CN114067246A - 视频标注、模型测试方法及装置、电子设备和存储介质 - Google Patents
视频标注、模型测试方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114067246A CN114067246A CN202111357619.4A CN202111357619A CN114067246A CN 114067246 A CN114067246 A CN 114067246A CN 202111357619 A CN202111357619 A CN 202111357619A CN 114067246 A CN114067246 A CN 114067246A
- Authority
- CN
- China
- Prior art keywords
- video
- target object
- target
- label
- state
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000012360 testing method Methods 0.000 title claims description 60
- 238000002372 labelling Methods 0.000 claims abstract description 97
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 230000003068 static effect Effects 0.000 claims abstract description 75
- 238000012216 screening Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 10
- 238000010998 test method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 20
- 230000014759 maintenance of location Effects 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001035 drying Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 235000021168 barbecue Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种视频标注、模型测试方法及装置、电子设备和存储介质，所述视频标注方法包括：获取待标注的视频；对视频进行目标检测，得到视频的视频帧中的目标对象以及目标对象的类别标签，类别标签用于表征目标对象的类别；根据目标对象在不同视频帧的位置，为目标对象设置状态标签，其中，状态标签包括运动状态标签或静止状态标签；根据类别标签以及状态标签，确定视频的标注结果。本公开实施例可实现提高视频标注效率与准确度。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种视频标注、模型测试方法及装置、电子设备和存储介质。
背景技术
随着计算机视觉技术的发展，各种具备不同功能的计算机视觉模型应运而生，例如，电子设备使用计算机视觉模型对视频进行处理，可确定视频中是否有违规滞留事件发生。
其中，针对计算机视觉模型的模型测试通常需要大量已标注的样本数据，相关技术中通常通过人工标注的方式对样本数据进行标注，但人工标注方式效率较低、准确度较低且容易出错，例如，标注样本视频中违规停放的车辆、违规经营的摊位等发生滞留事件的对象，由于滞留事件的发生时间可能较长，人工标注所需时间也较长、效率较低；以及样本视频中发生滞留事件的对象较多，人工容易混淆相似对象而出现错误标注等。
发明内容
本公开提出了一种视频标注技术方案和模型测试技术方案。
根据本公开的一方面，提供了一种视频标注方法，包括：获取待标注的视频；对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，所述类别标签用于表征目标对象的类别；根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，其中，所述状态标签包括运动状态标签或静止状态标签；根据所述类别标签以及所述状态标签，确定所述视频的标注结果。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，包括：根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态；所述状态包括运动状态或静止状态；根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签。
在一种可能的实现方式中，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：当确定多个目标对象中的同一目标对象在连续视频帧未发生位置变化或者位置变化小于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为静止状态；所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：为所述多个目标对象中处于静止状态的目标对象添加所述静止状态标签。
在一种可能的实现方式中，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：为所述多个目标对象中未添加所述静止状态标签的目标对象添加运动状态标签。
在一种可能的实现方式中，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：当确定多个目标对象中的同一目标对象在连续视频帧的位置变化大于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为运动状态；所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：为所述多个目标对象中处于运动状态的目标对象添加所述运动状态标签。
在一种可能的实现方式中，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：为所述多个目标对象中未添加所述运动状态标签的目标对象添加静止状态标签。
