CN108985263A - 一种数据采集方法、装置、电子设备和计算机可读介质 - Google Patents
一种数据采集方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN108985263A CN108985263A CN201810896812.7A CN201810896812A CN108985263A CN 108985263 A CN108985263 A CN 108985263A CN 201810896812 A CN201810896812 A CN 201810896812A CN 108985263 A CN108985263 A CN 108985263A
- Authority
- CN
- China
- Prior art keywords
- target object
- image
- processed
- target
- monitoring area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本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。
Description
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。
进一步地,所述目标空间位置为脚底位置;确定所述目标对象在所述监控区域的目标空间位置包括:在所述待处理图像中确定所述目标对象的脚底位置;在所述摄像装置的焦平面中确定与所述脚底位置相对应的坐标点;确定所述相对应的坐标点和所述摄像装置的中心点构成的射线与目标坐标平面的交点,其中,所述目标坐标平面为所述目标对象所在的平面;将所述交点确定为所述目标对象在所述监控区域的脚底位置。
第二方面,本发明实施例还提供了一种数据采集装置,所述装置包括:处理器和摄像装置,其中,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,所述处理器包括:获取单元,用于获取摄像装置拍摄到的待处理图像;第一确定单元,用于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;第二确定单元,用于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;关联单元,用于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。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、摄像装置、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的方法。
第四方面,本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序,所述计算机运行所述计算机程序时执行上述第一方面中任一项所述的方法的步骤。
在本发明实施例中,预先设置了一个监控区域,在该监控区域中包括目标对象和摄像装置,该摄像装置用于拍摄监控区域内目标对象,得到待处理图像;之后,就可以确定该目标对象在监控区域的目标空间位置,以及结合目标对象身上佩戴的位置传感器来确定待处理图像中目标对象的身份信息,最后,将身份信息和待处理图像中的目标对象进行关联,得到一组训练数据。通过上述描述可知,在本实施例中,不需要人工视频图像进行标注,通过该方式能够实现廉价高效提供训练数据以及在新场景中迅速提高算法精度,解决场景冷启动问题,进而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。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种电子设备示意图;
图2是根据本发明实施例的一种数据采集方法的流程图;
图3是根据本发明实施例的一种数据采集方法的应用场景的示意图;
图4是根据本发明实施例的一种可选地数据采集方法的流程图;
图5是根据本发明实施例的一种数据采集装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
首先,参照图1来描述用于实现本发明实施例的电子设备100,该电子设备可以用于运行本发明各实施例的头发模型的构建方法。
如图1所示,电子设备100包括一个或多个处理器102、一个或多个存储器104、输入装置106、输出装置108以及摄像装置110,这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意,图1所示的电子设备100的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器102可以采用数字信号处理器(DSP,Digital Signal Processing)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)、可编程逻辑阵列(PLA,Programmable Logic Array)和ASIC(Application Specific Integrated Circuit)中的至少一种硬件形式来实现,所述处理器102可以是中央处理单元(CPU,Central ProcessingUnit)、图形处理器(GPU)、嵌入式神经网络处理器(NPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储器104可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器102可以运行所述程序指令,以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如,用户)输出各种信息(例如,图像或声音),并且可以包括显示器、扬声器等中的一个或多个。
