所述，现有的slowfast算法的训练数据是基于AVA数据集的，但现有的AVA数据集不能满足实际使用中需要的行为检测，比如吸烟、聚集、摔倒等行为不包含在AVA数据集中，实际使用中需要根据已有的数据和需求，自行制作slowfast的训练数据，且现在并没本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于slowfast算法的数据处理方法，其特征在于，包括：从剪裁好的视频数据中获取无抽帧图片集合；从所述无抽帧图片集合中抽取帧图片，以得到抽帧图片集合；在所述抽帧图片集合的每个抽帧图片中标注识别目标的位置数据和行为，以得到第一文件；根据预设的行为列表，将标注数据和所述抽帧图片集合中的抽帧图片一一对应，并得到第二文件；对所述第二文件中的标注数据进行乱序处理。2.根据权利要求1所述的数据处理方法，其特征在于，对所述第二文件中的标注数据进行乱序处理，包括：将所述第二文件中的标注数据的标注键进行拆分并重组，以保证重组后的标注键和所述第一文件中的标注数据的标注键保持一致。3.根据权利要求2所述的数据处理方法，其特征在于，所述数据处理方法还包括：对乱序处理后的标注数据进行误操作辨别，并删除标注的错误数据。4.根据权利要求3所述的数据处理方法，其特征在于，所述数据处理方法还包括：对误操作辨别后的标注数据中的位置数据进行缩放处理。5.根据权利要求4所述的数据处理方法，其特征在于，所述数据处理方法还包括：计算每个所述抽帧图片中的标注为识别目标的概率。6.根据权利要求5所述的数据处理方法，其特征在于，所述数据处理方法还包括：将所述概率保存到经过缩放处理的所述第二...

【专利技术属性】
技术研发人员：李笑，张国华，熊钦，陈寿明，
申请(专利权)人：成都亿阳信通信息技术有限公司，
类型：发明
国别省市：