CN111639599B - 物体图像挖掘方法、装置、设备以及存储介质 - Google Patents

物体图像挖掘方法、装置、设备以及存储介质 Download PDF

Info

Publication number
CN111639599B
CN111639599B CN202010479953.6A CN202010479953A CN111639599B CN 111639599 B CN111639599 B CN 111639599B CN 202010479953 A CN202010479953 A CN 202010479953A CN 111639599 B CN111639599 B CN 111639599B
Authority
CN
China
Prior art keywords
image
video
candidate
entity
segmentation
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.)
Active
Application number
CN202010479953.6A
Other languages
English (en)
Other versions
CN111639599A (zh
Inventor
徐志敏
孟骧龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010479953.6A priority Critical patent/CN111639599B/zh
Publication of CN111639599A publication Critical patent/CN111639599A/zh
Application granted granted Critical
Publication of CN111639599B publication Critical patent/CN111639599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了物体图像挖掘方法、装置、设备以及存储介质，涉及人工智能、深度学习、图像处理技术领域。该方法的一具体实施方式包括：获取视频与视频标题，其中，视频标题中存在实体；基于实体搜索对应的实体图像集合；从视频中分割出候选物体图像；分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；计算候选物体图像特征与实体图像特征集合的相似度；基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。该实施方式能够快速地从视频中挖掘出大量实体对应的物体图像，且挖掘出的实体对应的物体图像可作为标注数据用于视频帧中物体检测和识别的训练，降低了视频标注成本。