所述摄像装置110用于进行图像采集,其中,摄像装置所采集的图像,经过处理之后,得到图像中对象的空间位置,进而,基于该空间位置确定该对象的身份信息,最后,将该身份信息与对象进行关联之后得到训练数据。例如,摄像装置可以拍摄用户期望的图像(例如照片、视频等),然后,将本实施例中所提供的数据采集方法,得到一组训练数据,摄像装置还可以将所拍摄的图像存储在所述存储器104中以供其它组件使用。
示例性地,用于实现根据本发明实施例的头发模型的构建方法的电子设备可以被实现为诸如智能手机、平板电脑等智能移动终端。
实施例二:
根据本发明实施例,提供了一种数据采集方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本发明实施例的一种数据采集方法的流程图。该方法应用于处理器,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。
如图3所示的为上述数据采集方法的一种可选地应用场景的示意图。如图3所示,在监控区域40中包括:摄像机10,目标对象20和目标对象身上携带的位置传感器30。需要说明的是,在本实施例中,摄像机10的数量可以为多个,且多个摄像装置10在监控区域40的设置高度相同或者不同,且多个摄像装置的拍摄角度可调。其中,摄像装置10在监控区域40的设置高度和摄像装置10的拍摄角度可以根据实际训练需要来进行设定。例如,该训练数据应用在安防系统中,且该安防系统为商场室内的安防系统,那么该摄像装置的设置高度和拍摄角度可以模拟商场室内的摄像装置来进行设置。
在本实施例中,目标对象可以在监控区域中来回走动,且目标对象可以做出不同的动作和表情,以丰富训练数据。需要说明的是,在本实施例中,如果监控区域中同时有多个目标对象,那么每个目标对象上均设置有一个位置传感器,且一个位置传感器对应一个标识信息。通过该标识信息,能够对包含目标对象的待处理图像进行标注。
在一个可选的实施方式中,该监控区域的层高可以为5米甚至更高,其中,该摄像装置的安装高度和拍摄角度,可以模拟公共空间中实际存在的摄像头的高度和拍摄角度,例如,公共空间可以为交通岗处,商场室内,地铁站室内摄像装置的高度和拍摄角度。在本实施例中,可以选择多种高度,每种高度用于模拟一种公共空间的摄像装置。例如,在模拟交通岗处的摄像装置时,可以控制监控区域中用于模拟交通岗处的摄像装置对监控区域内的目标对象进行图像采集,监控区域中的其他摄像装置可以选择不开启或者部分开启,本实施例中不做具体限定。
具体地,如图2所示,该方法包括如下步骤:
步骤S202,获取摄像装置拍摄到的待处理图像;
通过上述描述可知,此处的摄像装置的数量可以为一个,还可以为多个;可以为监控区域中的全部摄像装置,还可以为监控区域中的部分摄像装置,本实施例中不做具体限定,用户可以根据实际需要来进行设定。
步骤S204,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;
在本实施例中,由于摄像装置一直采集图像,因此,摄像装置采集到的待处理图像中可能包含目标对象,也可能不包含目标对象。在本实施例中,首先对摄像装置采集到的待处理图像进行检测,以检待处理图像中是否包含目标对象,如果包含,则以检测框的方式对目标对象进行标注,并对标注的待处理图像执行后续处理,不包含目标对象的待处理图像不做任何处理。
需要说明的是,在本实施例中,目标对象可以为人,还可以为其他任意对象,本实施例中不做具体限定。
步骤S206,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;
步骤S208,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。
需要说明的是,在本实施例中,将待处理图像中的目标对象和身份信息进行关联是指为待处理图像中的目标对象设置身份标签,以通过该身份标签表明该目标对象的身份信息,从而实现待处理图像中的目标对象和身份信息的关联。基于此,关联之后的数据是指携带身份标签的待处理图像。例如,某个待处理图像中包括3个人像,在按照上述步骤S202至步骤S208所描述的方式进行处理之后,将得到3个人像中每个人像的身份信息,在得到身份信息之后,就能够对待处理图像中的各个人像进行识别,以确定各个人像的身份信息。在确定各个人像的身份信息之后,就可以将身份信息与对应的人像进行关联,最终得到的关联之后的数据为携带每个人像的身份标签的图像信息。也就是说,得到的关联之后的数据可以理解为已经标注好的图像数据,而不再需要人工标注。通过该图像数据能够对部署在各种场景下的神经网络模型进行训练,满足不同神经网络模型的训练需求。
在本发明实施例中,预先设置了一个监控区域,在该监控区域中包括目标对象和摄像装置,该摄像装置用于拍摄监控区域内目标对象,得到待处理图像;之后,就可以确定该目标对象在监控区域的目标空间位置,以及结合目标对象身上佩戴的位置传感器来确定待处理图像中目标对象的身份信息,最后,将身份信息和待处理图像中的目标对象进行关联,得到一组训练数据。通过上述描述可知,在本实施例中,不需要人工视频图像进行标注,通过该方式能够实现廉价高效提供训练数据以及在新场景中迅速提高算法精度,解决场景冷启动问题,进而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。
