买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种监控视频中运动目标的自动标注方法，可帮助算法研究人员进行基于视频的运动目标标注，快速生成图像样本数据集；本发明标注过程无监督，是真正意义的运动目标自动标注；标注基于多目标跟踪算法设计，自动检测出现在连续多个视频中的同一运动目标，并赋予相同的标识ID，有效利用了运动目标在连续视频帧之间的时空关联特性，准确率高；对目标遮挡的情况设计了自适应权重的目标匹配算法，有效提高了目标匹配成功率及准确性；可使用预先训练好的卷积神经网络对视频帧进行目标检测，可计算检测目标与跟踪目标之间的特征向量的相似度，以便采集同一运动目标的不同姿态。

主权项：1.一种监控视频中运动目标的自动标注方法，其特征在于：包括以下步骤：S1、输入第一个视频帧，记录该视频帧的时间戳t1；S2、用预先训练好的深度卷积神经网络对视频帧进行目标检测；在步骤S2中，采用YoloV5卷积神经网络对输入的视频帧进行目标检测，系统为每个检测出的目标设定以下六个属性：目标ID、目标类别行人、目标初始时间、目标更新时间、目标包围矩形框的位置坐标、目标特征向量；其中目标初始时间为目标第一次出现时所在的视频帧的时间戳，目标更新时间为目标再次出现时所在的视频帧的时间戳，目标包围矩形框的位置坐标为该矩形框的左上角和右下角相对于屏幕左上角的像素在行、列方向上的偏移值，目标特征向量为描述该目标的图像特征，不同目标的特征向量不同；对于每个目标，其各属性赋值如下：目标ID设置为空；目标初始时间设置为当前视频帧的时间戳t1；目标更新时间设置为当前视频帧的时间戳t1；目标包围矩形框的位置坐标设置为（left，top,right,bottom），其中（left，top）为包围矩形框的左上角位置坐标，（right,bottom）为包围矩形框的右下角位置坐标；目标特征向量设置为，应用另一预先训练好的卷积神经网络模型对矩形包围框内的目标进行特征提取所得到归一化的128维特征向量；S3、把检测到的目标放入跟踪队列Q，跟踪队列Q初始为空，跟踪队列Q中的每个目标称为跟踪目标；S4、对当前视频帧内的目标进行标注；S5、输入下一个视频帧，并记录该视频帧的时间戳t2；S6、用预先训练好的卷积神经网络对视频帧进行目标检测，检测到的目标称为检测目标；在步骤S6中，对于每个检测目标，其六个属性赋值如下：目标ID设置为空；目标初始时间设置为当前视频帧的时间戳t2；目标更新时间设置为当前视频帧的时间戳t2；目标包围矩形框的位置坐标设置为（left，top,right,bottom），其中（left，top）为包围矩形框的左上角位置坐标，（right,bottom）为包围矩形框的右下角位置坐标；目标特征向量设置为，应用另一预先训练好的卷积神经网络模型对矩形包围框内的目标进行特征提取所得到归一化的128维特征向量；S7、把t2时刻的视频帧内的每个检测目标与跟踪队列Q中的每个跟踪目标进行两两匹配；S8、根据匹配结果更新跟踪队列；S9、对当前视频帧内的目标进行标注；S10、检查视频是否结束，如果未结束则转步骤S5，否则流程结束。

全文数据：

权利要求：

百度查询： 江苏东大金智信息系统有限公司 一种监控视频中运动目标的自动标注方法