[发明专利]一种视频数据的标注方法、装置、终端设备及存储介质

说明书

本发明涉及一种视频数据的标注方法，该方法可包括以下步骤：S1.配置视频图像传输地址，用于接入实时视频数据；S2.使用训练好的视频特征识别模型对接入的视频数据进行自动标注；S3.由标注员对自动标注内容进行手动标注；S4.由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。采用本发明方法，一方面可以节省人力物力，另一方面提高了标注精度以及效率。

技术领域

本发明涉及视频数据处理领域，具体地涉及一种视频数据的标注方法、装置、终端设备及存储介质。

背景技术

在实时视频数据的图像识别研究中，图像质量、环境条件和硬件处理能力的不同给图像内物体特征识别带来阻力。物体特征识别模型是基于卷积神经网络的深度学习，这种方法依赖于大量的标注数据进行训练，标注数量越多，训练的模型效果越好。

目前，图像标注的一个方法是由标注员来人工对图像中的物体进行标注。但是，传统的手工标注的方法非常耗时、费用开销大，并且由于各个标注员主观上的不同理解，容易造成标注的物体类别不一致的问题。针对手工标注的这些问题，研究人员对自动标注进行了研发。自动标注能够提供工作效率和工作量，但是自动标注容易产生大量的错误标注。可见，目前缺乏一种高效且有效的图像标注处理方法。

发明内容

本发明旨在提供一种视频数据的标注方法、装置、终端设备及存储介质，以解决上述问题。为此，本发明采用的具体技术方案如下：

根据本发明的一方面，提供了一种视频数据的标注方法，该方法可包括以下步骤：

S1.配置视频图像传输地址，用于接入实时视频数据；

S2.使用训练好的视频特征识别模型对接入的视频数据进行自动标注；

S3.由标注员对自动标注内容进行手动标注；

S4.由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。

进一步地，S2的具体过程为：选择训练好的视频特征识别模型，通过选中的模型将视频数据解析为图像数据，并筛选出最优图像帧进行自动物体特征标注；将标注后的图像数据存储至数据库。

进一步地，S3的具体过程为：为标注员分配图像标注任务，其中，一个图像标注任务含有多个图像数据，一个图像数据中至少包含一个已经被模型标注的物体；接收标注员对图像标注任务反馈的标注结果数据，其中，标注结果数据包含标注员对各个待标注物体的标注，标注员标注内容包括新增标注物体及特征，以及模型已标注特征的修正。

进一步地，S4的具体过程为：为复核员分配标注复核任务，其中，不通过复核的图像数据回传给标注员重新标注，直至全部图像数据通过复核；将通过复核的图像数据存储至指定数据库。

进一步地，该方法还包括步骤：

S5.从通过复核的图像数据中提取对各个标注物体的标注数据，对视频特征识别模型进行重新训练。

根据本发明的另一方面，提供了一种视频数据的标注装置，该装置包括：

实时视频接入模块，用于配置视频图像传输地址，以接入实时视频数据；

自动标注模块，用于使用训练好的视频特征识别模型对接入的视频数据进行自动标注；

手动标注模块，用于由标注员对自动标注内容进行手动标注；

标注复核模块，用于由复核员对经过标注员标注后的标注内容进行复核，不通过复核的数据回传给标注员重新标注，直至全部数据通过复核。