通过上述描述可知,在本实施例中,首先获取摄像装置拍摄到的待处理图像,如果检测出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,其中,该目标空间位置为目标对象在监控区域的三维坐标信息。例如,可以确定该目标对象的脚底位置,该目标对象的头顶位置,该目标对象身上任意一个特征点的位置等。
如果目标空间位置为脚底位置,如图4所示,步骤S204,确定所述目标对象在所述监控区域的目标空间位置包括如下步骤:
步骤S2041,在所述待处理图像中确定所述目标对象的脚底位置;
步骤S2042,在所述摄像装置的焦平面中确定与所述脚底位置相对应的坐标点;
步骤S2043,确定所述相对应的坐标点和所述摄像装置的中心点构成的射线与目标坐标平面的交点,其中,所述目标坐标平面为所述目标对象所在的平面;
步骤S2044,将交点确定为所述目标对象在所述监控区域的脚底位置。
由于待处理图像中像素点与摄像装置焦平面上的点是对应关系,因此,首先在待处理图像中确定目标对象的脚底位置,得到待处理图像中脚底位置所在像素点。之后,就可以在焦平面中确定与该像素点相对应的坐标点。然后,将摄像装置的中心点与该坐标点所构成的射线与目标坐标平面的交点确定为目标对象的脚底位置,该位置为目标对象的脚底在监控区域中的位置。
需要说明的是,如果该目标空间位置为该目标对象的头顶位置或者该目标对象身上任意一个特征点的位置,那么同样可以采用上述步骤S2041至步骤S2044所描述的方式来进行确定,此处不再详细描述。
在确定所述目标对象在所述监控区域的目标空间位置之后,就可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。
在一个可选的实施方式中,步骤S206,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如下步骤:
步骤S2061,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;
步骤S2062,将所述标识信息确定为所述目标对象的身份信息。
在本实施例中,位置传感器在进行位置采集的过程中携带时间信息,即位置传感器采集到的位置信息中包括位置传感器在各个时刻的空间位置,也即,该位置传感器所对应的目标对象在各个时刻的空间位置。摄像装置在进行图像采集得到图像时,也是携带时间信息的,即,摄像装置在各个时刻所拍摄到的图像。
基于此,在本实施例中,可以基于位置传感器采集到的位置信息确定拍摄待处理图像的时刻(即,目标时刻)位于目标空间位置处的位置传感器的标识信息,例如,该位置传感器的标识信息可以为ID信息。在得到该标识信息之后,就可以将该标识信息确定为目标对象的身份信息,进而,将该身份信息与待处理图像中的目标对象进行关联,并将关联之后的数据作为训练数据。
在一个可选的实施方式中,该方法还包括如下步骤:
首先,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;
然后,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。
在本实施例中,如果某个待训练的神经网络需要大量的训练数据,且采用上述方式仍不能满足其需求时,为了扩充训练数据,以保证训练集足够复杂,可以对待处理图像进行增广处理。
其中,一个可选的增广处理处理过程可以描述为:将待处理图像进行中心旋转、平移,以及镜像处理中的至少一种处理,得到至少一张增广图像。然后,将每张增广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。
另一个可选的增广处理过程可以描述为:通过抠像算法对待处理图像中的目标人像和背景图像进行分离处理,以从待处理图像中分离得到包含目标人像的图像;然后选择至少一种背景图像,并将该分离出的包含目标人像的图像与每个背景图像进行合并,得到至少一张增广图像。然后,将每张增广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。在本实施方式中,在得到至少一张增广图像之后,还可以选择待添加的素材图像,并将素材图像添加在每张增广图像中,以对待处理图像进行更加多元化处理。其中,素材图像可以根据待训练神经网络的具体应用场景来进行选取。
需要说明的是,在本实施例中,优选待处理图像的背景为绿幕背景。由于需要从待处理图像中抠取目标对象,因此,选择绿幕背景能够更加方便快捷的从待处理图像对目标对象进行抠取,进而简化计算过程,提高数据采集效率。
又一个可选的增广处理过程可以描述为:对待处理图像中目标对象的服装进行图像处理,例如,可以为目标对象的服装填充不同的颜色,增加服装的纹理,改变服装的材质等。通过上述处理方式能够得到至少一张增广图像。然后,将每张增广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。
需要说明的是,可以结合上述三种可选的增广处理方式中任意两种增广处理方式对待处理图像进行增广处理,还可以同时采用上述三种可选的增广处理方式对待处理图像进行增广处理,本实施例中不做具体限定。
在上述方式得到训练数据之后,就可以获取待训练模型,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;然后,利用所述训练数据对所述待训练模型进行训练。
通过上述描述可知,在监控区域中可能包含多个目标对象,此时,每个待处理图像中可能包含多个目标对象。
基于此,步骤S204,确定所述目标对象在所述监控区域的目标空间位置包括:确定每个所述目标对象在所述监控区域的目标空间位置;
