提供者：杜成玉
下载地址：http://carlvondrick.com/vatic/

概述

数据来源：https://mp.weixin.qq.com/s?__biz=MzI1MzM4OTY3NA==&mid=2247483855&idx=1&sn=a647da18125bdea32ac5d712b28cb91b&chksm=e9d47fcadea3f6dc7b36c5ea44878ad1ba606b14060e5671f93dbbcfd69ee0ad636db507ec29&mpshare=1&scene=1&srcid=0323B8i2ByT5ubOt5bGbwnTF#rd
Vatic源自MIT的一个研究项目(Video Annotation Tool from Irvine, California)。输入一段视频，支持自动抽取成粒度合适的标注任务并在流程上支持接入亚马逊的众包平台Mechanical Turk。除此之外，其还有很多实用的特性：
1.简洁使用的GUI界面，支持多种快捷键操作
2.基于opencv的tracking，这样就可以抽样的标注，减少工作量
具体使用时，可以设定要标注的物体label，比如：水果，人，车，等等。然后指派任务给到众包平台（也可是自己的数据工程师）。现阶段支持的标注样式是框（box）。# 数据集特征

使用docker搭建Vatic

搭建vatic可以参照github上的说明。搭建过程对操作系统和软件的版本要求较严格。所以，我们使用docker来部署降低复用的难度。
一个参考的docker image
https://github.com/johndoherty/vatic
docker pull jldowns/vatic-docker
启动服务
docker run -v “$PWD/data”:/root/vatic/data \
jldowns/vatic-docker /root/vatic/start_and_block.sh –name myvatic

vatic使用

1.从视频抽取目标图片集合, 内部使用了ffmpeg
turkic extract /path/to/video.mp4 /path/to/output/directory
默认是720x480的目标分辨率，也可以添加–no-resize来保证原图的图片质量
2.将图片load到数据库
turkic load identifier /path/to/output/directory Label1 Label2 LabelN –blow-radius 0 –skip 5 –offline
设置标注的label，每5帧标注1帧，不覆盖周围的帧数据
3.发布任务
turkic publish –offline
4.dump 标注后的元数据
turkic dump identifier -o output.txt
支持xml，json等多种格式

dump标注后的图片数据

turkic visualize identifier $output_path –merge –renumber
cd $output_path
ffmpeg -i %d.jpg -vcodec mpeg4 output.avi
支持导出带标注box的图片集合，并可以通过ffmpeg合成为一段完成的演示视频