在一种可能的实现方式中，所述根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，包括：根据所述目标对象的类别标签，确定同一类别的目标对象出现的时间段；根据所述同一类别的目标对象在所述时间段内不同视频帧的位置，对所述时间段内的各帧视频帧中所述同一类别的目标对象添加状态标签。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述根据所述类别标签以及所述状态标签，确定所述视频的标注结果，包括：根据多个目标对象的状态标签，从所述多个目标对象中筛除处于运动状态的目标对象、所述处于运动状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述根据所述类别标签以及所述状态标签，确定所述视频的标注结果，包括：根据多个目标对象的状态标签，从所述多个目标对象中筛除处于静止状态的目标对象、所述处于静止状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签之后，所述方法还包括：响应于针对视频帧的区域选择操作，根据所述区域选择操作指示的目标区域，筛除所述视频帧中处于所述目标区域外的目标对象以及对应的类别标签。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象的以及所述目标对象的类别标签之后，所述方法还包括：响应于针对标注框的调整操作，调整所述视频帧中目标对象的标注框。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签之后，所述方法还包括：响应于针对类别标签的调整操作，调整所述视频帧中所述目标对象的类别标签。
在一种可能的实现方式中，所述对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，包括：通过目标检测网络对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签。
根据本公开的一方面，提供了一种模型测试方法，包括：获取测试集，所述测试集中包括样本视频，所述样本视频的视频帧是通过上述视频标注方法标注得到的；根据所述测试集，测试事件检测模型。
在一种可能的实现方式中，所述事件检测模型包括滞留事件、离岗事件、街面违规经营事件、沿街晾晒事件发现、社区消防事件或烧烤摊停留事件的事件检测模型。
根据本公开的一方面，提供了一种视频标注装置，包括：获取模块，用于获取待标注的视频；检测模块，用于对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，所述类别标签用于表征目标对象的类别；设置模块，用于根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，其中，所述状态标签包括运动状态标签或静止状态标签；确定模块，用于根据所述类别标签以及所述状态标签，确定所述视频的标注结果。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述设置模块，包括：状态确定子模块，用于根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态；所述状态包括运动状态或静止状态；设置子模块，用于根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签。
在一种可能的实现方式中，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：当确定多个目标对象中的同一目标对象在连续视频帧未发生位置变化或者位置变化小于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为静止状态；所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：为所述多个目标对象中处于静止状态的目标对象添加所述静止状态标签。
在一种可能的实现方式中，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：为所述多个目标对象中未添加所述静止状态标签的目标对象添加运动状态标签。
在一种可能的实现方式中，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：当确定多个目标对象中的同一目标对象在连续视频帧的位置变化大于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为运动状态；所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：为所述多个目标对象中处于运动状态的目标对象添加所述运动状态标签。
在一种可能的实现方式中，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：为所述多个目标对象中未添加所述运动状态标签的目标对象添加静止状态标签。
在一种可能的实现方式中，所述设置模块，包括：时间段确定子模块，用于根据所述目标对象的类别标签，确定同一类别的目标对象出现的时间段；添加子模块，用于根据所述同一类别的目标对象在所述时间段内不同视频帧的位置，对所述时间段内的各帧视频帧中所述同一类别的目标对象添加状态标签。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述确定模块，包括：第一确定子模块，用于根据多个目标对象的状态标签，从所述多个目标对象中筛除处于运动状态的目标对象、所述处于运动状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述确定模块，包括：第二确定子模块，用于根据多个目标对象的状态标签，从所述多个目标对象中筛除处于静止状态的目标对象、所述处于静止状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象的以及所述目标对象的类别标签之后，所述装置还包括：筛除模块，用于响应于针对视频帧的区域选择操作，根据所述区域选择操作指示的目标区域，筛除所述视频帧中处于所述目标区域外的目标对象以及对应的类别标签。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象的以及所述目标对象的类别标签之后，所述装置还包括：标注框调整模块，用于响应于针对标注框的调整操作，调整所述视频帧中目标对象的标注框。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签之后，所述装置还包括：标签调整模块，用于响应于针对类别标签的调整操作，调整所述视频帧中所述目标对象的类别标签。
在一种可能的实现方式中，所述对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，包括：通过目标检测网络对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签。
根据本公开的一方面，提供了一种模型测试装置，包括：测试集获取模块，用于获取测试集，所述测试集中包括样本视频，所述样本视频的视频帧是通过上述视频标注方法标注得到的；测试模块，用于根据所述测试集，测试事件检测模型。
在一种可能的实现方式中，所述事件检测模型包括滞留事件、离岗事件、街面违规经营事件、沿街晾晒事件发现、社区消防事件或烧烤摊停留事件的事件检测模型。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过对视频进行目标检测，能够自动得到视频的视频帧中各个目标对象以及目标对象的类别标签，进而根据目标对象在不同视频帧中的位置，为目标对象自动设置状态标签，类别标签可表征目标对象的类别，状态标签可表征目标对象是处于运动状态还是静止状态，从而根据类别标签以及状态标签，高效准确地得到视频的标注结果，相较于人工标注方式来说，可以有效提高视频标注效率与准确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的视频标注方法的流程图。
