[发明专利]一种数据采集方法、装置、电子设备和计算机可读介质有效

专利信息
申请号: 201810896812.7 申请日: 2018-08-08
公开(公告)号: CN108985263B 公开(公告)日: 2021-01-26
发明(设计)人: 张轩;张弛 申请(专利权)人: 北京旷视科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;H04N7/18
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 邓超
地址: 100000 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 数据 采集 方法 装置 电子设备 计算机 可读 介质
【说明书】:

发明提供了一种数据采集方法、装置、电子设备和计算机可读介质,涉及数据采集的技术领域,该方法包括:获取摄像装置拍摄到的待处理图像;若待处理图像中包括目标对象,则确定目标对象在监控区域的目标空间位置;基于位置传感器的位置信息和目标空间位置确定目标对象的身份信息,其中,位置信息包括位置传感器在各个时刻的空间位置;将待处理图像中的目标对象和身份信息进行关联,并将关联之后的数据作为训练数据,本发明缓解了现有的训练数据的采集方式效率低,准确率差的技术问题。

技术领域

本发明涉及数据采集的技术领域,尤其是涉及一种数据采集方法、装置、电子设备和计算机可读介质。

背景技术

在视频结构化的诸多应用中,行人的分析至关重要,特别是对于人的身份识别在安防、视频检索等众多领域起着核心作用。

行人检测和行人识别都是安防等行人相关应用的基础算法,其中,算法精确度的提升有一个很重的因素就是保证充足,多场景的训练数据。目前的训练数据的采集方式主要以视频的人工标注为主。也就是说,现有技术中,通过人工对大量的视频图像进行标注。当数据量很大时,该方法耗时严重,且容易出错。如果训练数据出错,那么对神经网络的训练过程会造成很严重的影响,会直接影响神经网络的精度和准确度。

发明内容

有鉴于此,本发明的目的在于提供一种数据采集方法、装置、电子设备和计算机可读介质,以缓解了现有的训练数据的采集方式效率低,准确率差的技术问题。

第一方面,本发明实施例提供了一种数据采集方法,所述方法应用于处理器,所述处理器与摄像装置相连接,所述摄像装置安装在监控区域内,所述监控区域内包括目标对象,目标对象身上设置有位置传感器,所述方法包括:获取摄像装置拍摄到的待处理图像;若所述待处理图像中包括所述目标对象,则确定所述目标对象在所述监控区域的目标空间位置;基于所述位置传感器的位置信息和所述目标空间位置确定所述目标对象的身份信息,其中,所述位置信息包括所述位置传感器在各个时刻的空间位置;将所述待处理图像中的目标对象和所述身份信息进行关联,并将关联之后的数据作为训练数据。

进一步地,基于所述位置传感器的位置信息和所述目标空间位置确定所述目标对象的身份信息包括:基于所述位置传感器采集到的位置信息,确定目标时刻位于所述目标空间位置处的位置传感器的标识信息,其中,所述目标时刻为所述待处理图像的拍摄时间;将所述标识信息确定为所述目标对象的身份信息。

进一步地,当所述监控区域内包括多个目标对象时,每个所述目标对象上均设置有位置传感器,且一个位置传感器对应一个标识信息。

进一步地,所述待处理图像中包括多个目标对象;确定所述目标对象在所述监控区域的目标空间位置包括:基于所述位置传感器的位置信息和所述目标空间位置确定所述目标对象的身份信息包括:基于所述位置传感器的位置信息和每个所述目标对象在所述监控区域的目标空间位置确定每个所述目标对象的身份信息。

进一步地,所述方法还包括:获取待训练模型,其中,所述待训练模型包括:对象重识别模型和/或对象跟踪模型;利用所述训练数据对所述待训练模型进行训练。

进一步地,所述方法还包括:按照预设增广方式对所述待处理图像进行增广处理,得到至少一张增广图像;将每张所述增广图像中的目标对象和所述身份信息进行关联,并将关联之后的数据作为训练数据。

进一步地,按照预设增广方式对所述待处理图像进行增广处理,得到至少一张增广图像包括:通过抠像算法对所述待处理图像中的目标对象和背景图像进行分离处理,以从所述待处理图像中分离得到包含目标对象的图像;选择至少一种背景图像,并将分离出的包含所述目标对象的图像与每个背景图像进行合并,得到所述至少一张增广图像。

进一步地,所述摄像装置的数量为多个,多个摄像装置在所述监控区域的设置高度相同或者不同,且所述多个摄像装置的拍摄角度可调。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司,未经北京旷视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810896812.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top