[发明专利]一种自动生成物体数据集的方法

说明书

本发明旨在提供一种降低人工成本、效率高的自动生成物体数据集的方法。本发明方法本发明用摄像头对物体进行拍照，获得待测物体图像，对获得的待测物体图像进行处理，提取图像中的物体位置和角度信息，生成标签信息，生成具有不同格式的物体数据集；本发明利用图像处理技术，自动对单个物体或含有多个物体的图片进行分析，生成相应的标签，并得到数据集，得到的数据集可以直接用于深度学习的物体识别模型训练；与实拍的数据集训练得到的模型相比，本方法训练得到的模型其识别精度无明显改变，极大提高了获取数据集的效率，也极大减少了获取数据集的成本。本发明应用于图片处理领域。

技术领域

本发明涉及图片处理领域，特别涉及一种自动生成物体数据集的方法。

背景技术

攒了若干年的图片，有时候想要找一张图片真的是非常困难，需要花费大量的时间去翻查，只能根据大致的时间去找，但常常无法找到。为了更快地查找到需要的照片，目前一般是通过人工对每张照片中进行逐一标注，但人工标注难免出错，需要对标注结果进行交叉检查。这样一来，需要耗费大量的人力和时间，耗时持久且时常出错。

随着科技的发展，深度学习方法的发展使得各种图片内容识别技术越来越成熟。但深度学习高度依赖数据，丰富的训练数据将极大提升模型的准确性和泛化能力。为训练物体识别模型，需要包含有物体照片、物体名称和位置的数据集。物体名称和位置称为标签。目前，未有一种较好的方法能够快速地生成物体的图像数据集来训练物体识别模型。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种降低人工成本、效率高的自动生成物体数据集的方法。

本发明所采用的技术方案是：本发明方法包括以下步骤：

（1）用摄像头对物体进行拍照，获得待测物体图像；

（2）对获得的待测物体图像进行处理，提取图像中的物体位置和角度信息，生成标签信息，生成具有不同格式的物体数据集。

进一步地，上述步骤（2）中的像中的物体位置和角度信息的提取过程如下：对采集的照片进行中值滤波，对处理后的图片做大津二值化处理，进行连通域单集求解，将图片转换成凸变形，以最小外接矩形的左上角、右下角、中心点坐标和角度作为图像中的物体位置和角度信息。

再进一步地，所述步骤（2）还包括图片拼接的步骤：在完成对待测物体图像进行处理后，将物体图片随机放到黑色画布上，拼接后生成多物体图像，提取多物体图像中的物体位置和角度信息，生成各个物体的标签信息，自动标注，生成具有不同格式的多物体数据集。

又进一步地，图像中的多物体位置和角度信息的提取过程如下：对采集的照片进行中值滤波，对处理后的图片做大津二值化处理，进行连通域单集求解，再进行连通域并集求解，将图片转换成凸变形，以最小外接矩形的左上角、右下角、中心点坐标和角度作为图像中的物体位置和角度信息。

进一步地，对采集的照片进行中值滤波，对处理后的图片做大津二值化处理，进行连通域单集求解，将图片转换成凸变形的过程中，其中，

（1）中值滤波过程采用如下公式进行：

g（x,y）=med{f(x-k,y-l),(k,l∈W)，其中， f(x,y)，g(x,y)分别为原始图像和处理后图像，W 为二维模板，为圆形或者正方形；

（2）大津二值化处理的过程如下：设定最佳阈值t，该阈值t把图像分为前景和背景，具体如下：

设图象包含L个灰度级(0,1…,L-1)，灰度值为i的象素点数为Ni ，图象总的象素点数为N=N0+N1+...+N(L-1)，灰度值为i的点的概为：

P(i) = N(i)/N，