[发明专利]一种单摄像头多目标跟踪数据集制作方法与系统

权利要求书

1.一种单摄像头多目标跟踪数据集制作方法，其特征在于，包括以下步骤：

收集待标注的原始视频或图像序列，并将收集的待标注的原始视频或图像序列作为总素材数据进行管理，划分为第一素材数据和第二素材数据；

采用传统多目标跟踪算法对所述第一素材数据进行预标注，并对第一素材数据和相应预标注进行抽帧预处理，分别得到预处理素材数据和预标注跟踪结果；

调用分阶段修正校准预标注结果流程，对预标注跟踪结果进行修正校准处理，得到修正标注文件；

利用所述修正标注文件与相应的预处理素材数据训练并优化多目标跟踪算法深度神经网络模型；

调用训练好的所述多目标跟踪算法深度神经网络模型进行前向推理，得到预标注，并采用修正预标注结果流程对第二素材数据进行处理，得到更多的修正标注文件和相应的预处理素材数据；

收集汇总所述修正标注文件与相应的预处理素材数据，组成单摄像头多目标跟踪数据集。

2.如权利要求1所述的单摄像头多目标跟踪数据集制作方法，其特征在于，所述采用传统多目标跟踪算法对所述第一素材数据进行预标注，并对第一素材数据和相应预标注进行抽帧预处理，分别得到预处理素材数据和预标注跟踪结果的步骤包括：

采用已有深度学习多目标检测算法对第一素材数据逐帧进行目标检测框和类别标注并由修正确认后，得到感兴趣目标对象外接矩形框的位置、大小和目标类别属性信息，作为目标对象检测结果；

采用传统多目标跟踪算法对所述目标对象检测结果进行预标注，每行多目标跟踪标注数据与第一素材数据中的每帧一一顺序对应，每一行标注数据包括帧号、目标ID号、目标框左上角和右下角坐标值和目标类别标签号，得到感兴趣目标对象跟踪预标注文件；

对第一素材数据抽帧保存为视频文件，组成基础预处理素材数据，与相应标注文件共同组成预标注数据。

3.如权利要求1所述的单摄像头多目标跟踪数据集制作方法，其特征在于，所述利用所述修正标注文件与相应的预处理素材数据训练并优化多目标跟踪算法深度神经网络模型的步骤包括：

收集扩充修正标注文件，并与相应的预处理素材数据一起组成临时跟踪数据集，然后按照设定的比例将所述临时跟踪数据集划分为训练数据集和验证数据集；

利用所述训练数据集训练与优化多目标跟踪算法中的深度神经网络，得到多目标跟踪算法深度神经网络模型；

使用多目标跟踪算法深度神经网络模型对所述验证数据集进行推理测试；

若推理精度达到预期，则保存所述多目标跟踪算法深度神经网络模型。

4.如权利要求1所述的单摄像头多目标跟踪数据集制作方法，其特征在于，所述调用训练好的所述多目标跟踪算法深度神经网络模型进行前向推理，得到预标注，并采用修正预标注结果流程对第二素材数据进行处理，得到更多的修正标注文件和相应的预处理素材数据的步骤包括：

从第二素材数据中移出一份作为本份素材数据；

利用推理精度达标的多目标跟踪算法深度神经网络模型对本份素材数据逐帧进行前向推理，得到感兴趣目标对象跟踪预标注文件；

在多目标跟踪算法逐帧进行处理过程中，根据感兴趣目标对象在前后帧中的位移大小权衡抽样频次，对本份素材数据进行抽帧保存，组成本份预处理素材数据，并将相应帧的多目标跟踪预标注结果按照特定格式进行保存，组成本份优化预标注文件；

等待分阶段修正校准预标注跟踪结果流程，对所述本份优化预标注文件分阶段进行修正校准，获取提交的与所述本份预处理素材数据相对应的修正标注文件；

调用训练并优化多目标跟踪算法深度神经网络模型流程；

判断第二素材数据是否为空，若是，则结束多目标跟踪预标注修正校准。