CN106327546B - 人脸检测算法的测试方法和装置 - Google Patents
人脸检测算法的测试方法和装置 Download PDFInfo
- Publication number
- CN106327546B CN106327546B CN201610721404.9A CN201610721404A CN106327546B CN 106327546 B CN106327546 B CN 106327546B CN 201610721404 A CN201610721404 A CN 201610721404A CN 106327546 B CN106327546 B CN 106327546B
- Authority
- CN
- China
- Prior art keywords
- face
- face detection
- image
- detection algorithms
- original
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种人脸检测算法的测试方法和装置。该方法包括：获取原始人脸图像；对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对原始人脸图像进行人脸检测，以获得人脸数据，人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据；至少基于采用多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，该步骤包括：基于采用多种人脸检测算法检测获得的人脸框数据，在原始人脸图像上标注与多种人脸检测算法一一对应的多个人脸框集，以生成新的人脸图像，不同人脸框集采用不同模式的图形表示；输出新的人脸图像，以提供多种人脸检测算法的测试结果。该方法便于直观对比算法效果。
Description
技术领域
本发明涉及人脸识别领域，更具体地涉及一种人脸检测算法的测试方法和装置。
背景技术
人脸识别系统在各行各业有着重要的应用，人脸检测是人脸识别系统中的一个重要环节。目前已发展出很多种人脸检测算法，不同的人脸检测算法的检测效果可能有所不同。为了获知人脸检测算法的检测效果，可以对人脸检测算法进行测试。然而，目前人脸检测算法的测试方式的效率很低，基本需要采用不同人脸检测算法分别对同一人脸图像(包括视频中的视频帧)进行处理，将处理结果分开显示，并通过人眼逐一观察各算法的处理结果，这种方式不够直观，比较费时费力，并且容易出错。
发明内容
考虑到上述问题而提出了本发明。本发明提供了一种人脸检测算法的测试方法和装置。
根据本发明一方面，提供了一种人脸检测算法的测试方法。该人脸检测算法的测试方法包括：获取原始人脸图像；对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据；至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像包括：基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示；以及输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果。
示例性地，所述基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像包括：如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
示例性地，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
示例性地，所述对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像进一步包括：采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
示例性地，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
示例性地，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
示例性地，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
示例性地，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
示例性地，所述原始人脸图像是原始视频中的原始视频帧，并且，所述新的人脸图像是与所述原始视频帧对应的新的视频帧，所述获取原始人脸图像包括：对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；所述输出所述新的人脸图像包括：将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将所述新的视频输出。
示例性地，在所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像之前，所述人脸检测算法的测试方法还包括：获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
根据本发明另一方面，提供了一种人脸检测算法的测试装置。该人脸检测算法的测试装置包括图像获取模块、检测模块、图像生成模块和输出模块。图像获取模块用于获取原始人脸图像。检测模块用于对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据。图像生成模块用于至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述图像生成模块包括人脸框标注子模块，用于基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示。输出模块用于输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果。
示例性地，所述人脸框标注子模块包括：预定符号标注单元，用于如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
示例性地，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，所述图像生成模块还包括：个人信息标注子模块，用于对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
示例性地，所述个人信息标注子模块包括：个人信息标注单元，用于采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
示例性地，所述图像生成模块还包括：标识符标注子模块，用于对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
示例性地，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
示例性地，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
示例性地，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
示例性地，所述原始人脸图像是原始视频中的原始视频帧，并且，所述新的人脸图像是与所述原始视频帧对应的新的视频帧，所述图像获取模块包括图像获取子模块，用于对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；所述输出模块包括输出子模块，用于将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将所述新的视频输出。
示例性地，所述人脸检测算法的测试装置还包括：标注数据获取模块，用于获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；所述图像生成模块还包括：错误指示符标注子模块，用于将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
根据本发明实施例的人脸检测算法的测试方法和装置，由于在人脸图像上以不同模式的图形来标注不同人脸检测算法检测获得的人脸框，因此可以使得用户能够一目了然地查看不同人脸检测算法对同一人脸图像的检测结果，进而可以直观地对比不同人脸检测算法的检测效果，这有助于方便、高效、准确地对人脸检测算法进行测试。
附图说明
通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1示出用于实现根据本发明实施例的人脸检测算法的测试方法和装置的示例电子设备的示意性框图；
图2示出根据本发明一个实施例的人脸检测算法的测试方法的示意性流程图；
图3示出根据本发明另一实施例的人脸检测算法的测试方法的示意性流程图；
图4示出根据本发明一个实施例的人脸检测算法的测试装置的示意性框图；以及
图5示出根据本发明一个实施例的人脸检测算法的测试系统的示意性框图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
为了解决上文所述的问题，本发明实施例提出一种人脸检测算法的测试方法和装置。该人脸检测算法的测试方法和装置能够使得用户更直观地对比不同人脸检测算法的检测效果。需要理解的是，除对人脸检测算法的检测效果进行测试的场景之外，本发明还可以应用于其他任何采用多种人脸检测算法处理人脸图像的场景中。
首先，参照图1来描述用于实现根据本发明实施例的人脸检测算法的测试方法和装置的示例电子设备100。
如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108和图像采集装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部(例如用户)输出各种信息(例如图像和/或声音)，并且可以包括显示器、扬声器等中的一个或多个。
所述图像采集装置110可以采集用于进行人脸检测的人脸图像，并且将所采集的人脸图像存储在所述存储装置104中以供其它组件使用。图像采集装置110可以是摄像头。应当理解，图像采集装置110仅是示例，电子设备100可以不包括图像采集装置110。在这种情况下，可以利用其他图像采集装置采集用于人脸检测的人脸图像，并将采集的人脸图像发送给电子设备100。
示例性地，用于实现根据本发明实施例的人脸检测算法的测试方法和装置的示例电子设备可以在诸如个人计算机或远程服务器等的设备上实现。
下面，将参考图2描述根据本发明实施例的人脸检测算法的测试方法。图2示出根据本发明一个实施例的人脸检测算法的测试方法200的示意性流程图。如图2所示，人脸检测算法的测试方法200包括以下步骤。
在步骤S210，获取原始人脸图像。
原始人脸图像可以是任何合适的包含人脸的图像。原始人脸图像可以是摄像头采集到的原始图像或者是经由网络下载或本地存储的原始图像，也可以是对原始图像进行预处理之后获得的图像。
原始人脸图像可以是静态图像，也可以是一段视频中的视频帧。
示例性地，原始人脸图像可以是用户提供的测试用人脸图像，并且原始人脸图像中的每个人脸的人脸位置可以是已知的。
在步骤S220，对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据。
人脸检测算法可以是任何现有的或将来可能实现的人脸检测算法，例如AdaBoost算法、CART(分类回归树)算法等。在步骤S220中采用的多种人脸检测算法的数目可以是两种或多于两种。
采用每种人脸检测算法对原始人脸图像进行人脸检测均可以获得检测结果(即人脸数据)，多种人脸检测算法可以获得多种检测结果。应当理解的是，同一类型、不同版本的人脸检测算法也可以当作两种不同的人脸检测算法进行人脸检测。
人脸数据的具体内容可以由人脸检测算法决定。典型地，人脸数据可以包括人脸框数据及人脸所属人员的性别和年龄等个人信息数据。人脸框数据可以包括例如指示人脸位置的坐标，这些坐标典型地可以是一个矩形框的某个顶点的横坐标x和纵坐标y以及矩形框的宽度w和高度h。在这种情况下，每组人脸框数据可以包含x、y、w和h这四个数据，通过这四个数据就可以表示一个人脸位置。在随后的步骤S230中标注的人脸框可以是上述矩形框。
作为示例，假设原始人脸图像中包含10张人脸，人脸检测算法A1检测到这10张人脸的人脸位置，则其可以输出对应的10组人脸框数据，人脸检测算法A2仅检测到原始人脸图像中的9张人脸的人脸位置，则其可以输出9组人脸框数据。
在步骤S230，至少基于采用多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述至少基于采用多种人脸检测算法检测获得的人脸框数据生成新的人脸图像包括：基于采用多种人脸检测算法检测获得的人脸框数据，在原始人脸图像上标注与多种人脸检测算法一一对应的多个人脸框集，以生成新的人脸图像，其中，不同人脸框集采用不同模式的图形表示。
例如，可以根据每组人脸框数据中包含的坐标在原始人脸图像上的、该组人脸框数据所指示的人脸位置处标注人脸框。可以将每种人脸检测算法所对应的所有人脸框视作一个人脸框集。不同人脸框集采用不同模式的图形表示，同一人脸框集中的所有人脸框采用同一种模式的图形表示，这样可以将通过不同人脸检测算法检测获得的人脸框区分开。
示例性地，不同模式的图形可以是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
沿用上述示例，对于人脸检测算法A1检测到的10张人脸，可以在这10张人脸处分别标注10个白色的人脸框，对于人脸检测算法A2检测到的9张人脸，可以在这9张人脸处分别标注9个红色的人脸框。在人脸检测算法A1和人脸检测算法A2均检测到的某张人脸处，将出现两个颜色不同的人脸框。用户可以通过颜色非常容易地获知哪个人脸框是由人脸检测算法A1检测到的、哪个人脸框是由人脸检测算法A2检测到的。如果某种人脸检测算法的检测效果不好，所检测出的人脸框与实际人脸所在的位置差异较大，用户也可以一目了然地看出。
在步骤S240，输出新的人脸图像，以提供多种人脸检测算法的测试结果。
可以利用诸如显示屏的输出装置输出新的人脸图像。在原始人脸图像是静态图像的情况下，新的人脸图像也是静态图像，可以直接将新的人脸图像显示在显示屏上。在原始人脸图像是一段视频中的视频帧的情况下，新的人脸图像也是一个视频帧，并且，每个所述新的人脸图像是与所述原始视频帧对应的新的视频帧，多个新的人脸图像可以转制成新的视频，在这种情况下，可以在显示屏上显示新的视频(即以一定帧率输出多个新的人脸图像)。
多种人脸检测算法的测试结果包括多种人脸检测算法针对原始人脸图像进行人脸检测所获得的检测结果，由于通过标注人脸框的方式将多种检测算法的检测结果一起呈现在新的人脸图像上，因此在输出新的人脸图像时，可以向用户提供多种人脸检测算法的测试结果。随后，用户可以通过查看新的人脸图像来获知不同人脸检测算法的优劣。
根据本发明实施例的人脸检测算法的测试方法，由于在人脸图像上以不同模式的图形来标注不同人脸检测算法检测获得的人脸框，因此可以使得用户能够一目了然地查看不同人脸检测算法对同一人脸图像的检测结果，进而可以直观地对比不同人脸检测算法的检测效果，这有助于方便、高效、准确地对人脸检测算法进行测试。
示例性地，根据本发明实施例的人脸检测算法的测试方法可以在具有存储器和处理器的设备、装置或者系统中实现。
根据本发明实施例的人脸检测算法的测试方法可以部署在人脸图像采集端处，例如，可以部署在门禁系统的图像采集端。替代地，根据本发明实施例的人脸检测算法的测试方法还可以分布地部署在服务器端(或云端)和客户端处。例如，可以在客户端采集人脸图像，客户端将采集到的人脸图像传送给服务器端(或云端)，由服务器端(或云端)进行人脸检测。替代地，根据本发明实施例的人脸检测算法的测试方法还可以部署在任何具有数据处理能力的数据处理端，例如，部署在台式计算机、膝上型计算机、智能手机、平板电脑等计算设备处。
根据本发明实施例，所述基于采用多种人脸检测算法检测获得的人脸框数据，在原始人脸图像上标注与多种人脸检测算法一一对应的多个人脸框集，以生成新的人脸图像包括：如果多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在原始人脸图像上、在至少两组人脸框数据所指示的人脸位置处以预定符号而非至少两组人脸框数据所对应的至少两个人脸框进行标注。
举例说明，假设原始人脸图像包含人脸X，人脸检测算法A1和人脸检测算法A2均检测到该人脸X，人脸检测算法A1检测获得的与该人脸X相关的人脸框数据用D1表示，人脸检测算法A2检测获得的与该人脸X相关的人脸框数据用D2表示。可以计算人脸框数据D1和人脸框数据D2之间的相似度，如果二者之间的相似度大于或等于阈值，可以认为人脸框数据D1所代表的人脸框和人脸框数据D2所代表的人脸框是大致相同的，这说明人脸检测算法A1和人脸检测算法A2对人脸X的检测效果相差不大，可以无需再去查看二者在人脸X处的检测结果。因此，在人脸X所在位置处，可以标注预定符号而不再标注人脸框。用户在看到预定符号时，可以获知人脸检测算法A1和人脸检测算法A2在该预定符号处获得相近或相同的检测结果，无需进行比较。
阈值可以根据需要设定成任何合适的值。例如，阈值可以设定为95％、99％、100％等。如果至少两种人脸检测算法检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则该至少两组人脸框数据所指示的人脸位置实际上是非常相近的，特别是在阈值设定得比较大的情况下。因此，在至少两组人脸框数据所指示的人脸位置处标注预定符号可以是在至少两组人脸框数据所指示的至少两个人脸位置中的任一人脸位置处标注预定符号，或者可以根据至少两组人脸框数据所指示的至少两个人脸位置计算一个平均位置并在平均位置处标注预定符号。在一个示例中，阈值可以设定为95％，在这种情况下，当至少两种人脸检测算法检测获得的至少两组人脸框数据之间的相似度大于或等于阈值时，该至少两组人脸框数据所指示的人脸位置实际上是基本相同的，此时可以在至少两组人脸框数据所指示的人脸位置(其基本是同一人脸位置)处标注预定符号而不再标注至少两个人脸框。在另一个示例中，阈值可以设定为100％，在这种情况下，当至少两种人脸检测算法检测获得的至少两组人脸框数据之间的相似度大于或等于阈值时，该至少两组人脸框数据所指示的人脸位置实际上是完全相同的，此时可以在至少两组人脸框数据所指示的人脸位置(其是同一人脸位置)处标注预定符号而不再标注至少两个人脸框。
预定符号可以根据需要设定成任何合适的符号，本发明不对此进行限制。作为示例，预定符号可以是圆形图形、三角形图形、“[]”图形、“#”图形等。应当注意的是，预定符号需要与标注在原始人脸图像上的人脸框区分开，尽量避免使用与人脸框相同的图形，以免造成混淆。
在不同人脸检测算法对同一人脸的检测结果相近或相同的情况下，标注预定符号的方式可以提示用户忽略无需查看的检测结果，这有助于提高人脸检测算法的测试效率。
根据本发明实施例，多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，所述至少基于采用多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：对于至少部分人脸检测算法中的每种人脸检测算法，在原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成新的人脸图像。
示例性地，个人信息数据可以包括下列项中的一项或多项：姓名、性别、民族和年龄。除人脸框数据之外，某些人脸检测算法在进行人脸检测时有可能获得其所检测到的某些人脸的个人信息数据。在需要时，可以将检测到的个人信息数据也随人脸框一起标注在原始人脸图像上，以生成新的人脸图像。
个人信息数据的标注位置和标注方式可以根据需要设定，例如可以将个人信息数据标注在与该个人信息数据相关的人脸对应的人脸框上方、下方、左侧或右侧等位置处，换句话说，可以在相对于每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据。
第一相对位置是个人信息数据的标注位置相对于该个人信息数据所对应人脸的人脸位置之间的相对位置。个人信息数据的标注位置可以根据需要设定为与人脸位置相距任何合适距离、与人脸位置的特征点(例如中心点)成任何合适角度的位置，本发明不对此进行限制。
标注个人信息数据可以方便用户查看每个检测到的人脸对应相关的个人信息，并且个人信息数据也可以用于衡量人脸检测算法的检测准确度，通过比较不同人脸检测算法检测到的个人信息数据可以进一步获知不同人脸检测算法的检测效果的优劣。
根据本发明实施例，所述对于至少部分人脸检测算法中的每种人脸检测算法，在原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成新的人脸图像包括：采用不同模式的文字标注至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
与人脸框采用不同模式的图形进行区分类似地，不同人脸检测算法检测获得的个人信息数据也可以采用不同模式的文字进行标注以加以区分。不同模式的文字可以是具有不同大小、不同粗细、不同字体、不同颜色中的一项或多项的文字。
根据本发明实施例，所述至少基于采用多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：对于至少部分人脸检测算法中的每种人脸检测算法，在原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成新的人脸图像，其中，与至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
可以通过为不同人脸检测算法检测获得的个人信息数据添加数据标识符来加以区分。例如，如果采用两种人脸检测算法A1和A2进行人脸检测，则可以分别在人脸检测算法A1和A2检测出的个人信息数据前面添加“A1”和“A2”这样的数据标识符进行区分，当然，也可以简单地用“1”和“2”作为数据标识符来进行区分。上述数据标识符的形式仅是示例，数据标识符可以采用任何合适的形式来实现，本发明不对此进行限制。第二相对位置可以根据需要设定，使得数据标识符的标注位置在个人信息数据的标注位置周围的任何位置处，例如可以在个人信息数据的标注位置的前面、后面、上方或下方等位置处标注数据标识符。
根据本发明实施例，至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
不同人脸检测算法检测获得的个人信息数据还可以通过将不同人脸检测算法检测获得的个人信息数据的标注位置相对于人脸位置的第一相对位置设定得不同来加以区分。例如，如果采用两种人脸检测算法A1和A2进行人脸检测，则可以将人脸检测算法A1检测获得的个人信息数据全部标注在人脸位置的上方，即人脸框的上方，将人脸检测算法A2检测获得的个人信息数据全部标注在人脸位置的下方，即人脸框的下方。通过这种方式，也可以非常方便地将不同人脸检测算法检测获得的个人信息数据区分开。
根据本发明实施例，原始人脸图像是原始视频中的原始视频帧，并且，新的人脸图像是与原始视频帧对应的新的视频帧，步骤S210可以包括：对原始视频进行帧处理，以获得原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个原始人脸图像；步骤S240中的输出所述新的人脸图像的步骤可以包括：将与原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将新的视频输出。
如上文所述，原始人脸图像可以是静态图像，也可以是视频中的视频帧。在原始人脸图像是静态图像的情况下，新的人脸图像也是静态图像，可以直接对原始人脸图像进行人脸检测，生成新的人脸图像并将新的人脸图像输出。在原始人脸图像是一段视频中的视频帧的情况下，可以首先对原始视频进行帧处理，将原始视频转制为原始视频帧，针对每个原始视频帧进行人脸检测，生成对应的新的人脸图像，其中，每个新的人脸图像是与所述原始视频帧对应的新的视频帧。然后，可以将与所述原始视频中的多个所述原始视频帧分别对应的多个所述新的人脸图像转制成新的视频并输出。
通过新的人脸图像的输出，可以在新的人脸图像上直观显示不同人脸检测算法对应的多个人脸框集，从而能够直观地比对各个不同的人脸检测算法的检测效果，从而进一步获得人脸检测算法的最终测试结果，例如，哪一种人脸检测算法更加准确。
图3示出根据本发明另一实施例的人脸检测算法的测试方法300的示意性流程图。图3所示的人脸检测算法的测试方法300的步骤S310、S320、S340和S350分别与图2所示的人脸检测算法的测试方法200的步骤S210-S240相对应，本领域技术人员结合上述对图2所示的人脸检测算法的测试方法200的描述可以理解本实施例的上述步骤，在此不再赘述。在本实施例中，在步骤S340之前，人脸检测算法的测试方法300进一步包括步骤S330。
在步骤S330，获取用于指示原始人脸图像中的每个人脸位置的标注数据。
步骤S340还可以进一步包括：将标注数据与多种人脸检测算法检测获得的人脸框数据相对比，如果标注数据所指示的特定人脸位置与多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在特定人脸位置处标注错误指示符，以生成新的人脸图像。
下面举例说明。假设原始人脸图像包含人脸F，标注数据指示了人脸F所在的位置。假设共采用两种人脸检测算法A1和A2进行人脸检测，然而，人脸检测算法A1和A2均未在人脸F所在的位置处检测到任何人脸，也就是说，人脸检测算法A1和A2检测获得的人脸框数据所指示的人脸位置全部不与人脸F所在的位置重合。在这种情况下，可以认为人脸检测算法A1和A2对人脸F的检测都是失败的，因此可以在人脸F所在的位置处标注错误指示符，以供用户查看该错误。
错误指示符可以根据需要设定成任何合适的符号，本发明不对此进行限制。作为示例，错误指示符可以是椭圆形图形、“！”图形、“？”图形等。应当注意的是，错误指示符需要与标注在原始人脸图像上的人脸框区分开，尽量避免使用与人脸框相同的图形，以免造成混淆。在上述标注预定符号的情况下，错误指示符还需要与预定符号区分开，避免使用与预定符号相同的图形。
应当理解，图3所述的人脸检测算法的测试方法300的各步骤的执行顺序仅是示例而非对本发明的限制，本发明实施例提供的人脸检测算法的测试方法可以具有其他合理的执行顺序。例如，步骤S330可以在步骤S310之前、之后或与其同时执行，或者在步骤S320之前、之后或与其同时执行。
根据本发明另一方面，提供一种人脸检测算法的测试装置。图4示出了根据本发明一个实施例的人脸检测算法的测试装置400的示意性框图。
如图4所示，根据本发明实施例的人脸检测算法的测试装置400包括图像获取模块410、检测模块420、图像生成模块430和输出模块440。所述各个模块可分别执行上文中结合图2-3描述的人脸检测算法的测试方法的各个步骤/功能。以下仅对该人脸检测算法的测试装置400的各模块的主要功能进行描述，而省略以上已经描述过的细节内容。
图像获取模块410用于获取原始人脸图像。图像获取模块410可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
检测模块420用于对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据。检测模块420可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
图像生成模块430用于至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述图像生成模块430包括人脸框标注子模块，用于基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示。图像生成模块430可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
输出模块440用于输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果。输出模块440可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
根据本发明实施例，所述人脸框标注子模块可以包括：预定符号标注单元，用于如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
根据本发明实施例，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，所述图像生成模块430还可以包括：个人信息标注子模块，用于对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
根据本发明实施例，所述个人信息标注子模块可以包括：个人信息标注单元，用于采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
根据本发明实施例，所述图像生成模块430还可以包括：标识符标注子模块，用于对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
根据本发明实施例，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
根据本发明实施例，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
根据本发明实施例，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
根据本发明实施例，所述原始人脸图像可以是原始视频中的原始视频帧，并且，所述新的人脸图像可以是与所述原始视频帧对应的新的视频帧，所述图像获取模块410可以包括图像获取子模块，用于对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；所述输出模块440可以包括输出子模块，用于将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频并将所述新的视频输出。
根据本发明实施例，所述人脸检测算法的测试装置400还可以进一步包括：标注数据获取模块，用于获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；所述图像生成模块430还可以进一步包括：错误指示符标注子模块，用于将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
图5示出了根据本发明一个实施例的人脸检测算法的测试系统500的示意性框图。人脸检测算法的测试系统500包括图像采集装置510、存储装置520、以及处理器530。
图像采集装置510用于采集人脸图像。图像采集装置510是可选的，人脸检测算法的测试系统500可以不包括图像采集装置510。
所述存储装置520存储用于实现根据本发明实施例的人脸检测算法的测试方法中的相应步骤的程序代码。
所述处理器530用于运行所述存储装置520中存储的程序代码，以执行根据本发明实施例的人脸检测算法的测试方法的相应步骤，并且用于实现根据本发明实施例的人脸检测算法的测试装置中的图像获取模块410、检测模块420、图像生成模块430和输出模块440。
在一个实施例中，所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500执行以下步骤：获取原始人脸图像；对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据；至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像包括：基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示；以及输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果。
在一个实施例中，所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像的步骤包括：如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
在一个实施例中，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤还包括：对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
在一个实施例中，所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像的步骤包括：采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
在一个实施例中，所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤还包括：对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
在一个实施例中，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
在一个实施例中，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
在一个实施例中，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
在一个实施例中，所述原始人脸图像是原始视频中的原始视频帧，并且，所述新的人脸图像是与所述原始视频帧对应的新的视频帧，所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的获取原始人脸图像的步骤包括：对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的输出所述新的人脸图像的步骤包括：将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将所述新的视频输出。
在一个实施例中，在所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤之前，所述程序代码被所述处理器530运行时还使所述人脸检测算法的测试系统500执行：获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；所述程序代码被所述处理器530运行时使所述人脸检测算法的测试系统500所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤还包括：将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
此外，根据本发明实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本发明实施例的人脸检测算法的测试方法的相应步骤，并且用于实现根据本发明实施例的人脸检测算法的测试装置中的相应模块。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
在一个实施例中，所述计算机程序指令在被计算机或处理器运行时可以使得计算机或处理器实现根据本发明实施例的人脸检测算法的测试装置的各个功能模块，并且/或者可以执行根据本发明实施例的人脸检测算法的测试方法。
在一个实施例中，所述计算机程序指令在被计算机运行时使所述计算机执行以下步骤：获取原始人脸图像；对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据；至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像包括：基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示；以及输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果。
在一个实施例中，所述计算机程序指令在被计算机运行时使所述计算机所执行的基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像的步骤包括：如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
在一个实施例中，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，所述计算机程序指令在被计算机运行时使所述计算机所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤还包括：对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
在一个实施例中，所述计算机程序指令在被计算机运行时使所述计算机所执行的对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像的步骤进一步包括：采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
在一个实施例中，所述计算机程序指令在被计算机运行时使所述计算机所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤还包括：对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
在一个实施例中，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
在一个实施例中，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
在一个实施例中，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
在一个实施例中，所述原始人脸图像是原始视频中的原始视频帧，并且，所述新的人脸图像是与所述原始视频帧对应的新的视频帧，所述计算机程序指令在被计算机运行时使所述计算机所执行的获取原始人脸图像的步骤包括：对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；所述计算机程序指令在被计算机运行时使所述计算机所执行的输出所述新的人脸图像的步骤包括：将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将所述新的视频输出。
在一个实施例中，在所述计算机程序指令在被计算机运行时使所述计算机所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤之前，所述计算机程序指令在被计算机运行时还使所述计算机执行：获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；所述计算机程序指令在被计算机运行时使所述计算机所执行的至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像的步骤还包括：将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
根据本发明实施例的人脸检测算法的测试系统中的各模块可以通过根据本发明实施例的实施人脸检测算法的测试的电子设备的处理器运行在存储器中存储的计算机程序指令来实现，或者可以在根据本发明实施例的计算机程序产品的计算机可读存储介质中存储的计算机指令被计算机运行时实现。
根据本发明实施例的人脸检测算法的测试方法及装置，由于在人脸图像上以不同模式的图形来标注不同人脸检测算法检测获得的人脸框，因此可以使得用户能够一目了然地查看不同人脸检测算法对同一人脸图像的检测结果，进而可以直观地对比不同人脸检测算法的检测效果，这有助于方便、高效、准确地对人脸检测算法进行测试。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的人脸检测算法的测试装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (18)
1.一种人脸检测算法的测试方法，包括：
获取原始人脸图像；
对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据；
至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像包括：基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示；以及
输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果；
其中，所述基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像包括：
如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
2.如权利要求1所述的人脸检测算法的测试方法，其中，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，
所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：
对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
3.如权利要求2所述的人脸检测算法的测试方法，其中，所述对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像进一步包括：
采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
4.如权利要求2所述的人脸检测算法的测试方法，其中，所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：
对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，
其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
5.如权利要求2所述的人脸检测算法的测试方法，其中，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
6.如权利要求2所述的人脸检测算法的测试方法，其中，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
7.如权利要求1所述的人脸检测算法的测试方法，其中，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
8.如权利要求1所述的人脸检测算法的测试方法，其中，所述原始人脸图像是原始视频中的原始视频帧，并且，所述新的人脸图像是与所述原始视频帧对应的新的视频帧，
所述获取原始人脸图像包括：对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；
所述输出所述新的人脸图像包括：将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将所述新的视频输出。
9.如权利要求1所述的人脸检测算法的测试方法，其中，
在所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像之前，所述人脸检测算法的测试方法还包括：
获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；
所述至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像还包括：
将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
10.一种人脸检测算法的测试装置，包括：
图像获取模块，用于获取原始人脸图像；
检测模块，用于对于多种人脸检测算法中的每种人脸检测算法，采用该人脸检测算法对所述原始人脸图像进行人脸检测，以获得人脸数据，其中，所述人脸数据包括用于指示一个或多个人脸位置的一组或多组人脸框数据；
图像生成模块，用于至少基于采用所述多种人脸检测算法检测获得的人脸框数据生成新的人脸图像，其中，所述图像生成模块包括人脸框标注子模块，用于基于采用所述多种人脸检测算法检测获得的人脸框数据，在所述原始人脸图像上标注与所述多种人脸检测算法一一对应的多个人脸框集，以生成所述新的人脸图像，其中，不同人脸框集采用不同模式的图形表示；以及
输出模块，用于输出所述新的人脸图像，以提供所述多种人脸检测算法的测试结果；
其中，所述人脸框标注子模块包括：
预定符号标注单元，用于如果所述多种人脸检测算法中的至少两种人脸检测算法分别检测获得的至少两组人脸框数据之间的相似度大于或等于阈值，则在所述原始人脸图像上、在所述至少两组人脸框数据所指示的人脸位置处以预定符号而非所述至少两组人脸框数据所对应的至少两个人脸框进行标注。
11.如权利要求10所述的人脸检测算法的测试装置，其中，所述多种人脸检测算法中的至少部分人脸检测算法检测获得的人脸数据进一步包括与每个人脸相关的个人信息数据，
所述图像生成模块还包括：
个人信息标注子模块，用于对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的每组人脸框数据所指示的人脸位置的第一相对位置处标注与该人脸位置对应的人脸相关的个人信息数据，以生成所述新的人脸图像。
12.如权利要求11所述的人脸检测算法的测试装置，其中，所述个人信息标注子模块包括：
个人信息标注单元，用于采用不同模式的文字标注所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据。
13.如权利要求11所述的人脸检测算法的测试装置，其中，所述图像生成模块还包括：
标识符标注子模块，用于对于所述至少部分人脸检测算法中的每种人脸检测算法，在所述原始人脸图像上、在相对于该人脸检测算法检测获得的个人信息数据的标注位置的第二相对位置处标注数据标识符，以生成所述新的人脸图像，
其中，与所述至少部分人脸检测算法中的不同人脸检测算法相对应的数据标识符不同。
14.如权利要求11所述的人脸检测算法的测试装置，其中，所述至少部分人脸检测算法中的不同人脸检测算法检测获得的个人信息数据所标注的第一相对位置不同。
15.如权利要求11所述的人脸检测算法的测试装置，其中，所述个人信息数据包括下列项中的一项或多项：姓名、性别、民族和年龄。
16.如权利要求10所述的人脸检测算法的测试装置，其中，所述不同模式的图形是具有不同颜色、不同形状和不同大小中的一项或多项的图形。
17.如权利要求10所述的人脸检测算法的测试装置，其中，所述原始人脸图像是原始视频中的原始视频帧，并且，所述新的人脸图像是与所述原始视频帧对应的新的视频帧，
所述图像获取模块包括图像获取子模块，用于对所述原始视频进行帧处理，以获得所述原始视频中的每个原始视频帧，并将每个原始视频帧分别作为每个所述原始人脸图像；
所述输出模块包括输出子模块，用于将与所述原始视频中的多个原始视频帧分别对应的多个新的人脸图像转制为新的视频，并将所述新的视频输出。
18.如权利要求10所述的人脸检测算法的测试装置，其中，
所述人脸检测算法的测试装置还包括：
标注数据获取模块，用于获取用于指示所述原始人脸图像中的每个人脸位置的标注数据；
所述图像生成模块还包括：
错误指示符标注子模块，用于将所述标注数据与所述多种人脸检测算法检测获得的人脸框数据相对比，如果所述标注数据所指示的特定人脸位置与所述多种人脸检测算法检测获得的人脸框数据所指示的人脸位置均不重合，则在所述特定人脸位置处标注错误指示符，以生成所述新的人脸图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610721404.9A CN106327546B (zh) | 2016-08-24 | 2016-08-24 | 人脸检测算法的测试方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610721404.9A CN106327546B (zh) | 2016-08-24 | 2016-08-24 | 人脸检测算法的测试方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106327546A CN106327546A (zh) | 2017-01-11 |
| CN106327546B true CN106327546B (zh) | 2020-12-08 |
Family
ID=57791517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610721404.9A Active CN106327546B (zh) | 2016-08-24 | 2016-08-24 | 人脸检测算法的测试方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106327546B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815575B (zh) * | 2017-01-22 | 2019-12-10 | 上海银晨智能识别科技有限公司 | 人脸检测结果集的优选系统及其方法 |
| CN109145752B (zh) * | 2018-07-23 | 2022-07-01 | 北京百度网讯科技有限公司 | 用于评估对象检测和跟踪算法的方法、装置、设备和介质 |
| CN108985240B (zh) * | 2018-07-23 | 2020-11-13 | 北京百度网讯科技有限公司 | 评估对象检测算法的方法、装置、电子设备和存储介质 |
| CN109558864B (zh) * | 2019-01-16 | 2021-07-30 | 苏州科达科技股份有限公司 | 人脸关键点检测方法、装置及存储介质 |
| CN110443620A (zh) * | 2019-08-06 | 2019-11-12 | 中国工商银行股份有限公司 | 刷脸支付方法和装置 |
| CN112809697B (zh) * | 2021-01-11 | 2022-05-13 | 福建思特电子有限公司 | 一种5g智能门卫机器人 |
| CN112836635B (zh) * | 2021-02-02 | 2022-11-08 | 京东科技控股股份有限公司 | 图像处理方法、装置及设备 |
| CN113705389A (zh) * | 2021-08-13 | 2021-11-26 | 北京市商汤科技开发有限公司 | 人脸识别模组测试方法、装置、存储介质及电子设备 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102236899B (zh) * | 2010-05-07 | 2013-12-04 | 株式会社理光 | 物体检测方法和装置 |
| JP5814557B2 (ja) * | 2011-02-07 | 2015-11-17 | キヤノン株式会社 | 画像表示制御装置、撮像装置、表示制御方法、及び制御プログラム |
| CN103513890B (zh) * | 2012-06-28 | 2016-04-13 | 腾讯科技（深圳）有限公司 | 一种基于图片的交互方法、装置和服务器 |
| CN102880634B (zh) * | 2012-07-30 | 2016-07-20 | 成都西可科技有限公司 | 基于云的智能人脸识别检索方法 |
| CN103793697B (zh) * | 2014-02-17 | 2018-05-01 | 北京旷视科技有限公司 | 一种人脸图像的身份标注方法及人脸身份识别方法 |
| CN103824053B (zh) * | 2014-02-17 | 2018-02-02 | 北京旷视科技有限公司 | 一种人脸图像的性别标注方法及人脸性别检测方法 |
| CN105868769A (zh) * | 2015-01-23 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 图像中的人脸关键点定位方法及装置 |
| CN104992146B (zh) * | 2015-06-15 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 一种用于人脸识别的方法和装置 |
| CN105488478B (zh) * | 2015-12-02 | 2020-04-07 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
| CN105740758A (zh) * | 2015-12-31 | 2016-07-06 | 上海极链网络科技有限公司 | 基于深度学习的互联网视频人脸识别方法 |
-
2016
- 2016-08-24 CN CN201610721404.9A patent/CN106327546B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106327546A (zh) | 2017-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106327546B (zh) | 人脸检测算法的测试方法和装置 | |
| CN106203305B (zh) | 人脸活体检测方法和装置 | |
| CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
| US20230394428A1 (en) | Information processing apparatus, control method, and program | |
| JP6397144B2 (ja) | 画像からの事業発見 | |
| JP6868119B2 (ja) | ホログラフィック偽造防止コードの検査方法及び装置 | |
| CN106385640B (zh) | 视频标注方法及装置 | |
| CN109255767B (zh) | 图像处理方法和装置 | |
| CN107766349B (zh) | 一种生成文本的方法、装置、设备及客户端 | |
| CN109684005B (zh) | 图形界面中组件相似度确定方法及装置 | |
| CN108875531B (zh) | 人脸检测方法、装置、系统及计算机存储介质 | |
| CN110956131B (zh) | 单目标追踪方法、装置及系统 | |
| CN112149583A (zh) | 烟雾检测方法、终端设备及存储介质 | |
| JPWO2013122009A1 (ja) | 信頼度取得装置、信頼度取得方法および信頼度取得プログラム | |
| JP2017208014A (ja) | 針式メータ検出装置、方法およびプログラム | |
| CN110647931A (zh) | 物体检测方法、电子设备、系统及介质 | |
| CN114049568A (zh) | 基于图像比对的标的物形变检测方法、装置、设备及介质 | |
| CN111695405B (zh) | 一种狗脸特征点的检测方法、装置、系统及存储介质 | |
| CN111124863A (zh) | 智能设备性能测试方法、装置及智能设备 | |
| CN111274602B (zh) | 一种图像特征信息替换方法、装置、设备及介质 | |
| CN109858363B (zh) | 一种狗鼻纹特征点的检测方法、装置、系统及存储介质 | |
| US10631050B2 (en) | Determining and correlating visual context on a user device with user behavior using digital content on the user device | |
| CN110287943B (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
| CN115393838A (zh) | 指针式仪表读数识别方法、装置、电子设备及存储介质 | |
| CN108009233B (zh) | 一种图像还原方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: MEGVII INC. Applicant after: Beijing maigewei Technology Co., Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: MEGVII INC. Applicant before: Beijing aperture Science and Technology Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |