[发明专利]面向无人机起降引导的深度学习标签数据生成方法

权利要求书

1.面向无人机起降引导的深度学习标签数据生成方法，其特征在于：包括如下步骤：

(1)建立数据库系统；

由管理员客户端建立数据库系统，数据库系统中存储有所有待标注的场景图像，其中待标注的场景图像包括从未被标注过的由摄像机拍摄的无人机起降过程中包含无人机目标的场景图像以及已经人工标注过一次以上的由摄像机拍摄的无人机起降过程中包含无人机目标的场景图像；

(2)根据任务需求，由管理员客户端确定待标注出的无人机目标区域以及锚点坐标；

(3)由管理员客户端通过网络动态分配待标注的场景图像给各标注客户端；

将所有待标注的场景图像按照其被人工标注过的次数从少到多依次排序，其中从未被标注过的由摄像机拍摄的无人机起降过程中包含无人机目标的场景图像的次数为0；

分配待标注的场景图像时，优先分配的顺序是：先将从未被标注过的场景图像优先随机分配给各标注客户端，然后按照被人工标注过的次数从少到多的顺序依次将各待标注的场景图像随机分配给各标注客户端，确保所有的待标注的场景图像都能被标注；其中随机分配是指待标注的场景图像在本轮标注中随机分配给其中一个以上的标注客户端进行标注；

(4)各标注客户端接收标注任务和标注要求，标注任务为管理员客户端发布给各标注客户端的待标注的场景图像，标注要求为步骤(2)中确定的待标注出的无人机目标区域以及锚点坐标；

各标注客户端对各待标注的场景图像进行人工标注，即框选出各图像中的无人机目标区域以及锚点坐标，并将标注后的各场景图像以xml格式的形式保存到数据库系统，对数据库系统进行实时更新；

(5)对标注结果进行审核；

所有待标注的场景图像全部标注完毕后，审核员客户端通过网络访问数据库系统，由审核员客户端对标注结果即标注后的各场景图像进行审核。

2.根据权利要求1所述的面向无人机起降引导的深度学习标签数据生成方法，其特征在于：管理员客户端对数据库系统进行管理，能够上传图片到数据库系统，能够删除数据库系统中的图片，能够对数据库系统的中保存的图片进行查询并且能够导出标注结果。

3.根据权利要求1所述的面向无人机起降引导的深度学习标签数据生成方法，其特征在于：步骤(2)中选择机头、左机翼、右机翼、左尾翼、右尾翼、左脚架、中脚架和右脚架共8个特征部位作为锚点。

4.根据权利要求1所述的面向无人机起降引导的深度学习标签数据生成方法，其特征在于：步骤(5)中的审核方式采用人工审核或者自动审核方法。

5.根据权利要求4所述的面向无人机起降引导的深度学习标签数据生成方法，其特征在于：步骤(5)中自动审核方法如下：

对于数据库系统中保存的一标注后的场景图像，设其被标注的次数为N次，则能够获得N次标注后的N组无人机锚点坐标样本值，第i个锚点的第k次的提取的无人机锚点的坐标为选取其横坐标作如下处理：

首先得到这N组横坐标中的最大值和最小值将区间均分为N-1个子区间，设每个子区间长度为△x_i，区间长度则可以得到横坐标的第i个锚点的第j个子区间为x_i,j＝x_i^min+(j-1)×△x_i，那么可以得到x_i的分布概率为：

其中，

得到p(x_i,j)后，设定一个阈值剔除概率低于的坐标点，得到新的数据点集其中N_p为新的数据点集的个数,

通过式(2)，则得到这N组横坐标的统计平均值

利用获取N组横坐标的统计平均值同样的方法，得到这N组纵坐标的统计平均值

获取圆心点坐标后，取以坐标点为圆心，r个像素值为半径，当用户获取的锚点坐标(x_i,y_i)满足如下式(3)时才是有效的；当不满足这个条件时，则提示用户标注错误，并拒绝该标注结果；

其中，r为根据精度需要设定的阈值。