[发明专利]一种深度学习中图像数据集的快速获取和快速标定方法

摘要

本发明公开了一种深度学习中图像数据集的快速获取和快速标定方法，将采集的视频经过电子稳像处理后，经中值滤波进行消噪和平滑处理，然后用高斯混合模型进行前景提取；根据提取出的前景的外轮廓的位置定位到原视频帧中对应的位置信息，以实现自动获取特定目标的最小包围盒；基于hog特征的局部模板匹配算法进行视频帧前景目标的分类；利用帧间匹配算法，将相邻帧中的对应连通区域进行同类别标记；得到了前景的位置信息和类别信息就实现了图像数据集的快速标定。本发明解决了深度学习中带标签数据数量非常少且获得新的带标签数据非常困难代价昂贵的问题，为特定类别的图像数据的训练和识别提供了很大的便利。

主权项

一种深度学习中图像数据集的快速获取和快速标定方法，其特征在于，包括如下步骤：S1、进行视频采集；S2、从步骤S1中的视频中提取视频帧，将稳像后的视频进行预处理，并剔除视频帧中的噪点；S3、将步骤S2中的视频帧，进行前背景分离获得前景，根据提取出的前景外轮廓获得原视频中的前景目标的最小包围盒；S4、根据步骤S3前景连通区域的数量进行判断，将视频帧分为多目标和单目标两种情况；如果是单目标，则认为原视频中的目标物为单类别；如果是多目标，则根据目标间外轮廓的相似性判断是否为同一类别，从而进行类别划分；若所有目标的外轮廓都相似，则判断为单类别；若所有目标的外轮廓不全相似，可初步判断该视频帧中存在多类别，随即采用人工干预进行确认；S5、根据步骤S4进行了类别划分之后，将相邻帧中的对应连通区域进行同类别标记；至此，即完成了所有帧的标定，得到一个单类别/多类别的数据集。