CN114120382B - 一种人脸识别***的测试方法、装置、电子设备及介质 - Google Patents
一种人脸识别***的测试方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114120382B CN114120382B CN202010863669.9A CN202010863669A CN114120382B CN 114120382 B CN114120382 B CN 114120382B CN 202010863669 A CN202010863669 A CN 202010863669A CN 114120382 B CN114120382 B CN 114120382B
- Authority
- CN
- China
- Prior art keywords
- face
- sample library
- recognition system
- face sample
- face recognition
- 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
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004088 simulation Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 12
- 238000005286 illumination Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 230000036544 posture Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000003128 head Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 210000000887 face Anatomy 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001795 light effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009452 underexpressoin Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书一个或多个实施例提供一种人脸识别***的测试方法、装置、电子设备及介质，通过构建集成公共人脸样本库、实拍人脸样本库和仿真人脸样本库的人脸样本库，获取丰富的、多特征的人脸样本，利用显示设备模拟不同的光线和角度环境，通过被测的人脸识别***登记注册并识别人脸样本，计算登记注册成功率和识别准确率，以准确、效率地评价被测的人脸识别***。
Description
技术领域
本说明书一个或多个实施例涉及计算机人脸识别技术领域，尤其涉及一种人脸识别***的测试方法、装置、电子设备及介质。
背景技术
人脸识别是一种应用广泛的生物特征识别技术，它可以针对静态图像或视频图像进行人脸检测和跟踪，并进一步通过人脸图像的几何特征、代数特征、固定特征模板、特征脸等方法进行特征提取，之后映射到低维空间，采取一定的匹配策略与现有数据库中的已知人脸进行比对，从而识别出人脸身份。在人脸识别实际应用中，人脸识别的准确率是评价人脸识别***的关键指标，而人脸识别的准确率往往与人脸图像的采集设备、面部尺寸、姿态角度、年龄变化、图像噪声以及应用环境光线等因素有着密切的联系。
现有的人脸识别的准确率测试手段主要有两种，一种是通过PC机显示器手工播放静态图片或视频图像对向人脸识别***中的摄像头，通过调整摄像头的角度进行人脸识别比对测试；另一种是测试人员真人对向人脸识别***的摄像头，测试人员通过调整不同姿态进行人脸识别活体检测。上述测试方法存在测试效率低下且需要测试人员时刻值守并对测试结果进行手工分析的缺点，需要消耗大量的人力成本。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种人脸识别***的测试方法、装置、电子设备及介质，以解决现有的人脸识别的准确率的测试手段测试效率低下且需要消耗大量的人力成本的问题。
基于上述目的，本说明书一个或多个实施例提供了一种人脸识别***的测试方法，包括：
获取人脸样本库；所述人脸样本库包括公共人脸样本库、实拍人脸样本库和仿真人脸样本库；
利用显示设备播放所述人脸样本库中的人脸样本；
利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果；
根据所述测试结果，对所述被测的人脸识别***进行评价。
可选的，所述获取人脸样本库，包括：
根据FERET人脸库、YALE人脸库、CMU-PIE人脸库、ORL人脸库和CAS-PEAL大规模人脸数据库中的至少一种人脸数据库，构建所述公共人脸样本库；
拍摄不同性别和不同年龄的真人在不同光线和不同角度下的照片和视频，所述照片包括单人照片、多人照片、头像照片和全身照片，根据所述照片和视频，构建所述实拍人脸样本库；
利用3D建模工具制作3D仿真人脸动画，根据所述3D仿真人脸动画，构建所述仿真人脸样本库。
可选的，所述利用显示设备播放所述人脸样本库中的人脸样本，具体包括：
在所述播放的过程中，控制所述显示设备显示不同的亮度，以模拟不同光线的场景。
可选的，所述利用显示设备播放所述人脸样本库中的人脸样本，具体包括：
在所述播放的过程中，调整所述3D仿真人脸动画的不同角度，以模拟不同的识别角度。
可选的，所述利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果，具体包括：
利用所述被测的人脸识别***对所述人脸样本进行登记注册，并反馈登记注册结果；
