[发明专利]基于目标跟踪的半自动图像标注样本生成方法

摘要

本发明公开一种基于目标跟踪的半自动图像标注样本生成方法，该方法包括目标跟踪和半自动标注两个过程组成。通过利用目标跟踪机制生成一系列样本，同时设计了一种模板学习机制，用于目标区域的跟踪和检测，最后通过利用学习到的模板对视频或图像进行检测，并通过人工标注来辅助进行确认，从而生成标注样本。本发明的优点是能够通过利用很少的人力消耗来获取大量的标注图像样本。

主权项

一种基于目标跟踪的半自动图像标注样本生成方法，其特征在于：包含两个过程，其步骤如下：目标跟踪过程：(11)在初始帧中人工标注感兴趣区域，作为待跟踪区域；(12)根据标注区域，生成初始正负样本；(13)根据正负样本，生成初始模板；(14)根据模板在下一帧中搜索最相似区域；(15)根据跟踪结果更新模板；(16)返回步骤(14)，迭代跟踪；标注过程：(21)利用学习到的模板对视频帧进行检测；(22)对检测出的候选区域进行跟踪；(23)对跟踪序列进行分类或者人工标注，保留正样本序列，去除错误跟踪序列；(24)保存正样本序列及其模板；(25)利用跟踪得到的模板，返回步骤(21)进行迭代；(26)对所有跟踪产生的图像序列进行人工确认；步骤(11)中，在初始帧中人工标注感兴趣区域，作为待跟踪区域，给定分辨率为N×N的视频，对视频初始帧计算梯度，并人工标注出H×W的矩形物体区域，中心坐标为(m0,n0)，作为初始正样本x0；步骤(12)中，根据初始正样本x0选择负样本，对矩形物体区域进行偏移，生成负样本其中Δi∈[‑H/2,0)∪(0,H/2],Δj∈[‑W/2,0)∪(0,W/2]表示横坐标和纵坐标的偏移；定义αΔiΔj为负样本的权重，这里使用高斯函数来定义αΔiΔj：αΔiΔj=g(Δi,Δj)∝exp(-(Δi22δi2+Δj22δj2))---(1)]]>步骤(13)中，根据初始的正样本和负样本，生成跟踪模板ww=ΣΔi=-H/2H/2ΣΔj=-W/2W/2αΔiΔj(x-xΔiΔj)---(2)]]>直接计算上述模板的复杂度很高，通过引入hhΔiΔj=ΣΔi=-H/2H/2ΣΔj=-W/2W/2αΔiΔj-α00ifΔi=0,Δj=0-αΔiΔjotherwise---(3)]]>定义为以(m0,n0)为中心2H×2W矩形区域，其中包含了所有正负样本所对应的区域，通过利用h对进行卷积，求得跟踪模板利用FFT将h和转换到频域，然后点乘，最后再利用IFFT转换到时域得到模板w；在硬件支持的情况下，使用GPU加速。