Description

物体图像挖掘方法、装置、设备以及存储介质
技术领域
本申请实施例涉及计算机技术领域，具体涉及人工智能、深度学习、图像处理技术领域，特别涉及物体图像挖掘方法、装置、设备以及存储介质。
背景技术
目前互联网的视频已经呈现爆发现象，各种短视频、小视频网站及应用不断涌现，产生了海量的视频数据。对这些视频的分析中，视频中物体检测和识别是最重要的。而视频中物体检测和识别存在的最大困难就是缺乏标注数据，并且视频标注成本非常高。同时，由于视频是动态拍摄，并且视频中的帧是经过压缩的，导致直接使用在图像数据上的标注方法在视频帧中的表现较差。因此如何快速低成本的获取大量视频帧的标注是非常重要的。
发明内容
本申请实施例提出了物体图像挖掘方法、装置、设备以及存储介质。
第一方面，本申请实施例提出了一种物体图像挖掘方法，包括：获取视频与视频标题，其中，视频标题中存在实体；基于实体搜索对应的实体图像集合；从视频中分割出候选物体图像；分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；计算候选物体图像特征与实体图像特征集合的相似度；基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。
第二方面，本申请实施例提出了一种物体图像挖掘装置，包括：获取模块，被配置成获取视频与视频标题，其中，视频标题中存在实体；搜索模块，被配置成基于实体搜索对应的实体图像集合；分割模块，被配置成从视频中分割出候选物体图像；提取模块，被配置成分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；计算模块，被配置成计算候选物体图像特征与实体图像特征集合的相似度；过滤模块，被配置成基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。
第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面，本申请实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据如第一方面中任一实现方式描述的方法。
本申请实施例提供的物体图像挖掘方法、装置、设备以及存储介质，首先基于视频标题中的实体搜索对应的实体图像集合；之后从视频中分割出候选物体图像；而后分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；然后计算候选物体图像特征与实体图像特征集合的相似度；最后基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。从而能够快速地从视频中挖掘出大量实体对应的物体图像，且挖掘出的实体对应的物体图像可作为标注数据用于视频帧中物体检测和识别的训练，降低了视频标注成本。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请可以应用于其中的示例性系统架构；
图2是根据本申请的物体图像挖掘方法的一个实施例的流程图；
图3是根据本申请的物体图像挖掘方法的又一个实施例的流程图；
图4是可以实现本申请实施例的物体图像挖掘方法的场景的流程图；
图5是根据本申请的物体图像挖掘装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的物体图像挖掘方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的物体图像挖掘方法或物体图像挖掘装置的实施例的示例性系统架构100。
如图1所示，系统架构100中可以包括存储设备101、网络102和服务器103。网络102用以在存储设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
存储设备101可以通过网络102与服务器103交互。存储设备101中可以提供视频，包括但不限于数据库、用户终端、视频网站后台服务器和视频应用后台服务器等等。
服务器103可以提供各种服务，例如服务器103可以对从存储设备101获取到的视频等数据进行分析等处理，生成处理结果(例如实体对应的物体图像)。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的物体图像挖掘方法一般由服务器103执行，相应地，物体图像挖掘装置一般设置于服务器103中。
应该理解，图1中的存储设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的存储设备、网络和服务器。在服务器103中存储有视频的情况下，系统架构100可以不设置存储设备101和网络102。
继续参考图2，其示出了根据本申请的物体图像挖掘方法的一个实施例的流程200。该物体图像挖掘方法包括以下步骤：
步骤201，获取视频与视频标题。
在本实施例中，物体图像挖掘方法的执行主体(例如图1所示的服务器103)可以获取视频与视频标题。其中，视频标题可以是标明视频的内容的简短语句。这里，对于视频标题中存在实体的视频，会进行物体图像挖掘；对于视频标题中不存在实体的视频，会直接丢弃。其中，实体可以是自然界客观存在的物体，包括但不限于人、动物、植物、物品、建筑物等等，其词性是名词。
通常，上述执行主体可以从本地或者其他存储设备(例如图1所示的服务器103)获取视频与视频标题。例如，上述执行主体可以从互联网短视频、小视频网站中爬取视频以及相应的视频标题。随后，上述执行主体可以对视频标题进行分词，并进行词性判断，选取视频标题中出现实体的视频进行物体图像挖掘。
步骤202，基于实体搜索对应的实体图像集合。
在本实施例中，上述执行主体可以基于实体搜索对应的实体图像集合。
通常，上述执行主体可以从本地或者其他存储设备(例如图1所示的服务器103)搜索实体图像集合。例如，上述执行主体可以将实体作为关键词从互联网图像搜索网站或公开图像数据集(例如ImageNet)中搜索一定数目的包含各种风格场景下的该实体的图像，以得到实体图像集合。
步骤203，从视频中分割出候选物体图像。
在本实施例中，上述执行主体可以从视频中分割出候选物体图像。其中，候选物体可以是视频中出现的物体。
