CN107357799A - 评估人脸识别***注册上限的方法及装置 - Google Patents
评估人脸识别***注册上限的方法及装置 Download PDFInfo
- Publication number
- CN107357799A CN107357799A CN201710351148.3A CN201710351148A CN107357799A CN 107357799 A CN107357799 A CN 107357799A CN 201710351148 A CN201710351148 A CN 201710351148A CN 107357799 A CN107357799 A CN 107357799A
- Authority
- CN
- China
- Prior art keywords
- identity
- face
- identification system
- face identification
- enrollment status
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012360 testing method Methods 0.000 claims abstract description 101
- 230000008569 process Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 239000012141 concentrate Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013481 data capture Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 230000009466 transformation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种评估人脸识别***注册上限的方法,包括:接收用于测试人脸识别***的测试图片集和N个身份数量互不相同的注册身份集;依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作,并统计每一个注册身份集的身份数量对应的误识与漏识数据,以判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。本发明还公开了评估人脸识别***注册上限的装置。采用本发明实施例,基于注册数据库覆盖之外的人对人脸识别***的影响,提供人脸识别***的注册人数上限。
Description
技术领域
本发明涉及计算机人脸识别技术领域,尤其涉及一种评估人脸识别***注册上限的方法及装置。
背景技术
在传统的人脸识别国际标准测试集LFW上,只推出了一对一的人脸验证测试,无法正确评估一对多的人脸识别场景下的算法的性能。
在最近的推出的MegaFace和Ms-Celeb-1M(MS-Celeb-1M:A Dataset andBenchmark for Large-Scale Face Recognition)测试集有了针对一对多人脸识别场景的测试方法,包含如误识率与漏识率的指标。但是上述测试方法只针对用于测试人脸识别***的测试照片所对应的真实人物身份均存在注册数据库中的情况,对应的是公司员工打卡场景,即在实际场景下假设每个前来使用人脸识别***的人的身份(待测试的人脸图片)都包含在人脸图片数据库中(工卡照对应的人物身份),而该公司以外的人不会前来使用该***。因此,由于现有技术在测试该人脸识别***时所选取的测试人脸图片都来源于数据库中已有的人,而对人脸识别场景中的对测试人脸图片的来源不做限制的情况下,上述测试方法提供的误识率和漏识率的指标无法评估人脸数据库覆盖之外的人对人脸识别***的影响,进而无法给出人脸数据库的注册人数上限。
发明内容
本发明实施例的目的是提出的一种评估人脸识别***注册上限的方法及装置,基于注册数据库覆盖之外的人对人脸识别***的影响,提供人脸识别***的注册人数上限。
为实现上述目的,本发明实施例提供一种评估人脸识别***注册上限的方法,包括:
接收用于测试人脸识别***的测试图片集和用于录入所述人脸识别***的注册数据库的N个身份数量互不相同的注册身份集;其中,N个注册身份集的图片所属身份均包含在所述测试图片集中的图片所属的身份中;N≥2;所述测试图片集包含属于与所述N个注册身份集中的图片所属身份不相同的身份的图片;
依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作;
根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据;所述误识与漏识数据为保持身份数量不变的条件下所述人脸识别***的误识参数随漏识参数变化而变化的数据;
根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。
进一步地,所述将所述注册身份集更新在所述注册数据库,并基于一个注册身份集,遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作的过程,具体为:
