[发明专利]一种样本标注方法、装置、设备及介质

权利要求书

1.一种样本标注方法，其特征在于，包括：

针对待标注样本的每一帧图像，利用多个检测模型对当前帧图像前向推理，得到所述当前帧图像的多个预测结果；

对所述当前帧图像的多个预测结果进行融合，得到所述当前帧图像的初始标签；

获取时间序列上的所述当前帧图像的前帧图像的后验信息，得到所述前帧图像的最优标注结果；

通过所述前帧图像的最优标注结果计算出所述当前帧图像的跟踪标签；

通过对所述当前帧图像的初始标签和所述当前帧图像的跟踪标签进行检验，得到所述当前帧图像的真值标签。

2.如权利要求1所述的样本标注方法，其特征在于，对所述当前帧图像的多个预测结果进行融合，得到所述当前帧图像的初始标签，包括：

对所述当前帧图像的多个预测结果进行融合，得到多个三维数据；

将所述多个三维数据作为输入，采用投票机制对所述三维数据进行融合，得到所述当前帧图像的初始标签。

3.如权利要求1所述的样本标注方法，其特征在于，获取时间序列上的所述当前帧图像的前帧图像的后验信息，得到所述前帧图像的最优标注结果，包括：

指定所述当前帧图像的前帧图像为有连续记录的当前帧图像的前5帧；

所述前5帧均通过多个测试模型，输出多个单帧最优标注结果。

4.如权利要求3所述的样本标注方法，其特征在于，在每个测试模型中，输出单帧最优标注结果，包括：

从视频中取单帧作为当前帧送入一个检测模型；

得到此检测模型的检测结果；

根据跟踪轨迹预测所述当前帧的跟踪目标位置；

计算跟踪与检测结果的IOU作为代价矩阵，利用匈牙利匹配算法进行匹配；

结合检测预测结果，利用卡尔曼滤波算法更新，得到所述单帧图像的最优标注；

输出单帧最优标注结果。

5.如权利要求1所述的样本标注方法，其特征在于，通过前帧图像的最优标注结果计算出当前帧图像的跟踪标签，包括：

分别设定所述前帧图像的影响因子，所述前帧图像距离所述当前帧图像越远所述影响因子越小；

通过所述影响因子和前帧图像的所述最优标注结果计算出所述当前帧图像的跟踪标签。

6.如权利要求1所述的样本标注方法，其特征在于，还包括：

当所述当前帧图像的初始标签和所述当前帧图像的跟踪标签的IOU阈值大于一定阈值时，目标融合成功，所述当前帧图像的初始标签作为真值标签；

当所述IOU阈值不满足一定阈值时，目标融合失败，融合失败的目标不被作为真值写入真值标签，其他融合成功的所述当前帧图像的初始标签作为真值标签，完成样本标注。

7.如权利要求1所述样本标注方法，其特征在于，还包括：

对所述当前帧图像的多个预测结果进行融合前，对当前帧图像进行图像预处理；

所述多个检测模型中的每个检测模型均通过以下步骤训练得到：

将训练样本集分为k份数据；

针对k份数据中的每一份数据，采用除该份数据之外的剩余份数据训练检测模型，并用训练后的检测模型预测出该份数据的预测结果，直至得到k份数据的预测结果。

8.一种样本标注装置，其特征在于，包括：

检测模型训练模块，将训练样本集中的未标注样本图片输入至所述检测模型所包含的各个模型中进行预测处理，得到各个检测模型输出的预测结果；

图像预处理模块，对图像进行归一化处理，使之成为标准图像，降低图像的噪声；

单模型单帧跟踪模块，对每一帧的每个所述检测模型均进行结果输出，取得单帧的所述最优标注结果；

时间序列跟踪模块，对时间序列上的所述当前帧的前帧的后验信息进行跟踪，取得所述当前帧图像的跟踪标签；

初始标签与跟踪标签的融合校验模块，对所述初始标签与所述跟踪标签进行目标融合校验，生成所述真值标签。