[發明專利]一種單攝像頭多目標跟蹤數據集制作方法與系統

在審

• 申請號: 202210402271.4
• 申請日: 2022-04-18
• 公開（公告）號: CN115035155A
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 彭自立;姚丹霖;劉宇翔;石靖
• 申請（專利權）人: 湖南優美科技發展有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/215;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 廣州市紅荔專利代理有限公司 44214
• 代理人: 李婷

1.一種單攝像頭多目標跟蹤數據集制作方法，其特征在于，包括以下步驟：

收集待標注的原始視頻或圖像序列，并將收集的待標注的原始視頻或圖像序列作為總素材數據進行管理，劃分為第一素材數據和第二素材數據；

采用傳統多目標跟蹤算法對所述第一素材數據進行預標注，并對第一素材數據和相應預標注進行抽幀預處理，分別得到預處理素材數據和預標注跟蹤結果；

調用分階段修正校準預標注結果流程，對預標注跟蹤結果進行修正校準處理，得到修正標注文件；

利用所述修正標注文件與相應的預處理素材數據訓練并優化多目標跟蹤算法深度神經網絡模型；

調用訓練好的所述多目標跟蹤算法深度神經網絡模型進行前向推理，得到預標注，并采用修正預標注結果流程對第二素材數據進行處理，得到更多的修正標注文件和相應的預處理素材數據；

收集匯總所述修正標注文件與相應的預處理素材數據，組成單攝像頭多目標跟蹤數據集。

2.如權利要求1所述的單攝像頭多目標跟蹤數據集制作方法，其特征在于，所述采用傳統多目標跟蹤算法對所述第一素材數據進行預標注，并對第一素材數據和相應預標注進行抽幀預處理，分別得到預處理素材數據和預標注跟蹤結果的步驟包括：

采用已有深度學習多目標檢測算法對第一素材數據逐幀進行目標檢測框和類別標注并由修正確認后，得到感興趣目標對象外接矩形框的位置、大小和目標類別屬性信息，作為目標對象檢測結果；

采用傳統多目標跟蹤算法對所述目標對象檢測結果進行預標注，每行多目標跟蹤標注數據與第一素材數據中的每幀一一順序對應，每一行標注數據包括幀號、目標ID號、目標框左上角和右下角坐標值和目標類別標簽號，得到感興趣目標對象跟蹤預標注文件；

對第一素材數據抽幀保存為視頻文件，組成基礎預處理素材數據，與相應標注文件共同組成預標注數據。

3.如權利要求1所述的單攝像頭多目標跟蹤數據集制作方法，其特征在于，所述利用所述修正標注文件與相應的預處理素材數據訓練并優化多目標跟蹤算法深度神經網絡模型的步驟包括：

收集擴充修正標注文件，并與相應的預處理素材數據一起組成臨時跟蹤數據集，然后按照設定的比例將所述臨時跟蹤數據集劃分為訓練數據集和驗證數據集；

利用所述訓練數據集訓練與優化多目標跟蹤算法中的深度神經網絡，得到多目標跟蹤算法深度神經網絡模型；

使用多目標跟蹤算法深度神經網絡模型對所述驗證數據集進行推理測試；

若推理精度達到預期，則保存所述多目標跟蹤算法深度神經網絡模型。

4.如權利要求1所述的單攝像頭多目標跟蹤數據集制作方法，其特征在于，所述調用訓練好的所述多目標跟蹤算法深度神經網絡模型進行前向推理，得到預標注，并采用修正預標注結果流程對第二素材數據進行處理，得到更多的修正標注文件和相應的預處理素材數據的步驟包括：

從第二素材數據中移出一份作為本份素材數據；

利用推理精度達標的多目標跟蹤算法深度神經網絡模型對本份素材數據逐幀進行前向推理，得到感興趣目標對象跟蹤預標注文件；

在多目標跟蹤算法逐幀進行處理過程中，根據感興趣目標對象在前后幀中的位移大小權衡抽樣頻次，對本份素材數據進行抽幀保存，組成本份預處理素材數據，并將相應幀的多目標跟蹤預標注結果按照特定格式進行保存，組成本份優化預標注文件；

等待分階段修正校準預標注跟蹤結果流程，對所述本份優化預標注文件分階段進行修正校準，獲取提交的與所述本份預處理素材數據相對應的修正標注文件；

調用訓練并優化多目標跟蹤算法深度神經網絡模型流程；

判斷第二素材數據是否為空，若是，則結束多目標跟蹤預標注修正校準。