图2示出根据本公开实施例的视频帧的示意图。
图3a示出根据本公开实施例的视频帧的示意图。
图3b示出根据本公开实施例的视频帧的示意图。
图4示出根据本公开实施例的视频标注方法的流程图。
图5示出根据本公开实施例的人工调整标注框与类别标签的流程示意图。
图6示出根据本公开实施例的视频标注装置的框图。
图7示出根据本公开实施例的一种电子设备的框图。
图8示出根据本公开实施例的另一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的视频标注方法的流程图，所述标注方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过电子设备的处理器调用存储器中存储的计算机可读指令的方式来实现，或者，可通过服务器执行所述方法。
如图1所示，所述标注方法包括：
在步骤S11中，获取待标注的视频。
其中，待标注的视频可以是从本地存储空间中获取的视频数据，也可以是从其它电子设备传输的视频数据，对于该视频的来源，本公开实施例不作限制。
在步骤S12中，对视频进行目标检测，得到视频的视频帧中的目标对象以及目标对象的类别标签，类别标签用于表征不同目标对象的类别。
在一种可能的实现方式中，可以通过目标检测网络对视频进行目标检测，得到视频的视频帧中的目标对象以及目标对象的类别标签，其中，目标对象包括但不限于人、车辆(如机动车、非机动车等)、摊位(如街边烧烤摊、小吃摊等)、街面晾晒物(如街面晾晒的农作物等)、动物中的至少一种。应理解的是，对于目标检测网络的网络结构、网络类型以及训练方式等，本公开实施例不作限制。通过该方式，能够高效全面地得到视频的各帧视频帧中的各种目标对象以及对应的类别标签。
在一种可能的实现方式中，通过目标检测网络可以确定出视频的各个视频帧中目标对象的像素点区域，也即确定出目标对象所占的区域。应理解的是，该目标对象所占的区域可包括至少一个，目标对象所占的区域小于视频帧的面积。
在一种可能的实现方式中，可以通过标注框指示视频帧中检测出的目标对象，其中，可以用最小横坐标、最小纵坐标、最大横坐标、最大纵坐标表征标注框。应理解的是，通过标注框指示视频帧中检测出的目标对象，是本公开实施例提供的一种实现方式，例如还可通过目标对象的轮廓指示视频帧中的目标对象，对于视频帧中目标对象的标注方式，本公开实施例不作限制。
在一种可能的实现方式中，类别标签可以采用数字、字母、文字、特殊符号等任意形式，对此本公开实施例不作限制。应理解的是，视频中可包含不同类别的目标对象(如包含人和车辆)，以及同一类别的目标对象可能包括多个(如包含多个人)，在一种可能的实现方式中，还可对同一类别的不同目标对象添加不同标识，用于区分同一类别下的不同目标对象。
举例来说，图2示出根据本公开实施例的视频帧的示意图，如图2所示，可以用标注框指示视频帧中检测出的各个目标对象，其中，“行人_1”、“行人_2“、”行人_3”中的“行人”代表目标对象的类别标签，标识“1、2、3”可以指示不同的行人。
在一种可能的实现方式中，可对视频的各帧视频帧添加帧号，帧号可表征各帧视频帧为视频的第几帧视频帧。通过该方式，可便于区分各帧视频帧以及各帧视频帧中检测出的目标对象。
在步骤S13中，根据目标对象在不同视频帧的位置，为目标对象设置状态标签，其中，状态标签包括运动状态标签或静止状态标签。
可理解的是，若目标对象处于运动状态，那么目标对象在视频的不同视频帧中的位置是变化的，相应的，若目标对象处于静止状态，那么目标对象在不同视频帧中的位置是不变的。
在一种可能的实现方式中，根据目标对象在不同视频帧的位置，为目标对象设置状态标签，可以包括：根据多个目标对象各自在不同视频帧的位置，确定多个目标对象在不同视频帧的状态；状态包括运动状态或静止状态；根据多个目标对象在不同视频帧的状态，为多个目标对象设置状态标签。通过该方式，可以有效为目标对象设置状态标签。
在一种可能的实现方式中，根据多个目标对象各自在不同视频帧的位置，确定多个目标对象在不同视频帧的状态，可以包括：当确定多个目标对象中的同一目标对象在连续视频帧的位置变化大于预设范围阈值时，确定同一目标对象在连续视频帧的状态为运动状态；其中，根据多个目标对象在不同视频帧的状态，为多个目标对象设置状态标签，可以包括：为多个目标对象中处于运动状态的目标对象添加运动状态标签。通过该方式，可以有效为目标对象设置运动状态标签。
在一种可能的实现方式中，根据多个目标对象在不同视频帧的状态，为多个目标对象设置状态标签，还可以包括：为多个目标对象中未添加静止状态标签的目标对象添加运动状态标签。通过该方式，可以快捷地设置静止状态标签。
在一种可能的实现方式中，根据多个目标对象各自在不同视频帧的位置，确定多个目标对象在不同视频帧的状态，可以包括：当确定多个目标对象中的同一目标对象在连续视频帧未发生位置变化或者位置变化小于预设范围阈值时，确定同一目标对象在连续视频帧的状态为静止状态；其中，根据多个目标对象在不同视频帧的状态，为多个目标对象设置状态标签，可以包括：为多个目标对象中处于静止状态的目标对象添加静止状态标签。通过该方式，可以有效为目标对象设置静止状态标签。
在一种可能的实现方式中，根据多个目标对象在不同视频帧的状态，为多个目标对象设置状态标签，还可以包括：为多个目标对象中未添加运动状态标签的目标对象添加静止状态标签。通过该方式，可以快捷地设置运动状态标签。
如上所述，可以通过标注框指示视频帧中检测出的目标对象，那么标注框的位置可以用于指示目标对象在视频帧中的位置。在一种可能的实现方式中，可通过判断不同视频帧中同一目标对象的标注框的位置是否发生变化，来确定不同视频帧中同一目标对象的位置是否发生变化。
图3a示出根据本公开实施例的视频帧的示意图，图3b示出根据本公开实施例的视频帧的示意图，根据图3a、图3b示出的两帧视频帧中各个车辆的标注框的位置，可例如至少确定出“车辆_1”和“车辆_2”处于运动状态，并可对该“车辆_1”和“车辆_2”添加用于表征运动状态的状态标签(如moving)；还可至少确定出“车辆_3”和“车辆_4”处于静止状态，并可对该“车辆_3”和“车辆_4”添加用于表征静止状态的状态标签(如staying)。
考虑到，目标对象可以在小范围内移动，例如，车辆在一米的范围内前后移动，员工在工位半米的范围移动等；若将小范围内移动的目标对象也判定为是处于运动状态的目标对象，可能会影响事件检测模型的测试效果，例如，对于实际上发生滞留事件的对象，由于该对象在小范围内移动而将该对象判定为未发生滞留事件；或对于实际上未发生离岗事件的对象，由于该对象在小范围内移动而将该对象判定为发生离岗事件等。
在一种可能的实现方式中，还可以将在较小范围内移动的目标对象也判定为处于静止状态的目标对象，如上所述，可以预设范围阈值，并通过判断同一目标对象在连续视频帧中的位置变化是否均处于该预设范围阈值内，来确定该目标对象的状态。通过该方式，能够提高状态标注的合理性，有利于提高事件检测模型对滞留事件或离岗事件进行检测的合理性。
基于此，可以在同一目标对象在连续视频帧中的位置变化均小于该预设范围阈值，也即同一目标对象在连续视频帧中的位置变化均处于该预设范围阈值内的情况下，确定该同一目标对象在连续视频帧的状态为静止状态；相应的，可以在同一目标对象在连续视频帧中的位置变化大于预设范围阈值，也即同一目标对象在连续视频帧中的位置存在处于预设范围阈值外的情况下，确定该同一目标对象在连续视频帧的状态为运动状态。
在一种可能的实现方式中，状态标签可以采用数字、字母、文字、特殊符号等任意形式，对此本公开实施例不作限制。
