CN109492523A - 人脸识别***性能测试方法、装置、设备和存储介质 - Google Patents
人脸识别***性能测试方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109492523A CN109492523A CN201811082813.4A CN201811082813A CN109492523A CN 109492523 A CN109492523 A CN 109492523A CN 201811082813 A CN201811082813 A CN 201811082813A CN 109492523 A CN109492523 A CN 109492523A
- Authority
- CN
- China
- Prior art keywords
- test
- identification system
- face identification
- measured
- image sample
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011056 performance test Methods 0.000 title claims abstract description 22
- 238000012360 testing method Methods 0.000 claims abstract description 350
- 238000012795 verification Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 29
- 238000010586 diagram Methods 0.000 claims description 26
- 230000001815 facial effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000012797 qualification Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000005540 biological transmission Effects 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及人工智能技术领域,提供一种人脸识别***性能测试方法、装置、计算机设备和存储介质。所述方法包括:接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值;根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果;根据验证结果获取待测人脸识别***的通过率和误报率;根据通过率和误报率确定待测人脸识别***的性能。采用本方法能够实现自动化测试人脸识别***的性能。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种人脸识别***性能测试方法、装置、计算机设备和存储介质。
背景技术
随着人脸识别技术的发展,大多数终端产品上都可以利用人脸识别***进行身份识别验证。为了确保人脸识别***的识别性能,在人脸识别***投入线上使用前需要对其进行性能测试。
然而,传统的测试方法是由测试人员手持安装有人脸识别***的设备进行人脸识别验证来测试其识别性能,手动测试导致测试效率低下。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高测试效率的人脸识别***性能测试方法、装置、计算机设备和存储介质。
一种人脸识别***性能测试方法,所述方法包括:
接收测试终端发送的测试请求,所述测试请求中携带测试图像样本和测试阈值;
根据所述测试请求同步调用待测人脸识别***,将所述测试图像样本和测试阈值输入至所述待测人脸识别***,得到验证结果;
根据所述验证结果获取所述待测人脸识别***的通过率和误报率;
根据所述通过率和误报率确定所述待测人脸识别***的性能。
在其中一个实施例中,还包括:所述方法还包括:
获取多个待测人脸识别***在相同测试阈值下的误报率;
选择满足预设要求的误报率,获取所述误报率相对应的测试阈值;
将所述测试阈值输入至所述多个待测人脸识别***,得到验证结果;
根据所述验证结果获取所述待测人脸识别***的通过率和识别速度;
根据所述通过率和识别速度选择待测人脸识别***。
在其中一个实施例中,所述接收测试终端发送的测试请求之前包括:
接收测试终端发送的采集指令,根据所述采集指令采集测试图像样本并获取当前采集地理位置信息;
根据预设水印模板将所述地理位置信息生成场景水印;
将所述场景水印嵌入至相对应的测试图像样本中,并对所述测试图像样本进行加噪处理。
在其中一个实施例中,所述根据所述测试请求同步调用待测人脸识别***之前包括:
判断所述测试请求中是否携带场景水印;
若是,根据所述场景水印从测试图像样本中提取相对应的测试图像。
在其中一个实施例中,所述根据所述测试请求同步调用待测人脸识别***,将所述测试图像样本和测试阈值输入至所述待测人脸识别***,得到验证结果包括:
获取所述测试图像样本的样本标识,根据所述样本标识获取人脸区域信息和样本对比图;
根据所述人脸区域信息判断所述测试图像样本是否合格;
若是,比较所述测试图像样本和样本对比图,获取对比分值;
判断所述对比分值是否大于所述测试阈值,得到验证结果。
在其中一个实施例中,所述根据所述人脸区域信息判断所述测试图像样本是否合格包括:
根据所述人脸区域信息从相应的测试图像样本中提取人脸图像;
获取人脸五官模型图,将所述人脸图像输入至所述人脸五官模型图中判断所述测试图像样本是否合格。
在其中一个实施例中,所述对所述测试图像样本进行加噪处理包括:
计算待测图像样本的总像素数目,随机从所述总像素数目中指定加噪位置;
获取加噪像素值,将所述加噪位置相对应的像素值替换成所述加噪像素值。
一种人脸识别***性能测试装置,所述装置包括:
接收模块,用于接收测试终端发送的测试请求,所述测试请求中携带测试图像样本和测试阈值;
调用模块,用于根据所述测试请求同步调用待测人脸识别***,将所述测试图像样本和测试阈值输入至所述待测人脸识别***,得到验证结果;
获取模块,用于根据所述验证结果获取所述待测人脸识别***的通过率和误报率;
确定模型,用于根据所述通过率和误报率确定所述待测人脸识别***的性能。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述的人脸识别***性能测试方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的人脸识别***性能测试方法。
上述人脸识别***性能测试方法、装置、计算机设备和存储介质,通过接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值。根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果。根据验证结果获取待测人脸识别***的通过率和误报率,根据通过率和误报率确定待测人脸识别***的性能,实现了自动化测试人脸识别***的性能。
附图说明
图1为一个实施例中人脸识别***性能测试方法的应用场景图;
图2为一个实施例中人脸识别***性能测试方法的流程示意图;
图3另为一个实施例中人脸识别***性能测试步骤的流程示意图;
图4为一个实施例中测试图像样本采集方法的流程示意图;
图5为一个实施例中将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果的方法的流程示意图;
图6为一个实施例中人脸识别***性能测试装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的人脸识别***性能测试方法,可以应用于如图1所示的应用环境中。其中,测试终端102通过网络与服务器104进行通信。其中,测试终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104接收测试终端102发送的测试请求,测试请求中携带测试图像样本和测试阈值。服务器104根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果。服务器104根据验证结果获取待测人脸识别***的通过和误报率,根据通过率和误报率确定待测人脸识别***的性能。
在一个实施例中,如图2所示,提供了一种人脸识别***性能测试方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202,接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值。
S204,根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果。
服务器可以通过预先采集测试图像样本,由于人脸识别***对人脸进行身份识别时所验证的图像都是通过用户手持终端实时采集的。所以,为了确保测试图像样本符合实际拍摄图像,测试图像样本应该包含多人种、不同性别、不同年龄阶段、多种拍照区域和场合、多角度和姿势、有无遮挡、多张人脸、相似度高、多种图像格式、多种图像位深度、不同质量的图像、不同背景等等。其中,多人种可以包括黄种人、白种人和黑种人等等;图像格式可以包括JPG格式、JPGE格式、GIF格式、BMP格式、PNG格式、TIFF格式等等;图像位深度可以包括8位、16位、24位、32位等等。
测试阈值是指为与待测人脸识别***验证出来的对比分值进行对比而设置的阈值,可以根据实际测试需求进行预先设置。例如,当测试阈值为50%时,若待测人脸识别***对测试图像样本进行验证时,所得的对比分值低于50%,则验证不通过,若高于等于50%,则验证通过。其中,测试阈值可以包括一个阈值或多个阈值,待测人脸识别***根据测试阈值数量进行反复验证。例如,若测试阈值只包括一个阈值,待测人脸识别***只要在这一个阈值下对测试图像样本进行一次验证。若包括3个测试阈值,则待测人脸识别***需要分别在这三个阈值下对验证图像样本进行测试,一共三次验证。
S206,根据验证结果获取待测人脸识别***的通过率和误报率。
S208,根据通过率和误报率确定待测人脸识别***的性能。
测试图像样本中的每个样本都在样本库中有相对应的对比样本图,对比样本图可以是与测试图像样本拥有同一张人脸但图像不一致的图像、或者可以是与测试图像样本拥有不同人脸且图像不一致的图像。也就是说,一部分测试图像样本在样本库中存储的相应的对比样本图可能是两个不同的人脸。当待测人脸识别***进行验证的时候需要从样本库中获取测试图像样本相对应的对比样图进行比对得出对比分值,验证结果则包括所有测试图像样本的验证对比分值以及验证是否通过的结论。通过率和误报率从验证结果中可以直接统计出来,通过率越高和误报率越低则表明识别性能更好,通过率越低和误报率越高则表明识别性能略差。
通过率是指通过待测人脸识别***验证的图像样本数量与测试图像样本总数量的比值。例如,若测试图像样本数量为50个,而通过待测人脸识别***的验证的图像样本数量是20个,则通过率为40%。误报率是指待测人脸识别***验证错误的测试图像样本数量和测试图像样本总数量的比值,若验证错误的数量为10个,则误报率为20%。根据通过率和误报率可以直接确定待测人脸识别的识别性能。其中,验证错误包括两种情况,一是指通过待测人脸识别***验证所得的验证结果表明该测试图像样本为验证不通过,但是预先存储在样本库中的与该测试图像样本相对应的对比样本图其实是同一张人脸,但是待测人脸识别***没有验证通过,属于验证错误。同样的,二是通过待测人脸识别***验证所得的验证结果表明该测试图像样本为验证通过,但是预先存储在样本库中的与该测试图像样本相对应的对比样本图其实不是同一张人脸,但是待测人脸识别***验证通过,同样属于验证错误。
上述人脸识别***性能测试方法中,通过接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值。根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果。根据验证结果获取待测人脸识别***的通过率和误报率,根据通过率和误报率确定待测人脸识别***的性能,实现了自动化测试人脸识别***的性能。
