[发明专利]一种图片样本采集设备及方法

说明书

本发明公开了一种图片样本采集设备，包括输入输出模块、环境因素自动获取模块、实时样本生成模块、矫正样本生成模块、样本分类器、数据存储模块和数据转发模块，所述环境因素自动获取模块用于自动获取样本的环境因素；所述实时样本生成模块用于实时采集画面样本并存储；所述样本分类器用于对采集的样本进行自动识别分类并检测出错误分类样本；所述矫正样本生成模块用于对被所述样本分类器识别的错误分类样本进行矫正，并将矫正结果保存为矫正样本；所述数据存储模块用于将采集的样本进行存储；所述数据转发模块用于将采集的样本通过网络进行转发。采用该技术方案解决了现有样本采集中样本数量大、占用存储空间大及样本不够多样化等问题。

技术领域

本发明涉人工智能领域，特别涉及一种图片样本采集设备及方法。

背景技术

人工智能(AI：Artificial Intelligence)时代，得益于深度学习技术、车联网(V2X)技术的发展，基于摄像头的环境感知将应用于智能驾驶、高精度地图、人脸识别等各种应用场景，但是受成像条件和学习样本限制。成像条件指路面状况，天气状况等客观因素；而学习样本是指在深度学习过程中，用于训练的图片样本。

基于深度学习技术，摄像头对环境感知的效果很大程度依赖于训练样本是否丰富多样。以行人检测为例，训练样本的采集需要包含各种环境场景因素及各种目标类型：

1)环境场景因素包括：

季节：春/夏/秋/冬；

时间：白天/夜晚/傍晚/黎明；

天气：晴/多云/雨/雾/冰雪；

场地类别：城市道路/高速公路/乡村/停车场/隧道；

光照强度：1级/2级/3级/4级…；

2)目标类型包括：

行人类型：成人/小孩/老人

衣着类型：汉族/壮族/满族/回族等等；

衣着颜色：深颜色/浅颜色；

行人体型：完整的人/骑车的人/上半身行人/撑伞的行人等等；

行人姿态：禁止/行走/跑步等等；

可见，如何快速获取到丰富的训练样本，是深度学习需要解决的问题。现阶段，训练样本的获取步骤包括采集视频、视频转换成图片、图片切割出样本；每个过程都需要用专门的工具花费大量的人力、物力和时间，一方面，采集的数据冗余度高，可用性低，另一方面，样本不够多样化，不满足竞争激烈下的快速技术突破需求。

现有技术存在的问题如下：

1)采集视频时录制的视频数据量大，每秒差不多产生70M左右的视频数据，很耗数据存储资源；视频转换成图片后，图片同样占据很大的存储资源；而且这么大的数据存储需求，由于缺少比较高效的存储控制策略，数据存储的工作很费时间。

2)新样本与旧样本冗余度高，造成样本可用性低。

3)样本难以做统计与分析，难以评估样本覆盖率，难以对样本采集工作做出专业的评估与计划。

4)样本需求量大且场景众多，但采集工作却未普及到各场景当事人，采集的数据不够多样化。

发明内容

本发明实施例的目的在于提供一种图片样本采集设备及方法，解决了现有样本采集中样本数量大、占用存储空间大及样本不够多样化等问题。