基于大数据分析的图像标记处理方法和系统技术方案

本发明专利技术提供一种基于大数据分析的图像标记处理方法和系统，涉及计算机技术领域

【技术实现步骤摘要】
基于大数据分析的图像标记处理方法和系统


[0001]本专利技术涉及计算机
，尤其涉及一种基于大数据分析的图像标记处理方法和系统
。

技术介绍

[0002]在相关技术中，
CN111461319A
涉及一种利用目标对象集成网络和目标区域预测网络，来学习可适应诸如关键绩效指标的用户要求的基于
CNN
的对象检测器的参数的方法
。
所述
CNN
，可以根据所述关键绩效指标的分辨率或焦距的变化而变化的对象的规模进行重新设计
。
所述方法包括，学习装置，
(i)
使所述目标区域预测网络，找出第
k
预测目标区域，
(ii)
使
RPN
，生成与第
(k_1)
至第
(k_n)
处理图像上的对象对应的第
(k_1)
至第
(k_n)
对象候选，
(iii)
使所述目标对象集成网络，集成所述对象候选，并集成从
FC
层输出的第
(k_1)
至第
(k_n)
对象检测信息
。
[0003]CN116484910A
提供一种面向视频监控的目标检测模型量化精度损失建模方法，所述方法包括：步骤
1、
获取量化前目标检测模型
W
和量化后目标检测模型
W
′
，将一组测试数据/>x
分别输入到所述量化前目标检测模型
W
和所述量化后目标检测模型
W
′
进行前向运算，得到量化前模型输出
y
，量化后模型输出
y
′
；步骤
2、
计算量化前与量化后模型输出的信号量化噪声比
SQNR(y,y
′
)
；步骤
3、
根据所述信号量化噪声比
SQNR(y,y
′
)
进行反向传播，计算量化前模型梯度步骤
4、
计算所述量化前模型梯度的绝对值并对其进行归一化得到将绘制成热力图，并定位量化误差产生的参数位置
。
[0004]因此，在相关技术中，可通过深度学习模型来检测监控视频中的目标对象，且可优化检测精度
。
但在监控视频中，虽然场景通常是固定的，但进入场景的目标对象则可能发生变化
。
例如，摄像头可设置在街道上，在拥堵高峰期，进入街道的目标对象中车辆的占比较高，而在其他时段，进入街道的目标对象中行人的占比较高
。
因此，不同时间段出现在场景中的目标对象的类型是不同的，适用于某一种类型目标对象的检测工作的深度学习模型未必适用于其他类型的目标对象的检测工作，而相关技术中并未根据不同时间段对深度学习模型进行迭代更新
。
进一步地，深度学习模型还可能由于不适应某种类型的目标对象的检测工作，导致在检测过程中易于将目标对象与背景混淆，特别是与目标对象的某个部分与背景的颜色较为相似时，易于将目标对象的该部分与背景混淆，从而造成检测精度较低，对目标对象进行标记的标记框存在误差等现象
。
[0005]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术
。