步骤S206,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。
具体地,在本实施例中,如果待处理图像中包括多个目标图像,那么首先,对待处理图像进行检测,以检测框的方式对每个目标对象进行标注。然后,确定每个目标对象在监控区域的目标空间位置。进而,基于位置传感器的位置信息确定每个目标对象的身份信息。需要说明的是,在本实施例中,确定每个目标对象在监控区域的目标空间位置的过程如上所述,此处不再赘述。以及基于位置传感器的位置信息确定每个所述目标对象的身份信息的过程如上所述,此处不再赘述。
通过上述描述可知,在本实施例中,在参与数据采集对象(即,上述目标对象)的配合下,结合摄像装置、处理器和位置传感器来实现训练数据的采集,该方法能够加快数据采集速度,降低数据采集费用,帮助功课在不同场景中的检测,识别问题。且由于监控区域中包括各种高度的摄像装置,且摄像装置的拍摄角度可调,以及上述实施例中所描述的对待处理图像进行增广处理的过程,能够在增加数据采集的多样性的同时,使得训练数据的目标更明确。
实施例二:
本发明实施例还提供了一种数据采集装置,该数据采集装置主要用于执行本发明实施例上述内容所提供的数据采集方法,以下对本发明实施例提供的数据采集装置做具体介绍。
图5是根据本发明实施例的一种数据采集装置的示意图。所述装置包括:处理器和摄像装置,其中,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,如图5所示,该处理器主要包括获取单元51,第一确定单元52,第二确定单元53和关联单元54,其中:
获取单元51,用于获取摄像装置拍摄到的待处理图像;
第一确定单元52,用于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;
第二确定单元53,用于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;
关联单元54,用于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。
在本发明实施例中,预先设置了一个监控区域,在该监控区域中包括目标对象和摄像装置,该摄像装置用于拍摄监控区域内目标对象,得到待处理图像;之后,就可以确定该目标对象在监控区域的目标空间位置,以及结合目标对象身上佩戴的位置传感器来确定待处理图像中目标对象的身份信息,最后,将身份信息和待处理图像中的目标对象进行关联,得到一组训练数据。通过上述描述可知,在本实施例中,不需要人工视频图像进行标注,通过该方式能够实现廉价高效提供训练数据以及在新场景中迅速提高算法精度,解决场景冷启动问题,进而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。
可选地,第二确定单元用于:基于所述位置传感器采集到的位置信息,确定目标时刻处所述目标空间位置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。
可选地,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。
可选地,第一确定单元还用于:在所述待处理图像中包括多个目标对象的情况下,确定每个所述目标对象在所述监控区域的目标空间位置;第二确定单元还用于:在所述待处理图像中包括多个目标对象的情况下,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。
可选地,该装置还用于: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。
可选地,该装置还用于: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。
可选地,该装置还用于: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。
可选地,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。
可选地,第一确定单元还用于:在所述目标空间位置为脚底位置的情况下,在所述待处理图像中确定所述目标对象的脚底位置;在所述摄像装置的焦平面中确定与所述脚底位置相对应的坐标点;确定所述相对应的坐标点和所述摄像装置的中心点构成的射线与目标坐标平面的交点,其中,所述目标坐标平面为所述目标对象所在的平面;将所述交点确定为所述目标对象在所述监控区域的脚底位置。
本发明实施例提供的数据采集装置,与上述实施例提供的数据采集方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种数据采集方法,其特征在于,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。
2.根据权利要求1所述的方法,其特征在于,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。
3.根据权利要求2所述的方法,其特征在于,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。
4.根据权利要求1至3中任一项所述的方法,其特征在于,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:确定每个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。
5.根据权利要求1所述的方法,其特征在于,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。
6.根据权利要求1所述的方法,其特征在于,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。
7.根据权利要求6所述的方法,其特征在于,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。
8.根据权利要求1所述的方法,其特征在于,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。
9.根据权利要求1所述的方法,其特征在于,所述目标空间位置为脚底位置,确定所述目标对象在所述监控区域的目标空间位置包括:
在所述待处理图像中确定所述目标对象的脚底位置;
在所述摄像装置的焦平面中确定与所述脚底位置相对应的坐标点;
确定所述相对应的坐标点和所述摄像装置的中心点构成的射线与目标坐标平面的交点,其中,所述目标坐标平面为所述目标对象所在的平面;
将所述交点确定为所述目标对象在所述监控区域的脚底位置。
10.一种数据采集装置,其特征在于,所述装置包括:处理器和摄像装置,其中,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,所述处理器包括:
获取单元,用于获取摄像装置拍摄到的待处理图像;
第一确定单元,用于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;
第二确定单元,用于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;
关联单元,用于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。
11.一种电子设备,包括存储器、摄像装置、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至9中任一项所述的方法。
12.一种计算机存储介质,其特征在于,其上存储有计算机程序,所述计算机运行所述计算机程序时执行上述权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810896812.7A CN108985263B (zh) | 2018-08-08 | 2018-08-08 | 一种数据采集方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810896812.7A CN108985263B (zh) | 2018-08-08 | 2018-08-08 | 一种数据采集方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108985263A true CN108985263A (zh) | 2018-12-11 |
CN108985263B CN108985263B (zh) | 2021-01-26 |
Family
ID=64555454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810896812.7A Active CN108985263B (zh) | 2018-08-08 | 2018-08-08 | 一种数据采集方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108985263B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059653A (zh) * | 2019-04-24 | 2019-07-26 | 上海商汤智能科技有限公司 | 一种数据收集方法及装置、电子设备、存储介质 |
CN110837582A (zh) * | 2019-11-28 | 2020-02-25 | 重庆紫光华山智安科技有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
CN111091091A (zh) * | 2019-12-16 | 2020-05-01 | 北京迈格威科技有限公司 | 目标对象重识别特征的提取方法、装置、设备及存储介质 |
CN111914862A (zh) * | 2019-05-09 | 2020-11-10 | 富士通株式会社 | 用于对多目标模型进行训练的训练装置和训练方法 |
CN112186900A (zh) * | 2020-09-28 | 2021-01-05 | 上海勤电信息科技有限公司 | 一种基于5g技术的综合箱运行监控方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102200578A (zh) * | 2010-03-25 | 2011-09-28 | 日电(中国)有限公司 | 数据关联设备和方法 |
CN105095870A (zh) * | 2015-07-27 | 2015-11-25 | 中国计量学院 | 基于迁移学习的行人重识别方法 |
US20170094252A1 (en) * | 2015-09-25 | 2017-03-30 | Amit Bleiweiss | Video feature tagging |
CN106991395A (zh) * | 2017-03-31 | 2017-07-28 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