通常，对于视频中的视频帧，上述执行主体可以基于传统或深度学习的物体分割方法，从该视频帧中分割出候选物体图像。例如，对视频帧进行视觉显著性检测，分割视频帧中的显著区域，作为候选物体图像。此外，在视频帧中存在多个显著区域的情况下，上述执行主体可以分割出每个显著区域。其中，一个显著区域可以作为一个候选物体图像。
步骤204，分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合。
在本实施例中，上述执行主体可以对候选物体图像进行特征提取，生成候选物体图像特征。同理，对于实体图像集合中的实体图像，上述执行主体可以对该实体图像进行特征提取，生成对应的实体图像特征。
通常，上述执行主体可以在公开图像数据集上使用深度学习方法预先训练通用特征提取模型，以及利用通用特征提取模型分别对候选物体图像和实体图像集合进行特征提取。并且，利用通用特征提取模型进行特征提取，能够提升特征提取效率和特征提取准确度。
步骤205，计算候选物体图像特征与实体图像特征集合的相似度。
在本实施例中，上述执行主体可以计算候选物体图像特征与实体图像特征集合的相似度。
通常，上述执行主体可以计算候选物体图像特征与实体图像特征集合中的实体图像特征的余弦距离，得到余弦距离集合。随后，上述执行主体可以从余弦距离集合中选取至少部分余弦距离，以及将所选取的余弦距离的平均值作为候选物体图像特征与实体图像特征集合的相似度。从余弦距离集合中选取的余弦距离越多，相似度的计算准确度越高；从余弦距离集合中选取的余弦距离越少，相似度的计算效率越高。这里，会综合考虑相似度的计算准确度和计算效率，确定选取的余弦距离的数目。此外，余弦距离的数值越大，说明候选物体图像与实体图像的区别度越明显。这里，会尽量选取数值较大的余弦距离计算相似度，例如，从余弦距离集合中选取最大的前预设数目(例如top 10)个余弦距离，以计算候选物体图像特征与实体图像特征集合的相似度。
步骤206，基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。
在本实施例中，上述执行主体可以基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。
通常，上述执行主体可以过滤掉相似度低于相似度阈值的候选物体图像，将相似度不低于相似度阈值的候选物体图像作为实体对应的物体图像。其中，相似度不低于相似度阈值的候选物体图像中的候选物体就是实体。此外，将实体标注在挖掘出的实体对应的物体图像上，就得到标注数据，标注数据可以用于视频帧中物体检测和识别的训练。
本申请实施例提供的物体图像挖掘方法，首先基于视频标题中的实体搜索对应的实体图像集合；之后从视频中分割出候选物体图像；而后分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；然后计算候选物体图像特征与实体图像特征集合的相似度；最后基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。从而能够快速地从视频中挖掘出大量实体对应的物体图像，且挖掘出的实体对应的物体图像可作为标注数据用于视频帧中物体检测和识别的训练，降低了视频标注成本。
进一步参考图3，其示出了根据本申请的物体图像挖掘方法的又一个实施例的流程300。该物体图像挖掘方法包括以下步骤：
步骤301，获取视频与视频标题。
步骤302，基于实体搜索对应的实体图像集合。
在本实施例中，步骤301-302具体操作已在图2所示的实施例中步骤201-202进行了详细的介绍，在此不再赘述。
步骤303，利用视频镜头分割算法对视频进行分割，得到多个镜头视频片段。
在本实施例中，物体图像挖掘方法的执行主体(例如图1所示的服务器103)可以利用视频镜头分割算法对视频进行分割，得到多个镜头视频片段。此外，镜头视频片段的片头和片尾中通常很少会包含实体，因此，利用传统图像处理方法或深度学习方法去除多个镜头视频片段的片头和片尾，能够降低分割候选物体图像的工作量。
步骤304，利用视频图像分割算法对多个镜头视频片段进行分割，得到候选物体分割结果。
在本实施例中，上述执行主体可以利用无监督的视频图像分割算法对每个镜头视频片段进行分割，得到候选物体分割结果。其中，候选物体分割结果可以包括是候选物体上的点的像素值。
通常，尺寸较小的物体图像不适于作为标注数据来训练模型。为了消除候选物体分割结果中的小区域，下面提供一种镜头视频片段分割方法的步骤：
首先，对每个镜头视频片段中的视频帧进行视频物体分割，得到初始物体分割结果。
然后，利用密集条件随机场模型(Dense CRF模型)对初始物体分割结果进行精细化处理，得到精细化物体分割结果。
最后，对精细化物体分割结果进行图像形态学运算，得到候选物体分割结果。
其中，图像形态学运算可以是先腐蚀后膨胀的开运算，能够消除物体分割结果中的小区域。
步骤305，基于候选物体分割结果，确定候选物体区域。
在本实施例中，上述执行主体可以基于候选物体分割结果，确定候选物体区域。
通常，包括候选物体上的所有点的最小的方框是候选物体区域。因此，上述执行主体可以首先将候选物体分割结果二值化，得到二值化物体分割结果；然后从四周向中心点扫描二值化物体分割结果，得到候选物体区域。
其中，扫描二值化物体分割结果的步骤如下：
首先，从左向右扫描二值化物体分割结果，得到候选物体的左边界；从上向下扫描二值化物体分割结果，得到候选物体的上边界；从右向左扫描二值化物体分割结果，得到候选物体的右边界；从下向上扫描二值化物体分割结果，得到候选物体的下边界。
然后，由候选物体的左边界、上边界、右边界和下边界组成候选物体区域。
步骤306，在视频中分割候选物体区域，得到候选物体图像。
在本实施例中，上述执行主体可以在视频中分割候选物体区域，得到候选物体图像。
步骤307，分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合。
步骤308，计算候选物体图像特征与实体图像特征集合的相似度。
步骤309，基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。
在本实施例中，步骤307-309具体操作已在图2所示的实施例中步骤204-206进行了详细的介绍，在此不再赘述。
从图3中可以看出，与图2对应的实施例相比，本实施例中的物体图像挖掘方法的流程300突出了候选物体图像分割步骤。由此，在本实施例描述的方案中，分镜头分割候选物体图像，使候选物体图像分割精细化，提升了候选物体图像的分割准确度。
为了便于理解，下面提供可以实现本申请实施例的物体图像挖掘方法的场景。该场景针对黑天鹅浮水视频挖掘黑天鹅图像，具体参见图4所示的流程400：
步骤401，从互联网短视频网站爬取视频与视频标题，其中，视频是黑天鹅浮水的片段，视频标题是黑天鹅浮水，视频标题中存在黑天鹅这个实体。
步骤402，以天鹅为关键词从互联网图像搜索网站中搜索n(n为正整数)张黑天鹅图像，得到黑天鹅图像集合Iimg。
步骤403，利用视频镜头分割算法对视频进行分割，得到多个镜头视频片段Vshot。
步骤404，利用视频图像分割算法对多个镜头片段Vshot进行分割，得到候选物体分割结果Omask，其中，候选物体是视频中出现的物体，包括但不限于黑天鹅、鸭子、鸳鸯等等。
步骤405，基于候选物体分割结果Omask，确定候选物体区域Obox。
步骤406，在视频中分割候选物体区域Obox，得到候选物体图像Oimg。
步骤407，利用通用特征提取模型Mg对候选物体图像Oimg进行特征提取，得到候选物体图像特征Fbox，以及利用通用特征提取模型Mg对黑天鹅图像集合Iimg进行特征提取，得到黑天鹅图像特征集合Fs。
步骤408，计算候选物体图像特征Fbox与黑天鹅图像特征集合Fs的相似度。
步骤409，过滤掉相似度低于相似度阈值r的候选物体图像Oimg，相似度不低于相似度阈值r的候选物体图像Oimg即是从视频中挖掘出的黑天鹅图像。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种物体图像挖掘装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的物体图像挖掘装置500可以包括：获取模块501、搜索模块502、分割模块503、提取模块504、计算模块505和过滤模块506。其中，获取模块501，被配置成获取视频与视频标题，其中，视频标题中存在实体；搜索模块502，被配置成基于实体搜索对应的实体图像集合；分割模块503，被配置成从视频中分割出候选物体图像；提取模块504，被配置成分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；计算模块505，被配置成计算候选物体图像特征与实体图像特征集合的相似度；过滤模块506，被配置成基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。
在本实施例中，物体图像挖掘装置500中：获取模块501、搜索模块502、分割模块503、提取模块504、计算模块505和过滤模块506的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-206的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，分割模块503包括：第一分割子模块(图中未示出)，被配置成利用视频镜头分割算法对视频进行分割，得到多个镜头视频片段；第二分割子模块，被配置成利用视频图像分割算法对多个镜头视频片段进行分割，得到候选物体分割结果；确定子模块，被配置成基于候选物体分割结果，确定候选物体区域；第三分割子模块，被配置成在视频中分割候选物体区域，得到候选物体图像。
在本实施例的一些可选的实现方式中，分割模块503包括：去除子模块(图中未示出)，被配置成去除多个镜头视频片段的片头和片尾。
在本实施例的一些可选的实现方式中，第二分割子模块进一步被配置成：对多个镜头视频片段中的视频帧进行视频物体分割，得到初始物体分割结果；利用密集条件随机场模型对初始物体分割结果进行精细化处理，得到精细化物体分割结果；对精细化物体分割结果进行图像形态学运算，得到候选物体分割结果。
在本实施例的一些可选的实现方式中，确定子模块进一步被配置成：将候选物体分割结果二值化，得到二值化物体分割结果；从四周向中心点扫描二值化物体分割结果，得到候选物体区域。
在本实施例的一些可选的实现方式中，提取模块进一步被配置成：利用预先训练的通用特征提取模型，分别对候选物体图像和实体图像集合进行特征提取。
在本实施例的一些可选的实现方式中，计算模块进一步被配置成：计算候选物体图像特征与实体图像特征集合中的实体图像特征的余弦距离，得到余弦距离集合；从余弦距离集合中选取最大的前预设数目个余弦距离，以及将所选取的余弦距离的平均值作为候选物体图像特征与实体图像特征集合的相似度。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本申请实施例物体图像挖掘方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。
存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的物体图像挖掘方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的物体图像挖掘方法。
存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的物体图像挖掘方法对应的程序指令/模块(例如，附图5所示的获取模块501、搜索模块502、分割模块503、提取模块504、计算模块505和过滤模块506)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的物体图像挖掘方法。
存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据物体图像挖掘方法的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至物体图像挖掘方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
物体图像挖掘方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与物体图像挖掘方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请的技术方案，首先基于视频标题中的实体搜索对应的实体图像集合；之后从视频中分割出候选物体图像；而后分别对候选物体图像和实体图像集合进行特征提取，生成候选物体图像特征和实体图像特征集合；然后计算候选物体图像特征与实体图像特征集合的相似度；最后基于相似度对候选物体图像进行过滤，得到实体对应的物体图像。从而能够快速地从视频中挖掘出大量实体对应的物体图像，且挖掘出的实体对应的物体图像可作为标注数据用于视频帧中物体检测和识别的训练，降低了视频标注成本。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种物体图像挖掘方法，包括：
获取视频与视频标题，其中，所述视频标题中存在实体；
基于所述实体搜索对应的实体图像集合；
从所述视频中分割出候选物体图像；
分别对所述候选物体图像和所述实体图像集合进行特征提取，生成候选物体图像特征和所述实体图像特征集合；
计算所述候选物体图像特征与所述实体图像特征集合的相似度；
基于所述相似度对所述候选物体图像进行过滤，得到所述实体对应的物体图像；
其中，所述计算所述候选物体图像特征与所述实体图像特征集合的相似度，包括：
计算所述候选物体图像特征与所述实体图像特征集合中的实体图像特征的余弦距离，得到余弦距离集合；
从所述余弦距离集合中选取最大的前预设数目个余弦距离，以及将所选取的余弦距离的平均值作为所述候选物体图像特征与所述实体图像特征集合的相似度，其中，所选取的余弦距离的数目基于相似度的计算准确度和计算效率确定；
其中，所述从所述视频中分割出候选物体图像，包括：
利用视频镜头分割算法对所述视频进行分割，得到多个镜头视频片段；
利用视频图像分割算法对所述多个镜头视频片段进行分割，得到候选物体分割结果；
基于所述候选物体分割结果，确定候选物体区域；
在所述视频中分割所述候选物体区域，得到所述候选物体图像；
其中，所述利用视频图像分割算法对所述多个镜头视频片段进行分割，得到候选物体分割结果，包括：
对所述多个镜头视频片段中的视频帧进行视频物体分割，得到初始物体分割结果；
利用密集条件随机场模型对所述初始物体分割结果进行精细化处理，得到精细化物体分割结果；
对所述精细化物体分割结果进行图像形态学运算，得到所述候选物体分割结果，其中，所述图像形态学运算是先腐蚀后膨胀的运算。
2.根据权利要求1所述的方法，其中，在所述利用视频镜头分割算法对所述视频进行分割，得到多个镜头视频片段之后，还包括：
去除所述多个镜头视频片段的片头和片尾。
3.根据权利要求1所述的方法，其中，所述基于所述候选物体分割结果，确定候选物体区域，包括：
将所述候选物体分割结果二值化，得到二值化物体分割结果；
从四周向中心点扫描所述二值化物体分割结果，得到所述候选物体区域。
4.根据权利要求1-3之一所述的方法，其中，所述分别对所述候选物体图像和所述实体图像集合进行特征提取，包括：
利用预先训练的通用特征提取模型，分别对所述候选物体图像和所述实体图像集合进行特征提取。
5.一种物体图像挖掘装置，包括：
获取模块，被配置成获取视频与视频标题，其中，所述视频标题中存在实体；
搜索模块，被配置成基于所述实体搜索对应的实体图像集合；
分割模块，被配置成从所述视频中分割出候选物体图像；
提取模块，被配置成分别对所述候选物体图像和所述实体图像集合进行特征提取，生成候选物体图像特征和所述实体图像特征集合；
计算模块，被配置成计算所述候选物体图像特征与所述实体图像特征集合的相似度；
过滤模块，被配置成基于所述相似度对所述候选物体图像进行过滤，得到所述实体对应的物体图像；
其中，所述计算模块进一步被配置成：
计算所述候选物体图像特征与所述实体图像特征集合中的实体图像特征的余弦距离，得到余弦距离集合；
从所述余弦距离集合中选取最大的前预设数目个余弦距离，以及将所选取的余弦距离的平均值作为所述候选物体图像特征与所述实体图像特征集合的相似度，其中，所选取的余弦距离的数目基于相似度的计算准确度和计算效率确定；
其中，所述分割模块包括：
第一分割子模块，被配置成利用视频镜头分割算法对所述视频进行分割，得到多个镜头视频片段；
第二分割子模块，被配置成利用视频图像分割算法对所述多个镜头视频片段进行分割，得到候选物体分割结果；
确定子模块，被配置成基于所述候选物体分割结果，确定候选物体区域；
第三分割子模块，被配置成在所述视频中分割所述候选物体区域，得到所述候选物体图像；
其中，所述第二分割子模块进一步被配置成：
对所述多个镜头视频片段中的视频帧进行视频物体分割，得到初始物体分割结果；
利用密集条件随机场模型对所述初始物体分割结果进行精细化处理，得到精细化物体分割结果；
对所述精细化物体分割结果进行图像形态学运算，得到所述候选物体分割结果，其中，所述图像形态学运算是先腐蚀后膨胀的运算。
6.根据权利要求5所述的装置，其中，所述分割模块包括：
去除子模块，被配置成去除所述多个镜头视频片段的片头和片尾。
7.根据权利要求5所述的装置，其中，所述确定子模块进一步被配置成：
将所述候选物体分割结果二值化，得到二值化物体分割结果；
从四周向中心点扫描所述二值化物体分割结果，得到所述候选物体区域。
8.根据权利要求5-7之一所述的装置，其中，所述提取模块进一步被配置成：
利用预先训练的通用特征提取模型，分别对所述候选物体图像和所述实体图像集合进行特征提取。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN202010479953.6A 2020-05-29 2020-05-29 物体图像挖掘方法、装置、设备以及存储介质 Active CN111639599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010479953.6A CN111639599B (zh) 2020-05-29 2020-05-29 物体图像挖掘方法、装置、设备以及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010479953.6A CN111639599B (zh) 2020-05-29 2020-05-29 物体图像挖掘方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
CN111639599A CN111639599A (zh) 2020-09-08
CN111639599B true CN111639599B (zh) 2024-04-02

Family

ID=72330415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010479953.6A Active CN111639599B (zh) 2020-05-29 2020-05-29 物体图像挖掘方法、装置、设备以及存储介质

Country Status (1)

Country Link
CN (1) CN111639599B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240739B (zh) * 2021-04-29 2023-08-11 三一重机有限公司 一种挖掘机、属具的位姿检测方法、装置及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003289487A (ja) * 2003-04-17 2003-10-10 Kddi Corp 動画像検索装置
CN104217008A (zh) * 2014-09-17 2014-12-17 中国科学院自动化研究所 互联网人物视频交互式标注方法及系统
CN104572804A (zh) * 2013-10-24 2015-04-29 Tcl集团股份有限公司 一种视频物体检索的方法及其系统
CN105354548A (zh) * 2015-10-30 2016-02-24 武汉大学 一种基于ImageNet检索的监控视频行人重识别方法
CN106127164A (zh) * 2016-06-29 2016-11-16 北京智芯原动科技有限公司 基于显著性检测和卷积神经网络的行人检测方法及装置
CN107545210A (zh) * 2016-06-27 2018-01-05 北京新岸线网络技术有限公司 一种视频文本提取的方法
CN107577687A (zh) * 2016-07-20 2018-01-12 北京陌上花科技有限公司 图像检索方法及装置
EP3306555A1 (en) * 2016-10-10 2018-04-11 Facebook, Inc. Diversifying media search results on online social networks
CN109753581A (zh) * 2018-11-30 2019-05-14 北京拓尔思信息技术股份有限公司 图像处理方法、装置、电子设备和存储介质
CN109977262A (zh) * 2019-03-25 2019-07-05 北京旷视科技有限公司 从视频中获取候选片段的方法、装置及处理设备
CN109983455A (zh) * 2016-10-10 2019-07-05 脸谱公司 在在线社交网络上多样化媒体搜索结果
CN110516099A (zh) * 2019-08-27 2019-11-29 北京百度网讯科技有限公司 图像处理方法和装置
CN111191078A (zh) * 2020-01-08 2020-05-22 腾讯科技（深圳）有限公司 基于视频信息处理模型的视频信息处理方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8065313B2 (en) * 2006-07-24 2011-11-22 Google Inc. Method and apparatus for automatically annotating images
US20130129142A1 (en) * 2011-11-17 2013-05-23 Microsoft Corporation Automatic tag generation based on image content