对于所述人脸识别***的每一个人脸识别阈值,设置所述人脸识别***的识别阈值为所述人脸识别阈值;
控制所述人脸识别***根据所述人脸识别***的识别阈值识别所述测试图片集的每一个图片所属身份是否来源于所述注册数据库的图片所属身份,并记录识别结果。
进一步地,根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据的过程,具体为:
对于录入所述注册数据库中的一个注册身份集,根据所述注册身份集对应的识别结果,统计所述人脸识别***在遍历每一个人脸识别阈值时的误识参数和漏识参数;
从所统计的误识参数和漏识参数中,获得所述注册身份集的身份数量对应的误识与漏识数据。
进一步地,对于录入所述注册数据库中的一个注册身份集,统计所述人脸识别***在遍历每一个人脸识别阈值中的一个人脸识别阈值时的误识参数和漏识参数的过程,具体为:
对于录入所述注册数据库中的一个注册身份集,根据基于所述注册身份集的身份数量所述人脸识别***遍历每一个人脸识别阈值中的一个人脸识别阈值来识别所述测试图片集的识别结果,统计在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片数量为第一计数值;
对于在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片,统计在此图片中所属的真正身份与被所述人脸识别***识别到的所属身份相符合的图片数量为第二计数值;
统计在所述测试图片集中的图片所属的真正身份来源于所述注册身份集的图片所属身份的图片数量为第三计数值;
将所述第二计数值与所述第一计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的误识参数,以及,将所述第一计数值的比较与所述第三计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的漏识参数。
再进一步地,所述根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量,具体为:
根据每一个注册身份集的身份数量对应的误识与漏识数据,统计每一个误识参数对应的漏识与数量数据;所述漏识与数量数据为保持误识参数不变的前提下,漏识参数随注册身份集的身份数量变化而变化的数据;
根据能满足所述人脸识别***的误识阈值的误识参数对应的漏识与数量数据,判断能够满足所述人脸识***的漏识阈值对应的身份数量。
更进一步地,所述测试图片集中的每一个身份存在10张互不相同的图片在所述测试图片集中;所述注册身份集中的每一个身份只存在一张人脸图片在所述注册身份集中。
相应地,本发明实施例提供一种评估人脸识别***注册上限的装置,包括:
数据集接收模块,用于接收用于测试人脸识别***的测试图片集和用于录入所述人脸识别***的注册数据库的N个身份数量互不相同的注册身份集;其中,所述N个注册身份集的图片所属身份均包含在所述测试图片集中的图片所属的身份中;N≥2;所述测试图片集包含属于与所述N个注册身份集中的图片所属身份不相同的身份的图片;
识别工作模块,用于依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作;
数据统计模块,用于根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据;所述误识与漏识数据为保持身份数量不变的条件下所述人脸识别***的误识参数随漏识参数变化而变化的数据;
身份数量提供模块,用于根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。
进一步地,所述识别工作模块包括用于基于一个注册身份集,遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作的单元,具体包括:
识别阈值设置单元,用于对于所述人脸识别***的每一个人脸识别阈值,设置所述人脸识别***的识别阈值为所述人脸识别阈值;
识别与记录单元,用于控制所述人脸识别***根据所述人脸识别***的识别阈值识别所述测试图片集的每一个图片所属身份是否来源于所述注册数据库的图片所属身份,并记录识别结果。
进一步地,所述识别工作模块还包括用于所述根据识别结果,统计一个注册身份集的身份数量对应的误识与漏识数据的单元,具体包括:
误识与漏识统计单元,用于对于录入所述注册数据库中的一个注册身份集,根据所述注册身份集对应的识别结果,统计所述人脸识别***在遍历每一个人脸识别阈值时的误识参数和漏识参数;
数据获取单元,用于从所统计的误识参数和漏识参数中,获得所述注册身份集的身份数量对应的误识与漏识数据。
进一步地,所述误识与漏识统计单元包括用于对于录入所述注册数据库中的一个注册身份集,统计所述人脸识别***在遍历每一个人脸识别阈值中的一个人脸识别阈值时的误识参数和漏识参数的子单元,具体包括:
第一计数子单元,用于于录入所述注册数据库中的一个注册身份集,根据基于所述注册身份集的身份数量所述人脸识别***遍历每一个人脸识别阈值中的一个人脸识别阈值来识别所述测试图片集的识别结果,统计在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片数量为第一计数值;
第二计数子单元,用于对于在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片,统计在此图片中所属的真正身份与被所述人脸识别***识别到的所属身份相符合的图片数量为第二计数值;
第三计数子单元,用于统计在所述测试图片集中的图片所属的真正身份来源于所述注册身份集的图片所属身份的图片数量为第三计数值;
比值计算子单元,用于将所述第二计数值与所述第一计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的误识参数,以及,将所述第一计数值的比较与所述第三计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的漏识参数。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种评估人脸识别***注册上限的方法及装置,使测试图片集的图片包含有不属于注册身份集中的图片所属身份的图片,其中,注册身份集录入人脸识别***的注册***,方便后序测试人脸识别***时考虑到注册数据库覆盖之外的人对人脸识别***的影响;以及通过调整注册身份集的身份数量,对任意一个注册身份集均历遍人脸识别***的人脸识别阈值,控制人脸识***进行对该测试图片集人脸识别工作,进而统计识别结果,获得基于每一个注册身份集的身份数量下人脸识别***的误识参数随漏识参数变化的数据,进而通过此数据,判断出能够同时满足所述人脸识别***的误识阈值和漏识阈值的身份数量,从而评估出人脸识别***在存在注册数据库覆盖之外的人对人脸识别***的影响时的注册数据库的注册身份的数量上限。
附图说明
图1是本发明提供的评估人脸识别***注册上限的方法的一个实施例的流程示意图;
图2是本发明提供的评估人脸识别***注册上限的装置的一个实施例的结构示意图;
图3是本发明提供的评估人脸识别***注册上限的装置的识别工作模块的一个实施例的结构示意图;
图4是本发明提供的评估人脸识别***注册上限的装置的数据统计模块的一个实施例的结构示意图;
图5是本发明提供的评估人脸识别***注册上限的装置的识别工作模块的误识与漏识统计单元的一个实施例的结构示意图;
图6是本发明提供的评估人脸识别***注册上限的装置的身份数量提供模块的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明提供的评估人脸识别***注册上限的方法的一个实施例的流程示意图;该评估人脸识别***注册上限的方法,包括步骤S1至S3,具体如下:
S1,接收用于测试人脸识别***的测试图片集和用于录入所述人脸识别***的注册数据库的N个身份数量互不相同的注册身份集;其中,N个注册身份集的图片所属身份均包含在所述测试图片集中的图片所属的身份中;N≥2;所述测试图片集包含属于与所述N个注册身份集中的图片所属身份不相同的身份的图片。
需要说明的是,基于人脸识别***的实际应用场景对注册身份的数量的要求,可以将N个注册身份集的身份数量依次设为50、100、200、500、1000、2000、5000、10000等,以及考虑到真实的人脸识别***能够得到的注册于注册数据库中的身份对应的照片数量有限,比如身份证等证件照片和开启注册时采集到的照片,因而,为了提高测试人脸识别***的还原真实的程度,设置上述N个注册身份集中的每一个身份只存在一张人脸图片在该注册身份集中,即每个注册于注册数据库的身份只使用一张人脸图片。
另外,由于本发明实施例的目是的评估人脸识别***在访客的身份不受限于来源于已注册在人脸识别***中的身份时的注册上限,因而,测试图片集尽可能模拟真实场景下访客的多样性和丰富性,提供评估的有效性,优选地,本发明实施例,设置测试图片集为包含100000以上的图片,且测试图片集中的每个身份对应10图片,即测试图片集中的每一个身份存在10张互不相同的图片在所述测试图片集中,以及测试图片集的图片所属身份能够完全覆盖每一个用于录入注册数据库进行测试的注册身份集的图片所属身份,即每一个注册身份集中的图片所属身份均能在测试图片集中找到。
S2,依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作。
其中,基于其中的一个注册身份集,遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作的过程,具体为:
对于所述人脸识别***的每一个人脸识别阈值,设置所述人脸识别***的识别阈值为所述人脸识别阈值;其中,人脸识别阈值预设有多个,依次将所述人脸识别***的识别阈值进行更改设置为预设的人脸识别阈值,然后进行后续的人脸识别工作;
控制所述人脸识别***根据所述人脸识别***的识别阈值识别所述测试图片集的每一个图片所属身份是否来源于所述注册数据库的图片所属身份,并记录识别结果;其中,人脸识别阈值用于判断人脸识别***识别测试图片集中的图片与注册数据库的图片的相似度是否满足,来判断被识别的图片所属身份是否来源于注册数据库的图片所属身份。
对于步骤S1中的N个注册身份集,均通过上述识别工作的过程,获得相应的识别结果。
S3,根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据;所述误识与漏识数据为保持身份数量不变的条件下所述人脸识别***的误识参数随漏识参数变化而变化的数据。
那么对于其中的一个注册身份集,如何根据该注册身份集的识别结果,获得保持该注册身份集的身份数量的前提下所述人脸识别***的误识参数随漏识参数变化而变的数据,以下将具体描述:
对于录入所述注册数据库中的一个注册身份集,根据所述注册身份集对应的识别结果,统计所述人脸识别***在遍历每一个人脸识别阈值时的误识参数和漏识参数;所述注册身份集对应的识别结果为:所述注册身份集对应的所棕人脸识别***遍历每一个人脸识别阈值来识别所述测试图片集的识别结果,即被识别的图片所属身份是否来源于该注册身份集的图片所属身份。
从所统计的误识参数和漏识参数中,获得所述注册身份集的身份数量对应的误识与漏识数据。
其中,上述对于录入所述注册数据库中的一个注册身份集,统计所述人脸识别***在遍历每一个人脸识别阈值中的一个人脸识别阈值时的误识参数和漏识参数的过程,以下将以测试图片集为该集合中前m张图片{xi|i=1,2,3,…,m}的身份来源于该注册身份集中的图片所属身份,而剩下的图片{xi|i=m+1,…,n}与该注册身份集无关,以及人脸识别阈值t来描述该具体过程:
对于录入所述注册数据库中的一个注册身份集,根据基于所述注册身份集的身份数量所述人脸识别***遍历每一个人脸识别阈值中的一个人脸识别阈值t来识别所述测试图片集的识别结果,统计在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片数量为第一计数值|xi|c(xi)≥t,i=1,2,…,n}|;
对于在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片,统计在此图片中所属的真正身份与被所述人脸识别***识别到的所属身份相符合的图片数量为第二计数值其中,表示为所述人脸识别***识别图片xi的所属身份;g(xi)为图片xi所属的真实身份,c(xi)为所述人脸识别***识别图片xi与所述注册身份集中图片的相似度,
统计在所述测试图片集中的图片所属的真正身份来源于所述注册身份集的图片所属身份的图片数量为第三计数值m;
将所述第二计数值与所述第一计数值的比值作为在所述注册身份集的身份数量和所述人脸识别阈值下所述人脸识别***的误识参数以及,将所述第一计数值的比较与所述第三计数值的比值作为在所述注册身份集的身份数量和所述人脸识别阈值下所述人脸识别***的漏识参数
S4,根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。
对于步骤S3的具体实施过程,可以为:
根据每一个注册身份集的身份数量对应的误识与漏识数据,统计每一个误识参数对应的漏识与数量数据;所述漏识与数量数据为保持误识参数不变的前提下,漏识参数随注册身份集的身份数量变化而变化的数据;
根据能满足所述人脸识别***的误识阈值的误识参数对应的漏识与数量数据,判断能够满足所述人脸识***的漏识阈值对应的身份数量。
需要说明的是,一个注册身份集的身份数量对应于一组误识参数随漏误参数变化的数据,则N个注册身份集则分别一一对应的N组误识参数随漏识参数变化的数据。具体地,该数据是指误识参数随漏误参数变化的曲线;而在对于一个固定的误识参数下的漏识参数随注册身份集的身份数量变化而变化的数据,具体是漏识参数随注册身份集的身份数量变化而变化的曲线。
在基于上述提供的评估人脸识别***注册上限的方法,可以根据其步骤S1和S2测试出来的数据,针对例如珠宝店的实际需求开发的人脸识别***提供相应的注册上限,由于珠宝店客户要求尽量避免误认,那么这意味着误识参数尽可能的高,例如0.99以下,同时要保证漏识率不能太低,这意味着漏识参数不能太低,比如0.5以上,那么可将这两数值分别设为误识阈值和漏识阈值,进而从上述测试出来的数据判断能满足这两阈值的注册身份集的身份数量的区间,进行将该区间的上限值作为该人脸识别***的注册上限,来确保人脸识别***对误识与漏识的要求。
本发明实施例提供的一种评估人脸识别***注册上限的方法,使测试图片集的图片包含有不属于注册身份集中的图片所属身份的图片,其中,注册身份集录入人脸识别***的注册***,方便后序测试人脸识别***时考虑到注册数据库覆盖之外的人对人脸识别***的影响;以及通过调整注册身份集的身份数量,对任意一个注册身份集均历遍人脸识别***的人脸识别阈值,控制人脸识***进行对该测试图片集人脸识别工作,进而统计识别结果,获得基于每一个注册身份集的身份数量下人脸识别***的误识参数随漏识参数变化的数据,进而通过此数据,判断出能够同时满足所述人脸识别***的误识阈值和漏识阈值的身份数量,从而评估出人脸识别***在存在注册数据库覆盖之外的人对人脸识别***的影响时的注册数据库的注册身份的数量上限。
参见图2,是本发明提供的评估人脸识别***注册上限的装置的一个实施例的结构示意图;本发明实施例提供的装置能够实施上述实施例提供的方法的全部流程,该评估人脸识别***注册上限的装置,包括:
数据集接收模块10,用于接收用于测试人脸识别***的测试图片集和用于录入所述人脸识别***的注册数据库的N个身份数量互不相同的注册身份集;其中,所述N个注册身份集的图片所属身份均包含在所述测试图片集中的图片所属的身份中;N≥2;所述测试图片集包含属于与所述N个注册身份集中的图片所属身份不相同的身份的图片;
识别工作模块20,用于依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作;
数据统计模块30,根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据;
身份数量提供模块40,用于根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。
进一步地,参见图3,是本发明提供的评估人脸识别***注册上限的装置的识别工作模块的一个实施例的结构示意图,所述识别工作模块20包括用于基于一个注册身份集遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作的单元,具体包括:
识别阈值设置单元21,用于对于所述人脸识别***的每一个人脸识别阈值,设置所述人脸识别***的识别阈值为所述人脸识别阈值;
识别与记录单元22,用于控制所述人脸识别***根据所述人脸识别***的识别阈值识别所述测试图片集的每一个图片所属身份是否来源于所述注册数据库的图片所属身份,并记录识别结果。
进一步地,参见图4,是本发明提供的评估人脸识别***注册上限的装置的数据统计模块的一个实施例的结构示意图;所述数据统计模块30还包括用于根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据的单元,具体包括:
误识与漏识统计单元31,用于对于录入所述注册数据库中的一个注册身份集,根据所述注册身份集对应的识别结果,统计所述人脸识别***在遍历每一个人脸识别阈值时的误识参数和漏识参数;
数据获取单元32,用于从所统计的误识参数和漏识参数中,获得所述注册身份集的身份数量对应的误识与漏识数据。
进一步地,如图5所示,图5是本发明提供的评估人脸识别***注册上限的装置的识别工作模块的误识与漏识统计单元的一个实施例的结构示意图,所述误识与漏识统计单元31包括用于对于录入所述注册数据库中的一个注册身份集,统计所述人脸识别***在遍历每一个人脸识别阈值中的一个人脸识别阈值时的误识参数和漏识参数的子单元,具体包括:
第一计数子单元311,用于对于录入所述注册数据库中的一个注册身份集,根据基于所述注册身份集的身份数量所述人脸识别***遍历每一个人脸识别阈值中的一个人脸识别阈值来识别所述测试图片集的识别结果,统计在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片数量为第一计数值;
第二计数子单元312,用于对于所述在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片,统计在此图片中所属的真正身份与被所述人脸识别***识别到的所属身份相符合的图片数量为第二计数值;
第三计数子单元313,用于统计在所述测试图片集中的图片所属的真正身份来源于所述注册身份集的图片所属身份的图片数量为第三计数值;
比值计算子单元314,用于将所述第二计数值与所述第一计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的误识参数,以及,将所述第一计数值的比较与所述第三计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的漏识参数。
再进一步地,如图6所示,图6是本发明提供的评估人脸识别***注册上限的装置的身份数量提供模块的一个实施例的结构示意图,所述身份数量提供模块40具体包括:
数据统计单元41,用于根据每一个注册身份集的身份数量对应的误识与漏识数据,统计每一个误识参数对应的漏识与数量数据;所述漏识与数量数据为保持误识参数不变的前提下,漏识参数随注册身份集的身份数量变化而变化的数据;;
阈值判断单元42,用于根据能满足所述人脸识别***的误识阈值的误识参数对应的漏识与数量数据,判断能够满足所述人脸识***的漏识阈值对应的身份数量。
更进一步地,所述测试图片集中的每一个身份存在10个张互不相同的图片在所述测试图片集中;所述注册身份集的每一个身份只存在一张人脸图片在所述注册身份集中。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的一种评估人脸识别***注册上限的装置,使测试图片集的图片包含有不属于注册身份集中的图片所属身份的图片,其中,注册身份集录入人脸识别***的注册***,方便后序测试人脸识别***时考虑到注册数据库覆盖之外的人对人脸识别***的影响;以及通过调整注册身份集的身份数量,对任意一个注册身份集均历遍人脸识别***的人脸识别阈值,控制人脸识***进行对该测试图片集人脸识别工作,进而统计识别结果,获得基于每一个注册身份集的身份数量下人脸识别***的误识参数随漏识参数变化的数据,进而通过此数据,判断出能够同时满足所述人脸识别***的误识阈值和漏识阈值的身份数量,从而评估出人脸识别***在存在注册数据库覆盖之外的人对人脸识别***的影响时的注册数据库的注册身份的数量上限。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种评估人脸识别***注册上限的方法,其特征在于,包括:
接收用于测试人脸识别***的测试图片集和用于录入所述人脸识别***的注册数据库的N个身份数量互不相同的注册身份集;其中,N个注册身份集的图片所属身份均包含在所述测试图片集中的图片所属的身份中;N≥2;所述测试图片集包含属于与所述N个注册身份集中的图片所属身份不相同的身份的图片;
