視頻數據标注是用機器自動生成或手工生成自然語言文字來描述視頻内容的過程。它在視覺和文字之間起到非常重要的橋接作用

視頻數據标注的目的是對場景中活動目标的位置、形狀、動作、色彩等有關特征進行标注；提供大量數據供跟蹤算法使用，從而實現對場景中活動目标的檢測、跟蹤、識别，以及進一步的行為分析和事件檢測

今天小編就帶大家一起了解一下關于數據标注的一些基礎知識

視頻标注中的兩個主要方法

單一圖像标注

在自動化工具面世之前，視頻标注效率不高。各公司使用單一圖像法提取視頻中的所有幀，然後使用标準圖像标注技術将它們作為圖像來标注

在30fps的視頻中，每分鐘有1800幀。這個過程沒有利用視頻标注的優勢，并且與标注大量圖像一樣既費時又昂貴。一個對象可能會在上一幀被歸入一個類别，在下一幀又被歸入另一個類别，錯誤率就會增加

連續幀标注

如今，我們可以使用自動化工具，通過連續幀法簡化視頻标注過程。計算機可以逐幀自動跟蹤對象及其位置，從而保持所捕獲信息的連續性和流暢性。計算機依靠諸如光學流之類的連續幀技術來分析前一幀和後一幀中的像素，并預測當前幀中像素的運動

通過這種背景級别，計算機可以準确地識别在視頻開頭出現，在幾幀中消失，然後再次出現的對象。如果團隊改用單一圖像法，則會在該對象後來再次出現時将它錯誤地識别為另一個對象

但這種方法并非沒有挑戰。捕獲的視頻（例如監控中使用的素材）可能分辨率很低。為了解決這個問題，研發團隊正在努力改進内插工具（例如光學流），以便更好地利用各幀的背景來識别對象

視頻數據标注流程

視頻數據标注流程主要包括标注、質檢、初驗、終驗、返修和查看界面，确認無誤後，保存和提交。這裡以數據堂的視頻數據标注工具為例，就标注流程進行一個分享

标注

标注是針對未标注的數據或者預識别處理後的數據進行标注工作，如圖所示

質檢

質檢是質檢人員對數據标注人員标注結果的核驗。在質檢模式，用戶具有所有标注權限，可以新建對象或修改标注結果

質檢包括單标注框質檢，單幀質檢兩種方式

（1）單标注框質檢

在單标注框質檢過程中，标注框輪廓默認顯示為白色，表示當前标注框未進行質檢

質檢合格時，标注框輪廓顯示為綠色

質檢不合格時，标注框輪廓顯示為紅色（标注框顯示不合格原因）

返修後提交标注框，标注框輪廓顯示為黃色

（2）單幀質檢

單幀質檢合格則在視頻幀序号上顯示綠色；不合格則在幀号上顯示紅色；返修後提交的視頻幀序号顯示為黃色

單幀數據不合格不影響幀内的框的顔色和質檢結果

完成質檢後單擊“提交”按鈕，提交質檢結果至服務端（客戶端版本将在本地生成質檢結果文件mark._result.json，可以修改名稱為task.json，在此作為質檢模式或返修模式的輸入）

返修

返修是指标注人員對不合格标注數據進行修改，提交的過程

返修過程包括以下步驟：

質檢查看：返修過程中可以看到質檢結果，也可以看到不合格原因，但是不能修改質檢結果；

單标注框返修：根據不合格原因修改标注對象，修改後标注框會變為黃色，表示已修正；

在完成當前視頻幀所有錯誤标注框修複後，視頻幀序号也會同步變為黃色，表示當前幀已修正；

單視頻幀不合格的，如果修改了這一幀的任何内容，視頻幀序号會同步變為黃色，表示當前幀已修正；

返修時若修改了合格标注框或未質檢标注框，标注框輪廓顔色不變；

提交時質檢在是否修正全部不合格标注框以及視頻幀，如果未全部修改則不允許提交（客戶端版将在本地生成帶返修結果文件mark result.json，可以改名稱為task.json，以此作為質檢模式的輸入）

寫在最後的話

我們擁有多年的數據标注經驗，有包含文本标注、圖像标注、音頻标注、視頻标注等在内的多類型标注項目，滿足團隊需求，并為有從業想法的人工智能訓練師提供項目

因此您如果對于數據标注有想法，可以和我們聯系喲

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!