CN109063617A - 一种人脸识别算法的分析方法及工具 - Google Patents
一种人脸识别算法的分析方法及工具 Download PDFInfo
- Publication number
- CN109063617A CN109063617A CN201810817651.8A CN201810817651A CN109063617A CN 109063617 A CN109063617 A CN 109063617A CN 201810817651 A CN201810817651 A CN 201810817651A CN 109063617 A CN109063617 A CN 109063617A
- Authority
- CN
- China
- Prior art keywords
- face
- image data
- recognition
- parts
- image
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种人脸识别算法的分析方法及工具,其方法包括,获取摄像头拍摄的原始图像数据,所述原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,所述人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;将所述原始图像数据按照预先设定的规则形成N份原始数据文件,并将所述N份原始图像数据存储至本地磁盘;同时读取所述N份原始图像数据,并使用待检测的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。解决了现有技术统计人脸识别准确率的方法,受到场景的限制,无法自动化采集数据模拟场景进行测试统计,无法支撑长期稳定测试及对测试结果的分析的技术问题。
Description
本技术方案涉及计算机视觉领域,尤其涉及一种人脸识别算法的分析方法及工具。
背景技术
随着计算机视觉技术的研究与应用,人脸识别技术已经广泛应用于安防监控、政府管控、安全解锁、涉密区域监管等多个领域,更有进一步深入发展的趋势。
在视频监控领域,对人脸数据的识别是智能监控和目标监测的重要步骤,而对人脸数据进行分析、运算的效率准确率便尤为关键。现有技术对人脸算法准确率的判断及优化,主要通过人工挑选出符合条件的人脸图片数据,进而进行算法精度的论证测试,具体的,需要在固定的场所,搭建若干收集人脸图像的智能摄像机,安排大量工作人员在摄像机范围内模拟人脸抓拍场景,由系统采集人脸图片数据,再通过人工挑选出的合格图片统计算法的准确率。
上述现有技术统计人脸识别准确率的方法,受到场景的限制,无法自动化采集数据模拟场景进行测试统计,无法支撑长期稳定测试及对测试结果的分析。
发明内容
本发明提供了一种人脸识别算法的分析方法及工具,解决了现有技术统计人脸识别准确率的方法,受到场景的限制,无法自动化采集数据模拟场景进行测试统计,无法支撑长期稳定测试及对测试结果的分析的技术问题。
本发明提供了一种人脸识别算法的分析方法,包括,
获取摄像头拍摄的原始图像数据,所述原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,所述人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
将所述原始图像数据按照预先设定的规则形成N份原始数据文件,并将所述N份原始图像数据存储至本地磁盘;
同时读取所述N份原始图像数据,并使用待检测的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
更进一步,将所述原始图像数据按照预先设定的规则形成N份原始数据文件具体包括,将所述原始图像数据平均分成N份。
更进一步,将所述图像数据按照预先设定的规则形成N份原始数据文件具体包括,将所述原始图像数据复制N份,所述N份图像数据与原始图像数据相同。
更进一步,同时读取所述N份原始图像数据,并使用待分析的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至本地磁盘具体包括,
提取所述N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
筛选出比对异常的人脸识别对象的图像数据包,所述比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
更进一步,所述人脸提取图像、比对返回图像、比对相似度图像中任何一项不符合要求具体为,
所述人脸图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对返回图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对相似度低于或高于预先设定的阈值。
更进一步,还包括,
将所述提取到的每个人脸识别对象的人脸图像与特定人脸数据库进行比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包,所述特定人脸数据库为预先设定,不必然包含所述拍摄到的人脸识别对象。
本发明还提供了一种人脸识别算法分析工具,包括,
获取单元,用于获取摄像头拍摄的原始图像数据,所述原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,所述人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
模拟单元,用于将所述原始图像数据按照预先设定的规则形成N份原始数据文件,并将所述N份原始图像数据存储至本地磁盘;
分析单元,用于同时读取所述N份原始图像数据,并使用待检测的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
更进一步,所述分析单元具体包括,
提取模块,用于提取所述N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
第一比对模块,用于对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
筛选模块,用于筛选出比对异常的人脸识别对象的图像数据包,所述比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
更进一步,所述筛选模块的筛选标准为,
所述人脸图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对返回图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对相似度低于或高于预先设定的阈值。
更进一步,所述分析单元还包括第二比对模块,用于将所述提取到的每个人脸识别对象的人脸图像与特定人脸数据库进行比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包,所述特定人脸数据库为预先设定,不必然包含所述拍摄到的人脸识别对象。
通过上述技术方案,首先将原始人脸图像数据通过复制方式模拟多个人脸识别摄像机输入源,避免了测试人员需要还原现实场景的人员工作量;通过人脸算法筛选器筛选出异常数据,提供了对人脸识别系统、算法识别率的性能及稳定性测试,使得算法工程师可以有针对性地对人脸识别算法的缺陷进行优化。
附图说明
图1为本发明实施例1的流程示意图;
图2为本发明实施例2的流程示意图;
图3为本发明实施例3的结构示意图;
图4为本发明实施例4的结构示意图;
图5为本发明实施例5的结构示意图。
具体实施方式
在介绍本发明具体实施例之前,先对本发明的提出的历程:
在基于人脸识别的视频监控领域,需要首先通过摄像机、照相机等设备获取现场图像,通过提取现场图像中的人脸图像进行比对,以作为人证一致或者目标识别的依据。具体的,在海关关口基于人脸识别的智能通行系统中,当旅客过关时,需要对着摄像机进行人脸抓拍,然后刷港澳通行证、回乡证或者护照,在1:1人证校验之后,如果人证一致,闸机放闸,旅客通关,如果不一致,闸机便会进行灯光告警,海关人员介入进一步对旅客进行检查;同时系统在获取到人脸图像后,在后台水客数据库进行查找,找到多个相似的人返回到系统,如果是水客,系统告警通知海关人员,海关人员介入进一步对旅客进行检查。
上述人脸识别系统可能会由于算法准确率的问题,存在误报的情况,比如系统为海关人员告警100次,而这100次里面只有10次经过海关人员进一步检查是正确的,即人证不一或者是水客,便会存在90%的误报率,由此便需要对人脸识别算法进行改进。对算法的改进一般不会在现场进行,而为了有针对性地进行优化,需要使用已出错的数据进行测试后的改进,由此,便提出了本技术方案。
为使得本申请实施例的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请实施例一部分实施例,而非全部的实施例。基于本申请实施例中的实施例,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它实施例,都属于本申请实施例保护的范围。
实施例1:
图1为本实施例流程示意图,一种人脸识别算法的分析方法,包括,
步骤101,获取摄像头拍摄的原始图像数据,原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
需要说明的是,在对人脸识别算法进行分析之前,首先要获取外部人脸图像数据,这里的外部人脸图像数据通过摄像机、照相机进行获取,针对同一个人脸识别对象,也就是同一个人,会拍摄到多个图像,如现场图像,身份证图像,港澳通行证图像,护照图像等,为了便于后期验证,对每个人脸识别对象建立相应的数据包,用于存储有关该识别对象的所有数据。
步骤102,将原始图像数据按照预先设定的规则形成N份原始数据文件,并将N份原始图像数据存储至本地磁盘;
需要说明的是,在本实施例中将原始图像数据分成N份,每一份数据可以当作是一路智能人脸识别摄像机输入源,目的是为了在人脸识别分析时多线程并发执行,提高分析效率。
具体的,比如涉及100万原始图像数据,也就是有100万个人脸识别对象,可以将这100万原始图像数据平均分成5份,可以在步骤103中同时对5份数据的分析同时进行。
还需要说明的是,在测试人脸识别算法稳定性时,可以将原始数据进行复制,比如涉及100万原始图像数据,将该原始图像数据复制5份,在步骤103中同时对5份数据进行分析,可以根据分析时间、分析结果判定人脸识别算法的稳定性和可靠性。
步骤103,同时读取所N份原始图像数据,并使用待检测的人脸算法筛选器对N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
作为本实施例的核心步骤,将步骤102形成的N份原始数据文件输入人脸算法筛选器,这里的人脸算法筛选器中包含人脸识别算法,将通过算法分析比对的结果存储至每个人脸识别对象的数据包。
需要说明的是,本实施例的目的是为了获取人脸识别算法的结果,为算法提供测试的环境及数据,从而对算法进行改进,不涉及具体的人脸识别算法技术。
