[发明专利]用于目标检测模型训练的图像采集系统及样本生成方法

说明书

本发明公开了一种用于目标检测模型训练的图像采集系统及样本生成方法，属于计算机视觉技术领域。系统包括目标展示平台、图像采集平台、定位系统和图像特征标签解算系统；目标展示平台用于实现待检测目标的多视角展示；图像采集平台用于实现多角度全方位采集目标的图像，结合目标展示平台自动完成待检测目标的图像样本采集；定位系统用于获取图像采集平台与目标展示平台的位置和姿态信息；图像特征标签解算系统基于定位系统中的位置和姿态信息实现图像特征标签解算。本发明可自动完成待检测目标的图像样本采集和图像特征标签解算，实现图像检测模型训练所需的样本数据集的快速、大规模、精确地生成。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种用于目标识别与检测模型训练的图像样本采集系统和数据样本生成方法，可产生用于基于机器学习的目标识别与检测模型训练的大量高质量数据样本。

背景技术

当前是信息时代，信息的获得、加工、处理以及应用都有了飞跃发展。人们认识世界的重要知识来源就是图像信息，在很多场合，图像所传送的信息比其他形式的信息更丰富、真切和具体。视觉作为人类获取外界信息的主要载体，计算机要实现智能化，就必须能够处理图像信息。目标检测和识别与检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。因此，目标识别与检测也就成为了近年来理论和应用的研究热点，是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分。

图像目标识别与检测是通过存储的信息与当前的信息进行比较实现对图像的识别与检测。前提是图像描述，描述是用数字或者符合表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。目前，图像识别与检测技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军属、电子商务和多媒体网络通信等。随着技术的发展，出现了基于深度学习的目标识别与检测技术，大大提高了图像识别与检测的准确度和识别与检测效率。

深度学习是高维空间的学习，基于深度学习的目标识别与检测技术需要大量图像样本作为训练数据，从而达到足够低的错误率，完成对目标识别与检测模型的训练。然而，图像样本的制作不仅仅是需要采集图像数据，还需要制作与之对应的图像特征标签，例如类型、状态、方位、大小等目标的特征信息。当前目标图像特征标签都是人工录入的，这导致对于大规模的图像样本而言，图像特征标签的制作过程将极大地浪费人力与时间成本。而且，由于人的个体差异、情绪状态变化，可能导致图像特征标签的准确性差甚至出现错误，这种人为因素可能导致训练完成的目标识别与检测模型不能满足实际应用要求。为了快速、准确地获取图像特征标签，有必要应用一种用于目标检测模型训练的图像样本采集系统及标记方法。

发明内容

有鉴于此，本发明提供了一种用于目标检测模型训练的图像采集系统及样本生成方法，系统在采集目标图像数据的同时，快速、准确地获取图像特征标签，自动地完成目标检测模型训练的图像样本生成。该系统能够在采集目标图像数据的过程中，完成目标、成像设备的状态数据记录，实现目标特征信息的同步采集。样本生成方法提供了一种同步采集目标图像数据和制作图像特征标签的手段，可实现用于目标检测模型训练的样本数据生成。

一种用于目标检测模型训练的图像采集系统，目标展示平台、图像采集平台、定位系统和图像特征标签解算系统；

所述目标展示平台用于实现待检测目标的多视角展示；

所述图像采集平台用于实现多角度全方位采集目标的图像，结合目标展示平台自动完成待检测目标的图像样本采集；

所述定位系统用于获取图像采集平台与目标展示平台的位置和姿态信息；

所述图像特征标签解算系统基于定位系统中的位置和姿态信息实现图像特征标签解算。

进一步地，所述目标展示平台包括目标承载云台、平面移动装置、垂直移动装置和目标平台控制模块；