CN109145813B - 一种图像匹配算法测试方法和装置 - Google Patents

一种图像匹配算法测试方法和装置 Download PDF

Info

Publication number
CN109145813B
CN109145813B CN201810947655.8A CN201810947655A CN109145813B CN 109145813 B CN109145813 B CN 109145813B CN 201810947655 A CN201810947655 A CN 201810947655A CN 109145813 B CN109145813 B CN 109145813B
Authority
CN
China
Prior art keywords
image
test
test sample
matching algorithm
script
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.)
Active
Application number
CN201810947655.8A
Other languages
English (en)
Other versions
CN109145813A (zh
Inventor
姜林芳
王二旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JD Digital Technology Holdings Co Ltd
Jingdong Technology Holding Co Ltd
Original Assignee
JD Digital Technology Holdings Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JD Digital Technology Holdings Co Ltd filed Critical JD Digital Technology Holdings Co Ltd
Priority to CN201810947655.8A priority Critical patent/CN109145813B/zh
Publication of CN109145813A publication Critical patent/CN109145813A/zh
Application granted granted Critical
Publication of CN109145813B publication Critical patent/CN109145813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种图像匹配算法测试方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，排列组合得到测试样本；测试样本用于对图像匹配算法进行测试。该实施方式利用脚本采集各个参考样本图像和视频流，自动从视频流中截取各个测试样本图像，省时省力，测试效率高；对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本以用于测试图像匹配算法，测试数据量庞大，测试结果的准确性好，能够对算法进行全面的测试。

Description

一种图像匹配算法测试方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像匹配算法测试方法和装置。
背景技术
基于人脸识别的人证比对算法的测试需要大量的人脸和身份证照片比对样本进行测试，现有技术的测试方法是测试人员组织尽可能多的部门人员分别进行实地的照片采集进行测试，测试时每个人需要把现有的身份证样本都进行一次比对，计算其误识率与其准确率。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
(1)测试数据量较小，测试结果的准确性差；
(2)人证照片比对样本单一，无法对算法进行全面的测试，也无法对算法进行持续性、健壮性测试；
(3)参与人员众多，耗时耗力，效率低下。
发明内容
有鉴于此，本发明实施例提供一种图像匹配算法测试方法和装置，利用脚本采集各个参考样本图像和视频流，自动从视频流中截取各个测试样本图像，省时省力，测试效率高；对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本以用于测试图像匹配算法，测试数据量庞大，测试结果的准确性好，能够对算法进行全面的测试。
根据本发明实施例的一个方面，提供了一种图像匹配算法测试方法。
根据本发明实施例的一种图像匹配算法测试方法包括：
利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；
利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；
测试样本用于对图像匹配算法进行测试。
可选地，对图像匹配算法进行测试得到的测试结果包括：测试通过和测试不通过；得到各个测试样本的测试结果之后，还包括：利用自动分析脚本根据各个测试样本的测试结果确定图像匹配算法当前的通过率。
可选地，确定图像匹配算法当前的通过率之后，还包括：利用自动分析脚本判断当前的通过率是否大于等于通过率阈值；若是，则测试结束；否则，利用自动分析脚本调整图像匹配算法的算法参数，然后重新获取利用测试样本对图像匹配算法进行测试的测试结果以确定图像匹配算法的通过率，直至图像匹配算法的通过率大于等于通过率阈值。
可选地，参考样本图像为身份证照片，测试样本图像为采集的人脸照片。
可选地，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本，包括：利用自动读取图像脚本读取各个身份证照片和各个人脸照片，对各个身份证照片和各个人脸照片进行排列组合得到测试样本；所述方法还包括：调用采用Flask Web框架封装的接口将测试样本传递至图像匹配算法进行测试。
根据本发明实施例的再一个方面，提供了一种图像匹配算法测试装置。
根据本发明实施例的图像匹配算法测试装置包括：
采集模块，利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；
读取模块，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；
测试样本用于对图像匹配算法进行测试。
可选地，对图像匹配算法进行测试得到的测试结果包括：测试通过和测试不通过；本发明实施例的图像匹配算法测试装置还包括：分析模块，用于：得到各个测试样本的测试结果之后，利用自动分析脚本根据各个测试样本的测试结果确定图像匹配算法当前的通过率。
可选地，分析模块还用于：确定图像匹配算法当前的通过率之后，利用自动分析脚本判断当前的通过率是否大于等于通过率阈值；若是，则测试结束；否则，分析模块利用自动分析脚本调整图像匹配算法的算法参数，然后重新获取利用测试样本对图像匹配算法进行测试的测试结果以确定图像匹配算法的通过率，直至图像匹配算法的通过率大于等于通过率阈值。
可选地，参考样本图像为身份证照片，测试样本图像为采集的人脸照片。
可选地，读取模块利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本，包括：利用自动读取图像脚本读取各个身份证照片和各个人脸照片，对各个身份证照片和各个人脸照片进行排列组合得到测试样本；读取模块还用于：调用采用Flask Web框架封装的接口将测试样本传递至图像匹配算法进行测试。
根据本发明实施例的另一个方面，提供了一种图像匹配算法测试电子设备。
根据本发明实施例的图像匹配算法测试电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现本发明实施例第一方面提供的图像匹配算法测试方法。
根据本发明实施例的还一个方面，提供了一种计算机可读介质。
根据本发明实施例的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例第一方面提供的图像匹配算法测试方法。
上述发明中的一个实施例具有如下优点或有益效果：利用脚本采集各个参考样本图像和视频流，自动从视频流中截取各个测试样本图像，省时省力，测试效率高；对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本以用于测试图像匹配算法，测试数据量庞大，测试结果的准确性好，能够对算法进行全面的测试。利用自动分析脚本确定图像匹配算法的通过率，并基于此调整图像匹配算法的算法参数，能够对算法进行持续性、健壮性测试。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的图像匹配算法测试方法的主要流程的示意图；
图2是根据本发明实施例的图像匹配算法测试装置的主要模块的示意图；
图3是本发明实施例可以应用于其中的示例性***架构图；
图4是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
根据本发明实施例的一个方面，提供了一种图像匹配算法测试方法。
图1是根据本发明实施例的图像匹配算法测试方法的主要流程的示意图。如图1所示，图像匹配算法测试方法包括：步骤S101和步骤S102。
步骤S101、利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像。
自动爬取脚本是指能够从网络上爬取图像的脚本。自动截取图像脚本是指能够从视频流的各帧图像中截取至少一部分图像作为测试样本图像的脚本。
测试样本图像的图像内容可以根据实际情况进行设置。例如，用于人脸识别时，测试样本图像可以为采集的人脸照片。用于商品匹配时，测试样本图像可以为采集的商品照片。将爬取到的各个图像转换为视频流，便于自动截取图像脚本截取各个测试样本图像，数据量大且准确，可信度高。
现有技术中进行人脸识别时，测试人员组织尽可能多的部门人员分别进行实地的照片采集进行测试，耗时耗力。本发明利用自动爬取脚本自动和自动截取图像脚本自动获取各个测试样本图像，无需人为参与，省时省力，效率高。
步骤S102、利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；测试样本用于对图像匹配算法进行测试。
自动读取图像脚本是指能够自动将存储在某个位置的各个参考样本图像和各个测试样本图像读取出来用于得到测试样本的脚本。利用自动读取图像脚本自动调用接口对不同参数进行排列、对算法进行自动化传参测试，替代了人工测试，提高了测试效率。
参考样本图像和测试样本图像都是待匹配对象的图像。例如，用于人脸识别时，测试样本图像可以为采集的人脸照片，参考样本图像可以是身份证照片。再例如，用于指纹识别时，测试样本图像可以为采集的指纹照片，参考样本图像可以是预先保存的指纹照片。
在一些实施例中，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本，包括：利用自动读取图像脚本读取各个身份证照片和各个人脸照片，对各个身份证照片和各个人脸照片进行排列组合得到测试样本；本发明实施例的方法还包括：调用采用Flask Web(一个基于Python的微型Web框架)框架封装的接口将测试样本传递至图像匹配算法进行测试。
假设参考样本图像的数量为m，则测试样本图像的数量为n，则排列组合后得到的测试样本的数量为m*n。测试数据量庞大，具有多样性，测试结果的准确性好，能够对算法进行全面的测试。
本发明实施例用于测试图像匹配算法，该图像匹配算法的算法模型如何不影响本发明实施例的测试方法的实施。
对图像匹配算法进行测试得到的测试结果包括：测试通过和测试不通过；得到各个测试样本的测试结果之后，还可以包括：利用自动分析脚本根据各个测试样本的测试结果确定图像匹配算法当前的通过率。
假设参考样本图像的数量为m，则测试样本图像的数量为n，则排列组合后得到的测试样本的数量为m*n。以该m*n个测试样本作为图像匹配算法的输入，得到m*n个测试结果。假设：该m*n个测试结果中有a个测试结果是测试通过，即m*n个测试结果中有a个测试样本的测试样本图像与参考样本图像经图像匹配算法确认是匹配的，则该图像匹配算法的通过率为a/m*n。
由于测试结果多而且复杂，利用脚本自动分析，算其通过率，提高测试结果可信度
可选地，确定图像匹配算法当前的通过率之后，还包括：利用自动分析脚本判断当前的通过率是否大于等于通过率阈值；若是，则测试结束；否则，利用自动分析脚本调整图像匹配算法的算法参数，然后重新获取利用测试样本对图像匹配算法进行测试的测试结果以确定图像匹配算法的通过率，直至图像匹配算法的通过率大于等于通过率阈值。
图像匹配算法的算法模型不同，对应的算法参数不一定相同。在训练和测试图像匹配算法的算法模型过程中，可以通过调整算法参数不断优化算法参数。
例如，图像匹配算法中相似度阈值这一参数，则根据测试样本输出测试结果时，图像匹配算法计算各个测试样本中测试样本图像与参考样本图像的相似度，若该相似度大于等于相似度阈值，则该测试样本的测试结果为测试通过；否则，测试结果为测试不通过。若基于各个测试样本的测试结果得出的通过率大于等于通过率阈值，则测试结束；否则，利用自动分析脚本调整图像匹配算法的相似度阈值，然后重新利用测试样本对图像匹配算法进行测试、确定图像匹配算法的通过率，直至图像匹配算法的通过率大于等于通过率阈值。
以下以一具体实施例对本发明实施例的图像匹配算法进行示例性说明。
步骤一：把部门身份证照片拍照后作为样本身份证照片放于身份证照片IdentityCard_images文件夹中，利用自动爬取图像脚本Python(一种面向对象的解释型计算机程序设计语言)从网络爬取多张人脸照片制作成视频流，利用自动截取图像脚本ffmpeg(一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序)将从视频流中截取到的人脸照片存储到人脸照片Face_images文件夹中；用ffmpeg将多张图片转换为视频流，便于自动截取图像脚本截取人脸照片，用于计算人脸照片和身份证照片的误识率，数据量大并准确可信度高。
步骤二：利用Flask Web框架封装Rest(Rest描述了HTTP层里客户端和服务器端的数据交互规则)(也可以采用其他框架，采用此框架简单易用)接口，调用人证比对算法(即本发明实施例中提及的图像匹配算法)，利用自动读取图像脚本读取Face_images文件夹下的人脸照片、IdentityCard_images文件夹下的身份证照片，将照片转码后调用post(HTTP层的一种请求接口)接口，以便传参。
利用Flask Web框架封装Rest接口需要调用Comparator(一种比较器)模块中的comparator类的compare_offline_raw方法。业务中需要进行传参，调用测试人员所写接口，测试其人证是否一致，参数为步骤一的人脸照片和身份证照片，设身份证照片数量为n，人脸照片数量为m，将身份证照片及人脸照片组合，即有m*n种组合结果，将结果进行比对，利用人比对算法求出相似度。
步骤三：自动读取图像脚本自动调用Rest接口进行传参测试(例如，利用for循环分别读取一张身份证照片和一张人脸照片，利用cv2模块的imencode方法编码图像，并将其转为字节向量，再调用base64模块的b64encode方法转为base64编码格式，将已编码的两个结果作为参数传给Rest接口)，参数为步骤一中的人脸和身份证照片，不同参数进行排列，持续进行人证比对，输出测试结果。具体地，入参为已编码的一张身份证照片和一张人脸照片，利用两重for循环将身份证照片和人脸照片全部比对完成；出参为照片比对匹配值，待所有数据比对完毕后输出测试报告，测试报告中包括比对人脸照片、比对身份证照片、测试结果、所耗时间，供自动分析脚本对其结果分析，同时也可以提供给测试人员总结分析。测试数据量较多，结果更准确更具说服力。
步骤四：利用自动分析脚本对执行后的测试结果进行自动分析，自动计算出通过率，利用通过率求其误识(即本该测试通过的被算法判定为测试不通过、或者本该测试不通过的被算法判定为测试通过)率及其相应的通过率阈值。例如，将本人人脸照片与本人身份证照片的比对结果放到一个列表中，将本人人脸照片与其他人身份证照片的比对结果中放到另一个列表中，分别于某一相似度阈值进行比较，可以得出此相似度阈值下的通过率和误识率。相似度阈值可以利用递增设置不同的值，比较得出不同相似度阈值下的通过率和误识率。当自动分析脚本执行完毕后，可以有一个定向发送，自动将测试结果发送到相关人员邮箱，若有问题可以第一时间对问题进行处理，减少沟通成本。
上述步骤一至步骤四的具体实施方案如下：
首先使用PyCharm(一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具)完成Python自动从网络获取多张人脸照片的自动爬取图像脚本，将获取到的人脸照片保存于本地c盘文件夹sample_faceImages中，利用ffmpeg工具将c盘sample_faceImages里爬取到的人脸照片用命令语句合成视频流，便于自动截取图像脚本截取照片。自动截取图像脚本通过Python第三方库cv2模块实现自动识别人脸并将截取到的人脸照片保存，其主要步骤为：1)VideoConverter(一种视频转换器)读取视频流，2)CascadeClassifier(做人脸检测的一个级联分类器)识别人脸，3)detectMultiScale(一种可用于人脸检测的函数)人脸检测，4)保存图片。将通过自动截取图像脚本截取到的人脸照片保存于Face_Images文件夹中，以便入参测试。
其次，利用Flask框架封装Rest接口，需要调用Comparator模块中的comparator类的compare_offline_raw方法。将Rest接口部署到算法服务器上。
最后根据测试人员自主封装的Rest接口调用匹配算法，利用自动读取图像脚本自动传递Identity_Images文件夹中的身份证照片及Face_Images文件夹中的人脸照片参数，利用两重for循环对人脸照片及身份证照片组合进行人证比对，利用认证比对算法计算出相似度输出到result文件夹中，相似度数字越小，说明其匹配度越高，反之则越低。
最后利用自动分析比对结果脚本的Cacul_Function方法用测试通过的照片数量除以全部的照片数量自动计算出通过率，利用通过率求其误识率及其相应通过率阈值，测试完成之后自动将测试结果发送到相关人员的邮箱中，以便第一时间处理问题。
本发明实施例具有如下优点：利用脚本自动截取人脸照片，将其截取到的人脸照片利用脚本制作为视频流，以便自动截取照片，节省人力，大大缩短了真人测试的时间，提高了效率。然后利用脚本进行传参，人证比对，输出结果，自动分析结果计算出其通过率及误识率，大大缩短了测试时间，保证了数据的多样性，减少浪费各部门人力的时间。通过以上方法可以提高软件项目的测试效率。
本发明实施例运用了4个脚本进行自动化测试，免去了人工测试的复杂性，大大提高了测试效率，实现算法全流程的自动化测试。
根据本发明实施例的再一个方面，提供了一种图像匹配算法测试装置。
图2是根据本发明实施例的图像匹配算法测试装置的主要模块的示意图。如图2所示，根据本发明实施例的图像匹配算法测试装置200包括：
采集模块201，利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；
读取模块202，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；
测试样本用于对图像匹配算法进行测试。
可选地，对图像匹配算法进行测试得到的测试结果包括：测试通过和测试不通过；本发明实施例的图像匹配算法测试装置还包括：分析模块(图中未示出)，用于：得到各个测试样本的测试结果之后，利用自动分析脚本根据各个测试样本的测试结果确定图像匹配算法当前的通过率。
可选地，分析模块还用于：确定图像匹配算法当前的通过率之后，利用自动分析脚本判断当前的通过率是否大于等于通过率阈值；若是，则测试结束；否则，分析模块利用自动分析脚本调整图像匹配算法的算法参数，然后重新获取利用测试样本对图像匹配算法进行测试的测试结果以确定图像匹配算法的通过率，直至图像匹配算法的通过率大于等于通过率阈值。
可选地，参考样本图像为身份证照片，测试样本图像为采集的人脸照片。
可选地，读取模块利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本，包括：利用自动读取图像脚本读取各个身份证照片和各个人脸照片，对各个身份证照片和各个人脸照片进行排列组合得到测试样本；读取模块还用于：调用采用Flask Web框架封装的接口将测试样本传递至图像匹配算法进行测试。
根据本发明实施例的另一个方面，提供了一种图像匹配算法测试电子设备。
根据本发明实施例的图像匹配算法测试电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器实现本发明实施例第一方面提供的图像匹配算法测试方法。
图3示出了可以应用本发明实施例的图像匹配算法测试方法或图像匹配算法测试装置的示例性***架构300。
如图3所示，***架构300可以包括终端设备301、302、303，网络304和服务器305。网络304用以在终端设备301、302、303和服务器305之间提供通信链路的介质。网络304可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备301、302、303通过网络304与服务器305交互，以接收或发送消息等。终端设备301、302、303上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备301、302、303可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器305可以是提供各种服务的服务器，例如对用户利用终端设备301、302、303所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的图像匹配算法测试方法一般由服务器305执行，相应地，图像匹配算法测试装置一般设置于服务器305中。
应该理解，图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图4，其示出了适于用来实现本发明实施例的终端设备的计算机***400的结构示意图。图4示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，计算机***400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有***400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括：采集模块，利用自动爬取脚本爬取各个图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；读取模块，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；测试样本用于对图像匹配算法进行测试，以得到各个测试样本的测试结果。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，采集模块还可以被描述为“利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：利用自动爬取脚本爬取各个图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；测试样本用于对图像匹配算法进行测试，以得到各个测试样本的测试结果。
根据本发明实施例的技术方案，具有如下优点或有益效果：利用脚本采集各个参考样本图像和视频流，自动从视频流中截取各个测试样本图像，省时省力，测试效率高；对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本以用于测试图像匹配算法，测试数据量庞大，测试结果的准确性好，能够对算法进行全面的测试。利用自动分析脚本确定图像匹配算法的通过率，并基于此调整图像匹配算法的算法参数，能够对算法进行持续性、健壮性测试。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种图像匹配算法测试方法，其特征在于，包括：
利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；
利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；参考样本图像为身份证照片，测试样本图像为采集的人脸照片；
所述测试样本用于对图像匹配算法进行测试；
其中，利用for循环分别读取一个参考样本图像和一个测试样本图像，利用cv2模块的imencode方法编码图像，并将其转为字节向量，再调用base64模块的b64encode方法转为base64编码格式，将已编码的两个结果作为参数进行测试；
根据测试结果计算所述图像匹配算法的误识率；其中，所述误识率为本该测试通过的被所述图像匹配算法判定为测试不通过、或者本该测试不通过的被所述图像匹配算法判定为测试通过的概率。
2.如权利要求1所述的方法，其特征在于，对图像匹配算法进行测试得到的测试结果包括：测试通过和测试不通过；得到各个测试样本的测试结果之后，还包括：利用自动分析脚本根据各个测试样本的测试结果确定图像匹配算法当前的通过率。
3.如权利要求2所述的方法，其特征在于，确定图像匹配算法当前的通过率之后，还包括：利用自动分析脚本判断当前的通过率是否大于等于通过率阈值；若是，则测试结束；否则，利用自动分析脚本调整图像匹配算法的算法参数，然后重新利用所述测试样本对图像匹配算法进行测试，直至图像匹配算法的通过率大于等于通过率阈值。
4.如权利要求1所述的方法，其特征在于，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本，包括：利用自动读取图像脚本读取各个身份证照片和各个人脸照片，对各个身份证照片和各个人脸照片进行排列组合得到测试样本；所述方法还包括：自动读取图像脚本调用采用Flask Web框架封装的接口将所述测试样本传递至图像匹配算法进行测试。
5.一种图像匹配算法测试装置，其特征在于，包括：
采集模块，利用自动爬取脚本爬取图像并将爬取到的图像制成视频流，利用自动截取图像脚本从视频流中截取各个测试样本图像；
读取模块，利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本；每个测试样本包括一个参考样本图像和一个测试样本图像；参考样本图像为身份证照片，测试样本图像为采集的人脸照片；
所述测试样本用于对图像匹配算法进行测试；
其中，利用for循环分别读取一个参考样本图像和一个测试样本图像，利用cv2模块的imencode方法编码图像，并将其转为字节向量，再调用base64模块的b64encode方法转为base64编码格式，将已编码的两个结果作为参数进行测试；
分析模块，用于根据测试结果计算所述图像匹配算法的误识率；其中，所述误识率为本该测试通过的被所述图像匹配算法判定为测试不通过、或者本该测试不通过的被所述图像匹配算法判定为测试通过。
6.如权利要求5所述的装置，其特征在于，对图像匹配算法进行测试得到的测试结果包括：测试通过和测试不通过；所述分析模块，用于：得到各个测试样本的测试结果之后，利用自动分析脚本根据各个测试样本的测试结果确定图像匹配算法当前的通过率。
7.如权利要求6所述的装置，其特征在于，分析模块还用于：确定图像匹配算法当前的通过率之后，利用自动分析脚本判断当前的通过率是否大于等于通过率阈值；若是，则测试结束；否则，分析模块利用自动分析脚本调整图像匹配算法的算法参数，然后重新获取利用所述测试样本对图像匹配算法进行测试的测试结果以确定图像匹配算法的通过率，直至图像匹配算法的通过率大于等于通过率阈值。
8.如权利要求5所述的装置，其特征在于，读取模块利用自动读取图像脚本读取各个参考样本图像和各个测试样本图像，对各个参考样本图像和各个测试样本图像进行排列组合得到测试样本，包括：利用自动读取图像脚本读取各个身份证照片和各个人脸照片，对各个身份证照片和各个人脸照片进行排列组合得到测试样本；读取模块还用于：调用采用FlaskWeb框架封装的接口将所述测试样本传递至图像匹配算法进行测试。
9.一种图像匹配算法测试电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
CN201810947655.8A 2018-08-20 2018-08-20 一种图像匹配算法测试方法和装置 Active CN109145813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810947655.8A CN109145813B (zh) 2018-08-20 2018-08-20 一种图像匹配算法测试方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810947655.8A CN109145813B (zh) 2018-08-20 2018-08-20 一种图像匹配算法测试方法和装置

Publications (2)

Publication Number Publication Date
CN109145813A CN109145813A (zh) 2019-01-04
CN109145813B true CN109145813B (zh) 2021-03-30

Family

ID=64790331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810947655.8A Active CN109145813B (zh) 2018-08-20 2018-08-20 一种图像匹配算法测试方法和装置

Country Status (1)

Country Link
CN (1) CN109145813B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110427962A (zh) * 2019-06-20 2019-11-08 厦门网宿有限公司 一种测试方法、电子设备及计算机可读存储介质
TWI710778B (zh) 2019-12-04 2020-11-21 瑞軒科技股份有限公司 自動化測試系統及其裝置
TWI748297B (zh) * 2019-12-04 2021-12-01 瑞軒科技股份有限公司 自動化測試方法
TWI777552B (zh) * 2019-12-04 2022-09-11 瑞軒科技股份有限公司 自動化測試方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484650A (zh) * 2014-12-09 2015-04-01 北京信息科技大学 素描人脸识别的方法和装置
CN105389812A (zh) * 2015-10-31 2016-03-09 重庆电信研究院 基于计算机视觉的车载信息终端功能自动测试方法
CN105868102A (zh) * 2016-03-22 2016-08-17 中国科学院软件研究所 一种基于计算机视觉的移动端应用测试***及方法
CN106411633A (zh) * 2016-08-23 2017-02-15 国家电网公司 一种基于openstack的Web应用兼容性测试方法及其***
US9870520B1 (en) * 2013-08-02 2018-01-16 Intuit Inc. Iterative process for optimizing optical character recognition

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9870520B1 (en) * 2013-08-02 2018-01-16 Intuit Inc. Iterative process for optimizing optical character recognition
CN104484650A (zh) * 2014-12-09 2015-04-01 北京信息科技大学 素描人脸识别的方法和装置
CN105389812A (zh) * 2015-10-31 2016-03-09 重庆电信研究院 基于计算机视觉的车载信息终端功能自动测试方法
CN105868102A (zh) * 2016-03-22 2016-08-17 中国科学院软件研究所 一种基于计算机视觉的移动端应用测试***及方法
CN105868102B (zh) * 2016-03-22 2018-06-26 中国科学院软件研究所 一种基于计算机视觉的移动端应用测试***及方法
CN106411633A (zh) * 2016-08-23 2017-02-15 国家电网公司 一种基于openstack的Web应用兼容性测试方法及其***

Also Published As

Publication number Publication date
CN109145813A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN109145813B (zh) 一种图像匹配算法测试方法和装置
CN108898186B (zh) 用于提取图像的方法和装置
US10762387B2 (en) Method and apparatus for processing image
WO2020000879A1 (zh) 图像识别方法和装置
US11310559B2 (en) Method and apparatus for recommending video
WO2019242222A1 (zh) 用于生成信息的方法和装置
CN109740018B (zh) 用于生成视频标签模型的方法和装置
CN109993150B (zh) 用于识别年龄的方法和装置
KR102002024B1 (ko) 객체 라벨링 처리 방법 및 객체 관리 서버
US11514263B2 (en) Method and apparatus for processing image
CN112954450B (zh) 视频处理方法、装置、电子设备和存储介质
US11758088B2 (en) Method and apparatus for aligning paragraph and video
CN110021052B (zh) 用于生成眼底图像生成模型的方法和装置
CN108388563B (zh) 信息输出方法和装置
CN109308490A (zh) 用于生成信息的方法和装置
CN109389096B (zh) 检测方法和装置
CN109214501B (zh) 用于识别信息的方法和装置
CN110084317B (zh) 用于识别图像的方法和装置
CN111539903B (zh) 训练人脸图像合成模型的方法和装置
CN113569740B (zh) 视频识别模型训练方法与装置、视频识别方法与装置
US11659181B2 (en) Method and apparatus for determining region of interest
CN110110666A (zh) 目标检测方法和装置
CN109919220B (zh) 用于生成视频的特征向量的方法和装置
CN109816023B (zh) 用于生成图片标签模型的方法和装置
CN108257081B (zh) 用于生成图片的方法和装置

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
CB02 Change of applicant information

Address after: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant after: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

Address before: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Applicant before: BEIJING JINGDONG FINANCIAL TECHNOLOGY HOLDING Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Patentee after: Jingdong Technology Holding Co.,Ltd.

Address before: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Patentee before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Patentee after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: 101111 Room 221, 2nd Floor, Block C, 18 Kechuang 11th Street, Beijing Economic and Technological Development Zone

Patentee before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

CP01 Change in the name or title of a patent holder