[发明专利]视频数据标注方法、系统、获取神经网络深度学习的数据源的方法及计算机可读存储介质

权利要求书

1.一种基于人工标注的视频数据标注方法，其特征在于，包括如下步骤：

人工标注目标视频内的部分数据，编写需要关注对象的内容与视频时间对齐的文本；

通过计算机编程编写脚本将目标视频按照每秒n帧的速度分裂成图片，以时间戳命名所述图片的名称，根据所述时间戳获取每张图片所处的时间区间；

依据所述文本内的内容，通过计算机编程编写脚本为每张图片生成描述性文件，所有图片的所述描述性文件组成所述目标视频的标注源数据；

通过训练模型筛选出所述标注源数据中的异常图片，并通过人工审核确定所述异常图片，剔除所述异常图片后形成初始标注数据；

剔除所述初始标注数据的重复图片，形成最终标注数据；

所述人工标注目标视频内的部分数据，编写需要关注对象的内容与视频时间对齐的文本包括：

人工浏览目标视频一次性标注部分数据，坐标位置不变，被标记坐标的内容填写默认值，获得所有需要标记对象和分界点帧信息；

浏览目标视频、关注需要标记对象的内容变化，并根据视频时间对齐标注该标记对象的内容，以形成需要关注对象的内容与视频时间对齐的TXT文本；

所述通过训练模型筛选出所述标注源数据中的异常图片，并通过人工审核确定所述异常图片，剔除所述异常图片后形成初始标注数据包括：

标注源数据的内容形式是文字、数字、实物照，通过训练模型对所述标注源数据进行识别得到识别结果；

筛选出识别结果与标注内容不一致的异常图片；

通过人工审核确定所述异常图片；

剔除所述异常图片后，通过编写Python可视化插件将所述标注源数据重新分类形成初始标注数据；

所述通过训练模型筛选出所述标注源数据中的异常图片，并通过人工审核确定所述异常图片，剔除所述异常图片后形成初始标注数据还包括：

标注源数据的内容形式是文字、数字、实物照以外的新内容，则随机取所述标注源数据内的部分数据记为Data0，其余部分记为Data1；

将Data0分类训练成第一训练模型，使用所述第一训练模型挑选Data1，经人工审核修正后的Data1分类训练成第二训练模型，使用所述第二训练模型挑选Data0，如此多次迭代形成所述初始标注数据。

2.根据权利要求1所述的视频数据标注方法，其特征在于，所述剔除所述初始标注数据的重复图片，形成最终标注数据包括：

计算所述初始标注数据的图片的Phash值，获取不同图片之间的汉明值，从而去掉重复图片，形成最终标注数据。