CN107566781A (zh) * | 2016-06-30 | 2018-01-09 | 北京旷视科技有限公司 | 视频监控方法和视频监控设备 |
-
2018
- 2018-08-08 CN CN201810896812.7A patent/CN108985263B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102200578A (zh) * | 2010-03-25 | 2011-09-28 | 日电(中国)有限公司 | 数据关联设备和方法 |
CN105095870A (zh) * | 2015-07-27 | 2015-11-25 | 中国计量学院 | 基于迁移学习的行人重识别方法 |
US20170094252A1 (en) * | 2015-09-25 | 2017-03-30 | Amit Bleiweiss | Video feature tagging |
CN107566781A (zh) * | 2016-06-30 | 2018-01-09 | 北京旷视科技有限公司 | 视频监控方法和视频监控设备 |
CN106991395A (zh) * | 2017-03-31 | 2017-07-28 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059653A (zh) * | 2019-04-24 | 2019-07-26 | 上海商汤智能科技有限公司 | 一种数据收集方法及装置、电子设备、存储介质 |
CN111914862A (zh) * | 2019-05-09 | 2020-11-10 | 富士通株式会社 | 用于对多目标模型进行训练的训练装置和训练方法 |
CN111914862B (zh) * | 2019-05-09 | 2023-07-11 | 富士通株式会社 | 用于对多目标模型进行训练的训练装置和训练方法 |
CN110837582A (zh) * | 2019-11-28 | 2020-02-25 | 重庆紫光华山智安科技有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
CN111091091A (zh) * | 2019-12-16 | 2020-05-01 | 北京迈格威科技有限公司 | 目标对象重识别特征的提取方法、装置、设备及存储介质 |
CN112186900A (zh) * | 2020-09-28 | 2021-01-05 | 上海勤电信息科技有限公司 | 一种基于5g技术的综合箱运行监控方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108985263B (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985263A (zh) | 一种数据采集方法、装置、电子设备和计算机可读介质 | |
CN109242961B (zh) | 一种脸部建模方法、装置、电子设备和计算机可读介质 | |
Cuevas et al. | Labeled dataset for integral evaluation of moving object detection algorithms: LASIESTA | |
CN109727264A (zh) | 图像生成方法、神经网络的训练方法、装置和电子设备 | |
CN109218619A (zh) | 图像获取方法、装置和系统 | |
CN108875537B (zh) | 对象检测方法、装置和系统及存储介质 | |
CN108234870A (zh) | 图像处理方法、装置、终端及存储介质 | |
CN109740571A (zh) | 图像采集的方法、图像处理的方法、装置和电子设备 | |
CN108520229A (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN108961303A (zh) | 一种图像处理方法、装置、电子设备和计算机可读介质 | |
CN107851195A (zh) | 利用神经网络进行目标检测 | |
CN108629791A (zh) | 行人跟踪方法和装置及跨摄像头行人跟踪方法和装置 | |
CN108875540A (zh) | 图像处理方法、装置和系统及存储介质 | |
CN109978918A (zh) | 一种轨迹追踪方法、装置和存储介质 | |
CN106688031A (zh) | 用于提供内容感知照片滤镜的装置和方法 | |
CN110072046B (zh) | 图像合成方法和装置 | |
GB2516512A (en) | Face detection | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN111626163B (zh) | 一种人脸活体检测方法、装置及计算机设备 | |
CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
CN111079578A (zh) | 行为检测方法及装置 | |
CN107563978A (zh) | 人脸去模糊方法及装置 | |
CN109670517A (zh) | 目标检测方法、装置、电子设备和目标检测模型 | |
CN111881849A (zh) | 图像场景检测方法、装置、电子设备及存储介质 | |
CN109271930A (zh) | 微表情识别方法、装置与存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |