CN108881896A - 抓拍机的测试方法、系统以及存储介质 - Google Patents
抓拍机的测试方法、系统以及存储介质 Download PDFInfo
- Publication number
- CN108881896A CN108881896A CN201711394690.3A CN201711394690A CN108881896A CN 108881896 A CN108881896 A CN 108881896A CN 201711394690 A CN201711394690 A CN 201711394690A CN 108881896 A CN108881896 A CN 108881896A
- Authority
- CN
- China
- Prior art keywords
- capture machine
- test
- target object
- image data
- capture
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
一种抓拍机的测试方法、系统以及存储介质。该抓拍机的测试方法包括:利用所述第一通信接口接收测试图像数据;运行检测算法检测所述测试图像数据中的至少一个目标对象,得到所述至少一个目标对象的多张图像,以便基于所述多张图像确定所述抓拍机的测试参数。
Description
技术领域
本公开的实施例涉及一种抓拍机的测试方法、系统以及存储介质。
背景技术
抓拍机可广泛应用于交通卡口通行车辆监控、超速车辆监控、闯红灯记录,能有效遏制车辆的超速行驶、逆向行驶、闯红灯等违章行为,并能为治安案件的侦破提供有力的线索证据,成为现代交通管理的高效助手。
评价抓拍机性能的指标主要有抓拍率、重复抓拍率和漏抓率。可以利用抓拍机的摄像头对着播放测试视频的显示器翻拍,然后通过分析翻拍得到的视频来获取抓拍机性能指标参数。但是,如果抓拍机某帧曝光的时间超过显示器播放的视频两帧播放的时间,就会拍到类似两帧画面叠加的结果,因此该测试方法并不能准确获得抓拍机的性能指标参数。
公开内容
本公开实施例提供了一种抓拍机的测试方法、系统以及存储介质,该抓拍机的测试方法能够更加准确的验证抓拍机的性能。
根据本公开的一方面,至少一个实施例提供了一种测试方法,所述测试方法应用于抓拍机,所述抓拍机包括第一通信接口,所述测试方法包括:利用所述第一通信接口接收测试图像数据;运行检测算法检测所述测试图像数据中的至少一个目标对象,得到所述至少一个目标对象的多张图像,以便基于所述多张图像确定所述抓拍机的测试参数。
根据本公开的另一方面,至少一个实施例还提供了一种测试方法,所述测试方法应用于服务器,所述测试方法包括:向抓拍机发送测试图像数据;从所述抓拍机接收检测数据,所述检测数据包括所述抓拍机从所述测试图像数据中检测出的至少一个目标对象的多张图像;基于所述抓拍机检测出的所述多张图像,确定所述抓拍机的测试参数。
根据本公开的另一方面,至少一个实施例还提供了一种抓拍机,包括:通信接口,用于接收测试图像数据;检测单元,用于运行检测算法检测所述测试图像数据中的至少一个目标对象,得到所述至少一个目标对象的多张图像,以便基于所述多张图像确定所述抓拍机的测试参数。
根据本公开的另一方面,至少一个实施例还提供了一种服务器,包括:通信接口,用于向抓拍机发送测试图像数据,并从所述抓拍接收检测数据,所述检测数据包括所述抓拍机从所述测试图像数据中检测出的中的至少一个目标对象的多张图像;确定单元,用于基于所述抓拍机检测出的所述多张图像,确定所述抓拍机的测试参数。
根据本公开的另一方面,至少一个实施例还提供了一种抓拍机,包括:通信接口,用于接收和发送数据;处理器,适于实现各指令;以及存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行上述应用于抓拍机的测试方法。
根据本公开的另一方面,至少一个实施例还提供了一种服务器,包括:通信接口,用于接收和发送数据;处理器,适于实现各指令;以及存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行上述应用于服务器的测试方法。
根据本公开的另一方面,至少一个实施例还提供了一种抓拍机的测试系统,包括:上述抓拍机;上述服务器。
根据本公开的另一方面,至少一个实施例还提供了一种计算机可读的非易失性存储介质,存储计算机程序指令,当所述计算机执行所述程序指令时,执行上述应用于抓拍机的测试方法、或执行上述应用于服务器的测试方法。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述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的前提下,还可以根据这些附图获得其他的附图。
在附图中:
图1是根据本公开实施例的一种抓拍机的测试示意图;
图2是根据本公开实施例的一种测试系统运行环境的示意图;
图3是根据本公开实施例的一种抓拍机示意图;
图4是根据本公开实施例的一种抓拍机侧的抓拍机测试方法的流程图;
图5是根据本公开实施例的一种服务器示意图;
图6是根据本公开实施例的一种服务器侧的抓拍机测试方法的流程图;
图7是根据本公开实施例的一种抓拍机示意图;以及
图8是根据本公开实施例的一种服务器示意图。
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方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而非用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他地包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