依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作;
根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据;所述误识与漏识数据为保持身份数量不变的条件下所述人脸识别***的误识参数随漏识参数变化而变化的数据;
根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。
2.如权利要求1所述的评估人脸识别***注册上限的方法,其特征在于,基于一个注册身份集遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作的过程,具体为:
对于所述人脸识别***的每一个人脸识别阈值,设置所述人脸识别***的识别阈值为所述人脸识别阈值;
控制所述人脸识别***根据所述人脸识别***的识别阈值识别所述测试图片集的每一个图片所属身份是否来源于所述注册数据库的图片所属身份,并记录识别结果。
3.如权利要求1所述的评估人脸识别***注册上限的方法,其特征在于,根据识别结果,统计一个注册身份集的身份数量对应的误识与漏识数据的过程,具体为:
对于录入所述注册数据库中的一个注册身份集,根据所述注册身份集对应的识别结果,统计所述人脸识别***在遍历每一个人脸识别阈值时的误识参数和漏识参数;
从所统计的误识参数和漏识参数中,获得所述注册身份集的身份数量对应的误识与漏识数据。
4.如权利要求3所述的评估人脸识别***注册上限的方法,其特征在于,对于录入所述注册数据库中的一个注册身份集,统计所述人脸识别***在遍历每一个人脸识别阈值中的一个人脸识别阈值时的误识参数和漏识参数的过程,具体为:
对于录入所述注册数据库中的一个注册身份集,根据基于所述注册身份集的身份数量所述人脸识别***遍历每一个人脸识别阈值中的一个人脸识别阈值来识别所述测试图片集的识别结果,统计在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片数量为第一计数值;
对于在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片,统计在此图片中所属的真正身份与被所述人脸识别***识别到的所属身份相符合的图片数量为第二计数值;
统计在所述测试图片集中的图片所属的真正身份来源于所述注册身份集的图片所属身份的图片数量为第三计数值;
将所述第二计数值与所述第一计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的误识参数,以及,将所述第一计数值的比较与所述第三计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的漏识参数。
5.如权利要求1所述的评估人脸识别***注册上限的方法,其特征在于,所述根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量,具体为:
根据每一个注册身份集的身份数量对应的误识与漏识数据,统计每一个误识参数对应的漏识与数量数据;所述漏识与数量数据为保持误识参数不变的前提下,漏识参数随注册身份集的身份数量变化而变化的数据;
根据能满足所述人脸识别***的误识阈值的误识参数对应的漏识与数量数据,判断能够满足所述人脸识***的漏识阈值对应的身份数量。
6.如权利要求1所述的评估人脸识别***注册上限的方法,其特征在于,所述测试图片集中的每一个身份存在10张互不相同的图片在所述测试图片集中;所述注册身份集中的每一个身份只存在一张人脸图片在所述注册身份集中。
7.一种评估人脸识别***注册上限的装置,其特征在于,包括:
数据集接收模块,用于接收用于测试人脸识别***的测试图片集和用于录入所述人脸识别***的注册数据库的N个身份数量互不相同的注册身份集;其中,N个注册身份集的图片所属身份均包含在所述测试图片集中的图片所属的身份中;N≥2;所述测试图片集包含属于与所述N个注册身份集中的图片所属身份不相同的身份的图片;
识别工作模块,用于依次将所述N个注册身份集更新在所述注册数据库,并基于每一个注册身份集,均遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作;
数据统计模块,用于根据识别结果,统计每一个注册身份集的身份数量对应的误识与漏识数据;所述误识与漏识数据为保持身份数量不变的条件下所述人脸识别***的误识参数随漏识参数变化而变化的数据;
身份数量提供模块,用于根据每一个注册身份集的身份数量对应的误识与漏识数据,判断能够同时满足所述人脸识别***的误识阈值和漏识阈值的注册身份集的身份数量。
8.如权利要求7所述的评估人脸识别***注册上限的装置,其特征在于,所述识别工作模块包括基于一个注册身份集,遍历所述人脸识别***的人脸识别阈值来控制所述人脸识别***对所述测试图片集进行人脸识别工作的单元,具体包括:
识别阈值设置单元,用于对于所述人脸识别***的每一个人脸识别阈值,设置所述人脸识别***的识别阈值为所述人脸识别阈值;
识别与记录单元,用于控制所述人脸识别***根据所述人脸识别***的识别阈值识别所述测试图片集的每一个图片所属身份是否来源于所述注册数据库的图片所属身份,并记录识别结果。
9.如权利要求7所述的评估人脸识别***注册上限的装置,其特征在于,所述数据统计模块还包括用于根据识别结果,统计一个注册身份集的身份数量对应的误识与漏识数据的单元,具体包括:
误识与漏识统计单元,用于对于录入所述注册数据库中的一个注册身份集,根据所述注册身份集对应的识别结果,统计所述人脸识别***在遍历每一个人脸识别阈值时的误识参数和漏识参数;
数据获取单元,用于从所统计的误识参数和漏识参数中,获得所述注册身份集的身份数量对应的误识与漏识数据。
10.如权利要求9所述的评估人脸识别***注册上限的装置,其特征在于,所述误识与漏识统计单元包括用于对于录入所述注册数据库中的一个注册身份集,统计所述人脸识别***在遍历每一个人脸识别阈值中的一个人脸识别阈值时的误识参数和漏识参数的子单元,具体包括:
第一计数子单元,用于对于录入所述注册数据库中的一个注册身份集,根据基于所述注册身份集的身份数量所述人脸识别***遍历每一个人脸识别阈值中的一个人脸识别阈值来识别所述测试图片集的识别结果,统计在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片数量为第一计数值;
第二计数子单元,用于对于在所述测试图片集中的被所述人脸识别***识别为来源于所述注册数据库的图片所属身份的图片,统计在此图片中所属的真正身份与被所述人脸识别***识别到的所属身份相符合的图片数量为第二计数值;
第三计数子单元,用于统计在所述测试图片集中的图片所属的真正身份来源于所述注册身份集的图片所属身份的图片数量为第三计数值;
比值计算子单元,用于将所述第二计数值与所述第一计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的误识参数,以及,将所述第一计数值的比较与所述第三计数值的比值作为基于所述注册身份集的身份数量和所述人脸识别阈值的前提下所述人脸识别***的漏识参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710351148.3A CN107357799B (zh) | 2017-05-17 | 2017-05-17 | 评估人脸识别***注册上限的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710351148.3A CN107357799B (zh) | 2017-05-17 | 2017-05-17 | 评估人脸识别***注册上限的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107357799A true CN107357799A (zh) | 2017-11-17 |
CN107357799B CN107357799B (zh) | 2020-04-24 |
Family
ID=60271016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710351148.3A Active CN107357799B (zh) | 2017-05-17 | 2017-05-17 | 评估人脸识别***注册上限的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107357799B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717464A (zh) * | 2018-05-31 | 2018-10-30 | 中国联合网络通信集团有限公司 | 照片处理方法、装置及终端设备 |
CN109492523A (zh) * | 2018-09-17 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 人脸识别***性能测试方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408929A (zh) * | 2007-10-10 | 2009-04-15 | 三星电子株式会社 | 一种用于人脸识别***的多模板人脸注册方法和装置 |
CN103778409A (zh) * | 2014-01-02 | 2014-05-07 | 深圳市元轩科技发展有限公司 | 基于人脸特征数据挖掘的人脸识别方法与装置 |
CN104680119A (zh) * | 2013-11-29 | 2015-06-03 | 华为技术有限公司 | 图像身份识别方法和相关装置及身份识别*** |
CN105809415A (zh) * | 2016-03-04 | 2016-07-27 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到***、方法和装置 |
WO2016203717A1 (ja) * | 2015-06-15 | 2016-12-22 | パナソニックIpマネジメント株式会社 | 顔認識システム、顔認識サーバ及び顔認識方法 |
CN106503691A (zh) * | 2016-11-10 | 2017-03-15 | 广州视源电子科技股份有限公司 | 一种人脸图片的身份标注方法和装置 |
-
2017
- 2017-05-17 CN CN201710351148.3A patent/CN107357799B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408929A (zh) * | 2007-10-10 | 2009-04-15 | 三星电子株式会社 | 一种用于人脸识别***的多模板人脸注册方法和装置 |
CN104680119A (zh) * | 2013-11-29 | 2015-06-03 | 华为技术有限公司 | 图像身份识别方法和相关装置及身份识别*** |
CN103778409A (zh) * | 2014-01-02 | 2014-05-07 | 深圳市元轩科技发展有限公司 | 基于人脸特征数据挖掘的人脸识别方法与装置 |
WO2016203717A1 (ja) * | 2015-06-15 | 2016-12-22 | パナソニックIpマネジメント株式会社 | 顔認識システム、顔認識サーバ及び顔認識方法 |
CN105809415A (zh) * | 2016-03-04 | 2016-07-27 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到***、方法和装置 |
CN106503691A (zh) * | 2016-11-10 | 2017-03-15 | 广州视源电子科技股份有限公司 | 一种人脸图片的身份标注方法和装置 |
Non-Patent Citations (2)
Title |
---|
梁亦聪等: "开集人脸识别中的性能评估***", 《模式识别与人工智能》 * |
郭瑞: "基于统计方法的人脸识别算法研究与性能评估", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717464A (zh) * | 2018-05-31 | 2018-10-30 | 中国联合网络通信集团有限公司 | 照片处理方法、装置及终端设备 |
CN109492523A (zh) * | 2018-09-17 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 人脸识别***性能测试方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107357799B (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104915643B (zh) | 一种基于深度学习的行人再标识方法 | |
CN105975959A (zh) | 基于神经网络的人脸特征提取建模、人脸识别方法及装置 | |
CN105468760B (zh) | 对人脸图片进行标注的方法和装置 | |
CN105760835B (zh) | 一种基于深度学习的步态分割与步态识别一体化方法 | |
CN105512700B (zh) | 基于rfid与视频技术的分析方法及其分析*** | |
CN106529499A (zh) | 基于傅里叶描述子和步态能量图融合特征的步态识别方法 | |
CN109389153A (zh) | 一种全息防伪码校验方法及装置 | |
CN106250866A (zh) | 基于神经网络的图像特征提取建模、图像识别方法及装置 | |
CN110931112B (zh) | 一种基于多维信息融合和深度学习的脑部医学影像分析方法 | |
CN104751110A (zh) | 一种活体检测方法和装置 | |
CN110536724A (zh) | 游艺用代用货币的枚数检测*** | |
CN109684803A (zh) | 基于手势滑动的人机验证方法 | |
CN105631272A (zh) | 一种多重保险的身份认证方法 | |
CN108809948A (zh) | 一种基于深度学习的异常网络连接检测方法 | |
CN110427962A (zh) | 一种测试方法、电子设备及计算机可读存储介质 | |
CN106295501A (zh) | 基于唇部运动的深度学习身份识别方法 | |
CN110503099A (zh) | 基于深度学习的信息识别方法及相关设备 | |
CN109146873A (zh) | 一种基于学习的显示屏缺陷智能检测方法及装置 | |
Filippidou et al. | Single sample face recognition using convolutional neural networks for automated attendance systems | |
CN107633470A (zh) | 一种基于视频识别的艺术考试评分***及方法 | |
CN107357799A (zh) | 评估人脸识别***注册上限的方法及装置 | |
CN108921023A (zh) | 一种确定低质量人像数据的方法及装置 | |
CN103390151A (zh) | 人脸检测方法及装置 | |
CN110493142A (zh) | 基于谱聚类和随机森林算法的移动应用程序行为识别方法 | |
CN106529470A (zh) | 一种基于多级深度卷积神经网络的手势识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |