CN111626369B - 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 - Google Patents
一种人脸识别算法效果评估方法、装置、机器可读介质及设备 Download PDFInfo
- Publication number
- CN111626369B CN111626369B CN202010473232.4A CN202010473232A CN111626369B CN 111626369 B CN111626369 B CN 111626369B CN 202010473232 A CN202010473232 A CN 202010473232A CN 111626369 B CN111626369 B CN 111626369B
- Authority
- CN
- China
- Prior art keywords
- face
- similarity
- picture
- alarm prompt
- recognition algorithm
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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
- G06V40/172—Classification, e.g. identification
Abstract
本发明提供一种人脸识别算法效果评估方法,包括:获取测试人脸图片与人脸库的注册人脸图片的相似度;获取相似度超过相似度阈值所对应的注册人脸图片;对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;根据标记检测结果对所述人脸识别算法的识别结果进行判断。本发明的提出一种人脸识别算法效果评估方法、装置,先将目标图片进行标记处理,即机器可识别是正确目标;然后将需要肉眼或人工确认答案的环节近似等价化;最后计算机自动统计,输出报表结果,直观展示。
Description
技术领域
本发明属于人脸识别领域,具体涉及一种人脸识别算法效果评估方法、装置、机器可读介质及设备。
背景技术
随着科学技术的不断发展和进步,人像生物识别技术的日益成熟和完善,人像生物识别技术成为全球最前沿的生物识别技术及图像处理技术,在当今社会公共安全防范、刑侦、技侦、网络安全、金融安全等诸多领域将发挥着独有的不可替代的作用。动态人脸识别不需要停驻等待,你只要出现在一定识别范围内,无论你是行走还是停立,系统就会自动进行识别,由于动态识别系统本身组成复杂,涉及场景多变,识别效果评估变得异常困难,而用户又很关心识别效果是否满足业务需求,现有技术中缺少动态系统识别效果的快速方法,因此亟需一种快速评估识别效果的方法与系统,一能快速反馈研发持续优化产品;二能让用户快速的评判系统是否满足他们的业务需求。
目前测试方案是通过注册目标库与干扰库,设置固定阈值,人工一一确定正确报警与错误报警来确定系统的优劣,缺点一目了然:1、人工参与度高,数据量大时效率低且易出错;2、结果不直观,不能反映阈值的好坏;2、重复的更改阈值使测试变的琐碎与繁杂;4、系统调优与算法优化周期变长,在激烈竞争环境下非常不利。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种人脸识别算法效果评估方法、装置、机器可读介质及设备,用于解决现有技术存在的问题。
为实现上述目的及其他相关目的,本发明提供一种人脸识别算法效果评估方法,包括:
获取测试人脸图片与人脸库的注册人脸图片的相似度;
获取相似度超过相似度阈值所对应的注册人脸图片;
对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;
根据标记检测结果对所述人脸识别算法的识别结果进行判断。
可选地,所述注册人脸图片包括标记图片和干扰图片。
可选地,所述标记检测结果包括具有标记、不具有标记。
可选地,若所述标记检测结果为具有标记,则所述识别结果为正确识别结果;若所述标记检测结果为不具有标记,则所述识别结果为错误识别结果。
可选地,在所述相似度超过所述相似度阈值时,发出报警提示。
可选地,若发出报警提示对应的注册人脸图片具有标记,则所述报警提示为正确报警提示;若发出报警提示对应的注册人脸图片不具有标记,则所述报警提示为错误报警提示。
为实现上述目的及其他相关目的,本发明提供一种人脸识别算法效果评估装置,包括:
相似度获取模块,用于获取测试人脸图片与人脸库的注册人脸图片的相似度;
图片获取模块,用于获取相似度超过相似度阈值所对应的注册人脸图片;
标记检测模块,用于对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;
结果判断模块,用于根据标记检测结果对所述人脸识别算法的识别结果进行判断。
可选地,所述注册人脸图片包括标记图片和干扰图片。
可选地,所述标记检测结果包括具有标记、不具有标记。
可选地,若所述标记检测结果为具有标记,则所述识别结果为正确识别结果;若所述标记检测结果为不具有标记,则所述识别结果为错误识别结果。
可选地,在所述相似度超过所述相似度阈值时,发出报警提示。
可选地,若发出报警提示对应的注册人脸图片具有标记,则所述报警提示为正确报警提示;若发出报警提示对应的注册人脸图片不具有标记,则所述报警提示为错误报警提示。
为实现上述目的及其他相关目的,本发明提供一种设备,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行前述的一个或多个所述的方法。
为实现上述目的及其他相关目的,本发明提供一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行前述的一个或多个所述的方法。
如上所述,本发明提供的一种人脸识别算法效果评估方法、装置、机器可读介质及设备,具有以下有益效果:
本发明的提出一种人脸识别算法效果评估方法、装置,先将目标图片进行标记处理,即机器可识别是正确目标;然后将需要肉眼或人工确认答案的环节近似等价化;最后计算机自动统计,输出报表结果,直观展示。
本发明的效果在出结果快,准确度降低;人力成本大幅度减少,而且效率高,便于自动化;实现复杂度低;调优响应快;结果直观便捷。
附图说明
图1为本发明一实施例中一种人脸识别算法效果评估方法的流程图;
图2为本发明一实施例中一种人脸识别算法效果评估装置的示意图;
图3为一实施例提供的终端设备的硬件结构示意图。
图4为另一实施例提供的终端设备的硬件结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
在进行人脸识别算法效果评估的过程中,任何一个对象(目标、干扰目标)被命中的概率是1/N,若目标有P个,概率是P/N,若干扰目标有D个,概率是D/N。一般来说,在实际测试过程中,都采用的测试样本中,干扰目标的数目远远大于目标,即D远远大于P(现实中目标只有几十几百个,干扰有数十万或上亿个),那么命中干扰目标的概率非常接近1,因此极限的认为目标(预处理标记过)只有1个,如果报警所对应的图片为标记图片,那么就肯定正确,如果报警为没有标记的图片-干扰目标那么就为错误报警。
需要说明的是:N=D+P,P<<D,P/N≈1/N,D/N≈1-1/N。
基于前述理论,如图1所示,本发明提出一种人脸识别算法效果评估方法,包括:
S11获取测试人脸图片与人脸库的注册人脸图片的相似度;
S12获取相似度超过相似度阈值所对应的注册人脸图片;
S13对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;
S14根据标记检测结果对所述人脸识别算法的识别结果进行判断。
本发明的提出一种人脸识别算法效果评估方法,需要先将目标图片进行标记处理,即机器可识别是正确目标;然后将需要肉眼或人工确认答案的环节近似等价化;最后计算机自动统计,输出报表结果,直观展示。
在一实施例中,所述注册人脸图片包括标记图片和非标记图片,其中标记图片具有标记,图片可以为不同格式的图片。测试人脸图片包括干扰图片和目标图片,目标图片可以被认为和标记图片具有同一人脸。例如,注册人脸图片可以为bmp或Jpg等图片格式。每个注册人脸图片都可以拥有一个或多个标记,例如,一张图片包含4个标记,这4个标记分别为标记A、标记B、标记C和标记D;当然也可以采有同样的标记对每张图片进行标记,每张图片的标记数量都可以进行选择,例如采用3个同样的标记对目标图片进行标记,这3个标记均为标记A。在本实施例中,标记的数目与标记的类型不限,只要能通过这些标记识别出目标图片就满足本发明的需求。
所述测试人脸图片与注册人脸图片可以通过一个或多个图像采集设备获取。图像采集设备可以为摄像机,例如可以通过部署抓拍像机装置或者复用已经建设的视频监控系统的网络摄像机。而摄像机可以为来自普通的RGB摄像头,也可以为能够采集深度信息的RGBD摄像头。当然测试人脸图片也选择本地图片、输入图片链接地址等方式获取。
在本实施例中,计算测试人脸图片与注册人脸图片的相似度,相似度的计算可以通过欧式距离、余弦距离得到。在具体实施过程中,将测试人脸图片的人脸特征与预存于人脸库中的注册人脸图片的人脸特征逐一进行比对,判断测试人脸图片与注册人脸图片的相似度。人脸特征包括眼睛、眉毛、鼻子和嘴巴等特征,人脸特征提取算法包括Pictorial、Structure、Top-Down算法。
在本实施例中,获取相似度超过相似度阈值所对应的注册人脸图片。具体是可以在测试人脸图片与注册人脸图片的相似度超过相似度阈值时,记录相应的注册人脸图片。其中,相似度阈值可以为0.9,即当测试人脸图片与注册人脸图片的相似度超过0.9时,则认为人脸库中存在该人脸图像。在本实施例中,相似度阈值可以改变,例如,0.85,0.9,0.95,可以根据需要自行选择不同的相似度阈值。