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003289487A (ja) * 2003-04-17 2003-10-10 Kddi Corp 動画像検索装置
CN104572804A (zh) * 2013-10-24 2015-04-29 Tcl集团股份有限公司 一种视频物体检索的方法及其系统
CN104217008A (zh) * 2014-09-17 2014-12-17 中国科学院自动化研究所 互联网人物视频交互式标注方法及系统
CN105354548A (zh) * 2015-10-30 2016-02-24 武汉大学 一种基于ImageNet检索的监控视频行人重识别方法
CN107545210A (zh) * 2016-06-27 2018-01-05 北京新岸线网络技术有限公司 一种视频文本提取的方法
CN106127164A (zh) * 2016-06-29 2016-11-16 北京智芯原动科技有限公司 基于显著性检测和卷积神经网络的行人检测方法及装置
CN107577687A (zh) * 2016-07-20 2018-01-12 北京陌上花科技有限公司 图像检索方法及装置
EP3306555A1 (en) * 2016-10-10 2018-04-11 Facebook, Inc. Diversifying media search results on online social networks
CN109983455A (zh) * 2016-10-10 2019-07-05 脸谱公司 在在线社交网络上多样化媒体搜索结果
CN109753581A (zh) * 2018-11-30 2019-05-14 北京拓尔思信息技术股份有限公司 图像处理方法、装置、电子设备和存储介质
CN109977262A (zh) * 2019-03-25 2019-07-05 北京旷视科技有限公司 从视频中获取候选片段的方法、装置及处理设备
CN110516099A (zh) * 2019-08-27 2019-11-29 北京百度网讯科技有限公司 图像处理方法和装置
CN111191078A (zh) * 2020-01-08 2020-05-22 腾讯科技（深圳）有限公司 基于视频信息处理模型的视频信息处理方法及装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A Framework for Effetive Known-item Search in Video;Jakub Lokoc等;《Proceedings of the 27th ACM International Conference on Multimedia》;1777-1785 *
Unar,S et al.Detected text-based image retrieval approach for textual images.《IET IMAGE PROCESSING》.2019,第13卷(第13期),515-521. *
一种红外图像目标区域分割的深度学习算法;朱莉等;《西安电子科技大学学报》;第46卷(第4期);摘要，第1.1、1.3节 *
图像与视频自动标注最新进展;尹文杰等;《计算机科学》;第38卷(第12期);12-16 *
基于深度学习的视频镜头检测与对象分割;许经纬;《中国优秀硕士学位论文全文数据库（信息科技辑）》(第1期);I138-2211 *
朱莉等.一种红外热图像目标区域分割的深度学习算法.《西安电子科技大学学报》.2019,第46卷(第4期),摘要，第1.1、1.3节. *
李艳坤等.《模式识别方法及其在复杂体系中的应用》.燕山大学出版社,2020,40-42. *

Also Published As

Publication number Publication date
CN111639599A (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
US12112539B2 (en) Video processing method, electronic device and storage medium
CN111967302B (zh) 视频标签的生成方法、装置及电子设备
CN111967262B (zh) 实体标签的确定方法和装置
JP7429796B2 (ja) 車両追跡方法、装置及び電子機器
CN111221984A (zh) 多模态内容处理方法、装置、设备及存储介质
CN112559800B (zh) 用于处理视频的方法、装置、电子设备、介质和产品
Zhuge et al. Boundary-guided feature aggregation network for salient object detection
CN111274407B (zh) 知识图谱中三元组置信度计算方法和装置
CN111783619B (zh) 人体属性的识别方法、装置、设备及存储介质
CN111178323B (zh) 基于视频的群体行为识别方法、装置、设备及存储介质
CN112561879B (zh) 模糊度评价模型训练方法、图像模糊度评价方法及装置
CN111639228B (zh) 视频检索方法、装置、设备及存储介质
CN110019849B (zh) 一种基于注意力机制的视频关注时刻检索方法及装置
CN108875487A (zh) 行人重识别网络的训练及基于其的行人重识别
CN111767420B (zh) 一种生成服饰搭配数据的方法和装置
CN112561053B (zh) 图像处理方法、预训练模型的训练方法、装置和电子设备
US10943098B2 (en) Automated and unsupervised curation of image datasets
CN111582477A (zh) 神经网络模型的训练方法和装置
CN112241716B (zh) 训练样本的生成方法和装置
CN112800919A (zh) 一种检测目标类型视频方法、装置、设备以及存储介质
CN111639234B (zh) 用于挖掘核心实体关注点的方法和装置
CN110532404B (zh) 一种源多媒体确定方法、装置、设备及存储介质
CN111639599B (zh) 物体图像挖掘方法、装置、设备以及存储介质
CN111783644B (zh) 检测方法、装置、设备和计算机存储介质
CN113361303B (zh) 临时交通标志牌识别方法、装置及设备

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