CN109992505A - 应用程序测试方法、装置、计算机设备及存储介质 - Google Patents
应用程序测试方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109992505A CN109992505A CN201910198982.2A CN201910198982A CN109992505A CN 109992505 A CN109992505 A CN 109992505A CN 201910198982 A CN201910198982 A CN 201910198982A CN 109992505 A CN109992505 A CN 109992505A
- Authority
- CN
- China
- Prior art keywords
- test
- micro
- information
- expression
- terminal
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 claims abstract description 247
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000036651 mood Effects 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000011017 operating method Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 206010027951 Mood swings Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007630 basic procedure Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000528 statistical test Methods 0.000 description 2
- 206010053238 Amimia Diseases 0.000 description 1
- 206010048669 Terminal state Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
-
- 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
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种应用程序测试方法、装置、计算机设备及存储介质，包括下述步骤：获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息。通过对测试人员的微表情进行监控，当测试人员的情绪发生变化时获取到应用程序的界面，从而生成测试报告，降低了对管理人员的能力要求，可以同时对多个测试人员进行测试，提高了对应用程序进行可用性测试的效率。
Description
技术领域
本发明涉及计算机应用技术领域，特别是涉及一种应用程序测试方法、装置、计算机设备及存储介质。
背景技术
随着移动互联网日益成为人们生活不可或缺的组成部分，应用在智能终端中的APP(Application，应用程序)也慢慢得到普及，人们使用APP的频次逐渐增加。由于用户对APP的类型和功能的要求不断提高，因此，为了满足用户的不同需求，开发商开发了具备不同功能的APP，移动App已经成为各行各业衔接客户的标准途径，因此App的质量至关重要。App的质量受到很多因素影响，其中日益增加的功能特性，以及移动终端的碎片化，特性乘以终端数量的遍历，让App的验证工作量增大，App的自动化测试是解决这一问题的有效手段。现有的App自动化测试方法大多采用人工编写代码方式，如appium,robotium等，对测试人员要求较高，需要有较高编码能力，对手机界面元素也需要有初步的了解。但是由于手机App开发过程中需求包括UI变化非常快，导致原先写好的自动化测试用例没办法原封不动的使用。一旦涉及到要改变测试代码来适应改变的产品代码，甚至重新编写自动化测试用例。因而APP自动化测试难以推广，测试代码需要专人编写、维护。
另一方面，程序开发过程中或者开发完成后需要对程序进行可用性测试，即对程序进行评估，检验其是否达到可用性标准，例如要达到什么效果，某个操作是否有效，某个操作是否恰当，某个状况是否良好等等。目前对程序进行可用性测试的方法一般通过人工测试，让一群具有代表性的用户对程序进行典型操作，同时观察员和开发人员在一旁观察，聆听，做记录，最后分析记录内容，判断用户对于程序中各个功能的认可度，并对程序进行改进或再设计最终达到要求的可用性目标。但人工对用户的测试进行观察和记录的方式需要消耗大量的人力资源和时间，对记录者的能力要求较高，很难同时进行较多用户的测试。
发明内容
本发明实施例能够提供一种提高测试效率、降低管理人员门槛的应用程序测试方法、装置、计算机设备及存储介质。
为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种应用程序测试方法，包括以下步骤：
获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；
根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；
根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息。
可选地，所述根据所述测试信息生成测试报告的步骤之后，包括以下步骤：
获取所述第一终端的测试数据，其中，所述测试数据包括根据所述目标应用程序的操作步骤生成的操作脚本；
将所述操作脚本发送至第二终端；
根据所述操作脚本在所述第二终端进行测试，得到测试结果。
可选地，获取所述第一终端的测试数据之前，包括以下步骤：
获取所述第一终端的操作信息生成所述操作脚本；
获取与所述操作信息对应的第一请求信息，其中，所述第一请求信息为所述目标应用程序进行测试时服务器端接收到的请求信息；
根据所述操作脚本和所述第一请求信息生成所述测试数据。
可选地，所述根据所述操作脚本在所述第二终端进行测试，得到测试结果的步骤，包括以下步骤：
触发所述第二终端的测试指令，在所述第二终端上运行所述操作脚本；
获取第二请求信息，其中，所述第二请求信息为所述第二终端运行所述操作脚本时服务器端接收到的请求信息；
将所述第一请求信息和第二请求信息进行对比以确定所述测试结果。
可选地，所述根据所述微表情信息获取测试信息的步骤，包括下述步骤：
判断所述微表情信息是否属于预设的情绪类别；
当所述微表情信息属于预设的情绪类别时，获取所述目标应用程序的界面截图；
根据所述界面截图生成所述测试信息。
可选地，所述获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情的步骤之前，包括下述步骤：
获取所述测试用户的面部图像；
将所述面部图像输入到微表情判断模型中，其中，所述微表情判断模型为已训练至收敛的，用于对输入的面部图像进行微表情分类的神经网络模型；
根据所述微表情判断模型的输出结果确定所述微表情信息。
可选地，所述获取所述测试用户的面部图像的步骤之前，包括下述步骤：
获取测试画面，其中，所述测试画面为对所述目标应用程序进行测试时采集到的实时画面；
从所述测试画面中抽取帧画面，判断所述帧画面中是否存在人脸图像；
当所述帧画面中存在人脸图像时，定义所述帧画面为所述面部图像。
为解决上述技术问题，本发明实施例还提供一种应用程序测试装置，包括：
获取模块，用于获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；
处理模块，用于根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；
执行模块，用于根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息。
可选地，所述应用程序测试装置，还包括：
第一获取子模块，用于获取所述第一终端的测试数据，其中，所述测试数据包括根据所述目标应用程序的操作步骤生成的操作脚本；
第一发送子模块，用于将所述操作脚本发送至第二终端；
第一执行子模块，用于根据所述操作脚本在所述第二终端进行测试，得到测试结果。
可选地，所述应用程序测试装置，还包括：
第二获取子模块，用于获取所述第一终端的操作信息生成所述操作脚本；
第三获取子模块，用于获取与所述操作信息对应的第一请求信息，其中，所述第一请求信息为所述目标应用程序进行测试时服务器端接收到的请求信息；
第一处理子模块，用于根据所述操作脚本和所述第一请求信息生成所述测试数据。
可选地，所述应用程序测试装置，还包括：
第二执行子模块，用于触发所述第二终端的测试指令，在所述第二终端上运行所述操作脚本；
第四获取子模块，用于获取第二请求信息，其中，所述第二请求信息为所述第二终端运行所述操作脚本时服务器端接收到的请求信息；
第二处理子模块，用于将所述第一请求信息和第二请求信息进行对比以确定所述测试结果。
可选地，所述应用程序测试装置，还包括：
第一判断子模块，用于判断所述微表情信息是否属于预设的情绪类别；
第三执行子模块，用于当所述微表情信息属于预设的情绪类别时，获取所述目标应用程序的界面截图；
第三处理子模块，用于根据所述界面截图生成所述测试信息。
可选地，所述应用程序测试装置，还包括：
第五获取子模块，用于获取所述测试用户的面部图像；
第一输入子模块，用于将所述面部图像输入到微表情判断模型中，其中，所述微表情判断模型为已训练至收敛的，用于对输入的面部图像进行微表情分类的神经网络模型；
第四处理子模块，用于根据所述微表情判断模型的输出结果确定所述微表情信息。
可选地，所述应用程序测试装置，还包括：
第六获取子模块，用于获取测试画面，其中，所述测试画面为对所述目标应用程序进行测试时采集到的实时画面；
第一抽取子模块，用于从所述测试画面中抽取帧画面，判断所述帧画面中是否存在人脸图像；
第四执行子模块，用于当所述帧画面中存在人脸图像时，定义所述帧画面为所述面部图像。
为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述应用程序测试方法的步骤。
为解决上述技术问题，本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述应用程序测试方法的步骤。
本发明实施例的有益效果是：通过对测试的微表情进行监控，可以及时发现用户的情绪变化，当测试的情绪发生变化时，获取到对应的程序界面，从而反映出应用程序中哪些设计或操作可能会让用户产生情绪变化。统计大量的测试信息从而生成测试报告，可以有效地反应出大多数用户对于程序中某些设计或者操作的总体反映，从而为开发或维护人员提供改进或再设计的依据。与传统的利用人工对测试人员的测试过程进行观察和记录的方式相比，本发明实施例的方案可以及时识别出用户的情绪变化，避免人工观察出现的错误或遗漏，管理人员仅需要对数据进行收集，而不需要进行观察和记录的培训，降低了对管理人员的要求。另一方面，本发明实施例的通过利用微表情监控的方式，有效降低对程序进行可用性测试时的人工和时间成本，并且可以在同一时间内对大量的测试人员进行测试，提高了对程序进行测试的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，对于本领域技术人员来讲，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为本发明实施例应用程序测试方法的基本流程示意图；
图2为本发明实施例用户程序自动化测试的流程示意图；
图3为本发明实施例生成测试数据的流程示意图；
图4为本发明实施例确定测试结果的流程示意图；
图5为本发明实施例获取测试信息的流程示意图；
图6为本发明实施例确定微表情信息的流程示意图；
图7为本发明实施例确定面部图像的流程示意图；
图8为本发明实施例应用程序测试装置的基本结构框图；
图9为本发明实施例计算机设备基本结构框图。
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清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
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清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(PersonalCommunicationsService，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(PersonalDigitalAssistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(GlobalPositioningSystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(MobileInternetDevice，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
具体地请参阅图1，图1为本实施例应用程序测试方法的基本流程示意图。
如图1所示，一种应用程序测试方法，包括以下步骤：
S1100、获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；
在测试人员对应用程序进行测试的过程中，实时获取测试人员的面部图像，对面部图像进行微表情判断，获得测试人员的微表情信息。具体地，通过测试终端的图像采集模块(例如手机的前置摄像头)或者额外安装的图像采集装置(例如摄像机)对测试人员的面部图像进行拍摄，得到实时画面，每隔一定的时间(例如1秒)从实时画面中获取帧图像，将获取到的帧图像输入到已训练至收敛的，用于对输入的图像进行微表情分类的神经网络模型中，根据神经网络模型的输出结果确定图像中的微表情信息，作为测试人员的微表情信息。
S1200、根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；
获取到测试人员的微表情信息之后，判断获取到的微表情信息是否为预设的情绪类别，预设的情绪类别为用户判断用户情绪发生较大变动时的情绪类别，例如不耐烦或者恼怒等，但不限于此。当获取到的微表情信息属于预设的情绪类别时，获取到当前目标应用程序的界面截图，同时记录下对应的微表情信息，生成测试信息，测试信息中包括了测试人员的微表情信息和对应的界面截图。在完整的测试过程中，可以每隔一定的时间间隔获取一次用户的微表情信息，时间间隔可以与获取实时画面帧图像的时间间隔相同，以同步每一次对帧图像的微表情判断。通过测试过程中不断地将测试人员的微表情与预设的情绪类别进行对比，当测试人员的情绪发生变化时，得到对应的测试信息，在一个完整的测试过程中可以获取得到多份测试信息。
S1300、根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息；
统计大量测试人员的测试信息，整合生成测试报告。在一些实施方式中，对测试信息中的界面截图进行相似度对比，把相同的界面作为一个项目，统计同一个界面中各测试人员出现的不同情绪次数，最后得到统计结果生成测试报告。例如，测试人员共100位，其中有70位在用户登录界面中出现不耐烦情绪，从而反映出登录界面或者登录操作可能存在问题，不符合大多次人员的操作习惯或者审美要求，需要进行修改或重新设计。通过统计大量人员的测试信息，可以得到应用程序测试过程中使较测试人员的情绪发生波动的界面，统计生成测试报告，从而反映出应用程序在设计或开发过程中的可用性问题。
如图2所示，还包括以下步骤：
S2100、获取所述第一终端的测试数据，其中，所述测试数据包括根据所述目标应用程序的操作步骤生成的操作脚本；
测试人员在第一终端上对目标应用程序进行测试时，记录测试人员的操作信息，操作信息包括操作类型和坐标位置等，但不限于此，操作类型即操作的方式，例如点击或者滑动等，坐标位置即操作对应的坐标，对于点击操作即为点击的坐标位置，对于滑动即为滑动开始的坐标位置。将记录所得到的操作信息以时间的先后顺序进行编排，生成对应的操作脚本。
在测试人员进行测试的过程中，记录第一终端向服务器端发送的请求信息，作为第一请求信息。在一些实施方式中，请求信息可以具有时间性，用于对应测试人员的测试操作，具体地，以测试开始的时间为时间原点，记录整个测试流程中的操作信息和服务器端获取的请求信息，根据服务器端获取到请求数据的时间节点，确定对应的操作内容，根据数据传输和服务器接收请求的时长，设置对应的服务器数据延迟，例如1秒，在服务器中获取到请求内容时，以时间节点为依据查找操作端对应的操作信息，形成数据的对应，例如服务器端在测试开始后1分1秒时获取到请求数据，预设的数据延迟为1秒，即操作端在测试开始之后1分0秒时的操作为对应的操作信息。操作信息可以是以完整的时间段作为一个操作步骤，例如服务器第一次获取到请求数据至第二次获取到请求数据之间的时间段中操作端的所有操作步骤都作为服务器获取到的第二次请求信息所对应的操作信息。整合测试过程中所有请求信息作为第一请求信息。
以操作脚本与第一请求信息作为测试数据，存储在服务器中指定的存储区域内，当需要进行自动化测试时，获取到测试数据。
S2200、将所述操作脚本发送至第二终端；
将获取得到的操作脚本发送到第二终端，第二终端为已经预先安装好目标应用程序，用于对目标应用程序进行测试的终端设备。
S2300、根据所述操作脚本在所述第二终端进行测试，得到测试结果；
在第二终端上运行操作脚本，对目标应用程序进行测试，在第二终端的测试过程中，获取第二终端向服务器端发送的请求信息，统计测试过程中第二终端的所有请求信息，作为第二请求信息，再将第二请求信息与第一请求信息进行对比，判断二者是否相同，当二者相同时，测试正常，第二者不完全相同时，测试异常，根据异常的部分生成异常报告，将测试正常的信息或者生成的异常报告作为测试的结果。
通过利用操作脚本对第二终端进行自动化测试的方法，可以同时对多个终端进行测试，利用脚本进行测试可以保证在所有的测试终端上操作的一致性，并从请求信息中对比得出不同终端上相同的操作可能导致的不同结果，作为改善应用程序对于不同终端兼容性的依据。
如图3所示，步骤S2100之前还包括以下步骤：
S2010、获取所述第一终端的操作信息生成所述操作脚本；
测试人员在第一终端上对目标应用程序进行测试时，记录测试人员的操作信息，操作信息包括操作类型和坐标位置等，但不限于此，操作类型即操作的方式，例如点击或者滑动等，坐标位置即操作对应的坐标，对于点击操作即为点击的坐标位置，对于滑动即为滑动开始的坐标位置。将记录所得到的操作信息以时间的先后顺序进行编排，生成对应的操作脚本。
S2020、获取与所述操作信息对应的第一请求信息，其中，所述第一请求信息为所述目标应用程序进行测试时服务器端接收到的请求信息；
在测试人员进行测试的过程中，记录第一终端向服务器端发送的请求信息，作为第一请求信息。在一些实施方式中，请求信息可以具有时间性，用于对应测试人员的测试操作，具体地，以测试开始的时间为时间原点，记录整个测试流程中的操作信息和服务器端获取的请求信息，根据服务器端获取到请求数据的时间节点，确定对应的操作内容，根据数据传输和服务器接收请求的时长，设置对应的服务器数据延迟，例如1秒，在服务器中获取到请求内容时，以时间节点为依据查找操作端对应的操作信息，形成数据的对应，例如服务器端在测试开始后1分1秒时获取到请求数据，预设的数据延迟为1秒，即操作端在测试开始之后1分0秒时的操作为对应的操作信息。操作信息可以是以完整的时间段作为一个操作步骤，例如服务器第一次获取到请求数据至第二次获取到请求数据之间的时间段中操作端的所有操作步骤都作为服务器获取到的第二次请求信息所对应的操作信息。整合测试过程中所有请求信息作为第一请求信息。
S2030、根据所述操作脚本和所述第一请求信息生成所述测试数据；
以操作脚本与第一请求信息作为测试数据，将测试数据存储在服务器中指定的存储区域内。
通过获取测试人员的测试操作生成操作脚本的方法，在进行多端测试时只需要运行操作脚本，提高多端测试的效率，同时保证了在多端测试时操作的一致性。通过获取测试过程中的请求信息，在进行多端测试时可以有一个对比基准，用于判断多端测试的正常与否，保证测试结果的准确性。
如图4所示，步骤S2300具体包括以下步骤：
S2310、触发所述第二终端的测试指令，在所述第二终端上运行所述操作脚本；
在向第二终端发送守操作脚本之后，触发第二终端的自动测试指令，在第二终端上开始运行操作脚本。自动测试指令的触发方式可以是通过服务器端向第二终端发送对应的启动数据，或者在操作脚本中设置有对应的触发指令。
在一些实施方式中，获取到操作脚本之后对操作脚本进行自适应调整，具体地，当第二终端的屏幕比例和操作端的屏幕比例不一致时，应用程序会根据第二终端的屏幕进行自适应调整，如对界面进行拉伸或裁剪等，针对于调整后的界面，操作步骤对应的坐标进行适应性调整。首先对操作过程进行预定位，例如在测试开始时提示用户点击一个预设的点作为零点，界面中其他的点以相对坐标的方式进行表示，应用程序在所有终端上零点都是相同且固定不变的，而界面中其他位置的点会随着终端分辨率的改变而进行适应性修整，例如根据分辨率的变化比例计算出新的修正坐标，对测试操作过程中所的操作对应的坐标进行修正，得到修正后的操作脚本。
S2320、获取第二请求信息，其中，所述第二请求信息为所述第二终端运行所述操作脚本时服务器端接收到的请求信息；
在第二终端运行操作脚本的过程中，记录服务器端获取到的请求信息，在一些实施方式中请求信息可以具有时间性，用于对应不同的操作步骤，在服务器获取到请求信息时，根据请求信息的时候对应得到第二终端的操作信息，将操作信息与请求信息一一对应。在测试完成之后，将所有的请求信息整合为第二请求信息。
S2330、将所述第一请求信息和第二请求信息进行对比以确定所述测试结果；
将获取到的第一请求信息与第二请求信息进行对比，判断两者是否相同，当两者完全相同时，确定第二终端上测试结果为正常；当两者不完全相同时，确定第二终端上测试异常，并生成异常报告，将异常报告作为测试结果。具体地，首先对第一请求信息和第二请求信息中的信息数量进行对比，判断信息数量是否一致，然后按照请求信息的时间性对所包含的请求信息进行一一对比，判断第二请求信息中的每一第请求信息与第一请求信息中对应的请求信息内容是否一致，当信息数量与对比结果都一致时，判断测试正常；当其中一项或多项不一致时，判断测试异常，同时提取出不一致的项目数据，生成异常报告，在异常报告中罗列出测试中异常部分的信息，为开发和管理人员提供查找和修复的依据。
通过测试时的请求信息对比判断测试是否正常的方法，可以发现在不同终端上对目标应用程序进行相同操作时可能出现的数据不相同或者处理异常，生成对应的异常报告可以给开发和管理人员提供问题排查的依据，利用数据自动对比确定测试结果的方法可以同时对多个终端进行测试，提高测试的效率。
如图5所示，步骤S1200具体包括下述步骤：
S1210、判断所述微表情信息是否属于预设的情绪类别；
系统中预设有多种情绪类别，用于反映测试人员在测试过程中对于应用程序的界面或操作等内容表现出的情况变化，例如不耐烦或者恼怒等，但不限于此。例如当测试人员出现不耐烦的情绪时，可能是由于应用程序的操作较为繁琐，或者测试人员的操作得不到相应的反馈，当测试人员出现恼怒的情绪时，可能是由于应用程序的内容不合适从而引起测试人员的情绪波动。通过预设的情绪类别可以及时捕获取测试人员的情绪变化，在获取到测试人员的微表情信息时，判断测试人员的微表情信息是否属于预设的情绪类别。
S1220、当所述微表情信息属于预设的情绪类别时，获取所述目标应用程序的界面截图；
当测试人员的微表情信息属于预设的情绪类别时，说明测试人员正在进行的操作或者正在浏览的应用程序内容引起了测试人员较大的情绪波动，获取目标应用程序当前的界面截图。在一些实施方式中，获取界面截图时同时获取到测试人员的操作信息，操作信息可以是一定的时间范围内，如5秒前到当前的操作过程，也可以是当程序进入到当前的界面之后进行的所有操作内容。
S1230、根据所述界面截图生成所述测试信息；
在测试完成之后，统计测试过程中测试人员发生过情绪波动的所有数据，数据包括了测试人员的情绪类型和对应的界面截图，在一些实施方式中，数据还包括上一步骤所述的对应操作内容。根据获取到的数据形成多份测试信息，每一份测试信息中包含了情绪变化信息和对应的界面截图等内容。
通过对测试人员微表情进行判断的方法，可以有效地获取到测试人员在测试过程中出现的情绪波动，同时获取到对应的界面截图和操作内容等，通过将测试人员在测试过程中情绪的波动情况与应用程序内容的对应关系形成测试信息，直观地反映出应用程序内容可能存在的问题。
如图6所示，步骤S1100之前还包括下述步骤：
S1010、获取所述测试用户的面部图像；
在测试过程中，通过测试终端的图像采集模块(例如手机的前置摄像头)或者额外安装的图像采集装置(例如摄像机)对测试人员的进行拍摄，得到实时画面，每隔一定的时间(例如1秒)从实时画面中获取帧图像，并判断帧图像中是否存在人脸，当帧图像中存在人脸时，确定帧图像为测试用户的面部图像。
S1020、将所述面部图像输入到微表情判断模型中，其中，所述微表情判断模型为已训练至收敛的，用于对输入的面部图像进行微表情分类的神经网络模型；
将获取到的面部图像输入到已经预先训练至收敛的神经网络模型，本实施方式中的神经网络模型能够是CNN卷积神经网络模型或者VGG卷积神经网络模型。所述神经网络模型在训练时，通过获取同一目标的至少一张面部图像作为训练样本集，当所述面部图像多于一张时，将多张面部图像依次输入到预设的分类模型中，分别获取多张面部图像的微表情分类值，以数值为限定条件对多张面部图像的微表情分类值进行排序，确认所述排序结果中处于中间位置的微表情分类值为所述至少一张面部图像的期望分类值；当所述面部图像只有一张时，将面部图像输入到预设的分类模型中，获取面部图像的微表情分类值作为面部图像的期望分类值。
S1030、根据所述微表情判断模型的输出结果确定所述微表情信息；
微表情判断模型设有多个微表情分类，且各微表情分类分别对应一个微表情分类标准值，因此，微表情判断模型输出的分类数据为面部图像属于各微表情分类的概率值，获取各个微表情分类对应的概率值，并根据数值的大小对各概率值进行降幂排序。
根据排序结果获取多个分类值中最大的分类值，即排序结果中排列在第一位的分类值，该分类值对应一个微表情分类。说明微表情判断模型的分类结果表明面部图像属于该类别的概率最大，即分类结果表明面部图像的微表情分类属于分类值最大的数对应的微表情分类。
确认分类结果后获取该分类结果对应的情绪分类，在一些实施方式中，将人的情绪划分为不同的类别，例如“不耐烦”、“恼怒”、“无表情”和“开心”等。情绪类别的划分不局限于此，根据具体应用场景的不同，情绪类别可以更详细，也可以更粗略。定义情绪分类为所述测试人员的微表情信息。
通过利用微表情判断模型确定测试人员微表情信息的方法，可以快速并准确地获取到测试人员的微表情信息，而不需要使用人工记录的方式进行应用程序的可用性测试，提高了可用性测试的效率，减少人力和时间成本。
如图7所示，步骤S1010之前还包括下述步骤：
S1001、获取测试画面，其中，所述测试画面为对所述目标应用程序进行测试时采集到的实时画面；
在测试人员进行测试的过程中，通过测试终端的图像采集模块(例如手机的前置摄像头)或者额外安装的图像采集装置(例如摄像机)对测试人员的面部图像进行拍摄，得到测试时的实时画面。
S1002、从所述测试画面中抽取帧画面，判断所述帧画面中是否存在人脸图像；
通过视频处理软件(例如OpenCV，但不限于此)对实时画面进行处理，将实时画面拆分为若干张帧画面。通过定时抽取的方式(例如每0.5s抽取一张图片的方式)，在若干张帧画面中依次抽取多张帧画面，然后将帧画面输入到预设的人脸识别模型中，判断帧画面中是否存在人脸图像。在一些实施方式中，人脸识别模型可以是现有技术中训练用于判断图像中是否存在人脸的CNN卷积神经网络模型或者VGG卷积神经网络模型。
S1003、当所述帧画面中存在人脸图像时，定义所述帧画面为所述面部图像；
获取到有脸识别模型的输出的分类结果，根据分类结果确定输入的帧图像中是否存在人你，当判断帧图像中存在人脸图像时，定义对应的帧图像为测试人员的面部图像。
通过这种方法可以快速并准确地获取到测试人员的面部图像，避免因获取到的图像中不存在人脸或者人脸的判断错误。
为解决上述技术问题，本发明实施例还提供一种应用程序测试装置。具体请参阅图8，图8为本实施应用程序测试装置的基本结构框图。
如图8所示，应用程序测试装置，包括：获取模块2100、处理模块2200和执行模块2300。其中，获取模块用于获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；处理模块用于根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；执行模块用于根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息。
通过对测试的微表情进行监控，可以及时发现用户的情绪变化，当测试的情绪发生变化时，获取到对应的程序界面，从而反映出应用程序中哪些设计或操作可能会让用户产生情绪变化。统计大量的测试信息从而生成测试报告，可以有效地反应出大多数用户对于程序中某些设计或者操作的总体反映，从而为开发或维护人员提供改进或再设计的依据。与传统的利用人工对测试人员的测试过程进行观察和记录的方式相比，本发明实施例的方案可以及时识别出用户的情绪变化，避免人工观察出现的错误或遗漏，管理人员仅需要对数据进行收集，而不需要进行观察和记录的培训，降低了对管理人员的要求。另一方面，本发明实施例的通过利用微表情监控的方式，有效降低对程序进行可用性测试时的人工和时间成本，并且可以在同一时间内对大量的测试人员进行测试，提高了对程序进行测试的效率。
在一些实施方式中，应用程序测试装置还包括：第一获取子模块、第一发送子模块、第一执行子模块。其中第一获取子模块用于获取所述第一终端的测试数据，其中，所述测试数据包括根据所述目标应用程序的操作步骤生成的操作脚本；第一发送子模块用于将所述操作脚本发送至第二终端；第一执行子模块用于根据所述操作脚本在所述第二终端进行测试，得到测试结果。
在一些实施方式中，应用程序测试装置还包括：第二获取子模块、第三获取子模块、第一处理子模块。其中，第二获取子模块用于获取所述第一终端的操作信息生成所述操作脚本；第三获取子模块用于获取与所述操作信息对应的第一请求信息，其中，所述第一请求信息为所述目标应用程序进行测试时服务器端接收到的请求信息；第一处理子模块用于根据所述操作脚本和所述第一请求信息生成所述测试数据。
在一些实施方式中，应用程序测试装置还包括：第二执行子模块、第四获取子模块、第二处理子模块。其中，第二执行子模块用于触发所述第二终端的测试指令，在所述第二终端上运行所述操作脚本；第四获取子模块用于获取第二请求信息，其中，所述第二请求信息为所述第二终端运行所述操作脚本时服务器端接收到的请求信息；第二处理子模块用于将所述第一请求信息和第二请求信息进行对比以确定所述测试结果。
在一些实施方式中，应用程序测试装置还包括：第一判断子模块、第三执行子模块、第三处理子模块。其中，第一判断子模块用于判断所述微表情信息是否属于预设的情绪类别；第三执行子模块用于当所述微表情信息属于预设的情绪类别时，获取所述目标应用程序的界面截图；第三处理子模块用于根据所述界面截图生成所述测试信息。
在一些实施方式中，应用程序测试装置还包括：第五获取子模块、第一输入子模块、第四处理子模块。其中，第五获取子模块用于获取所述测试用户的面部图像；第一输入子模块用于将所述面部图像输入到微表情判断模型中，其中，所述微表情判断模型为已训练至收敛的，用于对输入的面部图像进行微表情分类的神经网络模型；第四处理子模块用于根据所述微表情判断模型的输出结果确定所述微表情信息。
在一些实施方式中，应用程序测试装置还包括：第六获取子模块、第一抽取子模块、第四执行子模块。其中，第六获取子模块用于获取测试画面，其中，所述测试画面为对所述目标应用程序进行测试时采集到的实时画面；第一抽取子模块用于从所述测试画面中抽取帧画面，判断所述帧画面中是否存在人脸图像；第四执行子模块用于当所述帧画面中存在人脸图像时，定义所述帧画面为所述面部图像。
为解决上述技术问题，本发明实施例还提供一种计算机设备。具体请参阅图9，图9为本实施例计算机设备基本结构框图。
如图9所示，计算机设备的内部结构示意图。如图9所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种应用程序测试方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种应用程序测试方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本实施方式中处理器用于执行图8中获取模块2100、处理模块2200和执行模块2300的具体功能，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有应用程序测试装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述应用程序测试方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)等非易失性存储介质，或随机存储记忆体(RandomAccessMemory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种应用程序测试方法，其特征在于，包括以下步骤：
获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；
根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；
根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息。
2.如权利要求1所述的应用程序测试方法，其特征在于，所述根据所述测试信息生成测试报告的步骤之后，包括以下步骤：
获取所述第一终端的测试数据，其中，所述测试数据包括根据所述目标应用程序的操作步骤生成的操作脚本；
将所述操作脚本发送至第二终端；
根据所述操作脚本在所述第二终端进行测试，得到测试结果。
3.如权利要求2所述的应用程序测试方法，其特征在于，获取所述第一终端的测试数据之前，包括以下步骤：
获取所述第一终端的操作信息生成所述操作脚本；
获取与所述操作信息对应的第一请求信息，其中，所述第一请求信息为所述目标应用程序进行测试时服务器端接收到的请求信息；
根据所述操作脚本和所述第一请求信息生成所述测试数据。
4.如权利要求3所述的应用程序测试方法，其特征在于，所述根据所述操作脚本在所述第二终端进行测试，得到测试结果的步骤，包括以下步骤：
触发所述第二终端的测试指令，在所述第二终端上运行所述操作脚本；
获取所述第二终端运行所述操作脚本时服务器端接收到的请求信息作为第二请求信息；
将所述第一请求信息和第二请求信息进行对比以确定所述测试结果。
5.如权利要求1所述的应用程序测试方法，其特征在于，所述根据所述微表情信息获取测试信息的步骤，包括下述步骤：
判断所述微表情信息是否属于预设的情绪类别；
当所述微表情信息属于预设的情绪类别时，获取所述目标应用程序的界面截图；
根据所述界面截图生成所述测试信息。
6.如权利要求1-5任一项所述的应用程序测试方法，其特征在于，所述获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情的步骤之前，包括下述步骤：
获取所述测试用户的面部图像；
将所述面部图像输入到微表情判断模型中，其中，所述微表情判断模型为已训练至收敛的，用于对输入的面部图像进行微表情分类的神经网络模型；
根据所述微表情判断模型的输出结果确定所述微表情信息。
7.如权利要求6所述的应用程序测试方法，其特征在于，所述获取所述测试用户的面部图像的步骤之前，包括下述步骤：
获取测试画面，其中，所述测试画面为对所述目标应用程序进行测试时采集到的实时画面；
从所述测试画面中抽取帧画面，判断所述帧画面中是否存在人脸图像；
当所述帧画面中存在人脸图像时，定义所述帧画面为所述面部图像。
8.一种应用程序测试装置，其特征在于，包括：
获取模块，用于获取测试人员的微表情信息，其中，所述微表情信息为第一终端获取到的所述测试人员的面部微表情；
处理模块，用于根据所述微表情信息获取测试信息，其中，所述测试信息为所述微表情信息属于预设的情绪类别时目标应用程序的界面截图；
执行模块，用于根据所述测试信息生成测试报告，其中，所述测试报告为用于反映测试过程中测试人员的微表情与应用程序界面之间的关系的数据信息。
9.一种计算机设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述权利要求1-7任意一项所述的应用程序测试方法。
10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种应用程序测试方法，所述方法包括上述权利要求1-7任意一项所述的应用程序测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910198982.2A CN109992505B (zh) | 2019-03-15 | 应用程序测试方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910198982.2A CN109992505B (zh) | 2019-03-15 | 应用程序测试方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109992505A true CN109992505A (zh) | 2019-07-09 |
| CN109992505B CN109992505B (zh) | 2024-07-02 |
Family
ID=
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111078532A (zh) * | 2019-11-25 | 2020-04-28 | 北京云测信息技术有限公司 | 一种终端设备的测试方法、装置及系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106236115A (zh) * | 2016-08-12 | 2016-12-21 | 渤海大学 | 一种心理测试系统 |
| CN106407935A (zh) * | 2016-09-21 | 2017-02-15 | 俞大海 | 基于人脸图像和眼动注视信息的心理测试方法 |
| CN106598865A (zh) * | 2016-12-22 | 2017-04-26 | 动视云（北京）科技有限公司 | 一种软件测试方法及装置 |
| CN107358169A (zh) * | 2017-06-21 | 2017-11-17 | 厦门中控智慧信息技术有限公司 | 一种人脸表情识别方法及人脸表情识别装置 |
| CN107705807A (zh) * | 2017-08-24 | 2018-02-16 | 平安科技（深圳）有限公司 | 基于情绪识别的语音质检方法、装置、设备及存储介质 |
| CN108153633A (zh) * | 2017-12-26 | 2018-06-12 | 深圳豪客互联网有限公司 | 一种设备测试方法及装置 |
| CN108510194A (zh) * | 2018-03-30 | 2018-09-07 | 平安科技（深圳）有限公司 | 风控模型训练方法、风险识别方法、装置、设备及介质 |
| CN108537160A (zh) * | 2018-03-30 | 2018-09-14 | 平安科技（深圳）有限公司 | 基于微表情的风险识别方法、装置、设备及介质 |
| CN108717393A (zh) * | 2018-05-16 | 2018-10-30 | 平安科技（深圳）有限公司 | 一种应用程序测试方法及移动终端 |
| CN109190487A (zh) * | 2018-08-07 | 2019-01-11 | 平安科技（深圳）有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
| CN109359056A (zh) * | 2018-12-21 | 2019-02-19 | 北京搜狗科技发展有限公司 | 一种应用程序测试方法及装置 |
| CN109376598A (zh) * | 2018-09-17 | 2019-02-22 | 平安科技（深圳）有限公司 | 面部表情图片处理方法、装置、计算机设备和存储介质 |
| CN109389492A (zh) * | 2018-09-29 | 2019-02-26 | 平安科技（深圳）有限公司 | 基于微表情计算欺诈概率的方法、系统、设备及存储介质 |
| CN109461073A (zh) * | 2018-12-14 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 智能识别的风险管理方法、装置、计算机设备及存储介质 |
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106236115A (zh) * | 2016-08-12 | 2016-12-21 | 渤海大学 | 一种心理测试系统 |
| CN106407935A (zh) * | 2016-09-21 | 2017-02-15 | 俞大海 | 基于人脸图像和眼动注视信息的心理测试方法 |
| CN106598865A (zh) * | 2016-12-22 | 2017-04-26 | 动视云（北京）科技有限公司 | 一种软件测试方法及装置 |
| CN107358169A (zh) * | 2017-06-21 | 2017-11-17 | 厦门中控智慧信息技术有限公司 | 一种人脸表情识别方法及人脸表情识别装置 |
| CN107705807A (zh) * | 2017-08-24 | 2018-02-16 | 平安科技（深圳）有限公司 | 基于情绪识别的语音质检方法、装置、设备及存储介质 |
| CN108153633A (zh) * | 2017-12-26 | 2018-06-12 | 深圳豪客互联网有限公司 | 一种设备测试方法及装置 |
| CN108510194A (zh) * | 2018-03-30 | 2018-09-07 | 平安科技（深圳）有限公司 | 风控模型训练方法、风险识别方法、装置、设备及介质 |
| CN108537160A (zh) * | 2018-03-30 | 2018-09-14 | 平安科技（深圳）有限公司 | 基于微表情的风险识别方法、装置、设备及介质 |
| CN108717393A (zh) * | 2018-05-16 | 2018-10-30 | 平安科技（深圳）有限公司 | 一种应用程序测试方法及移动终端 |
| CN109190487A (zh) * | 2018-08-07 | 2019-01-11 | 平安科技（深圳）有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
| CN109376598A (zh) * | 2018-09-17 | 2019-02-22 | 平安科技（深圳）有限公司 | 面部表情图片处理方法、装置、计算机设备和存储介质 |
| CN109389492A (zh) * | 2018-09-29 | 2019-02-26 | 平安科技（深圳）有限公司 | 基于微表情计算欺诈概率的方法、系统、设备及存储介质 |
| CN109461073A (zh) * | 2018-12-14 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 智能识别的风险管理方法、装置、计算机设备及存储介质 |
| CN109359056A (zh) * | 2018-12-21 | 2019-02-19 | 北京搜狗科技发展有限公司 | 一种应用程序测试方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111078532A (zh) * | 2019-11-25 | 2020-04-28 | 北京云测信息技术有限公司 | 一种终端设备的测试方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110659091B (zh) | 会话代理对话流用户界面 | |
| CN109684481A (zh) | 舆情分析方法、装置、计算机设备和存储介质 | |
| CN104836720A (zh) | 交互式通信中进行信息推荐的方法及装置 | |
| CN103440243B (zh) | 一种教学资源推荐方法及其装置 | |
| CN110321291A (zh) | 测试案例智能提取系统及方法 | |
| CN110032630A (zh) | 话术推荐设备、方法及模型训练设备 | |
| CN103425640A (zh) | 一种多媒体问答系统及方法 | |
| CN110888990A (zh) | 文本推荐方法、装置、设备及介质 | |
| CN108733343A (zh) | 生成语音控制指令的方法、装置及存储介质 | |
| CN102323873B (zh) | 即时通信中用以触发图标回复的方法及系统 | |
| CN113569037A (zh) | 一种消息处理方法、装置以及可读存储介质 | |
| CN109582796A (zh) | 企业舆情事件网络的生成方法、装置、设备及存储介质 | |
| CN114254158B (zh) | 视频生成方法及其装置、神经网络的训练方法及其装置 | |
| CN107784033A (zh) | 一种基于会话进行推荐的方法和装置 | |
| CN109828906A (zh) | Ui自动化测试方法、装置、电子设备及存储介质 | |
| JP7436077B2 (ja) | スキルの音声ウェイクアップ方法および装置 | |
| CN109271503A (zh) | 智能问答方法、装置、设备及存储介质 | |
| CN112579757A (zh) | 智能问答方法、装置、计算机可读存储介质及电子设备 | |
| CN108197105B (zh) | 自然语言处理方法、装置、存储介质及电子设备 | |
| CN109558531A (zh) | 新闻信息推送方法、装置以及计算机设备 | |
| CN114399205A (zh) | 一种适用于项目协作的过程性评价方法、系统和设备 | |
| KR20190103504A (ko) | 대화시나리오 자동 수집 및 온톨로지 대화 관계망을 이용한 연속 대화 방법 및 시스템 | |
| CN105718239A (zh) | 一种语音输入的方法和装置 | |
| Lee et al. | Exploiting mobile contexts for Petri-net to generate a story in cartoons | |
| CN109992505A (zh) | 应用程序测试方法、装置、计算机设备及存储介质 |
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 |