CN111931812A - 视觉算法的测试方法、装置、存储介质和电子设备 - Google Patents
视觉算法的测试方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111931812A CN111931812A CN202010618728.6A CN202010618728A CN111931812A CN 111931812 A CN111931812 A CN 111931812A CN 202010618728 A CN202010618728 A CN 202010618728A CN 111931812 A CN111931812 A CN 111931812A
- Authority
- CN
- China
- Prior art keywords
- sample data
- test
- test sample
- testing
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 349
- 230000000007 visual effect Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010998 test method Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请提供了一种视觉算法的测试方法、装置、存储介质和电子设备，其中，方法包括：在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；利用所述测试样本数据，对目标视觉算法进行测试。采用本申请实施例，可以提高视觉算法的测试效率。
Description
技术领域
本申请涉及终端技术领域，具体而言，涉及一种视觉算法的测试方法、装置、存储介质和电子设备。
背景技术
视觉算法为机器模拟动物视觉的算法。为了获取视觉算法的识别效果，需要对视觉算法进行测试。测试过程中，通常要采集测试样本，并基于采集到的测试样本对视觉算法进行测试。但目前，视觉算法的测试过程往往存在测试效率低的问题。
发明内容
为了解决上述问题，本申请实施例提供了一种视觉算法的测试方法、装置、存储介质和电子设备，可以提高视觉算法的测试效率。本技术方案如下：
第一方面，本申请实施例提供了一种视觉算法的测试方法，包括以下步骤：
在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；
利用所述测试样本数据，对目标视觉算法进行测试。
可选地，所述在非首次测试时，读取预存的测试样本数据之前，还包括：
在首次测试时，采集不同测试环境参数对应的不同测试样本数据，并保存所述不同测试样本数据。
可选地，所述保存所述不同测试样本数据，包括：
对所述不同测试样本数据分别进行编码；
存储所述编码后的不同测试样本数据。
可选地，所述在非首次测试时，读取预存的测试样本数据，包括：
在非首次测试时，获取测试环境参数，读取与所述测试环境参数对应的测试样本数据。
可选地，所述利用所述测试样本数据，对目标视觉算法进行测试，包括：
对所述测试样本数据进行解码；
利用所述解码后的测试样本数据，对目标视觉算法进行测试。
可选地，所述利用所述解码后的测试样本数据，对目标视觉算法进行测试，包括：
将所述解码后的测试样本数据传输至目标视觉算法进行处理，并生成测试结果；
保存所述测试结果，并生成包含所述测试结果的测试报告。
可选地，所述利用所述测试样本数据，对目标视觉算法进行测试，包括：
利用所述测试样本数据，对多个版本的目标视觉算法分别进行测试，获取各版本的所述视觉算法对应处理结果；
基于所述各版本的所述视觉算法对应处理结果，评估所述多个版本的目标视觉算法之间的差异。
第二方面，本申请实施例提供了一种视觉算法的测试装置，包括：
数据读取单元，用于在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；
算法测试单元，用于利用所述测试样本数据，对目标视觉算法进行测试。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项方法的步骤。
第四方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项方法的步骤。
在本申请实施例中，在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；利用所述测试样本数据，对目标视觉算法进行测试。在非首次测试时，利用系统中已保存的测试样本数据，对目标视觉算法进行测试，而不需要重新采集测试样本数据，可以提高视觉算法的测试效率。
附图说明
图1为本申请实施例提供的一种视觉算法的测试方法的流程示意图；
图2为本申请实施例提供的另一种视觉算法的测试方法的流程示意图；