利用进行了所述登记注册的所述被测的人脸识别***对所述人脸样本进行识别，并反馈识别结果；
将所述登记注册结果和所述识别结果作为测试结果。
可选的，所述识别结果包括：
人脸识别成功、人脸识别失败、人脸未注册或未检测到人脸信息。
可选的，所述根据所述测试结果，对所述被测的人脸识别***进行评价，包括：
计算登记注册成功率和识别准确率；
根据预设的登记注册成功率阈值和识别准确率阈值，对所述被测的人脸识别***进行评价。
基于同一发明构思，本说明书一个或多个实施例提供了一种人脸识别***的测试装置，包括：
样本获取模块，用于获取人脸样本库；所述人脸样本库包括公共人脸样本库、实拍人脸样本库和仿真人脸样本库；
样本输出模块，用于利用显示设备播放所述人脸样本库中的人脸样本；
测试结果获取模块，用于利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果；
***评价模块，用于根据所述测试结果，对所述被测的人脸识别***进行评价。
基于同一发明构思，本说明书一个或多个实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法。
基于同一发明构思，本说明书一个或多个实施例提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述方法。
从上面所述可以看出，本说明书一个或多个实施例提供的一种人脸识别***的测试方法、装置、电子设备及介质，通过构建集成公共人脸样本库、实拍人脸样本库和仿真人脸样本库的人脸样本库，获取丰富的、多特征的人脸样本，利用显示设备模拟不同的光线和角度环境，通过被测的人脸识别***登记注册并识别人脸样本，计算登记注册成功率和识别准确率，以准确、效率地评价被测的人脸识别***。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的人脸识别***的测试方法的一种流程示意图；
图2为本说明书一个或多个实施例提供的人脸识别***的测试装置的一种结构示意图；
图3为本说明书一个或多个实施例提供的一种更为具体的电子设备硬件结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
图1为本说明书一个或多个实施例提供的人脸识别***的测试方法的一种流程示意图，人脸识别***的测试方法，包括：
S101、获取人脸样本库。
所述人脸样本库包括：公共人脸样本库、实拍人脸样本库和仿真人脸样本库。
一些实施方式中，获取公共人脸样本库，包括：
根据FERET人脸库、YALE人脸库、CMU-PIE人脸库、ORL人脸库和CAS-PEAL大规模人脸数据库中的至少一种人脸数据库，构建所述公共人脸样本库。
其中，FERET人脸数据库源自美国，由FERET项目创建，此图像集包含大量的人脸图像，并且每幅图中均只有一个人脸。该集中，同一个人的照片有不同表情、光照、姿态和年龄的变化。包含1万多张多姿态和光照的人脸图像，是人脸识别领域应用较广泛的人脸数据库之一，其中的多数人是西方人。
YALE人脸库，包含了10个人的5850幅多姿态、多光照的图像。其中的姿态和光照变化的图像都是在严格控制的条件下采集的，主要用于光照和姿态问题的建模与分析。
CMU-PIE人脸库，所谓PIE就是姿态(pose)、光照(Illumination)和表情(Expression)的缩写。包含68位志愿者的41368张多姿态、光照和表情的面部图像。其中的姿态和光照变化图像也是在严格控制的条件下采集的，目前已经逐渐成为人脸识别领域的一个重要的测试集合。其中包括了每个人的13种姿态条件，43种光照条件和4种表情下的照片，现有的多姿态人脸识别的文献基本上都是在CMU-PIEPIE人脸库上测试的。
ORL人脸库，由英国剑桥大学AT&T实验室创建，包含40人共400张面部图像，部分志愿者的图像包括了姿态，表情和面部饰物的变化。ORL人脸数据库中一个采集对象的全部样本库中每个采集对象包含10幅经过归一化处理的灰度图像，图像尺寸均为92×112，图像背景为黑色。其中采集对象的面部表情和细节均有变化，例如笑与不笑、眼睛睁着或闭着以及戴或不戴眼镜等，不同人脸样本的姿态也有变化，其深度旋转和平面旋转可达20度。
CAS-PEAL是中科院计算技术研究所在2003年完成的包含1040位志愿者的工99450幅人脸图片的数据库。该数据库涵盖了姿态、表情、装饰、光照、背景、距离和时间等特征的变化。
通过互联网技术，下载如上所述的公共人脸数据库，上述的公共人脸数据库包括多人种、多特征且数量庞大的人脸样本数据，从而构建公共人脸样本库。
一些实施方式中，获取实拍人脸样本库，包括：
拍摄不同性别、不同年龄的真人在不同光线、不同角度下的照片和视频，所述照片包括单人照片、多人照片、头像照片和全身照片，根据所述照片和视频，构建所述实拍人脸样本库。
不同的人脸识别***具有不同针对性，如车载人脸识别***等，所面对的被识别群体也不尽相同，在这种情况下，仅基于公共人脸数据库训练或者测试得到的人脸识别***，在其实际的使用环境下，效果可能并不会很好，所以，本公开针对人脸识别***的适用群体，召集该群体的志愿者，拍摄不同性别、不同年龄的真人在不同光线、不同角度下的照片和视频，所述照片包括单人照片、多人照片、头像照片和全身照片，从而构建贴近使用环境的人脸样本库。
一些实施方式中，获取仿真人脸样本库，包括：
利用3D建模工具制作3D仿真人脸动画，根据所述3D仿真人脸动画，构建所述仿真人脸样本库。
传统的人脸样本库，为了能够达到更好的仿真效果，也就是说为了更贴近真实的人脸在进行识别的场景，因为真实的人脸在进行人脸识别的时候，往往有多种角度的可能，所以针对一张人脸，往往要拍摄多种光线和多种姿态的照片，才能达到一定的仿真效果，但是，这样需要大量的不同角度的照片，工作量较为庞大，现有的一些方法，为了避免拍摄大量的照片，将人脸模型做成实物，通过一些机械设备，旋转人脸模型的不同角度，从而达到一定的仿真效果，但是，这种方法耗费人力物力，且由于是使用实物模型，样本数量极其有限。
