[发明专利]基于图像检测的动作识别数据集生成方法及装置

说明书

本发明提供了一种基于图像检测的动作识别数据集生成方法及装置，基于图像检测的动作识别数据集生成方法包括：确定预先采集的动作视频中每一帧中所有待检测目标的检测矩形；在所述每一帧中的每一待检测目标的检测矩形中进行标记；按照第一预设范围对所述每一帧进行裁剪；组装裁剪后的多帧，以生成动作视频数据或图像序列。本发明提供的基于图像检测的动作识别数据集生成方法及装置，较好的解决了现有技术中，针对建立识别目标动作专用的视频数据集耗时耗力的问题。

技术领域

本发明涉及计算机视觉处理技术领域，特别是涉及动作检测类机器学习模型的训练数据集生成技术，具体涉及一种基于图像检测的动作识别数据集生成方法及装置。

背景技术

计算机视觉(computer vision，CV)技术发展了数十载，在2012年出现了一个重要的分水岭，那就是深度学习技术的应用及带来的突破。机器已经可以识别图像了，会分辨猫、狗、汽车、红绿灯等等静态图片，而感知动态行为可能是机器如何理解这个世界的一个巨大进步。这就是计算机视觉领域的视频理解任务。而视频理解，更核心的可以归为动作的理解。

对人、动物以及人生产出来的机械设备的动作的理解，也就是动作识别ActionRecognition，是指对视频中人的行为动作进行识别，即读懂视频。

可以理解的是，在深度学习领域，数据集的重要性与算法可以相提并论。一个大规模的、鲁棒性好的、泛化能力强的、标注质量高的数据集，对于整个领域的发展，包括算法的提升改进、新算法的提出等都有极大的促进作用。图像和视频的数据集的建立，在CV领域更是重要。

本领域技术人员在具有上述优点的图像/视频数据集的建立过程中，投入了大量的资源。数据集建立的投入，主要是在两方面，一是数据采集，再者是数据标注。

针对施工现场工人和机械设备的动作的识别，有利于提升现场管理水平、有利于对工人健康安全的保障。但是由于施工现场的一些特殊性，通用的数据集在施工现场很难取得较好的表现。原因有：施工现场遮挡多；施工现场背景混乱、复杂；施工现场背景独特；大多数工地工人都有分为特定工种、而特定工作则有特定的动作。正是这些因素导致了将通用的视频理解数据集应用到工作动作识别时效果并不理想。

综上所述，目前在施工领域，缺乏一个大规模的、公开的、具有较好鲁棒性和泛化能力的动作识别数据集建立方法。

发明内容

针对现有技术中的问题，本发明提供的基于图像检测的动作识别数据集生成方法及装置，较好的解决了现有技术中，针对建立识别目标动作专用的视频数据集耗时耗力的问题。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种基于图像检测的动作识别数据集生成方法，包括：

确定预先采集的动作视频中每一帧中所有待检测目标的检测矩形；

在所述每一帧中的每一待检测目标的检测矩形中进行标记；

按照第一预设范围对所述每一帧进行裁剪；

组装裁剪后的多帧，以生成动作视频数据或图像序列。

一实施例中，所述确定预先采集的动作视频中每一帧中所有待检测目标的检测矩形，包括：

利用CV算法，确定所述每一帧的检测矩形的初步形心位置；

根据所述初步形心位置确定当前帧的检测矩形的最终形心位置；

根据第二预设范围以及所述最终形心位置确定所述当前帧的检测矩形。

一实施例中，所述根据所述初步形心位置确定当前帧的检测矩形的最终形心位置，包括：