在获取到相应的注册人脸图片后,对该人脸图片进行标记检测。即检测图片中是否具有前述的标记,标记的检测方法属有现有技术,此处不再赘述。所述标记检测结果包括具有标记、不具有标记。若所述标记检测结果为具有标记,则认为所述识别结果为正确识别结果;若所述标记检测结果为不具有标记,则认为所述识别结果为错误识别结果。
在一实施例中,在所述相似度超过所述相似度阈值时,发出报警提示。可以理解为,当测试人脸图片和注册人脸图片识别为同一人脸的时候,发出报警提示。发出报警提示包括以下几种情况,例如:
将注册人脸图片中的标记图片和目标图片识别为同一人脸;
将注册人脸图片中的标记图片和干扰图片识别为同一人脸;
将注册人脸图片中的非标记图片和目标图片识别为同一人脸;
将注册人脸图片中的非标记图片和干扰图片识别为同一人脸。
按照传统的方法需要全部人工一一确认这些报警提示是错误报警提示还是正确报警提示。为了人脸识别算法的识别结果可靠和有效,数据量要求上千、上万、数十万条,如果场景很多,如果迭代够快,可想而知,人工确认就变得繁琐、低效、易出错。
因此,在本实施例中,定义若发出报警提示对应的注册人脸图片具有标记,则所述报警提示为正确报警提示;若发出报警提示对应的注册人脸图片不具有标记,则所述报警提示为错误报警提示。
但通过上述方法确定的正确报警提示也会存在错报的情况,即将注册人脸图片中的标记图片和干扰图片识别为同一人脸。但在实际应用过程中,该种情况出现的概率极小,因此可以忽略不计,依然认为这种情况的报警提示为正确报警提示。
最后根据正确报警提示、错误报警提示就可以判断人脸识别算法的效果。可以将正确报警、错误报警、漏识(即在相似度超过相似度阈值时,应该报警而实际上没有报警)生成报表,以及行业标准的ROC曲线直观展现。
如图2所示,本发明提供一种人脸识别算法效果评估装置,包括:
相似度获取模块21,用于获取测试人脸图片与人脸库的注册人脸图片的相似度;
图片获取模块22,用于获取相似度超过相似度阈值所对应的注册人脸图片;
标记检测模块23,用于对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;
结果判断模块24,用于根据标记检测结果对所述人脸识别算法的识别结果进行判断。
本发明的提出一种人脸识别算法效果评估装置,先将目标图片进行标记处理,即机器可识别是正确目标;然后将需要肉眼或人工确认答案的环节近似等价化;最后计算机自动统计,输出报表结果,直观展示。
在一实施例中,所述注册人脸图片包括标记图片和非标记图片,其中标记图片具有标记,图片可以为不同格式的图片。测试人脸图片包括干扰图片和目标图片,目标图片可以被认为和标记图片具有同一人脸。例如,注册人脸图片可以为bmp或Jpg等图片格式。每个注册人脸图片都可以拥有一个或多个标记,例如,一张图片包含4个标记,这4个标记分别为标记A、标记B、标记C和标记D;当然也可以采有同样的标记对每张图片进行标记,每张图片的标记数量都可以进行选择,例如采用3个同样的标记对目标图片进行标记,这3个标记均为标记A。在本实施例中,标记的数目与标记的类型不限,只要能通过这些标记识别出目标图片就满足本发明的需求。
所述测试人脸图片与注册人脸图片可以通过一个或多个图像采集设备获取。图像采集设备可以为摄像机,例如可以通过部署抓拍像机装置或者复用已经建设的视频监控系统的网络摄像机。而摄像机可以为来自普通的RGB摄像头,也可以为能够采集深度信息的RGBD摄像头。当然测试人脸图片也选择本地图片、输入图片链接地址等方式获取。
在本实施例中,计算测试人脸图片与注册人脸图片的相似度,相似度的计算可以通过欧式距离、余弦距离得到。在具体实施过程中,将测试人脸图片的人脸特征与预存于人脸库中的注册人脸图片的人脸特征逐一进行比对,判断测试人脸图片与注册人脸图片的相似度。人脸特征包括眼睛、眉毛、鼻子和嘴巴等特征,人脸特征提取算法包括Pictorial、Structure、Top-Down算法。
在本实施例中,获取相似度超过相似度阈值所对应的注册人脸图片。具体是可以在测试人脸图片与注册人脸图片的相似度超过相似度阈值时,记录相应的注册人脸图片。其中,相似度阈值可以为0.9,即当测试人脸图片与注册人脸图片的相似度超过0.9时,则认为人脸库中存在该人脸图像。在本实施例中,相似度阈值可以改变,例如,0.85,0.9,0.95,可以根据需要自行选择不同的相似度阈值。
在获取到相应的注册人脸图片后,对该人脸图片进行标记检测。即检测图片中是否具有前述的标记,标记的检测方法属有现有技术,此处不再赘述。所述标记检测结果包括具有标记、不具有标记。若所述标记检测结果为具有标记,则认为所述识别结果为正确识别结果;若所述标记检测结果为不具有标记,则认为所述识别结果为错误识别结果。
在一实施例中,在所述相似度超过所述相似度阈值时,发出报警提示。可以理解为,当测试人脸图片和注册人脸图片识别为同一人脸的时候,发出报警提示。发出报警提示包括以下几种情况,例如:
将注册人脸图片中的标记图片和目标图片识别为同一人脸;
将注册人脸图片中的标记图片和干扰图片识别为同一人脸;
将注册人脸图片中的非标记图片和目标图片识别为同一人脸;
将注册人脸图片中的非标记图片和干扰图片识别为同一人脸。
按照传统的方法需要全部人工一一确认这些报警提示是错误报警提示还是正确报警提示。为了人脸识别算法的识别结果可靠和有效,数据量要求上千、上万、数十万条,如果场景很多,如果迭代够快,可想而知,人工确认就变得繁琐、低效、易出错。
因此,在本实施例中,定义若发出报警提示对应的注册人脸图片具有标记,则所述报警提示为正确报警提示;若发出报警提示对应的注册人脸图片不具有标记,则所述报警提示为错误报警提示。
但通过上述方法确定的正确报警提示也会存在错报的情况,即将注册人脸图片中的标记图片和干扰图片识别为同一人脸。但在实际应用过程中,该种情况出现的概率极小,因此可以忽略不计,依然认为这种情况的报警提示为正确报警提示。
最后根据正确报警提示、错误报警提示就可以判断人脸识别算法的效果。可以将正确报警、错误报警、漏识(即在相似度超过相似度阈值时,应该报警而实际上没有报警)生成报表,以及行业标准的ROC曲线直观展现。
本申请实施例还提供了一种设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3,Moving Picture Experts GroupAudio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4,Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例的图1中方法所包含步骤的指令(instructions)。
图3为本申请一实施例提供的终端设备的硬件结构示意图。如图所示,该终端设备可以包括:输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,第一存储器1103中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的,上述输入设备1100可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;输出设备1102可以包括显示器、音响等输出设备。
在本实施例中,该终端设备的处理器包括用于执行各设备中各模块的功能,具体功能和技术效果参照上述实施例即可,此处不再赘述。
图4为本申请的一个实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图所示,本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码,实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,例如消息,图片,视频等。第二存储器1202可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,第二处理器1201设置在处理组件1200中。该终端设备还可以包括:通信组件1203,电源组件1204,多媒体组件1205,语音组件1206,输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令,以完成上述数据处理方法中的全部或部分步骤。此外,处理组件1200可以包括一个或多个模块,便于处理组件1200和其他组件之间的交互。例如,处理组件1200可以包括多媒体模块,以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统,一个或多个电源,及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如,语音组件1206包括一个麦克风(MIC),当终端设备处于操作模式,如语音识别模式时,麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中,语音组件1206还包括一个扬声器,用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口,上述外围接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器,用于为终端设备提供各个方面的状态评估。例如,传感器组件1208可以检测到终端设备的打开/关闭状态,组件的相对定位,用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在,包括检测用户与终端设备间的距离。在一些实施例中,该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个实施例中,该终端设备中可以包括SIM卡插槽,该SIM卡插槽用于插入SIM卡,使得终端设备可以登录GPRS网络,通过互联网与服务器建立通信。
由上可知,在图4实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图3实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种人脸识别算法效果评估方法,其特征在于,包括:
获取测试人脸图片与人脸库的注册人脸图片的相似度;
获取相似度超过相似度阈值所对应的注册人脸图片;
对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;所述标记检测结果包括具有标记、不具有标记;
根据标记检测结果对所述人脸识别算法的识别结果进行判断;
若所述标记检测结果为具有标记,则所述识别结果为正确识别结果;若所述标记检测结果为不具有标记,则所述识别结果为错误识别结果。
2.根据权利要求1所述的人脸识别算法效果评估方法,其特征在于,所述注册人脸图片包括标记图片和非标记图片。
3.根据权利要求1所述的人脸识别算法效果评估方法,其特征在于,在所述相似度超过所述相似度阈值时,发出报警提示。
4.根据权利要求3所述的人脸识别算法效果评估方法,其特征在于,若发出报警提示对应的注册人脸图片具有标记,则所述报警提示为正确报警提示;若发出报警提示对应的注册人脸图片不具有标记,则所述报警提示为错误报警提示。
5.一种人脸识别算法效果评估装置,其特征在于,包括:
相似度获取模块,用于获取测试人脸图片与人脸库的注册人脸图片的相似度;
图片获取模块,用于获取相似度超过相似度阈值所对应的注册人脸图片;
标记检测模块,用于对所述相似度超过相似度阈值所对应的注册人脸图片进行标记检测;所述标记检测结果包括具有标记、不具有标记;
结果判断模块,用于根据标记检测结果对所述人脸识别算法的识别结果进行判断;若所述标记检测结果为具有标记,则所述识别结果为正确识别结果;若所述标记检测结果为不具有标记,则所述识别结果为错误识别结果。
6.根据权利要求5所述的人脸识别算法效果评估装置,其特征在于,所述注册人脸图片包括标记图片和非标记图片。
7.根据权利要求5所述的人脸识别算法效果评估装置,其特征在于,在所述相似度超过所述相似度阈值时,发出报警提示。
8.根据权利要求7所述的人脸识别算法效果评估装置,其特征在于,若发出报警提示对应的注册人脸图片具有标记,则所述报警提示为正确报警提示;若发出报警提示对应的注册人脸图片不具有标记,则所述报警提示为错误报警提示。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述处理器执行如权利要求1-4所述的一个或多个所述的方法。
10.一个或多个机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得处理器执行如权利要求1-4所述的一个或多个所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010473232.4A CN111626369B (zh) | 2020-05-29 | 2020-05-29 | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010473232.4A CN111626369B (zh) | 2020-05-29 | 2020-05-29 | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626369A CN111626369A (zh) | 2020-09-04 |
CN111626369B true CN111626369B (zh) | 2021-07-30 |
Family
ID=72260154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010473232.4A Active CN111626369B (zh) | 2020-05-29 | 2020-05-29 | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626369B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023250A (zh) * | 2016-05-16 | 2016-10-12 | 长春理工大学 | 一种图像识别与跟踪中目标遮蔽强度的评价方法 |
CN108875474A (zh) * | 2017-07-18 | 2018-11-23 | 北京旷视科技有限公司 | 评估人脸识别算法的方法、装置及计算机存储介质 |
CN111126122A (zh) * | 2018-10-31 | 2020-05-08 | 浙江宇视科技有限公司 | 人脸识别算法评估方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190034706A1 (en) * | 2010-06-07 | 2019-01-31 | Affectiva, Inc. | Facial tracking with classifiers for query evaluation |
-
2020
- 2020-05-29 CN CN202010473232.4A patent/CN111626369B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106023250A (zh) * | 2016-05-16 | 2016-10-12 | 长春理工大学 | 一种图像识别与跟踪中目标遮蔽强度的评价方法 |
CN108875474A (zh) * | 2017-07-18 | 2018-11-23 | 北京旷视科技有限公司 | 评估人脸识别算法的方法、装置及计算机存储介质 |
CN111126122A (zh) * | 2018-10-31 | 2020-05-08 | 浙江宇视科技有限公司 | 人脸识别算法评估方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于视频的人脸识别研究进展;严严,章毓晋;《计算机学报》;20090531;第878-886页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111626369A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112052186B (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN111814885B (zh) | 一种管理图像框的方法、系统、设备及介质 | |
CN111723746A (zh) | 场景识别模型生成方法、系统、平台、设备及介质 | |
CN111898495B (zh) | 一种动态阈值管理方法、系统、设备及介质 | |
CN111640112B (zh) | 图像检测方法、系统、平台、设备及介质、图像处理装置 | |
CN111310725A (zh) | 一种对象识别方法、系统、机器可读介质及设备 | |
CN111626229A (zh) | 一种对象管理方法、装置、机器可读介质及设备 | |
CN113076903A (zh) | 一种目标行为检测方法、系统、计算机设备及机器可读介质 | |
CN114581998A (zh) | 一种基于目标对象关联特征融合的布控方法、系统、设备和介质 | |
CN111626369B (zh) | 一种人脸识别算法效果评估方法、装置、机器可读介质及设备 | |
CN110674123B (zh) | 数据预处理方法、装置、设备及介质 | |
CN111178455B (zh) | 图像聚类方法、系统、设备及介质 | |
CN112989299A (zh) | 一种交互式身份识别方法、系统、设备及介质 | |
CN112132056A (zh) | 一种活体检测方法、系统、设备及介质 | |
CN113269730B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
CN114943872A (zh) | 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备 | |
CN112051270B (zh) | 一种输电线缺陷检测方法、系统、设备及介质 | |
CN112417197B (zh) | 一种排序方法、装置、机器可读介质及设备 | |
CN112347982A (zh) | 基于视频的无监督难例数据挖掘方法、装置、介质及设备 | |
CN113508391A (zh) | 一种数据处理方法、装置和系统、介质和计算机设备 | |
CN111753852A (zh) | 茶叶识别方法、推荐方法、茶叶识别装置、设备及介质 | |
CN113835582B (zh) | 一种终端设备、信息显示方法和存储介质 | |
CN116468883B (zh) | 一种高精度图像数据体积雾识别方法及装置 | |
CN111131766B (zh) | 一种基于智能网关的数据处理方法、系统、设备及介质 | |
US11070716B2 (en) | Image sensor system, image sensor, data generation method of image sensor in image sensor system, and non-transitory computer-readable recording medium |
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 | ||
GR01 | Patent grant |