技术实现思路

[0006]本专利技术提供一种基于大数据分析的图像标记处理方法和系统，能够解决模型未根据不同时间段进行迭代更新，以及易于将目标对象的部分与背景混淆的技术问题
。
[0007]根据本专利技术的第一方面，提供一种基于大数据分析的图像标记处理方法
,
包括：在第
i
个监测周期内，通过预设场景内设置的摄像头，拍摄预设场景内的多个监测图像，其中，所述预设场景内可包括多个目标对象；根据预先获得的预设场景内的参考图像，对所述监测图像进行筛选，获得多个待处理图像，其中，所述参考图像为所述预设场景内不包括目标对象时，通过所述摄像头拍摄的图像；通过轮廓检测模型，获得所述待处理图像中多个目标对象的标记框，其中，所述标记框为标记出目标对象的轮廓的曲线框；通过所述标记框，对所述待处理图像中的多个目标对象分别进行截取，获得所述待处理图像的多个对象图像；通过训练后的目标识别模型，对所述对象图像进行识别处理，获得所述对象图像中的目标对象所属的第一类别信息，以及所述对象图像中的目标对象属于所述第一类别信息的第一概率；在所述第一概率小于或等于预设概率阈值的情况下，通过训练后的图像生成模型对所述对象图像进行处理，获得与所述对象图像对应的构造图像；根据所述构造图像中目标对象的轮廓，在所述待处理图像中生成校正标记框；根据所述校正标记框对所述轮廓检测模型进行训练，获得训练后的轮廓检测模型；在第
i+1
个监测周期中，使用所述训练后的轮廓检测模型对第
i+1
个检测周期内获得的待处理图像进行处理
。
[0008]根据本专利技术，通过所述标记框，对所述待处理图像中的多个目标对象分别进行截取，获得所述待处理图像的多个对象图像，包括：对所述标记框内的区域进行截图，获得截图图像；将所述截图图像添加至空白背景图像中，获得对象图像，其中，所述空白背景图像的尺寸大于对所述标记框进行框选的最小矩形框的尺寸
。
[0009]根据本专利技术，所述图像生成模型的训练步骤包括：获取包括单一目标对象的第一样本图像，其中，所述单一目标对象的类型属于预设场景内出现过的目标对象的类型的集合，且所述第一样本图像中的背景为空白；对所述第一样本图像中的单一目标对象的图像进行修改，获得第一修改图像，其中，修改方式包括第一种修改方式和第二种修改方式，所述第一种修改方式为随机删除所述单一目标对象的部分图形，所述第二种修改方式为在所述单一目标对象的轮廓上的任意位置新增任意图形；将所述第一修改图像输入图像生成模型，生成第一训练图像，其中，所述第一训练图像中包括所述图像生成模型生成的所述单一目标对象的图形；获取所述第一样本图像中所述单一目标对象的第一轮廓线
、
所述第一训练图像中所述单一目标对象的第二轮廓线以及所述第一修改图像中修改后的单一目标对象的第三轮廓线；根据所述第一轮廓线
、
所述第二轮廓线和所述第三轮廓线，获得图像生成模型的损失函数；
根据所述图像生成模型的损失函数，对所述图像生成模型进行训练，获得训练后的图像生成模型
。
[0010]根据本专利技术，在所述修改方式为第一种修改方式的情况下，所述根据所述第一轮廓线
、
所述第二轮廓线和所述第三轮廓线，获得图像生成模型的损失函数，包括：根据公式
[0011]获得图像生成模型的损失函数，其中，为第二轮廓线上第
i
...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据分析的图像标记处理方法，其特征在于，包括：在第
i
个监测周期内，通过预设场景内设置的摄像头，拍摄预设场景内的多个监测图像，其中，所述预设场景内可包括多个目标对象；根据预先获得的预设场景内的参考图像，对所述监测图像进行筛选，获得多个待处理图像，其中，所述参考图像为所述预设场景内不包括目标对象时，通过所述摄像头拍摄的图像；通过轮廓检测模型，获得所述待处理图像中多个目标对象的标记框，其中，所述标记框为标记出目标对象的轮廓的曲线框；通过所述标记框，对所述待处理图像中的多个目标对象分别进行截取，获得所述待处理图像的多个对象图像；通过训练后的目标识别模型，对所述对象图像进行识别处理，获得所述对象图像中的目标对象所属的第一类别信息，以及所述对象图像中的目标对象属于所述第一类别信息的第一概率；在所述第一概率小于或等于预设概率阈值的情况下，通过训练后的图像生成模型对所述对象图像进行处理，获得与所述对象图像对应的构造图像；根据所述构造图像中目标对象的轮廓，在所述待处理图像中生成校正标记框；根据所述校正标记框对所述轮廓检测模型进行训练，获得训练后的轮廓检测模型；在第
i+1
个监测周期中，使用所述训练后的轮廓检测模型对第
i+1
个检测周期内获得的待处理图像进行处理
。2.
根据权利要求1所述的基于大数据分析的图像标记处理方法，其特征在于，通过所述标记框，对所述待处理图像中的多个目标对象分别进行截取，获得所述待处理图像的多个对象图像，包括：对所述标记框内的区域进行截图，获得截图图像；将所述截图图像添加至空白背景图像中，获得对象图像，其中，所述空白背景图像的尺寸大于对所述标记框进行框选的最小矩形框的尺寸
。3.
根据权利要求1所述的基于大数据分析的图像标记处理方法，其特征在于，所述图像生成模型的训练步骤包括：获取包括单一目标对象的第一样本图像，其中，所述单一目标对象的类型属于预设场景内出现过的目标对象的类型的集合，且所述第一样本图像中的背景为空白；对所述第一样本图像中的单一目标对象的图像进行修改，获得第一修改图像，其中，修改方式包括第一种修改方式和第二种修改方式，所述第一种修改方式为随机删除所述单一目标对象的部分图形，所述第二种修改方式为在所述单一目标对象的轮廓上的任意位置新增任意图形；将所述第一修改图像输入图像生成模型，生成第一训练图像，其中，所述第一训练图像中包括所述图像生成模型生成的所述单一目标对象的图形；获取所述第一样本图像中所述单一目标对象的第一轮廓线
、
所述第一训练图像中所述单一目标对象的第二轮廓线以及所述第一修改图像中修改后的单一目标对象的第三轮廓线；根据所述第一轮廓线
、
所述第二轮廓线和所述第三轮廓线，获得图像生成模型的损失
函数；根据所述图像生成模型的损失函数，对所述图像生成模型进行训练，获得训练后的图像生成模型
。4.
根据权利要求3所述的基于大数据分析的图像标记处理方法，其特征在于，在所述修改方式为第一种修改方式的情况下，所述根据所述第一轮廓线
、
所述第二轮廓线和所述第三轮廓线，获得图像生成模型的损失函数，包括：根据公式获得图像生成模型的损失函数，其中，为第二轮廓线上第
i
个像素点的坐标，为第二轮廓线上的像素点总数，
i≤
，且
i
和均为正整数，为第一轮廓线上与所述第二轮廓线上第
i
个像素点距离最近的像素点的坐标，为第三轮廓线上与所述第二轮廓线上第
i
个像素点距离最近的像素点的坐标，为第三轮廓线围成的区域，表示二范数运算，
if
为条件函数
。5.
根据权利要求3所述的基于大数据分析的图像标记处理方法，其特征在于，在所述修改方式为第二种修改方式的情况下，所述根据所述第一轮...

【专利技术属性】
技术研发人员：姚启雄，阮齐翰，庄卉晶，谢镔炜，游铖炜，
申请(专利权)人：厦门久凌创新科技有限公司，
类型：发明
国别省市：