本公开采用3D建模的方式，既避免了拍摄大量的不同角度的照片，又避免了实物带来的人力物力的损耗，但是实现了更能贴近实际的人脸识别场景，具有较好的识别效果。
S102、利用显示设备播放所述人脸样本库中的人脸样本。
一些实施方式中，在所述播放的过程中，控制所述显示设备显示不同的亮度，以模拟不同的光线效果。
利用控制PC机显示器的亮度模拟被测人脸识别***在不同光线条件下的各类应用场景，包括但不限于强光照、天黑、阴雨天等。
一些实施方式中，在所述播放的过程中，调整所述3D仿真人脸动画的不同角度。
利用3D建模软件制作的3D仿真人脸动画模拟不同角度的人脸以及部分活体检测特征，建立低头、眨眼、昂首、闭眼、张嘴、侧脸等多种人脸识别应用场景。
S103、利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果。
一些实施方式中，利用所述被测的人脸识别***对所述人脸样本进行登记注册，并反馈注册结果；
利用进行了所述登记注册的所述被测的人脸识别***对所述人脸样本进行识别，并反馈识别结果。
将所述登记注册结果和所述识别结果作为测试结果。
所述识别结果包括：
人脸识别成功、人脸识别失败、人脸未注册、未检测到人脸信息。
本公开根据排列组合进行自动设计生成测试用例，并依序执行。
利用串口与以太网与被测人脸识别***进行数据通信，测试***可以通过串口向被测***发送指令直接远程操控被测***，并且通过以太网回收指令执行结果。
一张人脸图像登记注册一次，无论登记注册成功与否，进入下一张人脸图像登记注册直至预备登记注册的人脸全部登记注册完毕。接收并记录人脸登记注册次数以及登记注册成功次数。
S104、根据所述测试结果，对所述被测的人脸识别***进行评价。
一些实施方式中，计算登记注册成功率和识别准确率；
根据预设的登记注册成功率阈值和识别准确率阈值，对所述被测的人脸识别***进行评价。
从上面所述可以看出，本说明书一个或多个实施例提供的一种人脸识别***的测试方法、装置、电子设备及介质，通过构建集成公共人脸样本库、实拍人脸样本库和仿真人脸样本库的人脸样本库，获取丰富的、多特征的人脸样本，利用显示设备模拟不同的光线和角度环境，通过被测的人脸识别***登记注册并识别人脸样本，计算登记注册成功率和识别准确率，以准确、效率地评价被测的人脸识别***。
可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
图2为本说明书一个或多个实施例提供的人脸识别***的测试装置的一种结构示意图，人脸识别***的测试装置，包括：
样本获取模块201，用于获取人脸样本库；所述人脸样本库包括公共人脸样本库、实拍人脸样本库和仿真人脸样本库。
一些实施方式中，具体用于：
根据FERET人脸库、YALE人脸库、CMU-PIE人脸库、ORL人脸库和CAS-PEAL大规模人脸数据库中的至少一种人脸数据库，构建所述公共人脸样本库；
拍摄不同性别和不同年龄的真人在不同光线和不同角度下的照片和视频，所述照片包括单人照片、多人照片、头像照片和全身照片，根据所述照片和视频，构建所述实拍人脸样本库；
利用3D建模工具制作3D仿真人脸动画，根据所述3D仿真人脸动画，构建所述仿真人脸样本库。
样本输出模块202，用于利用显示设备播放所述人脸样本库中的人脸样本。
一些实施方式中，具体用于：
在所述播放的过程中，控制所述显示设备显示不同的亮度，以模拟不同光线的场景。
在所述播放的过程中，调整所述3D仿真人脸动画的不同角度，以模拟不同的识别角度。
测试结果获取模块203，用于利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果。
一些实施方式中，具体用于：
利用所述被测的人脸识别***对所述人脸样本进行登记注册，并反馈登记注册结果；
利用进行了所述登记注册的所述被测的人脸识别***对所述人脸样本进行识别，并反馈识别结果；
将所述登记注册结果和所述识别结果作为测试结果。
其中，所述识别结果包括：
人脸识别成功、人脸识别失败、人脸未注册或未检测到人脸信息。
***评价模块204，用于根据所述测试结果，对所述被测的人脸识别***进行评价。
一些实施方式中，具体用于：
计算登记注册成功率和识别准确率；
根据预设的登记注册成功率阈值和识别准确率阈值，对所述被测的人脸识别***进行评价。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (6)
1.一种人脸识别***的测试方法，其特征在于，包括：
获取人脸样本库；所述人脸样本库包括公共人脸样本库、实拍人脸样本库和3D仿真人脸样本库；
利用显示设备播放所述人脸样本库中的人脸样本，具体包括：在所述播放的过程中，控制所述显示设备显示不同的亮度，以模拟不同光线的场景；在所述播放的过程中，调整所述3D仿真人脸动画的不同角度，以模拟不同的识别角度；
利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果，具体包括：利用所述被测的人脸识别***对所述人脸样本进行登记注册，并反馈登记注册结果；利用进行了所述登记注册的所述被测的人脸识别***对所述人脸样本进行识别，并反馈识别结果；将所述登记注册结果和所述识别结果作为测试结果；
根据所述测试结果，对所述被测的人脸识别***进行评价，具体包括：计算登记注册成功率和识别准确率；根据预设的登记注册成功率阈值和识别准确率阈值，对所述被测的人脸识别***进行评价。
2.根据权利要求1所述的测试方法，其特征在于，所述获取人脸样本库，包括：
根据FERET人脸库、YALE人脸库、CMU-PIE人脸库、ORL人脸库和CAS-PEAL大规模人脸数据库中的至少一种人脸数据库，构建所述公共人脸样本库；
拍摄不同性别和不同年龄的真人在不同光线和不同角度下的照片和视频，所述照片包括单人照片、多人照片、头像照片和全身照片，根据所述照片和视频，构建所述实拍人脸样本库；
利用3D建模工具制作3D仿真人脸动画，根据所述3D仿真人脸动画，构建所述3D仿真人脸样本库。
3.根据权利要求1所述的测试方法，其特征在于，所述识别结果包括：
人脸识别成功、人脸识别失败、人脸未注册或未检测到人脸信息。
4.一种人脸识别***的测试装置，其特征在于，包括：
样本获取模块，用于获取人脸样本库；所述人脸样本库包括公共人脸样本库、实拍人脸样本库和3D仿真人脸样本库；
样本输出模块，用于利用显示设备播放所述人脸样本库中的人脸样本，具体用于：在所述播放的过程中，控制所述显示设备显示不同的亮度，以模拟不同光线的场景；在所述播放的过程中，调整所述3D仿真人脸动画的不同角度，以模拟不同的识别角度；
测试结果获取模块，用于利用被测的人脸识别***对所述人脸样本进行识别，得到测试结果，具体用于：利用所述被测的人脸识别***对所述人脸样本进行登记注册，并反馈登记注册结果；利用进行了所述登记注册的所述被测的人脸识别***对所述人脸样本进行识别，并反馈识别结果；将所述登记注册结果和所述识别结果作为测试结果；
***评价模块，用于根据所述测试结果，对所述被测的人脸识别***进行评价，具体用于：计算登记注册成功率和识别准确率；根据预设的登记注册成功率阈值和识别准确率阈值，对所述被测的人脸识别***进行评价。
5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任意一项所述的方法。
6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至3任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010863669.9A CN114120382B (zh) | 2020-08-25 | 2020-08-25 | 一种人脸识别***的测试方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010863669.9A CN114120382B (zh) | 2020-08-25 | 2020-08-25 | 一种人脸识别***的测试方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114120382A CN114120382A (zh) | 2022-03-01 |
| CN114120382B true CN114120382B (zh) | 2024-05-03 |
Family
ID=80373643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010863669.9A Active CN114120382B (zh) | 2020-08-25 | 2020-08-25 | 一种人脸识别***的测试方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114120382B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114819748A (zh) * | 2022-06-23 | 2022-07-29 | 云账户技术(天津)有限公司 | 个体工商户注册通过率的评估方法、装置及电子设备 |
| CN115601799B (zh) * | 2022-09-09 | 2023-06-30 | 广州市盛通建设工程质量检测有限公司 | 一种基于人脸识别的评测方法、***、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060068796A (ko) * | 2004-12-17 | 2006-06-21 | 한국정보보호진흥원 | 얼굴인식 시스템의 성능시험 방법 및 시스템 |
| 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*** |
| 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*** |
| CN106469301A (zh) * | 2016-08-31 | 2017-03-01 | 北京天诚盛业科技有限公司 | 自适应可调节的人脸识别方法和装置 |
| CN107506702A (zh) * | 2017-08-08 | 2017-12-22 | 江西高创保安服务技术有限公司 | 基于多角度的人脸识别模型训练及测试***及方法 |
| 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 |
| 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 |
| 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102161783B1 (ko) * | 2014-01-16 | 2020-10-05 | 한국전자통신연구원 | 초고해상도 얼굴 동영상 데이터베이스를 이용한 서비스 로봇 얼굴인식 성능 평가 시스템 및 방법 |
-
2020
- 2020-08-25 CN CN202010863669.9A patent/CN114120382B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060068796A (ko) * | 2004-12-17 | 2006-06-21 | 한국정보보호진흥원 | 얼굴인식 시스템의 성능시험 방법 및 시스템 |
| 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*** |
| 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*** |
| CN106469301A (zh) * | 2016-08-31 | 2017-03-01 | 北京天诚盛业科技有限公司 | 自适应可调节的人脸识别方法和装置 |
| CN107506702A (zh) * | 2017-08-08 | 2017-12-22 | 江西高创保安服务技术有限公司 | 基于多角度的人脸识别模型训练及测试***及方法 |
| 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 |
| WO2019136733A1 (zh) * | 2018-01-15 | 2019-07-18 | 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 |
| 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 |
| 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 |
Non-Patent Citations (3)
| Title |
|---|
| CAS-PEAL大规模中国人脸图像数据库及其基本评测介绍;张晓华, 山世光, 曹波, 高文, 周德龙, 赵德斌;计算机辅助设计与图形学学报;20050120(01);全文 * |
| 基于三种类型图像数据的人脸识别测试;谢兰迟;王俊娟;黎智辉;许磊;张宁;商怀哲;;刑事技术;20160615(06);全文 * |
| 基于公安交通管理业务人脸识别的关键测评技术研究;高建明;唐屹晨;王正成;;中国标准化;20200205(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114120382A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109214343B (zh) | 用于生成人脸关键点检测模型的方法和装置 | |
| CN108509941B (zh) | 情绪信息生成方法和装置 | |
| CN108875633B (zh) | 表情检测与表情驱动方法、装置和***及存储介质 | |
| CN111476306B (zh) | 基于人工智能的物体检测方法、装置、设备及存储介质 | |
| US10504008B1 (en) | System and method for relocalization and scene recognition | |
| CN109727303B (zh) | 视频展示方法、***、计算机设备、存储介质和终端 | |
| CN112052186B (zh) | 目标检测方法、装置、设备以及存储介质 | |
| CN113362382A (zh) | 三维重建方法和三维重建装置 | |
| US20220301295A1 (en) | Recurrent multi-task convolutional neural network architecture | |
| KR20130071341A (ko) | 안면 특징 벡터 구성 | |
| CN114120382B (zh) | 一种人脸识别***的测试方法、装置、电子设备及介质 | |
| CN111476827A (zh) | 目标跟踪方法、***、电子装置及存储介质 | |
| Yang et al. | Touch and go: Learning from human-collected vision and touch | |
| WO2020244151A1 (zh) | 图像处理方法、装置、终端及存储介质 | |
| CN113076903A (zh) | 一种目标行为检测方法、***、计算机设备及机器可读介质 | |
| Bambach et al. | Viewpoint integration for hand-based recognition of social interactions from a first-person view | |
| CN116958584A (zh) | 关键点检测方法、回归模型的训练方法、装置及电子设备 | |
| CN108875500A (zh) | 行人再识别方法、装置、***及存储介质 | |
| CN110717407A (zh) | 基于唇语密码的人脸识别方法、装置及存储介质 | |
| Nan et al. | Pedestrian detection based on HOG features and SVM realizes vehicle-human-environment interaction | |
| Opperman et al. | Smartphones as a platform for advanced measurement and processing | |
| CN110275820A (zh) | 页面兼容性测试方法、***及设备 | |
| CN110910478A (zh) | Gif图生成方法、装置、电子设备及存储介质 | |
| CN115019396A (zh) | 一种学习状态监测方法、装置、设备及介质 | |
| Kratz et al. | Gestureseg: developing a gesture segmentation system using gesture execution phase labeling by crowd workers |
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 |