在一个实施例中,当通过测试比较多个待测人脸识别***的性能时,如图3所示,提供另一种人脸识别***性能测试方法,包括以下步骤:
S302,获取多个待测人脸识别***在相同测试阈值下的误报率。
S304,选择满足预设要求的误报率,获取误报率相对应的测试阈值。
当通过性能测试来比较多个待测人脸识别***的性能时,首先将相同的测试图像样本和相同的测试阈值分别输入至多个待测人脸识别***中,分别得到每个待测人脸识别***的验证结果,根据验证结果获取多个待测人脸识别***的误报率。比较待测人脸识别***在同一测试阈值下的误报率,选择误报率之差范围不超过误差阈值的误报率,然后根据该误报率确定其相对应的测试阈值。其中,误差阈值根据实际情况可以自行设定,在本实施例中,优选的误差阈值不超过5,也就是说,误差率的差值范围不超过5。
例如,待测人脸识别***有两个,分别为***1和***2。测试图像样本有100个,测试阈值有50%和60%。则将100个测试图像样本、50%的测试阈值以及60%的测试阈值输入至***1中,在测试阈值为50%时,得到的验证结果中误报数量为5个,误报率则为5%;在测试阈值为60%时,得到的验证结果中误报数量为12个,误报率则为12%。同样的,将100个测试图像样本、50%的测试阈值以及60%的测试阈值输入至***2中,在测试阈值为50%时,得到的验证结果中误报数量为6个,误报率则为6%;在测试阈值为60%时,得到的验证结果中误报数量为20个,误报率则为20%。从验证结果可以直接得出,当阈值设定为60%时,***1和***2的误报率之差为1,小于等于误差阈值5;而当阈值设定为50%时,***1和***2的误报率之差为8,大于误差阈值5。由此可选择的测试阈值为60%。
S306,将测试阈值输入至多个待测人脸识别***,得到验证结果。
S308,根据验证结果获取待测人脸识别***的通过率和识别速度。
S310,根据通过率和识别速度选择待测人脸识别***。
当根据预设规则选出测试阈值后,将该测试阈值分别输入待测人脸识别***中,人脸识别***基于该测试阈值,并且在相同的测试图像样本以及误差范围之内的误报率下再次进行人脸验证,得到验证结果,验证结果包括通过率和识别速度。识别速度是指人脸识别***识别的速度,由于人脸识别***验证测试图像样本完成后,会调用预先约定好的接口将验证结果返回给服务器,因此,识别速度以时间来衡量。也就是说,当人脸识别***调用接口时,采集当前服务器的时间,将时间输入至验证结果中。根据服务器当前时间来判断人脸识别***的识别速度,时间越靠前的人脸识别***识别速度越快,则识别性能越好。时间越靠后的人脸识别***识别速度越慢,则识别性能越差。相同的,通过率越高的人脸识别***识别性能越好,通过率越低的人脸识别***识别性能越差。当验证结果出现通过率高识别速度慢或者通过率低但是识别速度快的情况时,若识别速度时间之差不超过预设误差范围,则以通过率为准判断识别性能。
在本实施例中,通过获取多个待测人脸识别***在相同测试阈值下的误报率,选择误报率之差不超过预设误差范围对应的测试阈值再次测试待测人脸识别***的通过率和识别速度,用来比较多个待测人脸识别***的性能,实现了自动化测试比较多个人脸识别***的识别性能。
在一个实施例中,如图4所示,提供一种测试图像样本采集的方法,包括以下步骤:
S402,接收测试终端发送的采集指令,根据采集指令采集测试图像样本并获取当前采集地理位置信息。
S404,根据预设水印模板将地理位置信息生成场景水印。
S406,将场景水印嵌入至相对应的测试图像样本中,并对测试图像样本进行加噪处理。
服务器接收测试终端发送的采集指令,服务器响应采集指令采集测试图像样本,并且在采集测试图像样本的同时通过调用GPS定位获取当前采集地理位置信息。服务器获取到地理位置信息后,从数据库中提取预先存储的水印模板,根据水印模板的格式将地理位置信息生成场景水印。再将场景水印嵌入到相对应所采集的测试图像样本中,场景水印的位置根据模板的实际设定可以嵌入至图像的任意位置。场景水印嵌入完成后,可以对测试图像样本进行加噪处理。
在本实施例中,通过利用水印技术对实时采集的测试图像样本添加场景水印,当测试人脸识别***应用于不同的场景的识别性能时,根据场景水印可以提取相应的场景测试图像样本,实现了定量精准测量。
在一个实施例中,当测试应用于固定场景的人脸识别***的性能时,包括:判断测试请求中是否携带场景水印;若是,根据场景水印从测试图像样本中提取相对应的测试图像。
在服务器调用待测人脸识别***进行识别验证之前,判断测试终端发送过来的测试请求中是否有携带场景标识。若没有携带场景标识,则表明不是测试应用与固定场景的人脸识别***,则可直接调用待测人脸识别***,将测试测试图像样本和测试阈值输入至***中进行识别验证。若判断出携带了场景标识,则表明该次性能测试的是应用与固定场景的人脸识别***的性能。则根据携带的场景水印从测试图像样本中提取出有嵌入该场景水印的测试图像样本。将提取出来的测试图像样本以及测试阈值输入至待测人脸识别***,人脸识别***根据该测试图像样本进行识别验证。其中,由于采集图像样本时,是依据实际情况进行实地采集。因此,在特定的场景所采集的测试图像样本更加符合该应用场景的实际情况,以更贴近实际应用情况的测试图像样本测试,保证了测试的准确性。
在本实施例中,通过场景水印提取相对应的测试图像样本进行验证识别,能够针对应用于不同场景的人脸识别***进行测试,保证测试多样性。以及利用与实际场景更加贴近的测试图像样本进行测试保证测试的准确性。
在一个实施例中,当测试应用于固定场景的人脸识别***的性能时还可以在预先采集测试图像样本时,相同场景的测试图像样本可以使用相同的图像背景进行采集,比如应用于海关出入境时,所采集的测试图像样本背景即可有“中国海关”的背景样式。服务器接收到采集的测试图像样本时,通过识别测试图像样本中的背景样式确定相对应的场景,并根据背景样式将测试图像样本进行分类。同时,服务器通过预先设置不同的背景样式有唯一对应的背景标识,并将背景标识添加到已经分类的测试图像样本中,根据背景标识进行分类存储。若本次的性能测试是测试应用与固定场景的人脸识别***的性能时,则当测试终端发送测试请求时,可以在测试请求中携带背景标识,服务器即可通过判断是否有背景标识来判断,并且根据背景标识获取该应用场景的测试图像样本。
在一个实施例中,加噪处理包括对测试图像样本添加椒盐噪声和高斯噪声。当测试图像样本添加椒盐噪声处理时包括:计算待测图像样本的总像素数目,随机从总像素数目中指定加噪位置;获取加噪像素值,将加噪位置相对应的像素值替换成加噪像素值。其中,椒盐噪声的加噪像素值一般取极端值,例如255或0。当测试图像样本添加高斯噪声处理时包括:确定高斯噪声的每个输入像素和高斯采样分布公式。通过以***时间为种子的方式产生一个伪随机数,将伪随机数带入高斯采样分布公式中进行计算获取高斯随机数。将每个输入像素通过与高斯分布的随机数相加得到输出像素,并将所有的输出像素的像素值限制在[0~255]之间得到高斯噪声图像。
在本实施例中,对测试图像样本添加噪声,可以测试待测人脸识别***是否在图像模糊有噪声的情况下还能精准的验证识别,保证了测试的精准性。
在一个实施例中,如图5所示,提供一种将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果的方法,包括以下保步骤:
S502,获取测试图像样本的样本标识,根据样本标识获取人脸区域信息和样本对比图。
S504,根据人脸区域信息判断测试图像样本是否合格。
S506,若是,比较测试图像样本和样本对比图,获取对比分值。
S508,判断对比分值是否大于所述测试阈值,得到验证结果。
预先采集测试图像样本和样本对比图,以及预先根据测试图像样本和样本对比图设置人脸区域信息。为测试图像样本,样本对比图和人脸区域信息设定样本标识,用来标记测试图像样本、人脸区域信息和样本对比图,通过样本标识可以准确提取测试图像样本所对应的人脸区域信息和样本对比图。当将测试图像样本输入至待测人脸识别***后,服务器根据样本标识从样本库中提取该测试图像样本相对应的样本对比图和人脸区域信息,将样本对比图和人脸区域信息输入至待测人脸识别***。或者,待测人脸识别***根据接收到的测试图像样本的样本标识去样本库中提取相对应的样本对比图和人脸区域信息。首先根据人脸区域信息判断测试图像样本是否合格,也就是五官是否达到验证标准要求的清晰度。若是,再比较该测试图像样本和样本对比图,得出一个对比分值。若对比分值大于等于测试阈值,则表示人脸识别验证通过,若对比分值小于测试阈值,则表示人脸识别验证不通过。当根据人脸区域信息判断测试图像样本不合格时,验证结果直接输出测试图像样本不符合验证标准要求。
具体地,根据人脸区域信息判断测试图像样本是否合格包括:根据人脸区域信息从相应的测试图像样本中提取人脸图像;获取人脸五官模型图,将人脸图像输入至人脸五官模型图中判断测试图像样本是否合格。
当获取到人脸区域信息时,根据该人脸区域信息从测试图像样本中提取相对应的人脸图像。人脸图像是指人脸五官图。获取到测试图像样本对应的人脸五官图后,从样本库中获取预先设置好的人脸五官模型图,将测试图像样本对应的人脸五官图输入至预先设置好的人脸五官模型图中,若五官重合度能达到预设值,则表明该人脸图像对应的测试图像样本合格。若否,则表明不合格。
在本实施例中,在待测人脸识别***进行识别验证之前,进一步判断测试图像是否合格,若图像合格再进入识别验证,测试待测人脸识别***是否能测试出测试图像样本的质量,保证了性能测试的多样性和精准性。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种人脸识别***性能测试装置,包括:接收模块602、调用模块604、获取模块606和确定模块608,其中:
接收模块602,用于接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值。
调用模块604,用于根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果。
获取模块606,用于根据验证结果获取待测人脸识别***的通过率和误报率。
确定模块608,用于根据通过率和误报率确定待测人脸识别***的性能。
在一个实施例中,获取模型606还用于获取多个待测人脸识别***在相同测试阈值下的误报率;人脸识别***性能测试装置还包括选择模块,用于选择满足预设要求的误报率,获取误报率相对应的测试阈值;调用模型604还用于将测试阈值输入至多个待测人脸识别***,得到验证结果;获取模块606还用于根据验证结果获取待测人脸识别***的通过率和识别速度;选择模块还用于根据通过率和识别速度选择待测人脸识别***。
在一个实施例中,人脸识别***性能测试装置还包括采集模块,用于接收测试终端发送的采集指令,根据所采集指令采集测试图像样本并获取当前采集地理位置信息;根据预设水印模板将地理位置信息生成场景水印;将场景水印嵌入至相对应的测试图像样本中,并对测试图像样本进行加噪处理。
在一个实施例中,人脸识别***性能测试装置还包括判断模块,用于判断测试请求中是否携带场景水印;若是,根据场景水印从测试图像样本中提取相对应的测试图像。
在一个实施例中,调用模块604还用于获取测试图像样本的样本标识,根据样本标识获取人脸区域信息和样本对比图;根据人脸区域信息判断所述测试图像样本是否合格;若是,比较测试图像样本和样本对比图,获取对比分值;判断对比分值是否大于测试阈值,得到验证结果。
在一个实施例中,调用模块604还用于根据人脸区域信息从相应的测试图像样本中提取人脸图像;获取人脸五官模型图,将人脸图像输入至人脸五官模型图中判断所述测试图像样本是否合格。
在一个实施例中,采集模块还用于计算待测图像样本的总像素数目,随机从总像素数目中指定加噪位置;获取加噪像素值,将加噪位置相对应的像素值替换成所述加噪像素值。
关于人脸识别***性能测试装置的具体限定可以参见上文中对于人脸识别***性能测试方法的限定,在此不再赘述。上述人脸识别***性能测试装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储测试数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人脸识别***性能测试方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值;
根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果;
根据验证结果获取待测人脸识别***的通过率和误报率。
根据通过率和误报率确定待测人脸识别***的性能。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取多个待测人脸识别***在相同测试阈值下的误报率;
选择满足预设要求的误报率,获取误报率相对应的测试阈值;
将测试阈值输入至多个待测人脸识别***,得到验证结果;
根据验证结果获取待测人脸识别***的通过率和识别速度;
根据通过率和识别速度选择待测人脸识别***。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
接收测试终端发送的采集指令,根据所采集指令采集测试图像样本并获取当前采集地理位置信息;
根据预设水印模板将地理位置信息生成场景水印;
将场景水印嵌入至相对应的测试图像样本中,并对测试图像样本进行加噪处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
判断测试请求中是否携带场景水印;
若是,根据场景水印从测试图像样本中提取相对应的测试图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取测试图像样本的样本标识,根据样本标识获取人脸区域信息和样本对比图;
根据人脸区域信息判断所述测试图像样本是否合格;
若是,比较测试图像样本和样本对比图,获取对比分值;
判断对比分值是否大于测试阈值,得到验证结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据人脸区域信息从相应的测试图像样本中提取人脸图像;
获取人脸五官模型图,将人脸图像输入至人脸五官模型图中判断所述测试图像样本是否合格。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
计算待测图像样本的总像素数目,随机从总像素数目中指定加噪位置;
获取加噪像素值,将加噪位置相对应的像素值替换成所述加噪像素值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收测试终端发送的测试请求,测试请求中携带测试图像样本和测试阈值;
根据测试请求同步调用待测人脸识别***,将测试图像样本和测试阈值输入至待测人脸识别***,得到验证结果;
根据验证结果获取待测人脸识别***的通过率和误报率。
根据通过率和误报率确定待测人脸识别***的性能。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取多个待测人脸识别***在相同测试阈值下的误报率;
选择满足预设要求的误报率,获取误报率相对应的测试阈值;
将测试阈值输入至多个待测人脸识别***,得到验证结果;
根据验证结果获取待测人脸识别***的通过率和识别速度;
根据通过率和识别速度选择待测人脸识别***。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
接收测试终端发送的采集指令,根据所采集指令采集测试图像样本并获取当前采集地理位置信息;
根据预设水印模板将地理位置信息生成场景水印;
将场景水印嵌入至相对应的测试图像样本中,并对测试图像样本进行加噪处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
判断测试请求中是否携带场景水印;
若是,根据场景水印从测试图像样本中提取相对应的测试图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取测试图像样本的样本标识,根据样本标识获取人脸区域信息和样本对比图;
根据人脸区域信息判断所述测试图像样本是否合格;
若是,比较测试图像样本和样本对比图,获取对比分值;
判断对比分值是否大于测试阈值,得到验证结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据人脸区域信息从相应的测试图像样本中提取人脸图像;
获取人脸五官模型图,将人脸图像输入至人脸五官模型图中判断所述测试图像样本是否合格。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
计算待测图像样本的总像素数目,随机从总像素数目中指定加噪位置;
获取加噪像素值,将加噪位置相对应的像素值替换成所述加噪像素值。
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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人脸识别***性能测试方法,所述方法包括:
接收测试终端发送的测试请求,所述测试请求中携带测试图像样本和测试阈值;
根据所述测试请求同步调用待测人脸识别***,将所述测试图像样本和测试阈值输入至所述待测人脸识别***,得到验证结果;
根据所述验证结果获取所述待测人脸识别***的通过率和误报率;
根据所述通过率和误报率确定所述待测人脸识别***的性能。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取多个待测人脸识别***在相同测试阈值下的误报率;
选择满足预设要求的误报率,获取所述误报率相对应的测试阈值;
将所述测试阈值输入至所述多个待测人脸识别***,得到验证结果;
根据所述验证结果获取所述待测人脸识别***的通过率和识别速度;
根据所述通过率和识别速度选择待测人脸识别***。
3.根据权利要求1所述的方法,其特征在于,所述接收测试终端发送的测试请求之前包括:
接收测试终端发送的采集指令,根据所述采集指令采集测试图像样本并获取当前采集地理位置信息;
根据预设水印模板将所述地理位置信息生成场景水印;
将所述场景水印嵌入至相对应的测试图像样本中,并对所述测试图像样本进行加噪处理。
4.根据权利要求1所述的方法,其特征在于,所述根据所述测试请求同步调用待测人脸识别***之前包括:
判断所述测试请求中是否携带场景水印;
若是,根据所述场景水印从测试图像样本中提取相对应的测试图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所述测试请求同步调用待测人脸识别***,将所述测试图像样本和测试阈值输入至所述待测人脸识别***,得到验证结果包括:
获取所述测试图像样本的样本标识,根据所述样本标识获取人脸区域信息和样本对比图;
根据所述人脸区域信息判断所述测试图像样本是否合格;
若是,比较所述测试图像样本和样本对比图,获取对比分值;
判断所述对比分值是否大于所述测试阈值,得到验证结果。
6.根据权利要求5所述的方法,其特征在于,所述根据所述人脸区域信息判断所述测试图像样本是否合格包括:
根据所述人脸区域信息从相应的测试图像样本中提取人脸图像;
获取人脸五官模型图,将所述人脸图像输入至所述人脸五官模型图中判断所述测试图像样本是否合格。
7.根据权利要求3所述的方法,其特征在于,所述对所述测试图像样本进行加噪处理包括:
计算待测图像样本的总像素数目,随机从所述总像素数目中指定加噪位置;
获取加噪像素值,将所述加噪位置相对应的像素值替换成所述加噪像素值。
8.一种人脸识别***性能测试装置,其特征在于,所述装置包括:
接收模块,用于接收测试终端发送的测试请求,所述测试请求中携带测试图像样本和测试阈值;
调用模块,用于根据所述测试请求同步调用待测人脸识别***,将所述测试图像样本和测试阈值输入至所述待测人脸识别***,得到验证结果;
获取模块,用于根据所述验证结果获取所述待测人脸识别***的通过率和误报率;
确定模型,用于根据所述通过率和误报率确定所述待测人脸识别***的性能。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811082813.4A CN109492523A (zh) | 2018-09-17 | 2018-09-17 | 人脸识别***性能测试方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811082813.4A CN109492523A (zh) | 2018-09-17 | 2018-09-17 | 人脸识别***性能测试方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109492523A true CN109492523A (zh) | 2019-03-19 |
Family
ID=65690528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811082813.4A Pending CN109492523A (zh) | 2018-09-17 | 2018-09-17 | 人脸识别***性能测试方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492523A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059673A (zh) * | 2019-05-05 | 2019-07-26 | 重庆中科云从科技有限公司 | 一种人脸识别终端自动化测试***和方法 |
CN110533809A (zh) * | 2019-08-22 | 2019-12-03 | 中国电子技术标准化研究院 | 确定无感通行***性能的方法、装置及计算设备 |
CN110991314A (zh) * | 2019-11-28 | 2020-04-10 | 北京以萨技术股份有限公司 | 一种基于人脸聚类精准度的测试方法及*** |
CN111679988A (zh) * | 2020-06-12 | 2020-09-18 | 中国银行股份有限公司 | 人脸识别***的测试方法、装置和相关设备 |
CN111931548A (zh) * | 2019-05-13 | 2020-11-13 | 和硕联合科技股份有限公司 | 人脸识别***、建立人脸识别数据的方法及人脸识别方法 |
CN112000578A (zh) * | 2020-08-26 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 人工智能***的测试方法和装置 |
CN112631896A (zh) * | 2020-12-02 | 2021-04-09 | 武汉旷视金智科技有限公司 | 设备性能测试方法、装置、存储介质及电子设备 |
CN112954306A (zh) * | 2021-01-28 | 2021-06-11 | 北京安兔兔科技有限公司 | 一种图像处理性能测试方法及装置 |
CN113255599A (zh) * | 2021-06-29 | 2021-08-13 | 成都考拉悠然科技有限公司 | 一种自定义人流量测试人脸布控率***及其方法 |
CN114120382A (zh) * | 2020-08-25 | 2022-03-01 | 中车株洲电力机车研究所有限公司 | 一种人脸识别***的测试方法、装置、电子设备及介质 |
CN115601799A (zh) * | 2022-09-09 | 2023-01-13 | 广州市盛通建设工程质量检测有限公司(Cn) | 一种基于人脸识别的评测方法、***、设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060068796A (ko) * | 2004-12-17 | 2006-06-21 | 한국정보보호진흥원 | 얼굴인식 시스템의 성능시험 방법 및 시스템 |
CN101615196A (zh) * | 2009-07-28 | 2009-12-30 | 公安部第一研究所 | 千万级一对多人脸识别产品的测试***与测试方法 |
CN102136024A (zh) * | 2010-01-27 | 2011-07-27 | 中国科学院自动化研究所 | 生物特征识别性能测评和诊断优化*** |
CN103533248A (zh) * | 2013-10-24 | 2014-01-22 | 腾讯科技(上海)有限公司 | 一种图像处理的方法、终端及*** |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN106067043A (zh) * | 2016-06-01 | 2016-11-02 | 重庆中科云丛科技有限公司 | 一种性能测试方法及*** |
CN106446816A (zh) * | 2016-09-14 | 2017-02-22 | 北京旷视科技有限公司 | 人脸识别方法及装置 |
CN106650671A (zh) * | 2016-12-27 | 2017-05-10 | 深圳英飞拓科技股份有限公司 | 人脸识别方法、装置及*** |
CN106934328A (zh) * | 2015-12-30 | 2017-07-07 | 厦门中控生物识别信息技术有限公司 | 一种人脸检测算法的评估方法及装置 |
CN107194379A (zh) * | 2017-06-28 | 2017-09-22 | 南京甄视智能科技有限公司 | 能够适应不同应用场景的人脸识别验证终端及其工作方法 |
CN107357799A (zh) * | 2017-05-17 | 2017-11-17 | 广州视源电子科技股份有限公司 | 评估人脸识别***注册上限的方法及装置 |
CN108229357A (zh) * | 2017-12-24 | 2018-06-29 | 湛江正信科技服务有限公司 | 人脸识别的方法、装置、移动终端及存储介质 |
CN108235769A (zh) * | 2018-01-15 | 2018-06-29 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108319916A (zh) * | 2018-02-01 | 2018-07-24 | 广州市君望机器人自动化有限公司 | 人脸识别方法、装置、机器人及存储介质 |
CN108509833A (zh) * | 2017-12-21 | 2018-09-07 | 苏州大学 | 一种基于结构化分析字典的人脸识别方法、装置及设备 |
-
2018
- 2018-09-17 CN CN201811082813.4A patent/CN109492523A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060068796A (ko) * | 2004-12-17 | 2006-06-21 | 한국정보보호진흥원 | 얼굴인식 시스템의 성능시험 방법 및 시스템 |
CN101615196A (zh) * | 2009-07-28 | 2009-12-30 | 公安部第一研究所 | 千万级一对多人脸识别产品的测试***与测试方法 |
CN102136024A (zh) * | 2010-01-27 | 2011-07-27 | 中国科学院自动化研究所 | 生物特征识别性能测评和诊断优化*** |
CN103533248A (zh) * | 2013-10-24 | 2014-01-22 | 腾讯科技(上海)有限公司 | 一种图像处理的方法、终端及*** |
CN103605993A (zh) * | 2013-12-04 | 2014-02-26 | 康江科技(北京)有限责任公司 | 一种基于面向场景判别性分析的图像到视频人脸识别方法 |
CN106934328A (zh) * | 2015-12-30 | 2017-07-07 | 厦门中控生物识别信息技术有限公司 | 一种人脸检测算法的评估方法及装置 |
CN106067043A (zh) * | 2016-06-01 | 2016-11-02 | 重庆中科云丛科技有限公司 | 一种性能测试方法及*** |
CN106446816A (zh) * | 2016-09-14 | 2017-02-22 | 北京旷视科技有限公司 | 人脸识别方法及装置 |
CN106650671A (zh) * | 2016-12-27 | 2017-05-10 | 深圳英飞拓科技股份有限公司 | 人脸识别方法、装置及*** |
CN107357799A (zh) * | 2017-05-17 | 2017-11-17 | 广州视源电子科技股份有限公司 | 评估人脸识别***注册上限的方法及装置 |
CN107194379A (zh) * | 2017-06-28 | 2017-09-22 | 南京甄视智能科技有限公司 | 能够适应不同应用场景的人脸识别验证终端及其工作方法 |
CN108509833A (zh) * | 2017-12-21 | 2018-09-07 | 苏州大学 | 一种基于结构化分析字典的人脸识别方法、装置及设备 |
CN108229357A (zh) * | 2017-12-24 | 2018-06-29 | 湛江正信科技服务有限公司 | 人脸识别的方法、装置、移动终端及存储介质 |
CN108235769A (zh) * | 2018-01-15 | 2018-06-29 | 福建联迪商用设备有限公司 | 一种人脸识别设备的性能测试方法及测试装置 |
CN108319916A (zh) * | 2018-02-01 | 2018-07-24 | 广州市君望机器人自动化有限公司 | 人脸识别方法、装置、机器人及存储介质 |
Non-Patent Citations (1)
Title |
---|
邵天双: "基于DM6446的嵌入式近红外人脸识别***", 《中国优秀硕士学位论文全文数据库》, pages 1 - 75 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059673A (zh) * | 2019-05-05 | 2019-07-26 | 重庆中科云从科技有限公司 | 一种人脸识别终端自动化测试***和方法 |
CN111931548B (zh) * | 2019-05-13 | 2023-12-12 | 和硕联合科技股份有限公司 | 人脸识别***、建立人脸识别数据的方法及人脸识别方法 |
CN111931548A (zh) * | 2019-05-13 | 2020-11-13 | 和硕联合科技股份有限公司 | 人脸识别***、建立人脸识别数据的方法及人脸识别方法 |
