CN111209191A - 一种实现视频分类的自动化测试方法及*** - Google Patents
一种实现视频分类的自动化测试方法及*** Download PDFInfo
- Publication number
- CN111209191A CN111209191A CN201911386809.1A CN201911386809A CN111209191A CN 111209191 A CN111209191 A CN 111209191A CN 201911386809 A CN201911386809 A CN 201911386809A CN 111209191 A CN111209191 A CN 111209191A
- Authority
- CN
- China
- Prior art keywords
- test
- automatic
- testing
- data
- video
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 256
- 230000006870 function Effects 0.000 claims abstract description 16
- 238000010998 test method Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 25
- 238000013515 script Methods 0.000 claims description 17
- 238000011161 development Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 2
- 239000002994 raw material Substances 0.000 claims 2
- 238000001514 detection method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004883 computer application Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3664—Environments for testing or debugging software
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种实现视频分类的自动化测试方法及***,包括,采集视频数据,构建测试集;利用测试后台部署配置文件,搭建自动化测试结构框架;利用自动化测试结构框架,结合C++语言和shell策略,编写自动化测试代码;自动化测试结构框架运行自动化测试代码,并自动获取视频数据进行测试;自动化测试结构框架在运行中将测试结果数据与预期结果数据进行对比判定,验证自动化测试所述视频分类的策略功能是否正确。本发明通过搭建自动化测试框架,运行编写的自动化测试代码实现自动化测试,减少了重复劳动,提高测试效率和准确率,节约测试时间。
Description
技术领域
本发明涉及自动化测试后台开发技术领域,尤其涉及一种实现视频分类的自动化测试方法及***。
背景技术
Shell基本上是一个命令解释器,类似于DOS下的command。它接收用户命令(如ls等),然后调用相应的应用程序。较为通用的shell有标准的Bourne shell(sh)和C shell(csh),即交互式shell和非交互式shell。交互式模式就是shell等待用户的输入,并且执行用户提交的命令,这种模式被称作交互式是因为shell与用户进行交互,这种模式也是大多数用户非常熟悉的:登录、执行一些命令、签退,当用户签退后,shell也终止了;非交互式模式,shell不与用户进行交互,而是读取存放在文件中的命令,并且执行它们,当它读到文件的结尾,shell也就终止了。
自动化测试是把以人为驱动的测试行为转化为机器执行的一种过程。通常,在设计了测试用例并通过评审之后,由测试人员根据测试用例中描述的规程一步步执行测试,得到实际结果与期望结果的比较。在此过程中,为了节省人力、时间或硬件资源,提高测试效率,便引入了自动化测试的概念。一般情况下视频分类测试都采用手动或半自动方式进行测试,效率低,重复劳动。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在效率低的问题,提出了本发明。
因此,本发明提供了一种基于实现视频分类的自动化测试方法及***,通过代码编写实现自动化测试,避免重复劳动,提高测试效率。
为解决上述技术问题,本发明提供如下技术方案:采集视频数据,构建测试集;利用测试后台部署配置文件,搭建自动化测试结构框架;利用所述自动化测试结构框架,结合C++语言和shell策略,编写自动化测试代码;所述自动化测试结构框架运行所述自动化测试代码,并自动获取所述视频数据进行测试;所述自动化测试结构框架在运行中将测试结果数据与预期结果数据进行对比判断,验证自动化测试所述视频分类的策略功能是否正确。