考虑到，视频中的目标对象可以包括多个，各个目标对象中要么处于运动状态，要么处于静止状态，在一种可能的实现方式中，可以对多个目标对象中的部分目标对象添加对应的状态标签，例如，对多个目标对象中处于静止状态的目标对象添加对应的状态标签，或对多个目标对象中处于运动状态的目标对象添加对应的状态标签。通过该方式，可减少状态标签的标注数量，提高标注效率。
其中，可以根据处于静止状态的目标对象与处于运动状态的目标对象各自的数量，确定是对处于静止状态的目标对象添加状态标签，还是对处于运动状态的目标对象添加状态标签，例如，可以在预判场景内多个目标对象中处于运动状态的目标对象多于处于静止状态的目标对象的情况下，仅确定多个目标对象中处于静止状态的目标对象，并添加对应的静止状态标签；或，在预判场景内多个目标对象中处于静止状态的目标对象多于处于运动状态的目标对象的情况下，仅确定多个目标对象中对处于运动状态的目标对象并添加对应的运动状态标签。
当然，也可以是对多个目标对象中的每个目标对象添加对应的状态标签，对此本公开实施例不作限制，例如，在对少量处于静止状态的目标对象添加静止状态标签的情况下，直接地为其它目标对象添加运动状态标签而无需确定其它目标对象的运动状态；或，在对少量处于运动状态的目标对象添加运动状态标签的情况下，直接地为其它目标对象添加静止状态标签而无需确定其它目标对象的运动状态。
在步骤S14中，根据类别标签以及状态标签，确定视频的标注结果。
应理解的是，通过步骤S11至S13，能够得到视频中的各个目标对象的类别标签以及状态标签。但考虑到，测试不同模型所需的标注信息可能不同，例如，针对用于检测车辆违规停放事件的模型，所需的标注信息例如包括：视频帧中标注出的处于静止状态的车辆；针对用于检测街面违规摆摊事件的模型，所需的标注信息例如包括：视频帧中标注出的处于静止状态的摊位；针对用于检测人员离岗事件的模型，所需的标注信息例如包括：视频帧中标注出的处于运动状态的人员等。
在一种可能的实现方式中，根据类别标签以及状态标签，确定视频的标注结果，可以包括：根据预先指定的类别标签和/或状态标签，从多个目标对象中筛除与该预先指定的类别标签和/或状态标签不匹配的目标对象的标注信息，得到该视频的标注结果。
其中，该不匹配的目标对象的标注信息，例如可以包括：该不匹配的目标对象的标注框、类别标签以及状态标签中的至少一种信息；相应的，视频的标注结果，可以包括：视频中剩余目标对象的标注信息，例如可以包括：该剩余目标对象的标注框、类别标签以及状态标签中的至少一种信息。
应理解的是，用户可仅指定类别标签，例如指定类别标签为车辆，从而可筛除车辆以外的目标对象的标注信息；还可仅指定状态标签，例如指定状态标签为静止状态标签，从而可筛除处于运动状态的目标对象的标注信息；还可指定类别标签与状态标签，例如，可指定类别标签为车辆以及静止状态标签，从而可筛除处于运动状态的车辆的标注信息以及筛除车辆以外的目标对象的标注信息。
在一种可能的实现方式中，通过本公开实施例的标注方法标注得到的视频帧，可以用于测试事件检测模型，其中，事件检测模型可以用于检测车辆违规停放事件、街面违规摆摊事件、街面违规晾晒事件等滞留事件，还可以用于检测人员离岗事件、物体移位事件等离岗事件。
应理解的是，不同的滞留事件或离岗事件，视频的标注结果不同，可以根据类别标签与状态标签，以及不同的滞留事件或离岗事件，生成不同的标注结果。
在本公开实施例中，通过对视频进行目标检测，能够自动得到视频的视频帧中各个目标对象以及目标对象的类别标签，进而根据目标对象在不同视频帧中的位置，为目标对象自动设置状态标签，类别标签可表征目标对象的类别，状态标签可表征目标对象是处于运动状态还是静止状态，从而根据类别标签以及状态标签，高效准确地得到视频的标注结果，相较于人工标注方式来说，可以有效提高视频标注效率与准确度。
考虑到，逐帧标注状态标签的效率较低，而同一目标对象在视频中会持续出现一段时间，为提高状态标签的标注效率，在一种可能的实现方式中，在步骤S13中，根据目标对象在不同视频帧的位置，为目标对象设置状态标签，包括：
根据目标对象的类别标签，确定同一类别的目标对象出现的时间段；根据同一类别的目标对象在时间段内不同视频帧的位置，对时间段内的各帧视频帧中同一类别的目标对象添加状态标签。
其中，同一类别的目标对象出现的时间段，可理解为，同一类别的目标对象在视频中出现的时间段，例如，在视频中从时间点m到时间点n内出现车辆，则该时间点m到时间点n之间的时间段可以是该车辆出现的时间段。
如上所述，类别标签可以指示不同类别的目标对象，视频中的目标对象可包含多个，同一类别的目标对象对应的时间段，可以包括：同一类别的各个目标对象各自出现的时间段，或同一类别的多个目标对象(例如，同属于车辆的汽车、卡车等)共同出现的时间段，对此本公开实施例不作限制。
其中，可以根据类别标签以及上述用于区分同一类别的不同目标对象的标识，确定同一类别的各个目标对象各自出现的时间段；或可直接根据类别标签确定同一类别的多个目标对象出现的时间段。
在一种可能的实现方式中，可以通过预先设置的指定类别标签，来确定与该指定类型标签对应的目标对象所出现的时间段。那么根据目标对象的类别标签，确定同一类别的目标对象出现的时间段，可以包括：根据指定类别标签，确定与该指定类别标签匹配的目标对象出现的时间段。该方式可理解为，用户先指定所要添加状态标签的目标对象，进而确定该指示的目标对象出现的时间段。通过该方式，能够有利于减少确定时间段所需的计算量与存储量。
在一种可能的实现方式中，可以参照上述本公开实施例步骤S13设置状态标签的方式，实现根据同一类别的目标对象在时间段内不同视频帧的位置，对时间段内的各帧视频帧中同一类别的目标对象添加状态标签，在此不做赘述。
在一种可能的实现方式中，用户可选择并播放任意时间段对应的视频片段，以便于用户判断时间段内同一类别的目标对象的状态，并手动设置该同一类别的目标对象的状态标签。例如，用户指示某车辆的状态为运动状态，对该车辆出现的时间段内的各帧视频帧中的该车辆添加运动状态标签，换句话说，用户指示的状态作用于时间段的各帧视频帧，通过该方式，能够便捷地对视频的各帧视频帧中的目标对象添加对应的状态标签。
应理解的是，技术人员可通过已知的编程技术，编写实现视频标注方法的程序代码以及视频标注方法对应的操作界面，其中，操作界面中可提供用于实现上述手动设置状态标签的相关控件，对于操作界面的界面布局、具有的功能控件等，本公开实施例不作限制。
在本公开实施例中，能够对时间段的各帧视频帧中的同一类别的目标对象设置状态标签，从而能够提高状态标签的标注效率。
如上所述，视频帧中的目标对象包括多个，在一种可能的实现方式中，在步骤S14中，根据类别标签以及状态标签，确定视频的标注结果，包括：
根据多个目标对象的状态标签，从多个目标对象中筛除处于运动状态的目标对象、处于运动状态的目标对象对应的状态标签和类别标签，得到视频的标注结果。通过该方式，可以提高视频的标注结果的标注质量，能够满足模型测试的针对视频的标注需求。
在一种可能的实现方式中，在步骤S14中，根据类别标签以及状态标签，确定视频的标注结果，包括：根据多个目标对象的状态标签，从多个目标对象中筛除处于静止状态的目标对象、处于静止状态的目标对象对应的状态标签和类别标签，得到视频的标注结果。通过该方式，可以提高视频的标注结果的标注质量，能够满足模型测试的针对视频的标注需求。
