[发明专利]目标位置标注方法、装置及设备

说明书

本发明实施例提供的一种目标位置标注方法、装置及设备，通过分别对第一图像和第二图像进行特征提取，得到第一图像的第一特征矩阵和第二图像的第二特征矩阵。其中，第一图像的种类属于违规，第二图像的种类属于未违规，第一图像和第二图像为拍摄相同场景得到的。获取第一特征矩阵中每个第一特征元素在第一特征矩阵中的第一位置信息。获取第二特征矩阵中每个第二特征元素在第二特征矩阵中的第二位置信息。确定所获取的第一位置信息和第二位置信息的交集，将交集中的位置信息作为差异特征位置信息。基于差异特征位置信息，将第一图像中与差异特征位置信息对应的位置信息确定为第一图像的目标位置信息，即为第一图像自动标注目标位置。

技术领域

本发明涉及机器视觉技术领域，特别是涉及一种目标位置标注方法、装置及设备。

背景技术

在机器视觉技术领域，用于从图片中找出物品所在位置并确定物品种类的目标检测技术被广泛应用。例如，将目标检测用于识别占道经营，可以是将街道图像输入预先训练好的目标检测网络模型中，得到街道图像中营业摊位的位置，并确定营业摊位是否违规经营，例如，占道经营，还是未占道经营。

上述预先训练好的目标检测网络模型，是预先使用大量的样本比对图象进行训练得到的神经网络模型。其中，样本比对图象指一组同一场景下的一个未违规样本图象和一个违规样本图像，且需要标注出每组样本比对图像中的违规样本图像所示场景中的违规区域，以便在使用样本比对图像进行训练的过程中，可以基于标注的位置与所训练的目标检测网络模型确定的违规区域的位置是否相符，调整目标检测网络模型的参数，进而得到完成参数调整的、训练好的目标检测网络模型。

为了得到标注有位置的样本比对图像，通常的做法是人工在样本比对图像中的违规样本图像上以方框形式标注场景中的违规区域。但是，针对目标检测网络的训练，往往需要使用大量的样本比对图像，导致人工标注工作量大，并且人工标注中人的主观因素还可能导致标注错误或者缺失，进而影响后续训练得到的目标检测网络模型的检测准确度。

发明内容

本发明实施例的目的在于提供一种目标位置标注方法、装置及设备，以实现自动标注图像中目标位置的目的。具体技术方案如下：

第一方面，本发明实施例提供了一种目标位置标注方法，该方法包括：

分别对第一图像和第二图像进行特征提取，得到第一图像的第一特征矩阵和第二图像的第二特征矩阵，第一图像的种类属于违规，第二图像的种类属于未违规，且第一图像和第二图像为对相同场景进行拍摄得到的图像；

获取第一特征矩阵中的每个第一特征元素在第一特征矩阵中的第一位置信息；

获取第二特征矩阵中的每个第二特征元素在第二特征矩阵中的第二位置信息；

确定所获取的第一位置信息和第二位置信息的交集，并将交集中的位置信息作为差异特征位置信息；

基于差异特征位置信息，将第一图像中与差异特征位置信息对应的位置信息，确定为第一图像的目标位置信息。

第二方面，本发明实施例提供了一种目标位置标注装置，该装置包括：

特征提取模块，用于分别对第一图像和第二图像进行特征提取，得到第一图像的第一特征矩阵和第二图像的第二特征矩阵，第一图像的种类属于违规，第二图像的种类属于未违规，且第一图像和第二图像为对相同场景进行拍摄得到的图像；

差异位置信息获取模块，用于获取第一特征矩阵中的每个第一特征元素在第一特征矩阵中的第一位置信息；获取第二特征矩阵中的每个第二特征元素在第二特征矩阵中的第二位置信息；确定所获取的第一位置信息和第二位置信息的交集，并将交集中的位置信息作为差异特征位置信息；

目标位置信息确定模块，基于差异特征位置信息，将第一图像中与所述差异特征位置信息对应的位置信息，确定为第一图像的目标位置信息。