作为本发明所述的一种实现视频分类的自动化测试方法的一种优选方案,其中:所述测试后台分别编辑测试用例、测试数据、测试预期结果、测试版本库、测试日志,并以档案形式保存;将保存的所述档案分别构建为配置管理、用例管理、日志管理、结果管理、预期管理以及待测试版本升级脚本,形成所述配置文件;所述测试后台建立整体搭建环境,部署所述配置文件,获得所述自动化测试结果框架。
作为本发明所述的一种实现视频分类的自动化测试方法的一种优选方案,其中:建立所述整体搭建环境具体包括,策略自动化测试代码文件夹;自动化执行测试脚本文件夹;配置文件文件夹;后台整体配置文件夹;人脸识别配置文件;人脸特点配置文件;人脸信息;日志配置文件;测试数据文件夹;预期结果文件夹;依赖源头文件文件夹;策略lib库文件夹;执行日志文件夹;策略模型文件夹;策略测试数据生成工具文件夹;策略待测试版本文件夹;待测试版本源码;待测试版本库。
作为本发明所述的一种实现视频分类的自动化测试方法的一种优选方案,其中:编写所述自动化测试代码包括,编写所述自动化测试后台环境配置文件;编写自动更新待测试版本脚本;部署所述测试集;编写自动更新策略待测试版本源码脚本;利用API接口,编写自动部署所述策略待测试版本脚本。
作为本发明所述的一种实现视频分类的自动化测试方法的一种优选方案,其中:所述自动化测试结构框架运行所述自动化测试代码,并自动获取所述视频数据进行测试;所述自动化测试结构框架在运行中将测试结果数据与预期结果数据进行对比判定,验证所述自动化测试所述视频分类的所述策略功能是否正确;若所述测试结果数据与所述预期结果数据一致,则验证所述视频分类的所述策略功能正确;若所述测试结果数据与所述预期结果数据不一致,则验证所述视频分类的所述策略功能错误。
作为本发明所述的一种实现视频分类的自动化测试方法的一种优选方案,其中:采集所述视频数据之前还包括,将自动化开发环境资源包安装在所述测试后台,并驱动所述自动化开发环境资源包在所述测试后台内运行。
作为本发明所述的一种实现视频分类的自动化测试方法的一种优选方案,其中:安装所述自动化开发环境资源包具体包括,获取opencv4版本库、nvidia最新显卡驱动以及cuda10的软件安装包;将所述软件安装包安装在所述测试后台内;安装完成后,驱动所述测试后台运行所述软件安装包。
作为本发明所述的一种实现视频分类的自动化测试***的一种优选方案,其中:采集模块,包括识别单元和转化单元,所述测试后台通过所述识别单元采集视频图像,通过所述转化单元将采集的所述视频图像转化为所述视频数据,并传输到测试模块内;测试模块与所述采集模块相连,其包括分析单元和测验中心,所述测验中心接收所述视频数据,通过所述自动化测试代码对所述视频数据进行测试,同时,通知所述分析单元对测试结果数据与预期结果数据进行对比判定,确定所述视频数据所属性能;处理模块贯穿连接于所述采集模块和所述测试模块内,其包括计算体和存储体,所述存储体储存所述自动化测试代码、所述视频数据及所述测试结果数据,所述计算体在所述测验中心测试时启动所述自动化测试代码,对所述视频数据进行测试。
本发明的有益效果:本发明通过搭建自动化测试框架,运行编写的自动化测试代码实现自动化测试,减少了重复劳动,提高测试效率和准确率,节约测试时间。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例所述的实现视频分类的自动化测试方法的流程示意图;
图2为本发明第一个实施例所述的实现视频分类的自动化测试方法的整体环境部署示意图;
图3为本发明第一个实施例所述的实现视频分类的自动化测试方法的自动化测试框架运行检测流程示意图;
图4为本发明第二个实施例所述的实现视频分类的自动化测试***的模块结构分布示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
在计算机应用领域,所有依赖计算设备辅助完成的功能都需要由开发人员事先经过严谨而周密的设计才能有效实现,设计开发的优劣直接影响到应用的效率、可靠性和易用性,但开发人员的能力、经验甚至工作压力都会直接影响应用设计的逻辑严谨性,为避免开发人员的能力差异对计算机应用造成的负面影响,在应用开发设计过程中要进行反复的软件测试来发现并排除人为疏漏。因此本发明采用基于C++(执行测试过程,输出测试结果)、shell(控制循环逻辑,清理测试环境)策略,通过构建自动化测试框架,运行自动化测试代码,从而实现视频分类自动化测试。
参照图1~图3,为本发明的第一个实施例,提供了一种实现视频分类的自动化测试方法,包括如下步骤:
S1:将自动化开发环境资源包安装在测试后台,并驱动自动化开发环境资源包在测试后台内运行。其中需要说明的是,安装自动化开发环境资源包具体包括:
获取opencv4版本库、nvidia最新显卡驱动以及cuda10的软件安装包;
将软件安装包安装在测试后台内;
安装完成后,驱动测试后台运行软件安装包。
S2:采集视频数据,构建测试集。
S3:利用测试后台部署配置文件,搭建自动化测试结构框架。本步骤需要说明的是,包括:
测试后台分别编辑测试用例、测试数据、测试预期结果、测试版本库、测试日志,并以档案形式保存;
将保存的档案分别构建为配置管理、用例管理、日志管理、结果管理、预期管理以及待测试版本升级脚本,形成配置文件;
测试后台建立整体搭建环境,部署配置文件,获得自动化测试结果框架。
具体的,参照图2,建立整体搭建环境具体包括:
策略自动化测试代码文件夹;
自动化执行测试脚本文件夹;
配置文件文件夹;
后台整体配置文件夹;
人脸识别配置文件;
人脸特点配置文件;
人脸信息;
日志配置文件;
测试数据文件夹;
预期结果文件夹;
依赖源头文件文件夹;
策略lib库文件夹;
执行日志文件夹;
策略模型文件夹;
策略测试数据生成工具文件夹;
策略待测试版本文件夹;
待测试版本源码;
待测试版本库。
S4:利用自动化测试结构框架,结合C++语言和shell策略,编写自动化测试代码。本步骤还需要说明的是,编写自动化测试代码包括:
编写自动化测试后台环境配置文件;
编写自动更新待测试版本脚本;
部署测试集;
编写自动更新策略待测试版本源码脚本;
利用API接口,编写自动部署策略待测试版本脚本。
S5:自动化测试结构框架运行自动化测试代码,并自动获取视频数据进行测试。其中还需要说明的是,运行代码包括:
S6:所述自动化测试结构框架在运行中将测试结果数据与预期结果数据进行对比判断,验证自动化测试所述视频分类的策略功能是否正确。其中还需要说明的是:
若所述测试结果数据与所述预期结果数据一致,则验证所述视频分类的所述策略功能正确;
若所述测试结果数据与所述预期结果数据不一致,则验证所述视频分类的所述策略功能错误。
较佳的,现有开发测试运行都依赖于环境部署,需要部署底层的驱动环境,才能够正常执行,因此本发明利用测试后台部署配置文件,搭建自动化测试结构框架,置备代码编写环境,其中,自动化测试框架目录说明如下所示:
优选的,现有视频分类策略应用场景众多,不同的物品识别都会新增新的视频分类检测开发,因此,针对不同的视频分类策略还需要分别进行自动化测试代码的编写,从而根据不同的检测进行准确的验证工作;例如车主识别,车辆周围出现活动人员,该活动人员定义为车主B(即预期结果数据),车内摄像头拍摄此活动人员,并由分类策略调度判断,利用自动化测试分类策略,获知该活动人员为非车主A(即测试结果数据),A不等于B,则验证分类策略存在问题。本发明方法通过运行自动化测试结构框架,利用API接口新增代码策略,完成新的视频分类自动化测试代码的编写,达到对应的场景功能使用对应的测试功能的要求。新增替换编写代码如下所示,
较佳的是,参照图3,以检测车主为例,获取检测车辆周围活动人员的视频数据,启动shell自动化脚本,输入获取的视频数据、预期结果数据(活动人员为车主)、策略模型和策略参数,并将其定义为测试参数;将测试参数推送至自动化测试程序内,自动化测试框架运行自动化测试代码,启动程序,将视频数据处理成一帧帧的图片数据;利用初始化策略读取图片数据,调动识别策略接口并输出测试结果数据(输出测试结果数据因检测分类的不同而使输出结果不同,输入的预期结果数据如是,主要由代码实行控制输入输出,并无特定值);将输出结果数据与输入的预期结果数据对比判断,由代码调动处理后的一帧帧图片数据,确认图片中车辆周围活动人员为车主(提前将车主图像传入代码中,识别策略将确认的图片数据与原有存入的图像数据进行识别对比,利用人脸识别判定为车主);若输出结果为车主,则判断结果与预期结果数据相同,验证测试通过;若判断结果与预期结果不同,则测试失败;自动化测试代码运行,审查判定图片数据是否为最后一帧图片,若审查结果为是,则计算输出全部视频识别通过率结果及其性能效率结果,结束测试;若审查结果为否,则重新读取视频数据,重复上述步骤,直至审查至最后一帧图片数据,确定输出计算结果,结束测试。
优选的是,现有检测常规方法采用人工黑盒检测方式,其效率较低,而本发明方法采用shell结合C++语言策略、自动化代码测试策略,编写的自动化代码是按帧读取视频画面,将画面提交给处理模块300进行识别,将最后得到的结果和预期结果进行对比,获得判断结果,不仅减少人力投入成本,提高了生产效率,还避免了重复性劳动占用时间,节约出更多的人力资源投入到其他研发当中。例如,现有的常规人工检测方法检测300张图片需要一张一张的去对比结果、统计数据,300张图片一个人需要至少30~60分钟来判断、统计结果;而采用自动化测试方法,300张图片仅需1分多钟就可以完成测试,获得判断结果。Shell结合C++策略编写代码如下所示:
rm-rf face_shopcart logs.txt log.log
cd build
make
cd..
cd images
rm-rf*
cd..
./face_shopcart/home/hanzhiwei/DBU_v0.6/data/face/video/make-big/make-big-1.mp4/home/hanzhiwei/DBU_v0.6/config/diluface.data 123video|teelog.log。
优选的是,传统人工检测分类策略正确性的方法,需要人为一帧帧检验视频中的画面,并利用工具将视频中的每帧图像保存为图片,在判断每张图片的预期结果,等待获取判定结果,最后人工判断每张图片结果和分类策略结果进行校验是否一致;本发明方法采用分类策略自动化测试策略,只需要设定预期结果,执行自动化测试程序结果,便能达到校验目的;为了进一步说明本发明方法具有高效率的优点,分别采用传统人工检测与本发明自动化检测对时长1分钟的1650帧视频进行检测时间对比测试,如下表所示:
表1:人工检测时间表。
视频转图片 | 人工判断结果 | 算法判断结果 | 校验结果 | 总共耗时 |
90秒 | 7200秒 | 90秒 | 7200秒 | 14580秒 |
表2:自动化检测时间表。
对比表1和表2,能够看出传统的检测方法不仅繁琐且极耗时间,本发明方法相较于传统方法节省了14190秒,相当于节省了3.94小时,很直接的体现了本发明方法具有较高的效率,节约测试时间。且本发明方法利用编写完成的自动化测试代码进行自动化测试,每次执行代码时进行验证即可,执行中直接启动shell脚本即可,不需要很复杂的流程,自动化测试代码控制流程,不需要人力重新投入,并且可以在夜间运行,不耽误工作时期做其他事情。控制代码如下所示:
实施例2
参照图4,为本发明的第二个实施例,该实施例不同于第一个实施例的是,提供了一种实现视频分类的自动化测试***,包括采集模块100、测试模块200、处理模块300,采集模块100,包括识别单元101和转化单元102,测试后台通过识别单元101采集视频图像,通过转化单元102将采集的视频图像转化为视频数据,并传输到测试模块200内;测试模块200与采集模块100相连,其包括分析单元201和测验中心202,测验中心202接收视频数据,通过自动化测试代码对视频数据进行测试,同时,通知分析单元201对测试结果数据与预期结果数据进行对比判定,确定视频数据所属性能;处理模块300贯穿连接于采集模块100和测试模块200内,其包括计算体301和存储体302,存储体302储存自动化测试代码、视频数据及测试结果数据,计算体301在测验中心202测试时启动自动化测试代码,对视频数据进行测试。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“***”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地***、分布式***中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它***进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种实现视频分类的自动化测试方法,其特征在于:包括,
采集视频数据,构建测试集;
利用测试后台部署配置文件,搭建自动化测试结构框架;
利用所述自动化测试结构框架,结合C++语言和shell策略,编写自动化测试代码;
所述自动化测试结构框架运行所述自动化测试代码,并自动获取所述视频数据进行测试;
所述自动化测试结构框架在运行中将测试结果数据与预期结果数据进行对比判断,验证自动化测试所述视频分类的策略功能是否正确。
2.如权利要求1所述的实现视频分类的自动化测试方法,其特征在于:所述测试后台部署配置文件,搭建所述自动化测试结构框架包括,
所述测试后台分别编辑测试用例、测试数据、测试预期结果、测试版本库、测试日志,并以档案形式保存;
将保存的所述档案分别构建为配置管理、用例管理、日志管理、结果管理、预期管理以及待测试版本升级脚本,形成所述配置文件;
所述测试后台建立整体搭建环境,部署所述配置文件,获得所述自动化测试结果框架。
3.如权利要求1或2所述的实现视频分类的自动化测试方法,其特征在于:建立所述整体搭建环境具体包括,
策略自动化测试代码文件夹;
自动化执行测试脚本文件夹;
配置文件文件夹;
后台整体配置文件夹;
人脸识别配置文件;
人脸特点配置文件;
人脸信息;
日志配置文件;
测试数据文件夹;
预期结果文件夹;
依赖源头文件文件夹;
策略lib库文件夹;
执行日志文件夹;
策略模型文件夹;
策略测试数据生成工具文件夹;
策略待测试版本文件夹;
待测试版本源码;
待测试版本库。
4.如权利要求1所述的实现视频分类的自动化测试方法,其特征在于:编写所述自动化测试代码包括,
编写所述自动化测试后台环境配置文件;
编写自动更新待测试版本脚本;
部署所述测试集;
编写自动更新策略待测试版本源码脚本;
利用API接口,编写自动部署所述策略待测试版本脚本。
5.如权利要求1或4所述的实现视频分类的自动化测试方法,其特征在于:所述自动化测试代码测试所述视频数据包括,
所述自动化测试结构框架运行所述自动化测试代码,并自动获取所述视频数据进行测试;
所述自动化测试结构框架在运行中将测试结果数据与预期结果数据进行对比判定,验证所述自动化测试所述视频分类的所述策略功能是否正确;
若所述测试结果数据与所述预期结果数据一致,则验证所述视频分类的所述策略功能正确;
若所述测试结果数据与所述预期结果数据不一致,则验证所述视频分类的所述策略功能错误。
6.如权利要求1所述的实现视频分类的自动化测试方法,其特征在于:采集所述视频数据之前还包括,
将自动化开发环境资源包安装在所述测试后台,并驱动所述自动化开发环境资源包在所述测试后台内运行。
7.如权利要求6所述的实现视频分类的自动化测试方法,其特征在于:安装所述自动化开发环境资源包具体包括,
获取opencv4版本库、nvidia最新显卡驱动以及cuda10的软件安装包;
将所述软件安装包安装在所述测试后台内;
安装完成后,驱动所述测试后台运行所述软件安装包。
8.一种实现视频分类的自动化测试***,其特征在于:包括,
采集模块(100),包括识别单元(101)和转化单元(102),所述测试后台通过所述识别单元(101)采集视频图像,通过所述转化单元(102)将采集的所述视频图像转化为所述视频数据,并传输到测试模块(200)内;
测试模块(200)与所述采集模块(100)相连,其包括分析单元(201)和测验中心(202),所述测验中心(202)接收所述视频数据,通过所述自动化测试代码对所述视频数据进行测试,同时,通知所述分析单元(201)对测试结果数据与预期结果数据进行对比判定,确定所述视频数据所属性能;
处理模块(300)贯穿连接于所述采集模块(100)和所述测试模块(200)内,其包括计算体(301)和存储体(302),所述存储体(302)储存所述自动化测试代码、所述视频数据及所述测试结果数据,所述计算体(301)在所述测验中心(202)测试时启动所述自动化测试代码,对所述视频数据进行测试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911386809.1A CN111209191A (zh) | 2019-12-29 | 2019-12-29 | 一种实现视频分类的自动化测试方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911386809.1A CN111209191A (zh) | 2019-12-29 | 2019-12-29 | 一种实现视频分类的自动化测试方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111209191A true CN111209191A (zh) | 2020-05-29 |
Family
ID=70787707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911386809.1A Pending CN111209191A (zh) | 2019-12-29 | 2019-12-29 | 一种实现视频分类的自动化测试方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111209191A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400198A (zh) * | 2020-06-03 | 2020-07-10 | 中邮消费金融有限公司 | 一种自适应的软件测试*** |
CN111858352A (zh) * | 2020-07-22 | 2020-10-30 | 中国平安财产保险股份有限公司 | 自动化测试监控的方法、装置、设备及存储介质 |
CN115002090A (zh) * | 2022-06-01 | 2022-09-02 | 北京触点互动信息技术有限公司 | 一种基于安卓的视频质量自动化测试方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371868A (zh) * | 2016-08-29 | 2017-02-01 | 浪潮(北京)电子信息产业有限公司 | 一种自动化测试方法、***及测试机器 |
CN108920385A (zh) * | 2018-09-18 | 2018-11-30 | 四川长虹电器股份有限公司 | 媒资平台数据自动化测试***及测试方法 |
CN110232024A (zh) * | 2019-05-26 | 2019-09-13 | 必成汇(成都)科技有限公司 | 软件自动化测试框架及测试方法 |
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 |
-
2019
- 2019-12-29 CN CN201911386809.1A patent/CN111209191A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106371868A (zh) * | 2016-08-29 | 2017-02-01 | 浪潮(北京)电子信息产业有限公司 | 一种自动化测试方法、***及测试机器 |
CN108920385A (zh) * | 2018-09-18 | 2018-11-30 | 四川长虹电器股份有限公司 | 媒资平台数据自动化测试***及测试方法 |
CN110232024A (zh) * | 2019-05-26 | 2019-09-13 | 必成汇(成都)科技有限公司 | 软件自动化测试框架及测试方法 |
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 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400198A (zh) * | 2020-06-03 | 2020-07-10 | 中邮消费金融有限公司 | 一种自适应的软件测试*** |
CN111400198B (zh) * | 2020-06-03 | 2020-08-28 | 中邮消费金融有限公司 | 一种自适应的软件测试*** |
CN111858352A (zh) * | 2020-07-22 | 2020-10-30 | 中国平安财产保险股份有限公司 | 自动化测试监控的方法、装置、设备及存储介质 |
CN111858352B (zh) * | 2020-07-22 | 2024-04-05 | 中国平安财产保险股份有限公司 | 自动化测试监控的方法、装置、设备及存储介质 |
CN115002090A (zh) * | 2022-06-01 | 2022-09-02 | 北京触点互动信息技术有限公司 | 一种基于安卓的视频质量自动化测试方法 |
CN115002090B (zh) * | 2022-06-01 | 2023-12-15 | 北京触点互动信息技术有限公司 | 一种基于安卓的视频质量自动化测试方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726132B (zh) | 一种软件测试方法及软件测试自动化管理*** | |
CN111209191A (zh) | 一种实现视频分类的自动化测试方法及*** | |
CN106446412B (zh) | 一种航空电子***基于模型的测试方法 | |
CN108959059B (zh) | 一种测试方法以及测试平台 | |
CN105426310B (zh) | 一种检测目标进程的性能的方法和装置 | |
US20170344449A1 (en) | Testing method of electronic devices | |
CN110727575B (zh) | 一种信息处理方法、***、装置、以及存储介质 | |
CN108491321A (zh) | 测试用例范围确定方法、装置及存储介质 | |
WO2019134113A1 (zh) | 自动化测试方法及*** | |
CN113377667B (zh) | 一种基于场景的测试方法、装置、计算机设备及存储介质 | |
CN113157508B (zh) | 嵌入式***的测试方法、***、装置、设备及存储介质 | |
CN104091616A (zh) | 机顶盒内置flash芯片数据一致性检测方法 | |
CN111143188A (zh) | 一种对应用进行自动化测试的方法及设备 | |
CN108446224B (zh) | 移动端上应用程序的性能分析方法、存储介质 | |
CN110031697A (zh) | 目标识别设备的测试方法、装置、***和计算机可读介质 | |
CN111128139B (zh) | 无侵入式语音测试方法及装置 | |
CN105808465B (zh) | 一种摄像设备的升级方法及装置 | |
CN117493188A (zh) | 接口测试方法及装置、电子设备及存储介质 | |
CN211554929U (zh) | 基于Android OS的人机交互界面自动化识别*** | |
US10599424B2 (en) | Committed program-code management | |
CN108958727A (zh) | 一种api客户端代码的生成方法及*** | |
CN107168763A (zh) | 一种基于云环境的应用同步方法、发布主机和生产主机 | |
CN107479924A (zh) | 基于Android***的软件升级校验方法 | |
CN111625330A (zh) | 跨线程的任务处理方法、装置、服务器及存储介质 | |
CN114116497A (zh) | 测试方法与装置、服务器 |
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: 11th Floor, Building A1, Huizhi Science and Technology Park, No. 8 Hengtai Road, Nanjing Economic and Technological Development Zone, Jiangsu Province, 211000 Applicant after: DILU TECHNOLOGY Co.,Ltd. Address before: Building C4, No.55 Liyuan South Road, moling street, Nanjing, Jiangsu Province Applicant before: DILU TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |