确定样本图像的方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113936240A(43)申请公布日2022.01.14(21)申请号202111235744.8G06K9/62(2022.01)(22)申请日2021.10.22G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人杭州海康威视数字技术股份有限公司地址310051浙江省杭州市滨江区阡陌路555号(72)发明人郭阶添(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人李珂珂(51)Int.Cl.G06V20/40(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)权利要求书4页说明书17页附图4页(54)发明名称确定样本图像的方法、装置、设备及存储介质(57)摘要本申请实施例公开了一种确定样本图像的方法、装置、设备及存储介质，属于数据处理领域。所述方法包括：对视频流进行漏误报分析，以确定第一图像和第一图像对应的漏误报结果，该第一图像为视频流中存在漏误报对象的图像，该漏误报对象为漏分析的目标对象或者误分析的目标对象。基于第一图像对应的漏误报结果，从视频流中获取多个前景图像和多个背景图像。对多个前景图像和多个背景图像进行融合，以得到多个第二图像。将该第一图像和该多个第二图像确定为样本图像。本申请实施例通过这些生成的样本图像来训练第一神经网络模型，能够提升第一神经网络模型的训练效果，进而有效提升第一神经网络模型的分析性能。CN113936240ACN113936240A权利要求书1/4页1.一种确定样本图像的方法，其特征在于，所述方法包括：对视频流进行漏误报分析，以确定第一图像和所述第一图像对应的漏误报结果，所述第一图像为所述视频流中存在漏误报对象的图像，所述漏误报对象为漏分析的目标对象或者误分析的目标对象；基于所述第一图像对应的漏误报结果，从所述视频流中获取多个前景图像和多个背景图像；对所述多个前景图像和所述多个背景图像进行融合，以得到多个第二图像；将所述第一图像和所述多个第二图像确定为样本图像。2.如权利要求1所述的方法，其特征在于，所述对视频流进行漏误报分析，以确定第一图像和所述第一图像对应的漏误报结果，包括：通过多个第一神经网络模型以及第二神经网络模型，对所述视频流中的任一帧图像进行漏误报分析，以确定所述任一帧图像中是否存在漏误报对象，所述第二神经网络模型为能够对所述任一帧图像中的所有目标对象进行分析的模型；如果所述任一帧图像中存在漏误报对象，则将所述任一帧图像作为所述第一图像，并确定所述第一图像对应的漏误报结果。3.如权利要求2所述的方法，其特征在于，所述通过多个第一神经网络模型以及第二神经网络模型，对所述视频流中的任一帧图像进行漏误报分析，以确定所述任一帧图像中是否存在漏误报对象，包括：通过所述多个第一神经网络模型分别确定所述任一帧图像对应的第一分析结果，以得到多个第一分析结果，所述第一分析结果包括所述任一帧图像中至少一个目标对象的位置信息和每个目标对象的第一标签；通过所述第二神经网络模型确定所述任一帧图像对应的第二分析结果，所述第二分析结果包括所述任一帧图像中至少一个目标对象的位置信息和每个目标对象的第二标签；基于所述多个第一分析结果所包括的目标对象的位置信息和第一标签，以及所述第二分析结果所包括的目标对象的位置信息和第二标签，确定所述任一帧图像中是否存在漏误报对象。4.如权利要求3所述的方法，其特征在于，所述基于所述多个第一分析结果所包括的目标对象的位置信息和第一标签，以及所述第二分析结果所包括的目标对象的位置信息和第二标签，确定所述任一帧图像中是否存在漏误报对象，包括：如果所述多个第一分析结果所包括的目标对象的位置信息和第一标签均相同，且与所述第二分析结果所包括的目标对象的位置信息和第二标签相同，则确定所述任一帧图像中不存在漏误报对象，否则，确定所述任一帧图像中存在漏误报对象。5.如权利要求1所述的方法，其特征在于，所述漏误报结果包括所述第一图像中的至少一个漏误报对象的位置信息，以及所述第一图像的采集时间；所述基于所述第一图像对应的漏误报结果，从所述视频流中获取多个前景图像和多个背景图像，包括：基于所述至少一个漏误报对象的位置信息确定出至少一个空间范围，所述至少一个空间范围与所述至少一个漏误报对象一一对应；基于所述第一图像的采集时间确定出一个时间范围；2CN113936240A权利要求书2/4页基于所述时间范围和所述至少一个空间范围，从所述视频流中获取所述多个前景图像和所述多个背景图像。6.如权利要求5所述的方法，其特征在于，所述基于所述时间范围和所述至少一个空间范围，从所述视频流中获取所述多个前景图像和所述多个