真实世界的连续图像具有不可重复性、不可逆转性。抓拍机性能指标参数测试需要反复针对同一段视频来测试抓拍率、重复抓拍率和漏抓率等参数。如何验证抓拍机的性能,并获得抓拍机关于抓拍率、重复抓拍率和漏抓率的性能指标参数,可采用如下抓拍机测试方法:利用抓拍机的摄像头对着播放测试视频的显示器翻拍的方法,来获得抓拍机的性能指标。该抓拍机的测试方法示意图如图1所示。抓拍机101的摄像头102正对着显示器103,使显示器103完全充满摄像头102的视场。显示器102播放各种场景的测试视频来模拟真实世界的场景,抓拍机101拍摄该测试视频的画面,之后对所拍摄的画面进行分析处理。然而,该抓拍机的测试方法有个显著的缺陷,由于抓拍机拍摄的频率和显示器102显示的频率之间可能不匹配,或者即便二者频率匹配,但是二者可能并不同步,这将产生时间干涉现象。如果抓拍机抓拍的某帧曝光的时间超过显示器播放的测试视频两帧播放的时间,就会拍到两帧类似画面叠加的结果,从而并不能准确获得抓拍机的性能指标。
本公开的至少一个实施例提供了一种抓拍机的测试系统,例如用于测试抓拍机的性能指标,可至少解决图1所示的抓拍机测试方法的上述缺陷。该抓拍机的测试系统包括如图2所示环境,该环境可以包括硬件环境和网络环境。上述硬件环境包括抓拍机201以及与抓拍机201连接(如有线连接或无线连接)的服务器202。
该抓拍机201可以包括摄像头,用于抓拍图像。例如,该抓拍机可以为人像抓拍机,该人像抓拍机特别适用于人流密集的通道、出入口等场景,实现对人群中人脸的精准捕捉;该抓拍机还可以为卡口抓拍机,可广泛应用于交通卡口通行车辆监控、超速车辆监控、盗抢车辆监控。
该服务器202可以包括处理器,用于处理抓拍机201发送的数据,该处理器可以为各种适用的处理器,例如实现为中央处理器、微处理器、嵌入处理器等形式,可以采用X86、ARM等架构。可选的,该服务器例如通过PC实现,该PC包括显示器,用于播放测试图像数据,该显示器可以为各种适用的类型,例如可以液晶显示器、有机发光显示器、阴极射线管(CRT)显示器等,本公开的实施例对此不作限制。
这里,抓拍机201可以从服务器202接收测试图像数据,并且抓拍机201的系统中配置有检测算法,例如人脸检测算法,运行该检测算法检测测试图像数据中的至少一个目标对象,得到至少一个目标对象的多张图像。并且,抓拍机201可以将所检测的至少一个目标对象的多张图像发送至服务器202,进而服务器202可以基于抓拍机201所检测的数据来确定抓拍机的性能指标测试参数,该测试参数包括但不局限于抓拍机的抓拍率、重复抓拍率和漏抓率。可选的,抓拍机201也可以自身基于其所检测的数据来确定抓拍机的性能指标测试参数。
需要说明的是,以抓拍对象为人脸为例,抓拍率是指抓拍机抓拍到的人脸数量占测试图像数据中实际出现的人脸数量的百分比;重复抓拍率是指在一次抓拍中,抓拍机抓到的重复人脸数量占测试图像数据中实际出现的人脸数量的百分比;漏抓率是指抓拍机没有抓到的人脸数量占测试图像数据中实际出现的人脸数量的百分比。应理解,重复抓拍率的定义并不限于以上所述,还可以根据实际需要重新定义重复抓拍率,本实施例对此不作限定。例如,重复抓拍率还可以定义为抓拍机抓拍到的人脸图像中重复人脸图像的数量与抓拍机抓拍到的人脸图像的数量的比值。
如图2所示,抓拍机201可通过网络与服务器202连接,并通过网络将检测得到的至少一个目标对象的多张图像发送至服务器202,以使服务器202处理抓拍机201所发送的数据。上述网络包括有线网络和无线网络。该无线网络包括但不限于:广域网、城域网、局域网或移动数据网络。典型地,该移动数据网络包括但不局限于:全球移动通信(GSM)网络、码分多址(CDMA)网络、宽带码分多址(WCDMA)网络、5G移动通信网络、长期演进(LTE)通信网络、WIFI网络、ZigBee网络、基于蓝牙技术的网络等。不同类型的通信网络可能由不同的运营商运营。通信网络的类型不构成对本公开实施例的限制。应当注意,图2所示的硬件环境和结构只是示例性的,而非限制性的;根据需要,硬件环境也可以具有其他组件和结构,并且例如可以包括网关等。
需要说明的是,在图1所示的实施例中,由于利用抓拍机的摄像头对着播放测试视频的显示器翻拍的方法,会造成时间干涉现象导致不能准确获得抓拍机的性能指标。在本公开的实施例中,抓拍机可以利用通信接口从服务器202例如直接接收服务器所播放的测试图像数据,而不再需要利用抓拍机的摄像头对着播放测试视频的显示器翻拍。
通过本公开上述实施例,利用抓拍机的通信接口获得测试图像数据,从而进入抓拍机的测试图像数据是真正的视频帧信息,由此可以更加准确的验证抓拍机的性能,并准确获得抓拍机关于重复抓拍率和漏抓率的性能指标参数。
根据本公开实施例,在本公开上述图2的运行环境下,提供了一种抓拍机201,如图3所示。该抓拍机包括摄像头301、通信接口302、处理器303、存储器304。摄像头301用于在工作中抓拍图像;通信接口302用于接收和发送数据;处理器303适于执行各种指令,可以对例如图像数据进行处理、分析等操作;存储器304适于存储多条指令或存储执行指令所需的数据或产生的数据,这些指令适于由处理器303加载并执行,例如用于执行抓拍机侧的测试方法。
需要说明的是,上述摄像头301可以为各种类型的摄像头,例如工作波段为可见光或红外光的摄像头,所采用的图像传感器可以为CMOS图像传感器或CCD图像传感器,该摄像头还包括镜头等光学器件。
上述通信接口302可以包括第一通信接口,该第一通信接口例如VGA、DVI、HDMI、通用串行总线USB接口、和/或闪电接口等接口,用于从服务器接收服务器所播放的测试图像数据,或者在一个示例中,该第一通信接口还可以用于从抓拍机向服务器发送进行抓拍后的数据。
在至少一个实施例中,除了上述第一通信接口之外,通信接口302还可以包括第二通信接口,用于将抓拍机从测试图像数据中所检测的至少一个目标对象的多张图像发送至服务器。该第二通信接口例如可以为有线通信接口或无线通信接口,例如该有线通信接口包括以太网接口,如RJ-45接口、RJ-11接口、SC光纤接口、FDDI接口、AUI接口、BNC接口、Console接口等。
上述处理器303可以为各种适用的处理器,例如实现为中央处理器、微处理器、嵌入处理器、张量处理器、图形处理器等形式或任意组合,可以采用X86、ARM等架构;上述存储器304可以为各种适用的存储装置,包括但不限于磁存储装置、半导体存储装置、光存储装置等。本公开的实施例对这些不作限制。
可以看出,图3所示的抓拍机201,相比图1的抓拍机在物理上多了一个通信接口。由此,服务器202播放的测试图像数据会通过通信接口连续不断的传输给抓拍机201,避免了利用抓拍机的摄像头对着播放测试视频的显示器翻拍会产生时间干涉的现象发生。
在上述运行环境下,本公开的至少一个实施例提供了如图4所示的测试方法的流程图,该方法可以应用于抓拍机201,适于由抓拍机201的处理器303加载并执行。需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。如图4所示,该实施例的抓拍机测试方法可以包括如下步骤:
步骤S401,利用第一通信接口接收测试图像数据;该测试图像数据包括连续的多个视频帧图像,例如该测试图像数据为包括多个视频帧图像的一段测试视频。
步骤S402,运行检测算法检测测试图像数据中的至少一个目标对象,得到至少一个目标对象的多张图像,以便基于多张图像确定抓拍机的测试参数。
这里,服务器或抓拍机可基于多张图像确定抓拍机的测试参数。在一个可选的实施例中,图4所示方法还可以包括:向服务器发送该多张图像,以便服务器基于该多张图像确定抓拍机的测试参数。服务器基于该多张图像确定抓拍机的测试参数的具体方法可以参见下文图6所示实施例。在一个可选的实施例中,图4所示方法还可以包括:基于该等多种图像确定抓拍机的测试参数。也就是说,可以由服务器确定抓拍机的测试参数,也可以由抓拍机确定自身的测试参数。
例如,在一个示例中,抓拍机可以具有抓拍模式和检测模式,抓拍模式用于抓拍图像,检测模式用于测试抓拍机的性能指标参数。图4所示的测试方法在该抓拍机处于检测模式时执行,该检测模式用于测试抓拍机的关于抓拍率、重复抓拍率和漏抓率等性能指标参数。
在步骤S401中,抓拍机利用第一通信接口从服务器接收服务器所播放的测试图像数据,进而在步骤402中,运行检测算法检测测试图像数据中的至少一个目标对象,得到至少一个目标对象的多张图像。这里,目标对象可以包括人脸,还可以包括汽车等。典型的,抓拍机利用检测算法来实现检测,该检测算法可以基于各种适用的人脸检测模型,包括但不限于几何特征分析法、特征脸法、柔性形状模型、弹性匹配法、神经网络等,例如用于人脸检测或识别的神经网络,该神经网络例如可以通过软件或硬件实现。
以对于人脸的神经网络检测算法为例,可以使用各种适用的神经网络并经相应的数据集进行训练后进行测试图像数据中人脸的检测。该神经网络例如可以为CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)等。现有技术中,神经网络检测算法较为成熟,在此就不再进行描述。
在一个可选的实施例中,在步骤S402中,运行检测算法检测测试图像数据可以包括:将测试图像数据(该测试图像数据例如测试视频)进行帧处理,截取视频帧;例如将该抓拍机所截取的视频帧视为该抓拍机所抓拍的抓拍帧,该抓拍帧为抓拍机的虚拟抓拍帧,由此可以得到抓拍机的多个虚拟抓拍帧;运行检测算法检测多个虚拟抓拍帧,获得多个虚拟抓拍帧中的至少一个目标对象的多张图像。这里的虚拟抓拍帧表示这些视频帧数据并非抓拍机实际抓拍操作得到的视频帧数据,而是将从服务器接收的视频帧数据当作抓拍视频帧数据进行处理。
也就是说,测试视频输入到抓拍机后,抓拍机对测试视频进行视频帧处理(处理包括运行缓存,截取视频帧)得到多个虚拟抓拍帧,若目标对象为人脸,运行对于人脸的神经网络检测算法,检测多个虚拟抓拍帧中的至少一个人脸。由此,可经由神经网络检测算法检测测试视频中所截取的各视频帧中的至少一个人脸,得到该至少一个人脸的多张图像,进而可以基于多张图像确定抓拍机的测试参数。
在一个可选的实施例中,在检测到测试图像数据中的至少一个目标对象,得到该至少一个目标对象的多张图像的情况下,抓拍机还可以基于多张图像确定抓拍机的测试参数。
在一个可选的实施例中,若目标对象为人脸,多张图像则为N张人脸图像,图4所示方法还可以包括:运行推图算法对在测试图像数据中检测到的N张人脸图像进行处理,以输出M张人脸图像,其中推图算法用于从对应同一人脸的多张人脸图像中选择一张人脸图像,N为大于1的整数,M为小于或等于N的整数,从而可以基于M张人脸图像确定抓拍机的测试参数。可选地,抓拍机可以将该M张人脸图像发送至服务器,以便服务器根据该M张人脸图像确定该抓拍机的测试参数。可选地,抓拍机也可以基于该M张人脸图像确定自身的测试参数,基于该M张人脸图像确定测试参数的具体内容可以参考下面图6所示实施例的相关内容,在此不再赘述。本实施例中,抓拍机运行推图算法对检测到的人脸图像进行推图处理,然后可以将推图处理后的多张人脸图像发送给服务器,以由服务器确定抓拍机的测试参数;或者,抓拍机也可以基于推图处理后的多张人脸图像确定自身的测试参数。
上述推图算法可以为相似图像过滤法,原理是若发现存在多张对应同一对象的图像,则从多张图像中选取一张图像来表示该对象,例如若存在同一人脸的多张人脸图像,则从该多张人脸图像中选取一张人脸图像来表示该人脸;若发现一张图像对应一个对象,则直接利用该张图像来表示该对象。
例如,在推图操作时,可以从对应同一人脸的多张人脸图像中选择第一张满足质量阈值的人脸图像,或一张质量较高的人脸图像来表示该人脸。人脸图像质量可以根据得分大小确定,影响该得分的因素例如清晰度高低、有无遮挡等。由此可以输出由推图得到的M张不同人的人脸图像,进而可以基于该M张人脸图像确定抓拍机的测试参数。如此前说明的,该推图算法可以在服务器上运行,也可以在抓拍机上运行。
此外,根据本公开的一个实施例,在步骤S402中,运行检测算法检测测试图像数据中的至少一个目标对象还可以包括:以第一拍摄参数处理测试图像数据;运行检测算法检测处理后的测试图像数据中的至少一个目标对象,其中,抓拍机具有第一拍摄参数,该拍摄参数例如帧率和分辨率。
具体的,抓拍机以帧率和分辨率处理测试视频,将该测试视频转换为符合抓拍机帧率和分辨率的虚拟测试视频,抓拍机对该虚拟测试视频进行视频帧处理(处理包括运行缓存,截取视频帧)得到多个虚拟抓拍帧,运行对于人脸的神经网络检测算法,检测多个虚拟抓拍帧中的至少一个人脸,从而可以使得检测算法所检测得到的至少一个人脸的多张图像与抓拍机的自身性能指标紧密贴合,从而可使确定的抓拍机关于重复抓拍率和漏抓率的性能指标参数更加准确。
可选的,抓拍机可以通过第一通信接口接收以第一拍摄参数处理后的虚拟测试视频,以将该虚拟测试视频转化为抓拍机的虚拟抓拍图像数据,从而效率更快。这里,抓拍机还可以通过第二通信接口将在步骤S402中所检测的数据发送至服务器,以使得服务器根据该检测数据确定抓拍机的测试参数。
通过本公开上述实施例,利用抓拍机的第一通信接口直接获得测试图像数据,从而进入抓拍机的测试图像数据是真正的视频帧信息,由此可以更加准确的验证抓拍机法的性能,并准确获得抓拍机关于重复抓拍率和漏抓率的性能指标参数。
根据本公开实施例,在上述图2的运行环境下,提供了一种服务器202,如图5所示,该服务器包括通信接口501、处理器502、存储器503。通信接口501用于接收和发送数据;处理器502适于执行各种指令,从而实现相应的操作;存储器503适于存储多条指令以及存储运行指令所需的数据和产生的数据,这些指令适用于由处理器502加载服务器侧的测试方法。
需要说明的是,上述通信接口501与抓拍机201侧的通信接口501相配套,上述通信接口501可以包括第一通信接口,该第一通信接口例如VGA、DVI、HDMI、通用串行总线USB接口、和/或闪电接口等接口,用于将服务器所播放的测试图像数据输出至抓拍机,或者在一个示例中,该第一通信接口还可以用于接收从抓拍机发送来的抓拍后的数据。
在另一个示例中,除了上述第一通信接口之外,通信接口501还可以包括第二通信接口,用于接收抓拍机从测试图像数据中所检测的至少一个目标对象的多张图像。该第二通信接口例如可以为有线通信接口或无线通信接口,该第二通信接口例如以太网接口,如RJ-45接口、RJ-11接口、SC光纤接口、FDDI接口、AUI接口、BNC接口、Console接口等。
上述处理器502可以为各种适用的处理器,例如实现为中央处理器、微处理器、嵌入处理器、张量处理器、图形处理器等形式或任意组合,可以采用X86、ARM等架构;上述存储器503可以为各种适用的存储装置,包括但不限于磁存储装置、半导体存储装置、光存储装置等,本公开的实施例对这些不作限制。
由此,服务器202可以基于抓拍机201所检测的数据来确定抓拍机的性能指标测试参数,该测试参数包括但不局限于抓拍机的抓拍率、重复抓拍率和漏抓率。
应当注意,图5所示的硬件环境和结构只是示例性的,而非限制性的;根据需要,硬件环境也可以具有其他组件和结构,并且例如可以包括显示器等,该显示器用于播放测试图像数据。
根据本公开实施例,在本公开上述图2的运行环境下,本公开的至少一个实施例提供了如图6所示的测试方法的流程图,该方法可以应用于服务器202侧的处理器502加载并执行。如图6所示,该方法可以包括如下步骤:
步骤S601,向抓拍机发送测试图像数据;
步骤S602,从抓拍机接收检测数据,检测数据包括抓拍机从测试图像数据中检测出的至少一个目标对象的多张图像;
步骤S603,基于抓拍机检测出的多张图像,确定抓拍机的测试参数。
这里,服务器可以播放测试图像数据,产生视频流,并可以向抓拍机发送该测试图像数据。如此前描述的,例如目标对象为人脸,多张图像为N张人脸图像。
在一个可选的实施例中,从抓拍机接收到的检测数据可以是未经过推图算法处理的数据。相应地,在步骤S603中,基于抓拍机检测出的多张图像,确定抓拍机的测试参数包括:运行推图算法对在测试图像数据中检测到的N张人脸图像进行处理,以输出M张人脸图像,其中推图算法用于从对应同一人脸的多张人脸图像中选择一张人脸图像,N为大于1的整数,M为小于或等于N的整数;获取M张人脸图像对应的不同人脸的第一数量,和/或M张人脸图像中重复人脸图像的第二数量;获取测试图像数据中不同人脸的实际数量;根据第一数量和/或第二数量,以及实际数量,确定抓拍机关于抓拍率、重复抓拍率和/或漏拍率的测试参数。其中,第一数量即为抓拍机抓拍到的人脸数量,第二数量即为抓拍机抓拍到的重复人脸数量,测试图像数据中不同人脸的实际数量即为测试图像数据中实际出现的人脸数量。第二数量等于推图处理后输出的人脸图像的数量M与第一数量之差。可选地,获取M张人脸图像对应的不同人脸的第一数量,和/或M张人脸图像中重复人脸图像的第二数量,包括:获取经由输入设备(如键盘、鼠标、触摸屏、麦克风或手写板等)输入的第一数量和第二数量;或者,采用具有更高精度的人脸识别模型对M张人脸图像进行识别,并统计第一数量和第二数量。可选地,获取测试图像数据中不同人脸的实际数量,包括:从存储器中获取测试图像数据中不同人脸的实际数量。
若抓拍机的测试参数为抓拍率或漏抓率,根据第一数量和/或第二数量,以及实际数量,确定抓拍机的测试参数包括:根据第一数量和实际数量,确定抓拍机的抓拍率或漏抓率。
例如,测试视频中总共出现227人,服务器基于抓拍机检测出的多张图像输出223人的人脸图像,由此抓拍率为223/227=98.238%,漏拍率为(227-223)/227=1.762%。
若抓拍机的测试参数为重复抓拍率,根据第一数量和/或第二数量,以及实际数量,确定抓拍机的测试参数包括:根据第二数量和实际数量,确定抓拍机的重复抓拍率。
例如,测试视频中总共出现227人,抓拍机检测出了235张人脸图像,235张人脸图像中共有223个人的人脸图像,则此时有235-223=12张重复人脸图像,由此重复抓拍率为(235-223)/227=5.286%。
在一个可选的实施例中,从抓拍机接收到的检测数据还可以是已经经过推图算法处理的数据,此时服务器无需对从抓拍机接收到的检测数据执行推图处理。相应地,在步骤S603中,基于抓拍机检测出的多张图像,获取抓拍机的测试参数包括:获取该多张人脸图像对应的不同人脸的第一数量,和/或该多张人脸图像中重复的人脸图像的第二数量;获取测试图像数据中不同人脸的实际数量;根据第一数量和/或第二数量,以及实际数量,确定抓拍机的测试参数。其中确定抓拍机的测试参数的具体方法可以参考上文相关描述,在此不再赘述。
应理解,采用经推图算法处理后的多张图像计算得到的抓拍机的测试参数可以用来评价抓拍机的检测算法(如人脸检测算法)和推图算法的性能。
在另一个可选的实施例中,在步骤S603中,基于抓拍机检测出的多张图像,获取抓拍机的测试参数包括:获取该多张图像中每个目标对象的统计出现次数;获取测试图像数据中每个目标对象的实际出现次数;基于每个目标对象的统计出现次数和实际出现次数,得到抓拍机的测试参数。这里,抓拍机检测出的多张图像不用经过推图算法处理。若抓拍机的测试参数为检测率或漏检率,则根据每个目标对象的统计出现次数和实际出现次数,确定抓拍机的检测率或漏检率。这样,得到的抓拍机的测试参数可以用来评价抓拍机的检测算法(如人脸检测算法)的性能。
例如,测试视频中总共出现5人,分别为A、B、C、D、E,分析测试视频的每一视频帧,统计到A实际出现了20次、B实际出现了30次、C实际出现了40次、D实际出现了50次、E实际出现了60次。服务器基于抓拍机检测出的多张图像,该多张图像未经过推图算法处理,统计到抓拍机检测到了A:18次、抓拍机检测到了B:29次、抓拍机检测到了C:37次、抓拍机检测到了D:44次、抓拍机检测到了E:57次,由此检测率为(18/20+29/30+37/40+44/50+57/60)/5=92.43%,漏检率为1-92.43%=7.57%。
可选的,基于每个目标对象的统计出现次数和实际出现次数,得到抓拍机的测试参数包括:依据每个目标对象的优先级,获取每个目标对象的加权权值;基于每个目标对象的加权权值、统计出现次数和实际出现次数,得到每个目标对象对抓拍机的加权测试参数;将至少一个目标对象各自对抓拍机的加权测试参数求和,得到抓拍机的测试参数。
例如,测试视频中总共出现5人,分别为A:加权权值0.3、B:加权权值0.2、C:加权权值0.2、D:加权权值0.1、E:加权权值0.2,分析测试视频的每一视频帧,统计到A实际出现了20次、B实际出现了30次、C实际出现了40次、D实际出现了50次、E实际出现了60次。服务器基于抓拍机检测出的多张图像,该多张图像未经过推图算法处理,统计到抓拍机检测到了A:18次、抓拍机检测到了B:29次、抓拍机检测到了C:37次、抓拍机检测到了D:44次、抓拍机检测到了E:57次,由此检测率为18/20*0.3+29/30*0.2+37/40*0.2+44/50*0.1+57/60*0.2=92.63%,漏检率为1-92.63%=7.37%。
需要说明的是,抓拍机端基于多张图像确定抓拍机的测试参数的方法,可以采用服务器端在步骤S603中确定抓拍机的测试参数相类似的方法。
通过本公开上述实施例,利用抓拍机的第一通信接口直接获得测试图像数据,从而进入抓拍机的测试图像数据是真正的视频帧信息,由此可以更加准确的验证抓拍机算法的性能,并准确获得抓拍机关于重复抓拍率和漏抓率的性能指标参数。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本公开实施例的方法。
根据本公开实施例,在本公开上述图2的运行环境下,还提供了一种抓拍机201,如图7所示。该抓拍机包括通信接口701以及检测单元702。通信接口701用于接收测试图像数据;检测单元702用于运行检测算法检测测试图像数据中的至少一个目标对象,得到至少一个目标对象的多张图像,以便基于多张图像确定抓拍机的测试参数。例如,检测单元702可以通过硬件(例如FPGA)或软件实现。
以上所描述的抓拍机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系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括易失性存储介质或非易失性存储介质,例如U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本公开实施例,在本公开上述图2的运行环境下,还提供了一种服务器202,如图8所示。该服务器包括通信接口801和确定单元802。
通信接口801用于向抓拍机发送测试图像数据,并从抓拍接收检测数据,检测数据包括抓拍机从测试图像数据中检测出的中的至少一个目标对象的多张图像;确定单元802用于基于抓拍机检测出的多张图像,确定抓拍机的测试参数。例如确定单元802可以通过硬件(例如FPGA)或软件实现。
以上所描述的服务器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。另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括易失性存储介质或非易失性存储介质,例如U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本公开的至少一个实施例还提供了一种计算机可读的非易失性存储介质,存储计算机程序指令,当计算机执行程序指令时,执行上述应用于抓拍机的测试方法、和/或上述应用于服务器的测试方法。
需要说明的是,对于上述的系统、方法、抓拍机、服务器和存储介质的实施例,为了简单描述,故将其都表述为一系列的动作或模块组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序或模块连接的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行,某些模块可以采用其他连接方式。
本领域技术人员也应该知悉,说明书中所描述的实施例均属于一种实施例,上述实施例序号仅仅为了描述,所涉及的动作和模块并不一定是本公开所必须的。
在本公开的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上所述仅是本公开的一种实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开的保护范围。
Claims (17)
1.一种测试方法,所述测试方法应用于抓拍机,所述抓拍机包括第一通信接口,所述测试方法包括:
利用所述第一通信接口接收测试图像数据;
运行检测算法检测所述测试图像数据中的至少一个目标对象,得到所述至少一个目标对象的多张图像,以便基于所述多张图像确定所述抓拍机的测试参数。
2.根据权利要求1所述的测试方法,其中,所述第一通信接口为高清晰度多媒体接口、通用串行总线USB接口和/或闪电接口。
3.根据权利要求1或2所述的测试方法,其中,所述目标对象为人脸,所述多张图像为N张人脸图像,所述测试方法还包括:
运行推图算法对在所述测试图像数据中检测到的所述N张人脸图像进行处理,以输出M张人脸图像,其中所述推图算法用于从对应同一人脸的多张人脸图像中选择一张人脸图像,N为大于1的整数,M为小于或等于N的整数,以便基于所述M张人脸图像确定所述抓拍机的测试参数。
4.根据权利要求1或2所述的测试方法,其中,所述抓拍机具有第一拍摄参数,所述运行检测算法检测所述测试图像数据中的至少一个目标对象包括:
以所述第一拍摄参数处理所述测试图像数据;
运行所述检测算法检测处理后的测试图像数据中的至少一个目标对象。
5.根据权利要求1或2所述的测试方法,其中,所述运行检测算法检测所述测试图像数据中的至少一个目标对象还包括:
将所述测试图像数据进行帧处理,以得到多个虚拟抓拍帧;
运行所述检测算法检测所述多个虚拟抓拍帧,获得所述多个虚拟抓拍帧中的至少一个目标对象的多张图像。
6.根据权利要求1或2所述的测试方法,所述抓拍机还包括第二通信接口,所述测试方法还包括:
通过所述第二通信接口将所述检测的数据发送至服务器,以使得所述服务器根据所述检测的数据获取所述抓拍机的测试参数。
7.一种测试方法,所述测试方法应用于服务器,所述测试方法包括:
向抓拍机发送测试图像数据;
从所述抓拍机接收检测数据,所述检测数据包括所述抓拍机从所述测试图像数据中检测出的至少一个目标对象的多张图像;
基于所述抓拍机检测出的所述多张图像,确定所述抓拍机的测试参数。
8.根据权利要求7所述的测试方法,其中,所述目标对象为人脸,所述多张图像为N张人脸图像,所述基于所述抓拍机检测出的所述多张图像,确定所述抓拍机的测试参数包括:
运行推图算法对在所述测试图像数据中检测到的所述N张人脸图像进行处理,以输出M张人脸图像,其中所述推图算法用于从对应同一人脸的多张人脸图像中选择一张人脸图像,N为大于1的整数,M为小于或等于N的整数;
获取所述M张人脸图像对应的不同人脸的第一数量,和/或所述M张人脸图像中重复人脸图像的第二数量;
获取所述测试图像数据中不同人脸的实际数量;
根据所述第一数量和/或所述第二数量,以及所述实际数量,确定所述抓拍机的测试参数。
9.根据权利要求8所述的测试方法,其中,
所述抓拍机的测试参数为抓拍率或漏抓率,所述根据所述第一数量和/或所述第二数量,以及所述实际数量,确定所述抓拍机的测试参数,包括:
根据所述第一数量和所述实际数量,确定所述抓拍机的抓拍率或漏抓率;
或者,
所述抓拍机的测试参数为重复抓拍率,所述根据所述第一数量和/或所述第二数量,以及所述实际数量,确定所述抓拍机的测试参数,包括:
根据所述第二数量和所述实际数量,确定所述抓拍机的重复抓拍率。
10.根据权利要求7所述的测试方法,其中,所述基于所述抓拍机检测出的所述多张图像,获取所述抓拍机的测试参数还包括:
获取所述多张图像中每个目标对象的统计出现次数;
获取所述测试图像数据中每个目标对象的实际出现次数;
基于每个目标对象的统计出现次数和实际出现次数,得到所述抓拍机的测试参数。
11.根据权利要求10所述的测试方法,其中,所述基于每个目标对象的统计出现次数和所获取的实际出现次数,得到所述抓拍机的测试参数包括:
依据每个目标对象的优先级,获取每个目标对象的加权权值;
基于每个目标对象的加权权值、统计出现次数和实际出现次数,得到每个目标对象对所述抓拍机的加权测试参数;
将所述至少一个目标对象各自对所述抓拍机的加权测试参数求和,得到所述抓拍机的测试参数。
12.一种抓拍机,包括:
通信接口,用于接收测试图像数据;
检测单元,用于运行检测算法检测所述测试图像数据中的至少一个目标对象,得到所述至少一个目标对象的多张图像,以便基于所述多张图像确定所述抓拍机的测试参数。
13.一种服务器,包括:
通信接口,用于向抓拍机发送测试图像数据,并从所述抓拍接收检测数据,所述检测数据包括所述抓拍机从所述测试图像数据中检测出的中的至少一个目标对象的多张图像;
确定单元,用于基于所述抓拍机检测出的所述多张图像,确定所述抓拍机的测试参数。
14.一种抓拍机,包括:
通信接口,用于接收和发送数据;
处理器,适于实现各指令;以及
存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行:如权利要求1-6任一项所述的测试方法。
15.一种服务器,包括:
通信接口,用于接收和发送数据;
处理器,适于实现各指令;以及
存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行:如权利要求7-11任一项所述的测试方法。
16.一种抓拍机的测试系统,包括:
如权利要求14所述的抓拍机;以及
如权利要求15所述的服务器。
17.一种计算机可读的非易失性存储介质,存储计算机程序指令,当所述计算机执行所述程序指令时,执行如权利要求1-6任一项所述的测试方法、或如权利要求8-11任一项所述的测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394690.3A CN108881896A (zh) | 2017-12-21 | 2017-12-21 | 抓拍机的测试方法、系统以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394690.3A CN108881896A (zh) | 2017-12-21 | 2017-12-21 | 抓拍机的测试方法、系统以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108881896A true CN108881896A (zh) | 2018-11-23 |
Family
ID=64325792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711394690.3A Pending CN108881896A (zh) | 2017-12-21 | 2017-12-21 | 抓拍机的测试方法、系统以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108881896A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110456597A (zh) * | 2019-07-22 | 2019-11-15 | 南京酷偶文化创意有限公司 | 多功能定格动画制作系统及方法 |
CN111898640A (zh) * | 2020-06-28 | 2020-11-06 | 武汉旷视金智科技有限公司 | 模拟抓拍机推送图片的方法、装置、测试系统及电子设备 |
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 |
CN113345037A (zh) * | 2021-06-07 | 2021-09-03 | 重庆紫光华山智安科技有限公司 | 机动车算法指标自动化测试方法、系统、介质及终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708378A (zh) * | 2012-04-28 | 2012-10-03 | 浙江工业大学 | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 |
US20150199561A1 (en) * | 2014-01-16 | 2015-07-16 | Electronics And Telecommunications Research Institute | System and method for evaluating face recognition performance of service robot using ultra high definition facial video database |
CN205071157U (zh) * | 2015-08-10 | 2016-03-02 | 江苏苏科畅联科技有限公司 | 检测公交车移动抓拍效果的终端维护装置 |
CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及系统 |
CN107103265A (zh) * | 2016-02-19 | 2017-08-29 | 合肥君正科技有限公司 | 一种评估人脸检测算法的方法及装置 |
-
2017
- 2017-12-21 CN CN201711394690.3A patent/CN108881896A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708378A (zh) * | 2012-04-28 | 2012-10-03 | 浙江工业大学 | 一种基于图像异常特征的智能交通抓拍设备故障诊断的方法 |
US20150199561A1 (en) * | 2014-01-16 | 2015-07-16 | Electronics And Telecommunications Research Institute | System and method for evaluating face recognition performance of service robot using ultra high definition facial video database |
CN205071157U (zh) * | 2015-08-10 | 2016-03-02 | 江苏苏科畅联科技有限公司 | 检测公交车移动抓拍效果的终端维护装置 |
CN107103265A (zh) * | 2016-02-19 | 2017-08-29 | 合肥君正科技有限公司 | 一种评估人脸检测算法的方法及装置 |
CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及系统 |
Non-Patent Citations (1)
Title |
---|
陈亮: "视频监控中运动目标的检测与跟踪", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN110456597A (zh) * | 2019-07-22 | 2019-11-15 | 南京酷偶文化创意有限公司 | 多功能定格动画制作系统及方法 |
CN111898640A (zh) * | 2020-06-28 | 2020-11-06 | 武汉旷视金智科技有限公司 | 模拟抓拍机推送图片的方法、装置、测试系统及电子设备 |
CN111898640B (zh) * | 2020-06-28 | 2023-10-31 | 武汉旷视金智科技有限公司 | 模拟抓拍机推送图片的方法、装置、测试系统及电子设备 |
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 |
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 |
CN113345037A (zh) * | 2021-06-07 | 2021-09-03 | 重庆紫光华山智安科技有限公司 | 机动车算法指标自动化测试方法、系统、介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108881896A (zh) | 抓拍机的测试方法、系统以及存储介质 | |
CN107341805B (zh) | 图像前背景分割及网络模型训练、图像处理方法和装置 | |
CN110298231B (zh) | 一种用于篮球比赛视频进球判定的方法及系统 | |
US20170013213A1 (en) | Turbulence-free camera system and related method of image enhancement | |
CN109389589A (zh) | 用于统计人数的方法和装置 | |
CN104424383B (zh) | 基于红外图像的硬件处理算法效果评价装置及其评价方法 | |
CN107179324A (zh) | 检测产品包装的方法、装置和系统 | |
CN112367520B (zh) | 基于人工智能的视频质量诊断系统 | |
CN108109145A (zh) | 图像质量检测方法、装置、存储介质和电子装置 | |
CN109557396B (zh) | 一种电磁场辐射抗扰度视频自动检测系统及检测方法 | |
WO2014035103A1 (ko) | 촬영영상으로부터 객체를 감시하기 위한 장치 및 방법 | |
CN108765405A (zh) | 一种影像鉴真方法和系统 | |
CN110188717A (zh) | 图像获取方法及装置 | |
Li et al. | GridSAR: Grid strength and regularity for robust evaluation of blocking artifacts in JPEG images | |
CN104581140A (zh) | 一种会议电视的视频质量评估方法 | |
CN110458126A (zh) | 一种受电弓状态监测方法及装置 | |
CN103096117B (zh) | 视频噪声检测方法及装置 | |
CN110049373A (zh) | 机顶盒卡顿检测方法、系统及存储介质 | |
CN114091602A (zh) | 一种基于机器学习的ssr流量识别系统及方法 | |
CN112837640A (zh) | 屏幕动态画面测试方法、系统、电子设备及存储介质 | |
CN110309823A (zh) | 一种安全检查的方法及装置 | |
CN106959378A (zh) | 单幅运动模糊图像车速计算方法 | |
CN109447965A (zh) | 一种显示屏幕的检测方法及装置 | |
CN113992984B (zh) | 一种电梯广告监播方法 | |
CN108896070A (zh) | 移动设备中检测传感器误差的方法、装置和终端 |
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: 20181123 |
|
RJ01 | Rejection of invention patent application after publication |