如上所述，可以预先设置筛除处于运动状态或静止状态的目标对象的标注信息，相应的，也可预先设置保留处于运动状态或静止状态的目标对象的标注信息；以及，可对多个目标对象中的部分目标对象添加状态标签，换句话说，多个目标对象中可以有部分目标对象带有状态标签。
在一种可能的实现方式中，用户可通过视频标注方法对应的操作界面，灵活设置筛除处于运动状态或静止状态的目标对象的标注信息；当然也可以在后台默认设置筛除处于运动状态或静止状态的目标对象的标注信息，对此本公开实施例不作限制。
在一种可能的实现方式中，根据多个目标对象的状态标签，从多个目标对象中筛除处于运动状态的目标对象、处于运动状态的目标对象对应的状态标签和类别标签，可以包括：在视频中是处于运动状态的目标对象带有运动状态标签的情况下，筛除带有运动状态标签的目标对象的标注信息，应理解的是，该标注信息可以包括目标对象的标注框、类别标签以及状态标签等；或，在视频中是处于静止状态的目标对象带有静止状态标签的情况下，筛除不带有静止状态标签的目标对象的标注信息，应理解的是，该标注信息可以包括目标对象的标注框以及类别标签。
在一种可能的实现方式中，根据多个目标对象的状态标签，从多个目标对象中筛除处于静止状态的目标对象、处于静止状态的目标对象对应的状态标签和类别标签，得到视频的标注结果，可以包括：在视频中是处于运动状态的目标对象带有运动状态标签的情况下，筛除不带有运动状态标签的目标对象的标注信息，应理解的是，该标注信息可以包括目标对象的标注框以及类别标签等；或，在视频中是处于静止状态的目标对象带有静止状态标签的情况下，筛除带有静止状态标签的目标对象的标注信息，应理解的是，该标注信息可以包括目标对象的标注、类别标签以及状态标签等。
应理解的是，视频的标注结果包括视频中剩余目标对象的标注信息，剩余目标对象的标注信息例如包括：目标对象的标注框、类别标签以及状态标签中的至少一种；用户可以根据实际需求设置筛除处于运动状态或静止状态的目标对象的标注信息，从而满足不同模型的测试需求，对此本公开实施例不作限制。
在本公开实施例中，能够准确筛除处于运动状态或处于运动状态的目标对象，提高视频的标注结果的标注质量，能够满足模型测试的针对视频的标注需求。
考虑到，通过步骤S12对视频进行目标检测，通常会得到视频的整帧视频帧中的全部目标对象，但用户可能更关注某些区域内的目标对象以及目标对象的状态，在一种可能的实现方式中，在对视频进行目标检测，得到视频的视频帧中的目标对象以及目标对象的类别标签之后，所述方法还包括：
响应于针对视频帧的区域选择操作，根据区域选择操作指示的目标区域，筛除视频帧中处于目标区域外的目标对象以及对应的类别标签。
其中，用户可例如通过手动框选区域、设置区域坐标等操作，指示目标区域，对此本公开实施例不作限制。
应理解的是，用户可例如指示至少一个目标区域，该至少一个目标区域可以理解为用户关注的区域；指示的目标区域，可作用于视频的全部或部分视频帧，也即，当前用户指示的目标区域可以用于筛除视频的全部或部分视频帧中处于该目标区域外的目标对象以及对应的类别标签。
如上所述，可以通过标注框指示视频帧中的目标对象，在一种可能的实现方式中，筛除视频帧中处于目标区域外的目标对象以及对应的类别标签，可理解为，筛除视频帧中处于目标区域外的目标对象的标注框以及类别标签，也即筛除处于目标区域外的目标对象的标注信息。
应理解的是，以上筛除处于目标区域外的目标对象以及对应的类别标签，是本公开实施例提供的一种实现方式，该方式能够更好地适用于用户常规习惯，例如用户通常习惯指示关注区域。实际上，本领域技术人员还可设置为筛除处于目标区域内的目标对象以及对应的类别标签，也即，用户框选出的目标区域还可以是用户不关注的区域，对于采用何种方式，可以根据实际需求设定，对此本公开实施例不作限制。
通过该方式，能够过滤掉处于目标区域外的目标对象的标注信息，从而减少标注信息的数量，有利于提高后续状态标签的标注效率，以及有利于提高整个视频帧的标注效率以及标注质量。
如上所述，可以根据区域选择操作指示的目标区域，筛除处于目标区域外的目标对象以及对应的类别标签，基于此，剩余的是视频帧中处于目标区域内的目标对象以及对应的类别标签。
如上所述，可以通过标注框指示视频中的目标对象，应理解的是，通步骤S12中目标检测网络对视频进行目标检测所得到的输出结果中，可能存在不准确的标注框或遗漏的类别标签等情况。
在一种可能的实现方式中，在对视频进行目标检测，得到视频的视频帧中的目标对象的以及目标对象的类别标签之后，所述方法还包括：响应于针对标注框的调整操作，调整视频帧中目标对象的标注框。
在一种可能的实现方式中，在对视频进行目标检测，得到视频的视频帧中的目标对象的以及目标对象的类别标签之后，所述方法还包括：响应于针对类别标签的调整操作，调整视频帧中目标对象的类别标签。
其中，针对标注框的调整操作可例如至少包括：平移、扩大、缩小等操作，例如可按照一定比例和方向平移、扩大或缩小标注框，从而实现调整目标对象中标注框的尺寸和/或位置。
在一种可能的实现方式中，针对标注框的调整操作，还可以包括手动添加遗漏丢失的标注框；以及手动删除多余不重要的标注框等。
其中，针对类别标签的调整操作可例如至少包括：修改错误的类别标签、添加遗漏的类别标签、删除多余不重要的类别标签等操作。
如上所述，本领域技术人员可通过已知的编程技术，编写实现视频标注方法的程序代码以及视频标注方法对应的操作界面。应理解的是，与视频标注方法对应的操作界面中还可提供用于实现上述调整操作的相关控件，从而便于用户手动调整标注框和/或类别标签。其中，对于该用于实现上述调整操作的操作界面的界面布局、具有的功能控件等，本公开实施例不作限制。
在本公开实施例中，能够对视频进行目标检测所得到的输出结果进行修正，提高视频的标注质量。
基于上述本公开实施例中的标注方法，本公开实施例还提供一种模型测试方法，所述模型测试方法包括：
获取测试集，测试集中包括样本视频，样本视频的视频帧是通过上述本公开实施例中的标注方法标注得到的；根据测试集，测试事件检测模型。
应理解的是，测试集中可以包括多个样本视频，对于各个样本视频的视频帧的标注过程，可参照上述本公开实施例的标注方法，在此不做赘述。
在一种可能的实现方式中，事件检测模型包括滞留事件、离岗事件、街面违规经营事件、沿街晾晒事件、社区消防事件或烧烤摊停留事件的事件检测模型。
其中，滞留事件可例如至少包括车辆违规停放事件、人员违规滞留事件等事件，离岗事件可例如至少包括人员离岗事件、物体移位事件等事件。应理解的是，对于事件检测模型的模型结构、模型种类以及训练方式等，本公开实施例不作限制。
在一种可能的实现方式中，事件检测模型所检测的视频，例如是实际场景中视频采集设备(如街道上的摄像头、电子眼等)所采集的视频数据；当然也可以是其它电子设备传输的视频数据，对此本公开实施例不作限制。
在本公开实施例中，通过上述视频标注方法所标注的样本视频测试事件检测模型，能够提高模型测试的准确度。
图4示出根据本公开实施例的视频标注方法的流程图，如图4所示，所述方法包括：
在步骤S31中，获取待标注的视频；
在步骤S32中，使用目标检测模型对视频进行目标检测，生成视频的视频帧中各个目标对象的标注框与类别标签；
在步骤S33中，响应于用户指定的目标区域，过滤视频帧处于目标区域外的目标对象的标注框与类别标签，得到过滤后的目标对象的标注框与类别标签；并确定同一类别的目标对象对应的时间段(也即目标对象出现的视频区间、或者说时间范围)；
在步骤S34中，人工调整过滤后的目标对象的标注框与类别标签，例如增加丢失的类别标签，调整标注框的尺寸等，得到调整后的目标对象的标注框与类别标签；
