PRODUCTION STATUS / RUNNING DATA PIPELINE / v1.0 CN · ZAOZHUANG 周一至周六 09:00 - 18:00

行业洞察 · 2026-11-19 · 文途数据标注

视频标注的工时结构与验收指标:一份采购视角的落地清单

一段 30fps 的行车视频拆开是 1800 帧,但决定视频标注成本的是抽帧密度与跨帧一致性,不是帧数本身。本文给出三种抽帧方案的工时结构、能直接写进合同的验收指标,以及四类高频返修坑的规避办法。

一段 1 分钟、30fps 的行车视频拆开是 1800 帧,而真正决定视频标注报价的,往往不是 1800 这个数字,而是你要求标注员看多少帧、按什么规则看。做过几轮采购的人多半会发现,视频标注的成本大头和返修大头并不在同一处:钱花在抽帧密度上,事故出在跨帧判断不一致上。

视频标注的工时结构:先定抽帧策略,再谈单价

同样是 10 秒素材,三种做法的人力投入能差出五倍。

关键帧标注加跟踪插值,是城市道路和室内监控最常用的折中方案。人工只标场景切换、目标进出、遮挡关系变化的关键帧,中间帧由跟踪算法生成,再按 20% 抽检修正。一个 10 秒片段通常有 8~15 个关键帧,2D 拉框加属性填写约 40~70 秒一帧,整段落在 0.5~1 人时。

固定帧率逐帧标注,用在高速路、体育动作这类目标位移大的场景。1fps 适合停车场、货架等慢速环境,10fps 才够追上快速运动。10 秒 10fps 就是 100 帧,2D 项目约 1.5~2.5 人时;如果是图像加点云融合的 3D 框,单帧 3~8 分钟,一段片段能吃掉 8 人时以上。

片段级标注不画框,只给 3~10 秒的片段打行为或事件标签,比如跌倒、攀爬、遗留物、逆行。一条 10 秒片段约 20~40 秒工时,是三类方案里最便宜的,但只适用于检索和粗分类任务,不能拿去训检测模型。

成熟模型预标注能把人工工时压到原来的 30%~50%,前提是复核环节不能省。行业里比较稳妥的做法是保留 20%~30% 的全检量,只削减重复劳动,不削减把关。

时序一致性:视频标注验收里最容易被漏掉的指标

单帧框画得再漂亮,跨帧一抖,训练出来的模型照样在实车上抖。建议把下面几项直接写进验收条款:

  • 单帧框 IoU ≥ 0.85,紧框要求高的场景可提到 0.9;
  • 漏标率 ≤ 1%,误标率 ≤ 2%,按目标个数计而非按帧计;
  • track ID 连续性:同一目标在片段内 ID 切换次数为 0,出画再入画是否延续同一 ID,必须在规范里写死;
  • 属性准确率 ≥ 98%,遮挡等级、截断、朝向这类属性错一项,下游筛选就会失真;
  • 片段级标签一致性:同一批样本由三人重复标注,Cohen's Kappa ≥ 0.75;
  • 抽检方式取 5%~10% 随机片段加高风险片段全检,夜间、逆光、雨雾、密集目标都归入高风险。

四类高频返修坑几乎每个项目都会撞上。遮挡阈值没定义,有的标注员 50% 就放弃画框,有的 90% 还在补,同一批数据两种口径;类别边界模糊,骑电动车的人算行人还是骑行者、推婴儿车的人框不框,规范里一句话没写清就要返工上千帧;夜间与逆光帧曝光不足,标注员凭经验猜轮廓,框看着合理,测试集上一跑就露馅;项目中途改规范,前 30% 数据全部重来。规范版本号和生效帧号一起记录,能省掉后面扯皮的一大半时间。

另外提醒一点,只按帧抽检、不按片段抽检,是很多验收方案的通病。时序抖动、ID 断链这类问题,单帧看永远合格。

选视频标注服务方时,值得先问清楚的几件事

与其一上来谈人天单价,不如先问对方拿什么方式做一致性管理:有没有岗前考核和周期复训,质检是独立团队还是标注员自检,预标注模型是自研还是外采,规范变更时的返工成本怎么算。产能也要问细,一条 10 人产线做逐帧 3D 标注,日产出通常在几百帧量级,遇上急单能不能扩人,扩来的人多久能过考核,这些比报价单上的数字更能决定项目能不能按时交付。

比较务实的做法是,从自己业务里挑 3~5 段最难啃的片段——夜间、逆光、密集遮挡、目标频繁进出——先跑一轮试标,用同一套验收指标比对一致性和返修率,再谈排期和价格。文途数据标注这边通常也是建议采购方从这个动作开始,用真实难例校准双方对规范的理解,比开三次需求会都管用。如果手头正好有这类片段,不妨整理成一个小样本包,约一次标注方案评估,把抽帧率、验收阈值和交付格式一次性对齐,后续的报价和排期会顺很多。