CN110533809A (zh) * | 2019-08-22 | 2019-12-03 | 中国电子技术标准化研究院 | 确定无感通行***性能的方法、装置及计算设备 |
CN110533809B (zh) * | 2019-08-22 | 2022-05-03 | 中国电子技术标准化研究院 | 确定无感通行***性能的方法、装置及计算设备 |
CN110991314A (zh) * | 2019-11-28 | 2020-04-10 | 北京以萨技术股份有限公司 | 一种基于人脸聚类精准度的测试方法及*** |
CN110991314B (zh) * | 2019-11-28 | 2023-11-10 | 以萨技术股份有限公司 | 一种基于人脸聚类精准度的测试方法及*** |
CN111679988A (zh) * | 2020-06-12 | 2020-09-18 | 中国银行股份有限公司 | 人脸识别***的测试方法、装置和相关设备 |
CN111679988B (zh) * | 2020-06-12 | 2023-10-10 | 中国银行股份有限公司 | 人脸识别***的测试方法、装置和相关设备 |
CN114120382B (zh) * | 2020-08-25 | 2024-05-03 | 中车株洲电力机车研究所有限公司 | 一种人脸识别***的测试方法、装置、电子设备及介质 |
CN114120382A (zh) * | 2020-08-25 | 2022-03-01 | 中车株洲电力机车研究所有限公司 | 一种人脸识别***的测试方法、装置、电子设备及介质 |
CN112000578A (zh) * | 2020-08-26 | 2020-11-27 | 支付宝(杭州)信息技术有限公司 | 人工智能***的测试方法和装置 |
CN112631896B (zh) * | 2020-12-02 | 2024-04-05 | 武汉旷视金智科技有限公司 | 设备性能测试方法、装置、存储介质及电子设备 |
CN112631896A (zh) * | 2020-12-02 | 2021-04-09 | 武汉旷视金智科技有限公司 | 设备性能测试方法、装置、存储介质及电子设备 |
CN112954306B (zh) * | 2021-01-28 | 2022-10-25 | 北京安兔兔科技有限公司 | 一种图像处理性能测试方法及装置 |
CN112954306A (zh) * | 2021-01-28 | 2021-06-11 | 北京安兔兔科技有限公司 | 一种图像处理性能测试方法及装置 |
CN113255599B (zh) * | 2021-06-29 | 2021-09-24 | 成都考拉悠然科技有限公司 | 一种自定义人流量测试人脸布控率***及其方法 |
CN113255599A (zh) * | 2021-06-29 | 2021-08-13 | 成都考拉悠然科技有限公司 | 一种自定义人流量测试人脸布控率***及其方法 |
CN115601799A (zh) * | 2022-09-09 | 2023-01-13 | 广州市盛通建设工程质量检测有限公司(Cn) | 一种基于人脸识别的评测方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492523A (zh) | 人脸识别***性能测试方法、装置、设备和存储介质 | |
CN108446221A (zh) | ***测试方法、装置、计算机设备和存储介质 | |
CN109766915A (zh) | 基于图像识别的测试方法、装置、计算机设备及存储介质 | |
CN110134795A (zh) | 生成验证问题组的方法、装置、计算机设备和存储介质 | |
CN109710520A (zh) | 应用启动耗时测试方法、装置、计算机设备和存储介质 | |
CN114926466B (zh) | 基于大数据的土地一体化监测和决策方法、平台 | |
CN109858230A (zh) | 滑块验证方法、装置、计算机设备及存储介质 | |
CN108304243A (zh) | 界面生成方法、装置、计算机设备和存储介质 | |
CN108282490A (zh) | 异常注册用户的处理方法、装置、计算机设备和存储介质 | |
CN110427962A (zh) | 一种测试方法、电子设备及计算机可读存储介质 | |
CN109446772A (zh) | 授信额度计算方法、装置、计算机设备和存储介质 | |
CN108241580A (zh) | 客户端程序的测试方法及终端 | |
CN109616106A (zh) | 车载控制屏语音识别过程测试方法、电子设备、*** | |
CN108055532A (zh) | 自动化匹配测试卡的方法与装置 | |
CN109932066A (zh) | 储能电池的温度预警方法、装置、计算机设备和存储介质 | |
CN112099028A (zh) | 激光点自动追踪方法、装置、存储介质及激光测距装置 | |
CN109064776A (zh) | 预警方法、***、计算机设备和存储介质 | |
CN106771453A (zh) | 一种用于示波器的测试方法及装置 | |
CN108776642A (zh) | 测试报告生成方法、装置、计算机设备和存储介质 | |
CN112418789A (zh) | 理赔评估处理方法及装置、非易失性存储介质、电子设备 | |
CN113052308B (zh) | 训练目标小区识别模型的方法及目标小区识别方法 | |
CN110163183A (zh) | 目标检测算法的评估方法、装置、计算机设备和存储介质 | |
CN106204531A (zh) | 一种同步检测彩色图像中噪点与边缘点的方法 | |
CN110490233B (zh) | 众包任务处理方法、装置、计算机设备和存储介质 | |
CN114432685A (zh) | 一种立定跳远测试方法和装置 |
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 |