在步骤S35中，在调整后的目标对象的标注框与类别标签的基础上，为目标对象添加状态标签，状态标签包括静止状态标签或运动状态标签；
在步骤S36中，筛除具有运动状态标签的目标对象的标注框与类别标签，或保留具有静止状态的目标对象的标注框与类别标签。
其中，针对步骤S31至步骤S36的具体实现方式，可参照上述本公开实施例中的视频标注方法，在此不做赘述。
图5示出根据本公开实施例的人工调整标注框与类别标签的流程示意图，如图5所示，该调整的流程包括：获取通过步骤S33输出的过滤后的目标对象的标注框与类别标签；在需要对标注框进行调整的情况下，通过平移、扩大和/或缩小等调整操作调整标注框；在不需要对标注框进行调整或已调整完标注框的情况下，确定目标对象出现的时间段；在目标对象出现的时间段内，调整目标对象对应的类别标签，例如，修复目标对象丢失的类别标签；输出调整后的标注框以及类别标签。
在一种可能的实现方式中，针对视频帧的标注流程可以包括：预先获取大量训练数据，使用该训练数据训练出能够检测出各种目标对象的目标检测模型，其中，目标检测模型可以使用现有开源网络模型和预训练模型，使用训练后的目标检测模型对待标注的视频帧进行检测，输出视频帧中目标对象的标注框与类别标签；用户指定视频帧的部分区域(目标区域)，过滤目标区域内的标注框与类别标签，并确定目标对象对应的时间段；人工调整标注框与类别标签，在该人工调整过程中可以直接跳过处于目标区域外的标注框与类别标签，可减少人工调整标注框与类别标签的工作量；在已经调整好的标注框与类别标签的基础上，通过时间段内视频帧的前后几帧视频帧中目标对象的位置，确定目标对象是静止状态还是运动状态，并未该目标对象添加状态标签；保留或筛除带有状态标签的目标对象的标注框与类别标签，得到视频帧的标注结果。
根据本公开的实施例，能够手动设置目标区域，去除处于目标区域外的目标对象的标注信息，进而在确定视频帧的标注结果时，可以筛除或者保留带有某种标签的目标对象的标注信息。
根据本公开的实施例，能够降低人工校验标注信息的成本，也即可以对目标检测网络输出的标注信息，进行少量的人工修正。通过目标检测网络生成一批标注框与类别标签，然后人工删除或添加部分丢失的标注框与类别标签，从而节省人工成本，还可以便于快速确定目标对象对应的时间范围。
根据本公开的实施例，由于使用目标检测网络会尽可能多地生成标注框与类别标签，所以存在需要人工调整标注框与类别标签的情况会很少，并且可以直接跳过质量不高的标注框与类别标签，因此能够使用成本低廉方式快速生成标注结果，节省人力，降低人力标注的难度，并且标准化标注生成流程。
根据本公开的实施例，提供了一种针对视频帧中目标对象的静止状态和移动状态添加标签的方式，提供一种某时间段内静止或移动的目标对象的过滤方式；提供了一种对测试事件检测模型所需的样本视频打标签的标注方法，通过直接在目标对象上增加状态标签，能够提高标注准确度，大量节省人力。其中，事件检测模型可以用于检测人员滞留和离岗检测事件、街面违规经营事件、沿街晾晒事件、电单车违规停放和烧烤摊违规停留事件等。
根据本公开的实施例，先利用目标检测模型生成标注框与类别标签，能够减少人工修改成本；由人工审核，保留连续视频帧帧中的感兴趣区域(目标区域)内的目标对象的标注框与类别标签，可以大幅降低标注产生的标签数量，提升标注质量；可以快速对视频帧添加状态标签，方便过滤或保留处于运动状态或静止状态下的感兴趣物体(目标对象)；筛除部分标注信息，能够提高事件检测模型的测试效果，有利于提高训练后的事件检测模型的检测的准确度与合理性。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了视频标注装置、电子设备、计算机可读存储介质、程序，上述均可以用来实现本公开提供的任一种视频标注方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图6示出根据本公开实施例的视频标注装置的框图，如图6所示，所述装置包括：
获取模块101，用于获取待标注的视频；
检测模块102，用于对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，所述类别标签用于表征目标对象的类别；
设置模块103，用于根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，其中，所述状态标签包括运动状态标签或静止状态标签；
确定模块104，用于根据所述类别标签以及所述状态标签，确定所述视频的标注结果。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述设置模块103，包括：状态确定子模块，用于根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态；所述状态包括运动状态或静止状态；设置子模块，用于根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签。
在一种可能的实现方式中，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：当确定多个目标对象中的同一目标对象在连续视频帧未发生位置变化或者位置变化小于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为静止状态；所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：为所述多个目标对象中处于静止状态的目标对象添加所述静止状态标签。
在一种可能的实现方式中，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：为所述多个目标对象中未添加所述静止状态标签的目标对象添加运动状态标签。
在一种可能的实现方式中，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：当确定多个目标对象中的同一目标对象在连续视频帧的位置变化大于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为运动状态；所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：为所述多个目标对象中处于运动状态的目标对象添加所述运动状态标签。
在一种可能的实现方式中，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：为所述多个目标对象中未添加所述运动状态标签的目标对象添加静止状态标签。
在一种可能的实现方式中，所述设置模块103，包括：时间段确定子模块，用于根据所述目标对象的类别标签，确定同一类别的目标对象出现的时间段；添加子模块，用于根据所述同一类别的目标对象在所述时间段内不同视频帧的位置，对所述时间段内的各帧视频帧中所述同一类别的目标对象添加状态标签。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述确定模块104，包括：第一确定子模块，用于根据多个目标对象的状态标签，从所述多个目标对象中筛除处于运动状态的目标对象、所述处于运动状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
