行人检测误报数据的标注方法、装置、系统和存储介质.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CN108875770A(43)申请公布日2018.11.23(21)申请号201810118918.4(22)申请日2018.02.06(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人彭超俞刚(74)专利代理机构北京市磐华律师事务所11336代理人高伟卜璐璐(51)Int.Cl.G06K9/62(2006.01)G06K9/00(2006.01)权利要求书1页说明书9页附图2页(54)发明名称行人检测误报数据的标注方法、装置、系统和存储介质(57)摘要本发明提供了一种行人检测误报数据的标注方法、装置、系统和存储介质，所述方法包括：获取场景数据；对所述场景数据进行行人检测，得到行人预测框；以及基于所述行人预测框所标注的数据至少提取行人检测误报样本。根据本发明实施例的行人检测误报数据的标注方法、装置、系统和存储介质能够实现行人检测误报数据的自动标注，无需人力进行行人检测误报数据的标注，可以快速获得行人误报剔除模型的训练数据，提高行人误报剔除模型的训练效率，从而提高行人检测的可靠性。CN108875770ACN108875770A权利要求书1/1页1.一种行人检测误报数据的标注方法，其特征在于，所述方法包括：获取场景数据；对所述场景数据进行行人检测，得到行人预测框；以及基于所述行人预测框所标注的数据至少提取行人检测误报样本。2.根据权利要求1所述的方法，其特征在于，所述场景数据为不包含行人的数据，所述行人预测框所标注的数据均为行人检测误报样本。3.根据权利要求2所述的方法，其特征在于，所述不包含行人的数据是通过互联网获取的。4.根据权利要求1所述的方法，其特征在于，所述场景数据为包含行人的数据，所述方法还包括：基于所述行人预测框所标注的数据提取行人检测正确样本和行人检测误报样本。5.根据权利要求4所述的方法，其特征在于，所述行人检测正确样本和行人检测误报样本的提取是基于预先训练好的行人检测误报模型，所述行人检测误报模型确定所述行人预测框所标注的数据表示行人的概率，并基于所述概率与预定阈值的大小关系确定并提取所述行人检测正确样本和所述行人检测误报样本。6.根据权利要求5所述的方法，其特征在于，所述行人检测正确样本为所述行人预测框所标注的数据表示行人的概率大于第一阈值的样本，所述行人检测误报样本为所述行人预测框所标注的数据表示行人的概率小于第二阈值的样本，所述第二阈值小于所述第一阈值。7.根据权利要求6所述的方法，其特征在于，所述第一阈值为0.9，所述第二阈值为0.1。8.根据权利要求6所述的方法，其特征在于，所述方法还包括：当所述行人预测框所标注的数据表示行人的概率不大于所述第一阈值并且不小于所述第二阈值时，将该行人预测框所标注的数据作为舍弃样本并舍弃。9.根据权利要求5所述的方法，其特征在于，所述行人检测误报模型是基于101层深度残差网络或152层深度残差网络训练得到的。10.一种行人检测误报数据的标注装置，其特征在于，所述装置包括：数据获取模块，用于获取场景数据；行人检测模块，用于对所述数据获取模块获取的所述场景数据进行行人检测，得到行人预测框；以及样本提取模块，用于基于所述行人检测模块输出的所述行人预测框所标注的数据至少提取行人检测误报样本。11.一种行人检测误报数据的标注系统，其特征在于，所述系统包括存储装置和处理器，所述存储装置上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1-9中的任一项所述的行人检测误报数据的标注方法。12.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-9中的任一项所述的行人检测误报数据的标注方法。2CN108875770A说明书1/9页行人检测误报数据的标注方法、装置、系统和存储介质技术领域[0001]本发明涉及行人检测技术领域，更具体地涉及一种行人检测误报数据的标注方法、装置、系统和存储介质。背景技术[0002]行人检测是视频结构化、人体姿态分析、人机交互中的重要入口型技术，任何与人相关的应用都会首先利用行人检测技术，确定人体所在的位置。然而，现有的行人检测模型仍有很大的缺陷，经常“误报”一些看上去像人的物体，因此在产品化过程中，常常需要一个小型快速的行人误报剔除模型来打磨算法性能。[0003]然而，由于行人误报剔除模型需要拟合行人检测模型的分布情形，因此行人检测器更新一版，就需要重新标注数据和训练模型。模型训练可以通过扩展机器来加速，标注数据受限于人力成本，很难规模化增长，给产品更新换代造成了非常大的麻烦。发明内容[0004]本发明提出了一种关于行人检测误报数据