CN107103265A - 一种评估人脸检测算法的方法及装置 - Google Patents
一种评估人脸检测算法的方法及装置 Download PDFInfo
- Publication number
- CN107103265A CN107103265A CN201610093477.8A CN201610093477A CN107103265A CN 107103265 A CN107103265 A CN 107103265A CN 201610093477 A CN201610093477 A CN 201610093477A CN 107103265 A CN107103265 A CN 107103265A
- Authority
- CN
- China
- Prior art keywords
- area
- face
- detection
- algorithm
- standard
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及通信电子技术领域,尤其涉及一种评估人脸检测算法的方法及装置。用于确定人脸检测算法的准确率。该方法包括:确定人脸检测算法的评估方法;使用确定出的评估方法对所述人脸检测算法进行评估;根据评估结果确定出所述人脸检测算法的准确率。可见,使用该方法可以确定出人脸检测算法的准确率。
Description
技术领域
本发明涉及通信电子技术领域,尤其涉及一种评估人脸检测算法的方法及装置。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。而完成人脸识别这一过程无法离开人脸识别算法,该算法是通过在检测到人脸并定位面部关键特征点之后,主要的人脸区域就可以被裁剪出来,经过预处理之后,馈入后端的识别算法。
人脸识别算法主要分为二维人脸识别算法和三维人脸识别算法,这其中又会被划分出许多更加具体的算法,而每种算法的准确率又因为软件、硬件以及人脸库不统一等局限性而无法确定。因此,在多种算法面前,用户无法确定哪种算法的准确率更高。
发明内容
本发明实施例提供一种评估人脸检测算法的方法及装置,用于确定人脸检测算法的准确率。
一种评估人脸检测算法的方法,所述方法包括:
确定人脸检测算法的评估方法;
使用确定出的评估方法对所述人脸检测算法进行评估;
根据评估结果确定出所述人脸检测算法的准确率。
可见,本发明实施例提供的方法,可针对不同人脸检测算法确定不同的评估方法,并用确定出的评估方法对该算法进行评估,根据评估结果即可确定出该算法的准确率。使用该方法可以确定出人脸检测算法的准确率。
附图说明
为了更清楚地说明本发明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。
图1为本发明实施例提供的一种评估人脸检测算法的方法流程图;
图2为本发明实施例提供的具体的一种评估人脸检测算法的方法流程图;
图3为本发明实施例提供的标准坐标值在人脸图像中的示意图;
图4为本发明实施例提供的标准坐标值与检测坐标值在人脸图像中的示意图;
图5为本发明实施例提供的一种评估人脸检测算法的装置结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明中技术方案作进一步详细的说明。
本发明实施例提供的方法,可针对不同人脸检测算法确定不同的评估方法,并用确定出的评估方法对该算法进行评估,根据评估结果即可确定出该算法的准确率。使用该方法可以确定出人脸检测算法的准确率。如图1所示,该方法包括:
步骤11,确定人脸检测算法的评估方法;
步骤12,使用确定出的评估方法对所述人脸检测算法进行评估;
步骤13,根据评估结果确定出所述人脸检测算法的准确率。
具体的,所述评估方法包括:
漏检法、误检法以及检测法。
具体的,使用所述漏检法对所述人脸检测算法进行评估的方法包括:
将标准坐标值与检测坐标值进行比较,如果比较结果满足第一预设条件,则漏检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
具体的,使用所述误检法对所述人脸检测算法进行评估的方法包括:
将检测坐标值与标准坐标值进行比较,如果比较结果满足第一预设条件,则误检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
具体的,使用所述检测法对所述人脸检测算法进行评估的方法包括:
按照预先设置的计算方式,计算出标准面积、检测面积以及重复面积;所述标准面积为预先确定出的能够准确描述所述人脸图像中人脸的面积;所述检测面积为检测出的所述人脸图像的面积;所述重复面积为所述标准面积与所述检测面积重叠部分;
当所述重复面积与所述标准面积、且所述重复面积与所述检测面积的比值满足第二预设条件时,所述检测率增加。
具体的,所述根据评估结果确定出所述人脸检测算法的准确率包括:
当所述评估结果为漏检率增加、误检率增加、或者检测率增加,则确定出所述人脸检测算法的准确率降低。
以下以具体实施例进行说明:
如图2所示,实施例,本发明实施例提供一种评估人脸检测算法的方法,该方法具体包括:
步骤21,创建样本数据库,以及每一个人脸样本图片的标准坐标值;
在本步骤中的样本库可借鉴全球著名人脸库,其中包括麻省理工学院人脸库MIT、美国军方人脸库FERET,曼切斯特大学人脸库UMIST、伯尔尼大学人脸库Bern、耶鲁大学人脸库Yale、剑桥大学人脸库ORL、卡梅隆大学人脸库CMU PIE、南京理工大学人脸库FDB603的基础上。该样本数据库创建了一个包括不同的光照、不同的分辨率、不同的角度、不同的年龄、不同的表情、不同肤色的若干张正样本图片,以及背景相对复杂的负样本的图片,作为人脸样本库;
如图3所示,标准坐标值包括(Xa1,Ya1)和(Xa2,Ya2),标准坐标值为预先确定出的能够准确描述样本数据库中的人脸图像中人脸位置的坐标;
步骤22,根据调用到的待评估的人脸检测算法的接口函数,使用待评估的人脸检测算法检测出样本数据库中任一一张人脸图像的人脸位置,并得到检测坐标值;
该检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。检测坐标值包括(Xb1,Yb1)和(Xb2,Yb2);
步骤23,判断该人脸检测算法适合哪种评估方法;
具体的,检测方法包括:漏检法、误检法以及检测法;
当确定使用漏检法时,执行步骤24;
当确定使用误检法时,执行步骤25;
当确定使用检测法时,执行步骤26;
步骤24,将每一个标准坐标值与检测坐标值进行比较,如果比较结果满足第一预设条件,则漏检率增加;
具体的本步骤中,第一预设条件为任何一个标准坐标值和所有的检测坐标值比较时,都满足以(Xb2>=Xa1)或者(Xa2>=Xb1)或者(Ya2>=Yb1)或者(Yb2>=Yb1)条件之一时,说明检测结果不包括这个标准坐标值,也就是说这个标准坐标值没有检测出来,所以将漏检个数加一;
当对样本库中的所有图像完成检测后,即可确定出漏检率;
步骤25,如图4所示,将每一个检测坐标值与标准坐标值进行比较,如果比较结果满足第一预设条件,则误检率增加;
具体的本步骤中,第一预设条件为任何一个检测坐标值和所有的标准坐标值比较时,都满足以(Xb2>=Xa1)或者(Xa2>=Xb1)或者(Ya2>=Yb1)或者(Yb2>=Yb1)条件之一时,说明标准坐标中不包括这个检测出的坐标,也就是说这个检测坐标值是错的,所以将误检个数加一;
当对样本库中的所有图像完成检测后,即可确定出误检率;
步骤26,按照预先设置的计算方式,计算出标准面积、检测面积以及重复面积;
其中标准面积为预先确定出的能够准确描述所述人脸图像中人脸的面积;
标准面积S2=(Xa2-Xa1)(Ya2-Ya1);
检测面积为检测出的所述人脸图像的面积;
检测面积83=(Xb2-Xb1)(Yb2-Yb1);
重复面积为所述标准面积与所述检测面积重叠部分;
重复面积S1=(min(Xa2,Xb2)-max(Xa1,Xb1))(min(Ya2,Yb2)-max(Ya1,Yb1));
当所述重复面积与所述标准面积、且所述重复面积与所述检测面积的比值满足第二预设条件时,所述检测率增加;
本步骤中第二预设条件为:S1/S2>85%并且S1/S3>85%;
当对样本库中的所有图像完成检测后,即可确定出检测率;
步骤27,当所述评估结果为漏检率增加、误检率增加、或者检测率增加,则确定出所述人脸检测算法的准确率降低。
步骤28,根据准确率即可确定出需要使用哪种人脸检测算法。
如图5所示,本发明实施例提供一种评估人脸检测算法的装置,所述装置包括:
确定模块51,用于确定人脸检测算法的评估方法;
评估模块52,用于使用确定出的评估方法对所述人脸检测算法进行评估;
操作模块53,用于根据评估结果确定出所述人脸检测算法的准确率。
所述评估方法包括:
漏检法、误检法以及检测法。
所述评估模块52具体用于:
将标准坐标值与检测坐标值进行比较,如果比较结果满足第一预设条件,则漏检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
所述评估模块52具体用于:
将检测坐标值与标准坐标值进行比较,如果比较结果满足第一预设条件,则误检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
所述评估模块52具体用于:
按照预先设置的计算方式,计算出标准面积、检测面积以及重复面积;所述标准面积为预先确定出的能够准确描述所述人脸图像中人脸的面积;所述检测面积为检测出的所述人脸图像的面积;所述重复面积为所述标准面积与所述检测面积重叠部分;
当所述重复面积与所述标准面积、且所述重复面积与所述检测面积的比值满足第二预设条件时,所述检测率增加。
所述操作模块53具体用于:
当所述评估结果为漏检率增加、误检率增加、或者检测率增加,则确定出所述人脸检测算法的准确率降低。
综上所述,有益效果:
本发明实施例提供的方法,可针对不同人脸检测算法确定不同的评估方法,并用确定出的评估方法对该算法进行评估,根据评估结果即可确定出该算法的准确率。使用该方法可以确定出人脸检测算法的准确率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种评估人脸检测算法的方法,其特征在于,所述方法包括:
确定人脸检测算法的评估方法;
使用确定出的评估方法对所述人脸检测算法进行评估;
根据评估结果确定出所述人脸检测算法的准确率。
2.如权利要求1所述的方法,其特征在于,所述评估方法包括:
漏检法、误检法以及检测法。
3.如权利要求2所述的方法,其特征在于,使用所述漏检法对所述人脸检测算法进行评估的方法包括:
将标准坐标值与检测坐标值进行比较,如果比较结果满足第一预设条件,则漏检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
4.如权利要求2所述的方法,其特征在于,使用所述误检法对所述人脸检测算法进行评估的方法包括:
将检测坐标值与标准坐标值进行比较,如果比较结果满足第一预设条件,则误检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
5.如权利要求2所述的方法,其特征在于,使用所述检测法对所述人脸检测算法进行评估的方法包括:
按照预先设置的计算方式,计算出标准面积、检测面积以及重复面积;所述标准面积为预先确定出的能够准确描述所述人脸图像中人脸的面积;所述检测面积为检测出的所述人脸图像的面积;所述重复面积为所述标准面积与所述检测面积重叠部分;
当所述重复面积与所述标准面积、且所述重复面积与所述检测面积的比值满足第二预设条件时,所述检测率增加。
6.如权利要求3~5中任一权利要求所述的方法,其特征在于,所述根据评估结果确定出所述人脸检测算法的准确率包括:
当所述评估结果为漏检率增加、误检率增加、或者检测率增加,则确定出所述人脸检测算法的准确率降低。
7.一种评估人脸检测算法的装置,其特征在于,所述装置包括:
确定模块,用于确定人脸检测算法的评估方法;
评估模块,用于使用确定出的评估方法对所述人脸检测算法进行评估;
操作模块,用于根据评估结果确定出所述人脸检测算法的准确率。
8.如权利要求7所述的装置,其特征在于,所述评估方法包括:
漏检法、误检法以及检测法。
9.如权利要求8所述的装置,其特征在于,所述评估模块具体用于:
将标准坐标值与检测坐标值进行比较,如果比较结果满足第一预设条件,则漏检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
10.如权利要求8所述的装置,其特征在于,所述评估模块具体用于:
将检测坐标值与标准坐标值进行比较,如果比较结果满足第一预设条件,则误检率增加;所述标准坐标值为预先确定出的能够准确描述所述人脸图像中人脸位置的坐标;所述检测坐标值为所述人脸检测算法计算出的用于标明人脸位置的坐标。
11.如权利要求8所述的装置,其特征在于,所述评估模块具体用于:
按照预先设置的计算方式,计算出标准面积、检测面积以及重复面积;所述标准面积为预先确定出的能够准确描述所述人脸图像中人脸的面积;所述检测面积为检测出的所述人脸图像的面积;所述重复面积为所述标准面积与所述检测面积重叠部分;
当所述重复面积与所述标准面积、且所述重复面积与所述检测面积的比值满足第二预设条件时,所述检测率增加。
12.如权利要求9~11中任一权利要求所述的装置,其特征在于,所述操作模块具体用于:
当所述评估结果为漏检率增加、误检率增加、或者检测率增加,则确定出所述人脸检测算法的准确率降低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610093477.8A CN107103265A (zh) | 2016-02-19 | 2016-02-19 | 一种评估人脸检测算法的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610093477.8A CN107103265A (zh) | 2016-02-19 | 2016-02-19 | 一种评估人脸检测算法的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107103265A true CN107103265A (zh) | 2017-08-29 |
Family
ID=59658681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610093477.8A Pending CN107103265A (zh) | 2016-02-19 | 2016-02-19 | 一种评估人脸检测算法的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107103265A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108881896A (zh) * | 2017-12-21 | 2018-11-23 | 北京旷视科技有限公司 | 抓拍机的测试方法、系统以及存储介质 |
CN109063617A (zh) * | 2018-07-24 | 2018-12-21 | 高新兴科技集团股份有限公司 | 一种人脸识别算法的分析方法及工具 |
CN110163183A (zh) * | 2019-05-30 | 2019-08-23 | 北京旷视科技有限公司 | 目标检测算法的评估方法、装置、计算机设备和存储介质 |
CN114764927A (zh) * | 2020-12-31 | 2022-07-19 | 合肥君正科技有限公司 | 一种分区域增强的人脸逆光图片的制作方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808465A (zh) * | 2005-01-21 | 2006-07-26 | 中国科学院计算技术研究所 | 一种人脸检测系统的评测方法及评测系统 |
CN101196997A (zh) * | 2007-12-29 | 2008-06-11 | 北京中星微电子有限公司 | 图像中最大人脸的跟踪装置和方法 |
CN103927519A (zh) * | 2014-04-14 | 2014-07-16 | 中国华戎控股有限公司 | 一种实时人脸检测与过滤方法 |
-
2016
- 2016-02-19 CN CN201610093477.8A patent/CN107103265A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1808465A (zh) * | 2005-01-21 | 2006-07-26 | 中国科学院计算技术研究所 | 一种人脸检测系统的评测方法及评测系统 |
CN101196997A (zh) * | 2007-12-29 | 2008-06-11 | 北京中星微电子有限公司 | 图像中最大人脸的跟踪装置和方法 |
CN103927519A (zh) * | 2014-04-14 | 2014-07-16 | 中国华戎控股有限公司 | 一种实时人脸检测与过滤方法 |
Non-Patent Citations (2)
Title |
---|
周天相: "基于Adaboost的人脸检测研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李瑞淇: "基于肤色和改进的AdaBoost人脸检测算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108881896A (zh) * | 2017-12-21 | 2018-11-23 | 北京旷视科技有限公司 | 抓拍机的测试方法、系统以及存储介质 |
CN109063617A (zh) * | 2018-07-24 | 2018-12-21 | 高新兴科技集团股份有限公司 | 一种人脸识别算法的分析方法及工具 |
CN110163183A (zh) * | 2019-05-30 | 2019-08-23 | 北京旷视科技有限公司 | 目标检测算法的评估方法、装置、计算机设备和存储介质 |
CN114764927A (zh) * | 2020-12-31 | 2022-07-19 | 合肥君正科技有限公司 | 一种分区域增强的人脸逆光图片的制作方法 |
CN114764927B (zh) * | 2020-12-31 | 2024-05-28 | 合肥君正科技有限公司 | 一种分区域增强的人脸逆光图片的制作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230419641A1 (en) | Method For Estimating Blood Component Quantities In Surgical Textiles | |
CN109271832B (zh) | 人流分析方法、人流分析装置以及人流分析系统 | |
Dubois et al. | Human activities recognition with RGB-Depth camera using HMM | |
CN105631515B (zh) | 人流计数系统 | |
EP2546782B1 (en) | Liveness detection | |
US8983124B2 (en) | Moving body positioning device | |
CN107103265A (zh) | 一种评估人脸检测算法的方法及装置 | |
CN104639840B (zh) | 图像处理装置及图像处理方法 | |
CN110532852A (zh) | 基于深度学习的地铁站行人异常事件检测方法 | |
US10133937B2 (en) | Crowd monitoring system | |
CN108986138A (zh) | 目标跟踪方法及设备 | |
JP2013196684A (ja) | 対象物計数方法および対象物計数装置 | |
KR101999158B1 (ko) | 카트형 지표 투과 레이더 탐사 시스템 | |
CN109583505A (zh) | 一种多传感器的物体关联方法、装置、设备及介质 | |
CN105205482B (zh) | 快速人脸特征识别及姿态估算方法 | |
CN104680145B (zh) | 一种门的开关状态变化检测方法及装置 | |
Planinc et al. | Robust fall detection by combining 3D data and fuzzy logic | |
Mehta et al. | AD3S: Advanced driver drowsiness detection system using machine learning | |
CN105765608A (zh) | 用于根据闪耀点进行眼睛检测的方法和设备 | |
CN112668377A (zh) | 信息识别系统及其方法 | |
CN112597903B (zh) | 基于步幅测量的电力人员安全状态智能识别方法及介质 | |
EP3074844B1 (en) | Estimating gaze from un-calibrated eye measurement points | |
CN104346606B (zh) | 异常步态分析方法及系统 | |
CN109522912A (zh) | 扫描质量检测方法、控制器和装置 | |
TWI685326B (zh) | 穿戴式血壓量測裝置及其量測方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170829 |
|
RJ01 | Rejection of invention patent application after publication |