在一种可能的实现方式中，所述视频中的目标对象包括多个，其中，所述确定模块104，包括：第二确定子模块，用于根据多个目标对象的状态标签，从所述多个目标对象中筛除处于静止状态的目标对象、所述处于静止状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象的以及所述目标对象的类别标签之后，所述装置还包括：筛除模块，用于响应于针对视频帧的区域选择操作，根据所述区域选择操作指示的目标区域，筛除所述视频帧中处于所述目标区域外的目标对象以及对应的类别标签。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象的以及所述目标对象的类别标签之后，所述装置还包括：标注框调整模块，用于响应于针对标注框的调整操作，调整所述视频帧中目标对象的标注框。
在一种可能的实现方式中，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签之后，所述装置还包括：标签调整模块，用于响应于针对类别标签的调整操作，调整所述视频帧中所述目标对象的类别标签。
在一种可能的实现方式中，所述对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，包括：通过目标检测网络对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签。
在本公开实施例中，通过对视频进行目标检测，能够自动得到视频的视频帧中各个目标对象以及目标对象的类别标签，进而根据目标对象在不同视频帧中的位置，为目标对象自动设置状态标签，类别标签可表征目标对象的类别，状态标签可表征目标对象是处于运动状态还是静止状态，从而根据类别标签以及状态标签，高效准确地得到视频的标注结果，相较于人工标注方式来说，可以有效提高视频标注效率与准确度。
基于上述本公开实施例的视频标注方法，本公开实施例还提供一种模型测试装置，所述模型测试装置包括：
测试集获取模块，用于获取测试集，所述测试集中包括样本视频，所述样本视频的视频帧是通过上述视频标注方法标注得到的；
测试模块，用于根据所述测试集，测试事件检测模型。
在一种可能的实现方式中，所述事件检测模型包括滞留事件、离岗事件、街面违规经营事件、沿街晾晒事件发现、社区消防事件或烧烤摊停留事件的事件检测模型。
在本公开实施例中，通过上述视频标注方法所标注的样本视频测试事件检测模型，能够提高模型测试的准确度。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图7，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可以包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图8示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (19)
1.一种视频标注方法，其特征在于，包括：
获取待标注的视频；
对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，所述类别标签用于表征目标对象的类别；
根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，其中，所述状态标签包括运动状态标签或静止状态标签；
根据所述类别标签以及所述状态标签，确定所述视频的标注结果。
2.根据权利要求1所述的方法，其特征在于，所述视频中的目标对象包括多个，其中，所述根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，包括：
根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态；所述状态包括运动状态或静止状态；
根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签。
3.根据权利要求2所述的方法，其特征在于，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：
当确定多个目标对象中的同一目标对象在连续视频帧未发生位置变化或者位置变化小于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为静止状态；
所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：
为所述多个目标对象中处于静止状态的目标对象添加所述静止状态标签。
4.根据权利要求3所述的方法，其特征在于，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：
为所述多个目标对象中未添加所述静止状态标签的目标对象添加运动状态标签。
5.根据权利要求2所述的方法，其特征在于，所述根据多个目标对象各自在不同视频帧的位置，确定所述多个目标对象在不同视频帧的状态，包括：
当确定多个目标对象中的同一目标对象在连续视频帧的位置变化大于预设范围阈值时，确定所述同一目标对象在所述连续视频帧的状态为运动状态；
所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，包括：
为所述多个目标对象中处于运动状态的目标对象添加所述运动状态标签。
6.根据权利要求5所述的方法，其特征在于，所述根据所述多个目标对象在不同视频帧的状态，为所述多个目标对象设置状态标签，还包括：
为所述多个目标对象中未添加所述运动状态标签的目标对象添加静止状态标签。
7.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，包括：
根据所述目标对象的类别标签，确定同一类别的目标对象出现的时间段；
根据所述同一类别的目标对象在所述时间段内不同视频帧的位置，对所述时间段内的各帧视频帧中所述同一类别的目标对象添加状态标签。
8.根据权利要求1所述的方法，其特征在于，所述视频中的目标对象包括多个，其中，所述根据所述类别标签以及所述状态标签，确定所述视频的标注结果，包括：
根据多个目标对象的状态标签，从所述多个目标对象中筛除处于运动状态的目标对象、所述处于运动状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
9.根据权利要求1所述的方法，其特征在于，所述视频中的目标对象包括多个，其中，所述根据所述类别标签以及所述状态标签，确定所述视频的标注结果，包括：
根据多个目标对象的状态标签，从所述多个目标对象中筛除处于静止状态的目标对象、所述处于静止状态的目标对象对应的状态标签和类别标签，得到所述视频的标注结果。
10.根据权利要求1所述的方法，其特征在于，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签之后，所述方法还包括：
响应于针对视频帧的区域选择操作，根据所述区域选择操作指示的目标区域，筛除所述视频帧中处于所述目标区域外的目标对象以及对应的类别标签。
11.根据权利要求1所述的方法，其特征在于，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象的以及所述目标对象的类别标签之后，所述方法还包括：
响应于针对标注框的调整操作，调整所述视频帧中目标对象的标注框。
