[发明专利]数据集标注方法、电子设备和介质

权利要求书

1.一种数据集标注方法，其特征在于，包括：

步骤S1、获取预设地理围栏内多个摄像头在预设时间段内的所有视频段，每一视频段中仅包括同一摄像头所连续采集的同一人物信息，所述连续采集为采集时间间隔小于预设的时间间隔阈值；

步骤S2、从每一视频段中抽取一个视频帧图片，作为对应的第一待处理图像；

步骤S3、将每一第一待处理图像分别输入预先训练好的REID行人识别模型中，获取对应的REID特征向量，所有的REID特征向量组成REID特征向量集；

所述方法还包括步骤S10、训练得到所述REID行人识别模型，具体包括：

步骤S101、将多个已知ID的所述预设地理围栏内的摄像头采集到的视频段中的视频帧图片作为样本图片输入预设的REID行人识别模型框架中的神经网络中；

步骤S102、所述神经网络提取每一样本图片对应的轮廓特征、颜色特征和纹理特征，并基于所述样本图片对应的轮廓特征、颜色特征和纹理特征生成对应的REID特征向量，所述REID行人识别模型框架基于每一样本图片对应的REID特征向量预测每一样本图片对应的预测ID；

步骤S103、基于样本图片的已知ID和预测ID调整所述REID行人识别模型框架的模型参数，直至所述REID行人识别模型框架收敛，得到所述REID行人识别模型；

其中，模型训练过程中，模型输出为预测ID，中间生成样本图片对应的轮廓特征、颜色特征和纹理特征，当模型训练好以后，相应的神经网路也训练好，所述步骤S3使用REID行人识别模型时，获取训练好的神经网络输出的输入图片对应的REID特征向量；

步骤S4、从当前的REID特征向量集中随机获取一个REID特征向量作为待匹配REID特征向量，获取所述REID特征向量集中除所述待匹配REID特征向量以外的其他REID特征向量基于与所述待匹配REID特征向量的目标相似度排序，将目标相似度排序中与待匹配REID特征向量目标相似度大于预设的REID特征相似度阈值的所有REID特征向量以及待匹配REID特征向量对应的视频段均标注为相同的唯一ID；

步骤S5、将当前被标注为相同的唯一ID的所有视频段对应的REID特征向量从所述REID特征向量集中删除，并判断当前REID特征向量集是否为空集或者当前REID特征向量集中任意两个REID特征向量的相似度均小于所述REID特征相似度阈值，若是，则结束流程，否则，返回步骤S4。

2.根据权利要求1所述的方法，其特征在于，

所述步骤S2包括：

步骤S21、获取每一视频段中每一视频帧图片中，人物轮廓占据视频帧图片的比例；

步骤S22、将人物轮廓占据视频帧图片的比例最大的视频帧图片作为视频段对应的第一待处理图像。

3.根据权利要求1所述的方法，其特征在于，

所述步骤S4包括：

步骤S41、从当前的REID特征向量集中随机获取一个REID特征向量作为待匹配REID特征向量；

步骤S42、获取所述REID特征向量集中除所述待匹配REID特征向量以外的其他REID特征向量基于与所述待匹配REID特征向量的余弦相似度，并按照余弦相似度从大到小的顺序得到余弦相似度排序；

步骤S43、将所述余弦相似度排序通过Reranking算法进行调整并重新排序，得到目标相似度排序；

步骤S44、将目标相似度排序中与待匹配REID特征向量目标相似度大于预设的REID特征相似度阈值的所有REID特征向量以及待匹配REID特征向量对应的视频段均标注为相同的唯一ID。

4.根据权利要求1-3中任意一项所述的方法，其特征在于，

在步骤S4标注完ID后，所述步骤S4和步骤S5之间还包括：

步骤S431、将当前标注为相同的唯一ID的视频段对应的第一待处理图像呈现在信息交互界面上；

步骤S432、接收用户对一个或多个第一待处理图像输入的删除指令，并将对应的视频段对应的当前所标注的所述相同的唯一ID删除。