《人工智能数据标注》教案——04-数据标注任务活页-多目标行人检测视频标注.pdfVIP

多目标行人检测标注

任务活页设计

一、多目标行人检测标注

任务情境

公共场所人流量统计与分析是计算机视觉的主要研究领域,尤其是近年来监

控摄像头在各个方面应用越来越普遍,所以人们迫切需要能够自动处理所捕获视

频的方法.行人检测和统计是视频监控的一个重要研究方向,在地铁,道路,商场,超

市等公共场合出入口中有着广泛的需求.基于计算机视觉技术和图像处理方法建

立行人流量统计系统,通过对摄像机拍摄的视频序列进行分析来实现行人的检测,

跟踪,统计等功能,使用目标检测算法（例如yolo,ssd等）在实现行人检测时，

能够基于该方法实现行人统计功能，行人检测所需要的数据集需要进行标注，标

注的目的是为了确定训练图像每个行人位置与区域，本项目中主要实现对多目标

行人进行标注。

任务目标

为下一步目标检测模型的训练提供有效可用的标注数据。在此过程中学习分

析视频标注任务的需求分析、视频数据抽帧、矩形框标注和质检等一系列操作，

掌握实际项目中应对需求时的解决问题能力。

任务准备

（1）可提前下载打开图像标注工具labelbee。

（2）登陆教育平台，在数据标注/第四章：多目标行人检测视频标注/任务介绍

中下载待标注数据集“多目标行人检测数据集“。

第1页

任务实施

1.阅读标注需求文档

步骤1：认真阅读《多目标行人检测数据集标注需求》文档中的标注要求，

后续需按照该需求完成标注。

第2页

多目标行人检测数据集标注需求

标注内容

标注项目[多目标行人检测]

标注类型[图像区域标注]

标注数据集描述[由监控摄像头相机记录的行人视频，视频1段，其中截取其中30张图像]

待标注目标[需要标注出行人的位置信息框]

标注工具[labelbee]

标注属性[标注所有行人位置框]

交付数据格式[labelbee导出的Mask格式]

误差范围[质检合格率为100%]

标注要求

标注范围

将图像画面中所有图像行人都进行标注；

如果行人刚好处于画面的边界，也需要进行标注；

标注框的位置要覆盖行人，但是不能过大，尽量做到刚好覆盖；

标注规则及示例

标注方框大小合适所谓大小合适，即矩形方框应该刚好将目标包围住，之间的间隙不

能太大，也不能太小。太大太小的话，最后模型在推理时，也会出现目标框得不准的情

况，或者在视频图像检测中，出现前后帧目标抖动严重，不能锁定。同时在标注的时候，

第3页

一定要保证矩形方框包含了目标的轮廓信息，因为轮廓信息对于模型训练来讲很重要，

它可以区分不同类型的目标。下图标注的矩形方框太小：

标注方框位置合适所谓大小合适，原因跟上一条类似，下图虽然矩形方框大小合适，

但是明显位置偏太远了：

第4页

目标被遮挡也要标注不能只标注图像中完整的目标，被遮挡的目标，只要人眼能看清

是啥的都应该被标注，并且矩形框只需要包含看得见的部分即可。这样做的原因跟上一

条类似，提高模型的通用性，实际应用场景中，很多目标被遮挡，模型仍然需要将其检

测出来，所以我们需要标注类似的素材。下图道路拥堵，一些人被遮挡，但是明显可以

分辨出是什么目标：

小目标也不能漏掉虽然不同的算法对小目标的检测效果不同，比如Yolo对小目标检测

效果比较好，但是前提是我们需要准备小目标的素材标注。一张图片素材中，近处的大

目标需要标注，远处人眼看得清的小目标同样需要标注。原理跟上一条类似：只要人眼

能分清是啥的小目标，都应该标出来。下图远处的小目标可以认出是行人：

第5页

人眼分不清是啥的不要标很多时候，由于素材图片本身的原因、或者目标被遮挡大部

分、或者远处目标实在太远，