12.根据权利要求1所述的方法，其特征在于，在对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签之后，所述方法还包括：
响应于针对类别标签的调整操作，调整所述视频帧中所述目标对象的类别标签。
13.根据权利要求1所述的方法，其特征在于，所述对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，包括：
通过目标检测网络对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签。
14.一种模型测试方法，其特征在于，所述方法包括：
获取测试集，所述测试集中包括样本视频，所述样本视频的视频帧是通过权利要求1-13中任意一项所述的视频标注方法标注得到的；
根据所述测试集，测试事件检测模型。
15.如权利要求14所述的方法，其特征在于，所述事件检测模型包括滞留事件、离岗事件、街面违规经营事件、沿街晾晒事件、社区消防事件或烧烤摊停留事件的事件检测模型。
16.一种视频标注装置，其特征在于，包括：
获取模块，用于获取待标注的视频；
检测模块，用于对所述视频进行目标检测，得到所述视频的视频帧中的目标对象以及所述目标对象的类别标签，所述类别标签用于表征目标对象的类别；
设置模块，用于根据所述目标对象在不同视频帧的位置，为所述目标对象设置状态标签，其中，所述状态标签包括运动状态标签或静止状态标签；
确定模块，用于根据所述类别标签以及所述状态标签，确定所述视频的标注结果。
17.一种模型测试装置，其特征在于，包括：
测试集获取模块，用于获取测试集，所述测试集中包括样本视频，所述样本视频的视频帧是通过权利要求1-13中任意一项所述的视频标注方法标注得到的；
测试模块，用于根据所述测试集，测试事件检测模型。
18.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至15中任意一项所述的方法。
19.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至15中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111357619.4A CN114067246A (zh) | 2021-11-16 | 2021-11-16 | 视频标注、模型测试方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111357619.4A CN114067246A (zh) | 2021-11-16 | 2021-11-16 | 视频标注、模型测试方法及装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114067246A true CN114067246A (zh) | 2022-02-18 |
Family
ID=80273191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111357619.4A Withdrawn CN114067246A (zh) | 2021-11-16 | 2021-11-16 | 视频标注、模型测试方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114067246A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115214430A (zh) * | 2022-03-23 | 2022-10-21 | 广州汽车集团股份有限公司 | 车辆座椅调节方法及车辆 |
-
2021
- 2021-11-16 CN CN202111357619.4A patent/CN114067246A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115214430A (zh) * | 2022-03-23 | 2022-10-21 | 广州汽车集团股份有限公司 | 车辆座椅调节方法及车辆 |
| CN115214430B (zh) * | 2022-03-23 | 2023-11-17 | 广州汽车集团股份有限公司 | 车辆座椅调节方法及车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111339846B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
| CN107133352B (zh) | 照片显示方法及装置 | |
| CN114240882A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
| CN109543537B (zh) | 重识别模型增量训练方法及装置、电子设备和存储介质 | |
| CN110990801B (zh) | 信息校验方法及装置、电子设备和存储介质 | |
| CN111274426A (zh) | 类别标注方法及装置、电子设备和存储介质 | |
| CN109635142B (zh) | 图像选择方法及装置、电子设备和存储介质 | |
| EP3147802B1 (en) | Method and apparatus for processing information | |
| CN110858924B (zh) | 视频背景音乐的生成方法、装置及存储介质 | |
| CN112598676B (zh) | 图像分割方法及装置、电子设备和存储介质 | |
| CN109934240B (zh) | 特征更新方法及装置、电子设备和存储介质 | |
| CN109671051B (zh) | 图像质量检测模型训练方法及装置、电子设备和存储介质 | |
| CN112991553A (zh) | 信息展示方法及装置、电子设备和存储介质 | |
| CN113139471A (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| CN111523346A (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN113313115A (zh) | 车牌属性识别方法及装置、电子设备和存储介质 | |
| CN114066858A (zh) | 模型训练方法及装置、电子设备和存储介质 | |
| CN114067246A (zh) | 视频标注、模型测试方法及装置、电子设备和存储介质 | |
| CN111339964A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN111680179A (zh) | 目标数据的获取方法及装置、电子设备和存储介质 | |
| CN110333903B (zh) | 页面加载时长的确定方法及装置 | |
| CN114120199A (zh) | 事件统计方法及装置、电子设备和存储介质 | |
| CN114387622A (zh) | 动物重识别方法及装置、电子设备和存储介质 | |
| CN112383661B (zh) | 移动端自动化测试方法、装置、电子设备及存储介质 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220218 |