本实施例为了解决在人脸识别系统现场不方便测试、调试的技术问题,提出了一种新的人脸识别算法分析方法,获取现场采集到的原始图像数据,并将原始图像数据按照规则分为N份,同时对N份数据进行分析比对,获取比对结果。避免了还原现实场景的工作量,并且提高了人脸算法分析的速度。
实施例2:
图2为本实施例流程示意图,一种人脸识别算法的分析方法,包括,
步骤201,获取摄像头拍摄的原始图像数据,原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
需要说明的是,在对人脸识别算法进行分析之前,首先要获取外部人脸图像数据,这里的外部人脸图像数据通过摄像机、照相机进行获取,针对同一个人脸识别对象,也就是同一个人,会拍摄到多个图像,如现场图像,身份证图像,港澳通行证图像,护照图像等,为了便于后期验证,对每个人脸识别对象建立相应的数据包,用于存储有关该识别对象的所有数据。
步骤202,将原始图像数据按照预先设定的规则形成N份原始数据文件,并将N份原始图像数据存储至本地磁盘;
需要说明的是,在本实施例中将原始图像数据分成N份,每一份数据可以当作是一路智能人脸识别摄像机输入源,目的是为了在人脸识别分析时多线程并发执行,提高分析效率。
具体的,比如涉及100万原始图像数据,也就是有100万个人脸识别对象,可以将这100万原始图像数据平均分成5份,可以在步骤103中同时对5份数据的分析同时进行。
还需要说明的是,在测试人脸识别算法稳定性时,可以将原始数据进行复制,比如涉及100万原始图像数据,将该原始图像数据复制5份,在步骤203中同时对5份数据进行分析,可以根据分析时间、分析结果判定人脸识别算法的稳定性和可靠性。
步骤203,同时读取所N份原始图像数据,并使用待检测的人脸算法筛选器对N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
作为本实施例的核心步骤,将步骤202形成的N份原始数据文件输入人脸算法筛选器,这里的人脸算法筛选器中包含人脸识别算法,将通过算法分析比对的结果存储至每个人脸识别对象的数据包。
需要说明的是,本实施例的目的是为了获取人脸识别算法的结果,为算法提供测试的环境及数据,从而对算法进行改进,不涉及具体的人脸识别算法技术。
步骤2031,提取N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
需要说明的是,本步骤是对采集到的原始图像数据进行人脸提取,就是从摄像机抓拍图像里面提取人脸,通常摄像机抓拍的图片都是高清图片,图片上面可能有多个人脸,算法需要从图片中提出最大的、合格的人脸(比如图像、五官清晰等)。
步骤2032,对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
需要说明的是,算法对提取的人脸图像进行比对,一般是通过1:1进行比对,如将人脸图像与身份证上的人脸图像进行比对,此时会返回一个相似度,比如两张图片比对之后,算法给出的相似度是90%,之后系统再基于该结果进行相应的操作,如放闸通行、灯光警报、反馈监控中心等。
还需要说明的是,对于提取到的人脸图像,还可以与特定人脸数据库进行比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包,这里的特定人脸数据库为预先设定,不必然包含拍摄到的人脸识别对象。比如将人脸图像跟后台数据库的布控的照片进行比对,也就是说拿抓拍提取到的人脸图像在海量人脸图片进行比对查找,这里的后台数据库不空的照片可以是海关系统的人脸布控库,其中包含水客黑名单库,在旅客通关的时候通过摄像机抓拍人脸照片去跟黑名单上面照片进行比对,判断当前旅客是否是上了黑名单的人,在显示场景中系统会通过比对结果进行相应操作,比如对属于水客的旅客告警通知海关人员进行检查。
步骤2033,筛选出比对异常的人脸识别对象的图像数据包,所比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
需要说明的是,对人脸算法的准确率或精度进行判断,关键指标在于对异常数据的识别率,在本步骤中筛选出了经过步骤2032比对之后数据异常的人脸识别对象的图像数据包,测试人员通过人工对这些异常数据包进行再次检查,判断这些异常数据是真的异常还是因为人脸识别算法导致的异常。
在具体应用中,异常数据可以是人脸图像的大小、清晰度、角度中其中一项不符合预先设定的要求,通过人工查询该人脸识别对象的图像数据包,该人脸图像是否的确属于大小、清晰度、角度等不符合要求的数据,以对算法的精度作出判断。
在具体的应用中,异常数据还可以是比对返回图像的大小、清晰度、角度中其中一项不符合预先设定的要求,通过人工查询该人脸识别对象的图像数据包,该返回的人脸图像是否的确属于大小、清晰度、角度等不符合要求的数据,以对算法的精度作出判断。
在具体的应用中,异常数据还可以是比对相似度低于或高于预先设定的阈值,如通过人脸图像与身份证图像进行比对,发现相似度低于20%,通过人工查询该人脸识别对象的图像数据包,查询该人脸识别对象是否的确与身份证图像不为同一对象;或者通过人脸图像与身份证图像进行比对,发现相似度为100%,通过人工查询该人脸识别对象的图像数据包,查询该人脸识别对象是否的确与身份证图像为同一对象。
本实施例在实施例1的基础上,细化了对人脸识别算法分析结果筛选的步骤,通过将比对结果存储在预先设定的人脸识别对象图像数据包中,对分析结果直接调用相应的数据包,判定人脸识别算法的准确度,进一步提高了人脸识别算法异常数据的筛选精度,方便了测试人员通过异常数据对人脸识别算法进行针对性的改进。
实施例3:
图3为本实施例机构示意图,一种人脸识别算法的分析工具,包括,
获取单元301,用于获取摄像头拍摄的原始图像数据,原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
模拟单元302,用于将原始图像数据按照预先设定的规则形成N份原始数据文件,并将N份原始图像数据存储至本地磁盘;
分析单元303,用于同时读取所N份原始图像数据,并使用待检测的人脸算法筛选器对N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
实施例4:
图4为本实施例机构示意图,一种人脸识别算法的分析工具,包括,
获取单元401,用于获取摄像头拍摄的原始图像数据,原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
模拟单元402,用于将原始图像数据按照预先设定的规则形成N份原始数据文件,并将N份原始图像数据存储至本地磁盘;
分析单元403,用于同时读取所N份原始图像数据,并使用待检测的人脸算法筛选器对N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
提取模块4031,用于提取N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
第一比对模块4032,用于对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
筛选模块4033,用于筛选出比对异常的人脸识别对象的图像数据包,所述比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
实施例5:
图5为本实施例机构示意图,一种人脸识别算法的分析工具,包括,
获取单元501,用于获取摄像头拍摄的原始图像数据,原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
模拟单元502,用于将原始图像数据按照预先设定的规则形成N份原始数据文件,并将N份原始图像数据存储至本地磁盘;
分析单元503,用于同时读取所N份原始图像数据,并使用待检测的人脸算法筛选器对N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
提取模块5031,用于提取N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
第一比对模块5032,用于对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
第二比对模块5033,用于将提取到的每个人脸识别对象的人脸图像与特定人脸数据库进行比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包,特定人脸数据库为预先设定,不必然包含所述拍摄到的人脸识别对象。
筛选模块5034,用于筛选出比对异常的人脸识别对象的图像数据包,所述比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的工具的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所披露的方法、工具,可以通过其它的方式实现。
另外,在本申请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。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种人脸识别算法的分析方法,其特征在于,包括,
获取摄像头拍摄的原始图像数据,所述原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,所述人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
将所述原始图像数据按照预先设定的规则形成N份原始数据文件,并将所述N份原始图像数据存储至本地磁盘;
同时读取所述N份原始图像数据,并使用待检测的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
2.根据权利要求1所述的人脸识别算法的分析方法,其特征在于,将所述原始图像数据按照预先设定的规则形成N份原始数据文件具体包括,将所述原始图像数据平均分成N份。
3.根据权利要求1所述的人脸识别算法的分析方法,其特征在于,将所述图像数据按照预先设定的规则形成N份原始数据文件具体包括,将所述原始图像数据复制N份,所述N份图像数据与原始图像数据相同。
4.根据权利要求1所述的人脸识别算法的分析方法,其特征在于,同时读取所述N份原始图像数据,并使用待分析的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至本地磁盘具体包括,
提取所述N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
筛选出比对异常的人脸识别对象的图像数据包,所述比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
5.根据权利要求4所述的人脸识别算法分析方法,其特征在于,所述人脸提取图像、比对返回图像、比对相似度图像中任何一项不符合要求具体为,
所述人脸图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对返回图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对相似度低于或高于预先设定的阈值。
6.根据权利要求4或5所述的人脸识别算法分析方法,其特征在于,还包括,
将所述提取到的每个人脸识别对象的人脸图像与特定人脸数据库进行比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包,所述特定人脸数据库为预先设定,不必然包含所述拍摄到的人脸识别对象。
7.一种人脸识别算法分析工具,其特征在于,包括,
获取单元,用于获取摄像头拍摄的原始图像数据,所述原始图像数据由拍摄到的每个人脸识别对象的图像数据包组成,所述人脸识别对象的图像数据包包含每个人脸识别对象被拍摄到的所有图像数据;
模拟单元,用于将所述原始图像数据按照预先设定的规则形成N份原始数据文件,并将所述N份原始图像数据存储至本地磁盘;
分析单元,用于同时读取所述N份原始图像数据,并使用待检测的人脸算法筛选器对所述N份原始图像数据进行分析比对,并将比对结果存储至相应人脸识别对象的图像数据包。
8.根据权利要求7所述的人脸识别算法分析工具,其特征在于,所述分析单元具体包括,
提取模块,用于提取所述N份原始图像数据中每个人脸识别对象的人脸图像并存储至相应的人脸识别对象的图像数据包;
第一比对模块,用于对提取到的每个人脸识别对象的人脸图像进行分析比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包;
筛选模块,用于筛选出比对异常的人脸识别对象的图像数据包,所述比对异常为所述人脸提取图像、比对返回图像、比对相似度中任何一项不符合要求。
9.根据权利要求8所述的人脸识别算法分析工具,其特征在于,所述筛选模块的筛选标准为,
所述人脸图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对返回图像的大小、清晰度、角度中其中一项不符合预先设定的要求,或者,
所述比对相似度低于或高于预先设定的阈值。
10.根据权利要求7或8或9所述的人脸识别算法分析工具,其特征在于,所述分析单元还包括第二比对模块,用于将所述提取到的每个人脸识别对象的人脸图像与特定人脸数据库进行比对,获取比对返回图像、比对相似度并存储至相应人脸识别对象的图像数据包,所述特定人脸数据库为预先设定,不必然包含所述拍摄到的人脸识别对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810817651.8A CN109063617A (zh) | 2018-07-24 | 2018-07-24 | 一种人脸识别算法的分析方法及工具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810817651.8A CN109063617A (zh) | 2018-07-24 | 2018-07-24 | 一种人脸识别算法的分析方法及工具 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109063617A true CN109063617A (zh) | 2018-12-21 |
Family
ID=64835284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810817651.8A Pending CN109063617A (zh) | 2018-07-24 | 2018-07-24 | 一种人脸识别算法的分析方法及工具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109063617A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241945A (zh) * | 2019-12-31 | 2020-06-05 | 杭州艾芯智能科技有限公司 | 人脸识别性能的测试方法、装置、计算机设备及存储介质 |
CN113255599A (zh) * | 2021-06-29 | 2021-08-13 | 成都考拉悠然科技有限公司 | 一种自定义人流量测试人脸布控率系统及其方法 |
CN115601799A (zh) * | 2022-09-09 | 2023-01-13 | 广州市盛通建设工程质量检测有限公司(Cn) | 一种基于人脸识别的评测方法、系统、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934328A (zh) * | 2015-12-30 | 2017-07-07 | 厦门中控生物识别信息技术有限公司 | 一种人脸检测算法的评估方法及装置 |
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 |
CN107609495A (zh) * | 2017-08-31 | 2018-01-19 | 深圳市友信长丰科技有限公司 | 人脸识别算法的验证方法、装置、计算机设备和存储介质 |
CN107977647A (zh) * | 2017-12-20 | 2018-05-01 | 上海依图网络科技有限公司 | 一种适合公安实战的人脸识别算法评测方法 |
-
2018
- 2018-07-24 CN CN201810817651.8A patent/CN109063617A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934328A (zh) * | 2015-12-30 | 2017-07-07 | 厦门中控生物识别信息技术有限公司 | 一种人脸检测算法的评估方法及装置 |
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 |
CN107609495A (zh) * | 2017-08-31 | 2018-01-19 | 深圳市友信长丰科技有限公司 | 人脸识别算法的验证方法、装置、计算机设备和存储介质 |
CN107977647A (zh) * | 2017-12-20 | 2018-05-01 | 上海依图网络科技有限公司 | 一种适合公安实战的人脸识别算法评测方法 |
Non-Patent Citations (1)
Title |
---|
韦鹏程 等: "《基于R语言数据挖掘的统计与分析》", 31 December 2017, 电子科技大学出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241945A (zh) * | 2019-12-31 | 2020-06-05 | 杭州艾芯智能科技有限公司 | 人脸识别性能的测试方法、装置、计算机设备及存储介质 |
CN113255599A (zh) * | 2021-06-29 | 2021-08-13 | 成都考拉悠然科技有限公司 | 一种自定义人流量测试人脸布控率系统及其方法 |
CN115601799A (zh) * | 2022-09-09 | 2023-01-13 | 广州市盛通建设工程质量检测有限公司(Cn) | 一种基于人脸识别的评测方法、系统、设备及存储介质 |
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、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711370B (zh) | 一种基于wifi探测和人脸聚类的数据融合方法 | |
US11263435B2 (en) | Method for recognizing face from monitoring video data | |
CN107016322B (zh) | 一种尾随人员分析的方法及装置 | |
US20210357624A1 (en) | Information processing method and device, and storage medium | |
CN110232134A (zh) | 数据更新方法、服务器及计算机存储介质 | |
CN109063617A (zh) | 一种人脸识别算法的分析方法及工具 | |
CN110162462A (zh) | 基于场景的人脸识别系统的测试方法、系统和计算机设备 | |
WO2021212725A1 (zh) | 一种人像识别算法性能评测方法和装置 | |
US8798318B2 (en) | System and method for video episode viewing and mining | |
CN109766779A (zh) | 徘徊人员识别方法及相关产品 | |
CN108960145A (zh) | 人脸图像检测方法、装置、存储介质和电子设备 | |
CN107273862A (zh) | 一种自动抓拍方法、监控设备及计算机可读存储介质 | |
CN109815839B (zh) | 微服务架构下的徘徊人员识别方法及相关产品 | |
CN111177469A (zh) | 人脸检索方法及人脸检索装置 | |
CN112183162A (zh) | 一种监控场景下人脸自动注册识别系统及方法 | |
Patil et al. | Suspicious movement detection and tracking based on color histogram | |
Manikandan et al. | A neural network aided attuned scheme for gun detection in video surveillance images | |
Yang et al. | Pedestrian tracking algorithm for dense crowd based on deep learning | |
Bhargava et al. | A study on potential of big visual data analytics in construction Arena | |
CN110826390A (zh) | 一种基于人脸矢量特征的视频数据处理方法 | |
KR101547255B1 (ko) | 지능형 감시 시스템의 객체기반 검색방법 | |
RU2723900C1 (ru) | Способ и система анализа статичных объектов в видеопотоке | |
CN111091047B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
Nazare et al. | Smart surveillance framework: A versatile tool for video analysis | |
Lakshmi et al. | Automated face recognition by smart security system using AI & ML algorithms |
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: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |