行业洞察 · 2026-11-19 · 文途数据标注
视频标注从按帧计费到轨迹质检:五个决定交付质量的细节
一条30秒25fps的视频就有750帧,视频标注的成本结构、跟踪ID管理与验收指标,往往比单价更决定交付质量。本文拆解三种计价口径的适用边界,给出IDF1、抖动阈值等可写进合同的验收条款,并说明预标注降本的前提。
在自动驾驶、智慧安防和工业质检三类项目里,视频标注通常是预算占比最高、返工也最频繁的一环。一条30秒、25fps的城市道路视频就是750帧,即便按1/5抽帧,也有150帧需要逐帧确认目标框、遮挡状态与跟踪ID。把这条视频乘上一个项目常见的8000段素材量,成本差异就不再是「每帧几毛钱」的问题,而是几十万元的预算偏差。
视频标注的计价口径:按帧、按秒还是按目标实例
三种口径对应完全不同的工作量。按帧计价最常见,算法是「总时长×帧率×抽帧率×单价」,城区道路25fps、抽帧1/5的2D拉框加跟踪,纯人工大致在0.3~1.2元/帧,密集车流与夜间逆光会往上限走。按秒计价多用于事件级任务——行为识别、异常事件检测、体育动作切分,标注员在时间轴上打出入点并给出事件类别,一条5分钟视频可能只产出20个事件标签,按帧算会严重溢价。按目标实例计价适合零售货架、密集人群这类单帧目标数波动极大的场景,但必须在报价前约定单帧目标数上限,否则密集帧会把成本拖穿。
报价单里最容易漏掉的三项:抽帧策略(固定间隔、关键帧、还是模型挑帧)、最小标注尺寸(业内常用小于20×20像素的目标不标)、忽略区规则(车牌与人脸是否模糊化、是否计入漏标)。这三项不写清,验收阶段必然扯皮。
跟踪ID与时空一致性:视频标注最容易出问题的环节
单帧框画得准,不等于视频标注合格。难点在时序:一辆车被公交车遮挡15帧后重新出现,跟踪ID必须延续而不是新起一号;相邻帧里同一辆静止车辆的外框跳动超过3像素,就属于抖动不合格。验收不能只看首尾帧,行业里常用的量化指标是MOTA和IDF1,IDF1低于0.9基本说明ID管理出了问题。
可执行的做法是「关键帧+插值+复核」:关键帧间隔不超过10帧,中间帧用插值生成再由人工巡检,出画、入画、严重遮挡处单独打标记。夜间、雨雾、隧道出入口这三类片段要单独抽检,因为预标注模型在这些场景的召回率往往掉10个百分点以上,人工若直接沿用结果,错误会被整段复制。
预标注加人工复核:把视频标注成本降下来的现实路径
当预标注模型在业务数据上召回达到85%左右,人工工作就从「从零画框」转为「改框、补漏、接ID」,人均日产能通常从800帧提到2000帧以上,单价可下降40%~60%。代价是锚定效应:标注员倾向接受屏幕上已有的框,漏标率会上升。对冲手段是保留10%的全人工盲检样本做交叉比对,把漏标率压在3%以内。
另一个高频坑是类别体系变更。项目做到一半,甲方把「卡车」拆成「轻卡/重卡」,前面所有帧都要返工。稳妥顺序是先做200帧小样,把label spec冻结并由双方确认,再放量生产。这套流程对图像标注、语音标注、文字标注同样适用,只是视频多了一个时间维度,返工成本最高。
验收清单:把视频标注写进采购条款
一份能落地的验收清单通常包含:抽帧率与总帧数对账、边界框IoU≥0.85的合格比例不低于98%、IDF1≥0.9、漏标率≤3%、关键帧间隔≤10帧、抖动阈值≤3像素,以及按场景分层的抽检比例(白天、夜间、雨雾各不低于5%)。把这些写进采购条款,比在验收会上争论「这批质量行不行」有效得多。
如果手上的项目正卡在「标注质量不稳定、返工成本说不清」的阶段,比较省力的下一步是向文途数据标注索取一段3~5分钟的样例视频标注数据集——带上label spec、抽帧策略和质检报告的那种,先用自己的模型跑一遍评测,再决定要不要进入正式的标注方案评估。样例数据比报价单更能说明一家供应商的真实水平。