本發(fā)明涉及圖像處理，具體而言，涉及一種影像數(shù)據(jù)自動標注處理方法及系統(tǒng)。

背景技術(shù)：

1、隨著人工智能技術(shù)的不斷發(fā)展，影像數(shù)據(jù)自動標注技術(shù)在醫(yī)療影像、自動駕駛、安防監(jiān)控等多個領(lǐng)域中得到了廣泛應(yīng)用。自動標注技術(shù)通過利用機器學(xué)習(xí)和深度學(xué)習(xí)算法，能夠在大規(guī)模影像數(shù)據(jù)中自動識別并標注出物體、區(qū)域和相關(guān)特征，極大地提高了數(shù)據(jù)處理效率。然而，現(xiàn)有的自動標注方法通常存在一些問題，主要體現(xiàn)在標注準確度與效率的平衡、復(fù)雜影像內(nèi)容的處理以及標注模型的適應(yīng)性和自適應(yīng)能力。

2、目前，影像標注系統(tǒng)面臨著一個重要問題，即在影像內(nèi)容復(fù)雜度較高的情況下，標注模型的準確度往往會出現(xiàn)下降。這種現(xiàn)象在面對復(fù)雜場景或細節(jié)要求較高的影像時尤為明顯。現(xiàn)有的方法通常依賴于單一的標注模型，而這些模型可能在不同復(fù)雜度的影像內(nèi)容上無法適應(yīng)變化，導(dǎo)致標注結(jié)果的置信度較低，進而影響后續(xù)處理和決策。

3、此外，現(xiàn)有的影像標注系統(tǒng)在處理標注模型選擇時，往往缺乏靈活的調(diào)整機制。一旦標注模型選定后，很難根據(jù)實際標注效果進行動態(tài)優(yōu)化和調(diào)整。尤其是在標注結(jié)果的置信度低于預(yù)設(shè)合格標準時，如何自動調(diào)整復(fù)雜度閾值，選擇適當?shù)臉俗⒛Ｐ鸵蕴岣邩俗⒔Y(jié)果的準確度，仍然是一個亟待解決的問題。

技術(shù)實現(xiàn)思路

1、為了解決上述問題，本發(fā)明提出了一種影像數(shù)據(jù)自動標注處理方法及系統(tǒng)。

2、一方面，本發(fā)明提出的一種影像數(shù)據(jù)自動標注處理方法，包括：

3、獲取進行預(yù)處理后的待處理影像，對每幀待處理影像進行內(nèi)容復(fù)雜度分析，得到內(nèi)容復(fù)雜度；設(shè)定復(fù)雜度閾值，根據(jù)所述內(nèi)容復(fù)雜度與復(fù)雜度閾值的關(guān)系首次選取標注模型，通過選取的初始標注模型對所述待處理影像進行標注；

4、標注結(jié)束后，獲取標注結(jié)果的置信度分數(shù)，記為第一置信度，根據(jù)所述第一置信度與預(yù)設(shè)的合格置信度判斷是否對所述復(fù)雜度閾值進行調(diào)整以得到修正復(fù)雜度閾值；

5、若需要對所述復(fù)雜度閾值進行調(diào)整，根據(jù)調(diào)整完成后的所述修正復(fù)雜度閾值與內(nèi)容復(fù)雜度的關(guān)系二次選取標注模型，當所述二次選取與首次選取的標注模型不同時，對所述待處理影像重新進行標注，并在標注結(jié)束后獲取置信度分數(shù)，記為第二置信度，當所述二次選取與首次選取的標注模型相同時，對所述待處理影像進行標記；將所述第一置信度與第二置信度進行比對，根據(jù)所述第一置信度與第二置信度的關(guān)系判斷是否對修正復(fù)雜度閾值進行調(diào)整；

6、當所述二次選取與首次選取的標注模型不同時，對所述修正復(fù)雜度閾值進行調(diào)整，并再次選取標注模型進行標注，獲取第三置信度，將所述第三置信度與合格置信度進行比對，當所述第三置信度小于合格置信度時，對所述待處理影像進行標記，當所述第三置信度大于或等于合格置信度時，輸出標注結(jié)果。

7、進一步地，所述預(yù)處理包括：

8、將待處理影像轉(zhuǎn)換為標準格式，隨后進行去噪，對影像進行旋轉(zhuǎn)、平移和縮放以增加標注模型的訓(xùn)練數(shù)據(jù)。

9、進一步地，所述內(nèi)容復(fù)雜度分析包括：

10、根據(jù)邊緣檢測、紋理分析與亮度/對比度分布分析計算綜合復(fù)雜度；其中，根據(jù)邊緣檢測獲取每幀待處理影像的邊緣像素數(shù)，計算得到第一復(fù)雜度；根據(jù)灰度共生矩陣計算每幀待檢測影像的紋理熵，得到第二復(fù)雜度；根據(jù)每幀待檢測影像的亮度變化值，得到第三復(fù)雜度；

11、為第一復(fù)雜度、第二復(fù)雜度與第三復(fù)雜度賦予權(quán)重并加權(quán)求和，得到每幀待檢測影像的所述內(nèi)容復(fù)雜度。

12、進一步地，所述第一復(fù)雜度、第二復(fù)雜度與第三復(fù)雜度與內(nèi)容復(fù)雜度通過以下步驟進行獲取：

13、所述第一復(fù)雜度為每幀待處理影像的邊緣像素數(shù)與總像素數(shù)之比；所述第二復(fù)雜度為每幀待處理影像的紋理熵；所述第三復(fù)雜度為當前幀待處理影像的亮度與前一相鄰幀待處理影響的亮度的差值；

14、所述內(nèi)容復(fù)雜度滿足以下關(guān)系：

15、；

16、其中，為內(nèi)容復(fù)雜度，為第一復(fù)雜度，為第二復(fù)雜度，為第三復(fù)雜度，、與分別為第一影響系數(shù)、第二影響系數(shù)與第三影響系數(shù)且。

17、進一步地，當根據(jù)所述內(nèi)容復(fù)雜度與復(fù)雜度閾值的關(guān)系首次選取標注模型時，包括：設(shè)定多級的所述復(fù)雜度閾值，根據(jù)若干個所述復(fù)雜度閾值與內(nèi)容復(fù)雜度的關(guān)系，選取標注模型；

18、預(yù)先設(shè)定一級復(fù)雜度閾值與二級復(fù)雜度閾值，且所述一級復(fù)雜度閾值小于二級復(fù)雜度閾值；當所述內(nèi)容復(fù)雜度小于一級復(fù)雜度閾值時，選取輕量級標注模型，當所述內(nèi)容復(fù)雜度大于或等于二級復(fù)雜度閾值時，選擇高精度標注模型，否則選取中等復(fù)雜度標注模型。

19、進一步地，當根據(jù)所述第一置信度與預(yù)設(shè)的合格置信度判斷是否對所述復(fù)雜度閾值進行調(diào)整以得到修正復(fù)雜度閾值時，包括：

20、將所述第一置信度與合格置信度進行比對；當所述第一置信度大于或等于合格置信度時，不對所述復(fù)雜度閾值進行調(diào)整，并輸出標注結(jié)果，當所述第一置信度小于所述合格置信度時，判斷需要對所述復(fù)雜度閾值進行調(diào)整；此時獲取所述首次選取確定的標注模型，當所述標注模型為高精度標注模型時，判斷不符合調(diào)整條件，對所述待處理影像進行標記，當所述標注模型不為高精度標注模型時，獲取所述內(nèi)容復(fù)雜度右側(cè)的復(fù)雜度閾值，將所述復(fù)雜度閾值進行調(diào)整，調(diào)整后得到的修正復(fù)雜度閾值滿足以下關(guān)系：

21、；

22、其中，為修正復(fù)雜度閾值，為修正前的復(fù)雜度閾值，為合格置信度，為第一置信度，為單位調(diào)整量。

23、進一步地，所述單位調(diào)整量通過以下關(guān)系獲取：

24、；

25、其中，為單位調(diào)整量，為一級復(fù)雜度閾值，為二級復(fù)雜度閾值。

26、進一步地，根據(jù)所述第一置信度與第二置信度的關(guān)系判斷是否對修正復(fù)雜度閾值進行調(diào)整時，包括：

27、當所述第一置信度大于第二置信度時，判斷需要對所述修正復(fù)雜度閾值進行調(diào)整；

28、當所述第一置信度小于或等于第二置信度時，判斷不對所述修正復(fù)雜度閾值進行調(diào)整。

29、進一步地，當對所述修正復(fù)雜度閾值進行調(diào)整時，調(diào)整后的修正復(fù)雜度閾值記為最終復(fù)雜度閾值，調(diào)整所述最終復(fù)雜度閾值時，獲取所述內(nèi)容復(fù)雜度右側(cè)的復(fù)雜度閾值，將所述修正復(fù)雜度閾值進行調(diào)整，調(diào)整后得到的最終復(fù)雜度閾值，所述最終復(fù)雜度閾值滿足：

30、；

31、其中，為最終復(fù)雜度閾值，為第二置信度。

32、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

33、傳統(tǒng)的影像數(shù)據(jù)標注方法往往采用固定的標注模型，在面對復(fù)雜度較高的影像內(nèi)容時，標注結(jié)果可能不準確，尤其是在處理細節(jié)要求高或背景復(fù)雜的影像時。本技術(shù)方案通過根據(jù)影像的內(nèi)容復(fù)雜度動態(tài)選擇標注模型，確保能夠在不同復(fù)雜度的影像中選取最合適的標注模型，從而提高標注的準確度。同時，通過調(diào)整復(fù)雜度閾值，可以使標注模型更好地適應(yīng)復(fù)雜場景，增強系統(tǒng)的自適應(yīng)能力。

34、通過對影像內(nèi)容復(fù)雜度的多級分析（包括邊緣、紋理、亮度等多方面信息），本方案能夠精確評估每一幀影像的復(fù)雜度，并根據(jù)此復(fù)雜度選擇輕量級、中等復(fù)雜度或高精度的標注模型。這種按需選擇模型的方式有效避免了使用不適當?shù)哪Ｐ?，降低了處理?fù)雜場景時的誤差率，同時提高了計算效率。

35、在標注過程中，如果初步標注結(jié)果的置信度較低，現(xiàn)有系統(tǒng)往往無法自動調(diào)整以提高精度。通過引入動態(tài)調(diào)整復(fù)雜度閾值的機制，本方案能夠在標注結(jié)果不符合預(yù)期時，自動進行調(diào)整。通過重新選擇標注模型，并根據(jù)新的標注結(jié)果判斷是否需要進一步調(diào)整復(fù)雜度閾值，這種自我優(yōu)化的機制確保了影像標注系統(tǒng)能夠靈活應(yīng)對不同的情況，避免了標注精度的下降。

36、本方案中的“動態(tài)標注模型選擇”和“復(fù)雜度閾值調(diào)整”能夠在大多數(shù)情況下自動完成標注任務(wù)，并在標注不符合預(yù)期時通過調(diào)整機制自動優(yōu)化。這種自動化機制能夠有效減少人工干預(yù)，同時在置信度較低的情況下，系統(tǒng)還可通過人工輔助來提升標注結(jié)果的質(zhì)量。這種自動化與人工協(xié)同相結(jié)合的模式大大提高了標注系統(tǒng)的工作效率，減少了人工成本。

37、本技術(shù)方案具有較高的可擴展性，能夠適應(yīng)不同領(lǐng)域的影像數(shù)據(jù)標注需求。例如，在醫(yī)學(xué)影像中，影像的復(fù)雜度和精細度要求較高，本方案能夠根據(jù)具體場景選擇合適的標注模型，在安防監(jiān)控、衛(wèi)星遙感等領(lǐng)域同樣適用，系統(tǒng)能夠針對不同復(fù)雜度的影像數(shù)據(jù)自動調(diào)整標注模型，從而具備跨領(lǐng)域的適用性。

38、本技術(shù)方案通過對標注結(jié)果的置信度進行多次評估和調(diào)整，不僅能夠提高標注的準確性，還能夠增強系統(tǒng)的質(zhì)量控制能力。在標注過程中的每一步，系統(tǒng)都對置信度進行跟蹤，并根據(jù)實際標注效果調(diào)整復(fù)雜度閾值和標注模型。最終，當置信度達到合格標準時，系統(tǒng)輸出高質(zhì)量的標注結(jié)果。這樣可以大幅度減少低質(zhì)量標注帶來的負面影響，確保標注數(shù)據(jù)的高質(zhì)量。

39、在面對影像內(nèi)容復(fù)雜、細節(jié)豐富的情況時，本方案能夠準確評估復(fù)雜度，靈活選擇高精度的標注模型。在標注過程中，能夠動態(tài)調(diào)整標注策略和復(fù)雜度閾值，保證高復(fù)雜度影像的處理效果。這種方法能夠有效應(yīng)對復(fù)雜場景中的影像數(shù)據(jù)，并且為后續(xù)的處理提供精準的標注信息，提升整個影像分析系統(tǒng)的效能。

40、另一方面，本發(fā)明還提出了一種影像數(shù)據(jù)自動標注處理系統(tǒng)，包括：

41、第一模塊，被配置為獲取進行預(yù)處理后的待處理影像，對每幀待處理影像進行內(nèi)容復(fù)雜度分析，得到內(nèi)容復(fù)雜度；設(shè)定復(fù)雜度閾值，根據(jù)所述內(nèi)容復(fù)雜度與復(fù)雜度閾值的關(guān)系首次選取標注模型，通過選取的初始標注模型對所述待處理影像進行標注；

42、第二模塊，被配置為標注結(jié)束后，獲取標注結(jié)果的置信度分數(shù)，記為第一置信度，根據(jù)所述第一置信度與預(yù)設(shè)的合格置信度判斷是否對所述復(fù)雜度閾值進行調(diào)整以得到修正復(fù)雜度閾值；

43、第三模塊，被配置為若需要對所述復(fù)雜度閾值進行調(diào)整，根據(jù)調(diào)整完成后的所述修正復(fù)雜度閾值與內(nèi)容復(fù)雜度的關(guān)系二次選取標注模型，當所述二次選取與首次選取的標注模型不同時，對所述待處理影像重新進行標注，并在標注結(jié)束后獲取置信度分數(shù)，記為第二置信度，當所述二次選取與首次選取的標注模型相同時，對所述待處理影像進行標記；將所述第一置信度與第二置信度進行比對，根據(jù)所述第一置信度與第二置信度的關(guān)系判斷是否對修正復(fù)雜度閾值進行調(diào)整；

44、第四模塊，被配置為當所述二次選取與首次選取的標注模型不同時，對所述修正復(fù)雜度閾值進行調(diào)整，并再次選取標注模型進行標注，獲取第三置信度，將所述第三置信度與合格置信度進行比對，當所述第三置信度小于合格置信度時，對所述待處理影像進行標記，當所述第三置信度大于或等于合格置信度時，輸出標注結(jié)果。

45、可以理解的是，本發(fā)明的一種影像數(shù)據(jù)自動標注處理系統(tǒng)及其方法具有相同的有益效果，在此不再贅述。