图3为本申请实施例提供的又一种视觉算法的测试方法的流程示意图；
图4为本申请实施例提供的一种视觉算法的测试装置的结构示意图；
图5为本申请实施例所涉及的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
视觉算法在测试的时候需要采集样本数据，将样本数据传输给算法模块进行算法的测试处理。比如，防盗的人工智能(Artificial Intelligence，AI)算法作为一种视觉算法，测试防盗的AI算法时，需要设置不同的场景，如不同时间不同光线等，安排相关人员在对应的场景中活动，采集相关人员的图像，并以采集到的图像作为样本数据进行测试。以上的方案中，由于每次都需要设置不同场景，安排相关人员活动，再采集相关人员活动的图像，测试视觉算法的效率较低。
基于此，本申请实施例提供了一种视觉算法的测试方法，可提升视觉算法的测试效率，并可精确对比出不同版本算法之间的性能差异。参见图1，图1为本申请实施例提供的一种视觉算法的测试方法的流程示意图，所述方法包括：
S101、在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像。
视觉算法为机器模拟动物视觉的算法。视觉算法可包括图像识别算法、人脸识别算法及人形识别算法等。测试样本数据中至少包括一帧图像。视觉算法需要通过测试样本数据中包含的图像进行测试。
测试样本数据中可以包括至少一帧图像、与上述至少一帧图像对应的测试环境参数及上述至少一帧图像的图像属性参数等。测试环境参数用于表征图像采集的测试环境的属性信息。测试环境参数可包括：时间参数、光线参数等。图像属性参数用于表征图像自身的属性信息。图像属性参数可包括：单人或多人、人物是否佩戴口罩、人物是否站立、人物是否坐下等。
本申请实施例中的首次测试和非首次测试，都是针对同一目标视觉算法或多个版本的同一目标视觉算法而言的。若是多个版本的同一目标视觉算法，则各版本的视觉算法所需的测试样本数据均相同。
S102、利用所述测试样本数据，对目标视觉算法进行测试。
可选地，所述在非首次测试时，读取预存的测试样本数据，包括：
在非首次测试时，获取测试环境参数，读取与所述测试环境参数对应的测试样本数据。
首次测试时，采集测试样本数据，并将测试样本数据保存在系统中。在后续的测试中，可直接根据测试的视觉算法与测试样本数据的对应关系、测试样本数据中的测试环境参数、测试样本数据中的图像属性参数等，读取出与目标视觉算法对应的测试样本数据。
本申请实施例提供了一种如何从系统中读取与测试的目标视觉算法对应的测试样本数据的方法。读取到的测试样本数据为系统在首次对目标视觉算法进行测试时，采集并保存的。通过直接读取首次测试时保存的测试样本数据，可减少非首次的目标视觉算法的测试用时。
可选地，所述利用所述测试样本数据，对目标视觉算法进行测试，包括：
对所述测试样本数据进行解码；
利用所述解码后的测试样本数据，对目标视觉算法进行测试。
本申请实施例的方案中，首次测试时，需要采集并保存与环境参数对应的图像，并基于图像生成测试样本数据。原始采集到的图像往往比较大，占用的存储空间较多，不利于测试样本数据的保存。因此，需要对采集到的图像进行编码，再将编码后的图像和对应的测试环境参数等信息作为测试样本数据保存到系统中。
由以上分析可知，系统中的测试样本数据中图像往往是压缩编码后的图像，目标视觉算法可能无法处理压缩编码后的图像，这时就需要先对测试样本数据进行解码，再利用解码后的测试样本数据，对目标视觉算法进行测试。
此外，目标视觉算法可处理的图像格式也有可能与系统中预存的测试样本数据中图像格式不一致。如目标视觉算法可处理的图像格式为yuv格式，而系统中预存的图像格式为h.264格式，这时也需要先将测试图像样本中的h.264格式的图像数据转换解码为yuv格式的图像数据，再利用解码后的图像数据，对目标视觉算法进行测试。
可选地，所述利用所述解码后的测试样本数据，对目标视觉算法进行测试，包括：
将所述解码后的测试样本数据传输至目标视觉算法进行处理，并生成测试结果；
保存所述测试结果，并生成包含所述测试结果的测试报告。
利用解码后的测试样本数据对目标视觉算法进行测试，并生成测试结果，基于测试结果，生成对应的测试报告。测试结果可包括：是否检测到目标对象、目标对象出现的坐标位置、图像中存在单人或多人、图像中人物是否佩戴口罩、图像中人物是否站立、图像人物是否坐下等。
可根据测试结果与测试样本数据中的图像属性参数，确定目标视觉算法的测试准确性。系统可根据测试结果、测试环境参数、图像属性参数等生成测试报告。测试人员根据测试报告可准确获悉目标视觉算法的测试性能数据，便于相关人员对目标视觉算法的后续改进工作。本申请实施例的方法可提升视觉算法测试的自动化，并进一步提高视觉算法测试的效率。
可选地，所述利用所述测试样本数据，对目标视觉算法进行测试，包括：
利用所述测试样本数据，对多个版本的目标视觉算法分别进行测试，获取各版本的所述视觉算法对应处理结果；
基于所述各版本的所述视觉算法对应处理结果，评估所述多个版本的目标视觉算法之间的差异。
现有技术中，每次对视觉算法进行测试时都要重新采集测试样本数据。对于不同版本的目标视觉算法，无法保证每次测试的图像数据样本都一样。因此，不能根据同样的测试图像数据，精准地对比出不同版本的目标视觉算法的性能差异。
本申请实施例中，首次对目标视觉算法进行测试时，采集并保存对应的测试样本数据。后续多个版本的目标视觉算法进行测试时，可直接读取首次测试时保存的测试样本数据。如此，多个版本的目标视觉算法进行测试时，所利用的测试样本数据均相同。从而更方便测试人员评估多个版本的目标视觉算法之间的差异。
本申请实施例提供的方法中，在非首次测试时，利用系统中已保存的测试样本数据，对目标视觉算法进行测试，而无需再重新采集测试样本数据。因此，可以解决视觉算法的测试效率较低的问题。
参见图2，图2为本申请实施例提供的另一种视觉算法的测试方法的流程示意图，所述方法包括：
S201、在首次测试时，采集不同测试环境参数对应的不同测试样本数据，并保存所述不同测试样本数据。
视觉算法为机器模拟动物视觉的算法。测试样本数据中至少包括一帧图像。视觉算法需要通过测试样本数据中包含的图像进行测试。
测试样本数据中可以包括至少一帧图像、与上述至少一帧图像对应的测试环境参数及上述至少一帧图像的图像属性参数等。测试环境参数用于表征图像采集的测试环境的属性信息。测试环境参数可包括：时间参数、光线参数。图像属性参数用于表征图像自身的属性信息。图像属性参数可包括：单人或多人、人物是否佩戴口罩、人物是否站立、人物是否坐下等。
首次测试时，采集测试样本数据，并将测试样本数据保存在系统中。在后续的测试中，可直接根据测试的视觉算法与测试样本数据的对应关系、测试样本数据中的测试环境参数、测试样本数据中的图像属性参数等，读取出与测试的视觉算法对应的测试样本数据。
可选地，所述保存所述不同测试样本数据，包括：
对所述不同测试样本数据分别进行编码；
存储所述编码后的不同测试样本数据。
首次测试时，需要采集并保存与环境参数对应的图像，并基于图像生成测试样本数据。原始采集到的图像往往比较大，占用的存储空间较多，不利于测试样本数据的保存。因此，需要对采集到的图像进行编码，再将编码后的图像和对应的测试环境参数等信息作为测试样本数据保存到系统中。
S202、在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像。
本申请实施例中的首次测试和非首次测试，都是针对同一目标视觉算法或多个版本的同一目标视觉算法而言的。若是多个版本的同一目标视觉算法，则各版本的视觉算法所需的测试样本数据均相同。
S203、利用所述测试样本数据，对目标视觉算法进行测试。
本申请实施例的方法，在进行首次测试时，将采集到的不同测试环境参数对应的不同测试样本数据保存至系统中。保存的测试样本数据用于后续对同一目标视觉算法或同一目标视觉算法的不同版本的算法进行测试使用。后续测试时，直接利用系统中已保存的测试样本数据即可，而无需再重新采集测试样本数据。因此，本申请实施例的方法可以减少视觉算法的测试用时。
此外，现有技术中，对同一视觉算法进行测试时，需要设置不同的测试环境参数对应的场景，并采集对应的图像。本申请实施例的方法，对于同一视觉算法的同一测试环境无需重复采集相关图像，直接通过环境参数读取出测试样本数据即可。因此，可以简化测试步骤，减少测试视觉算法所需的花销。
本申请实施例描述一种摄像机自动化测试AI视觉算法的方法，可应用于摄像机领域的AI视觉算法测试。首次测试需要根据各种不同场景从图像传感器采集测试样本图像数据存储，后续的测试直接导入测试样本图像数据，以实现自动化测试。
图3为本申请实施例提供的又一种视觉算法的测试方法的流程示意图。如图3所示，本申请实施例的视觉算法的测试方法包括以下步骤：
步骤a、判断是否存在图像样本数据。若为否，则进入步骤b。若为是，则进入步骤e。步骤a中的图像样本数据是由摄像机内产生并用于AI视觉算法分析的图像数据，比如yuv或jpeg等图片格式数据，但不限于这些格式。
步骤b、采集图像样本数据。步骤b中的采集图像样本数据是从摄像机实时采集的，根据不同测试环境需要采集多次不同的图像样本数据。
步骤c、编码图像样本数据。步骤c中的编码是为了压缩图像大小，节约存储空间，压缩图像的格式可包括h.264或mjpeg等，但不限于这些格式。
步骤d、存储图像样本数据。步骤d中，把图像样本数据存储于存储介质之中，存储介质可包括：TF卡、flash或网络挂载存储设备，但不限于这些存储介质。
步骤e、读取图像样本数据。步骤e中，从存储介质中读取之前存储的图像样本数据。
步骤f、解码图像样本数据。步骤f中，把步骤c编码的格式解码成可以用于AI视觉算法分析可处理格式的图像数据。
步骤g、传输图像样本数据给AI视觉算法处理。步骤g中，AI视觉算法包括人脸检测、人脸识别、人形识别等，但不限于这些视觉算法。
步骤h、获取AI视觉算法处理结果。步骤h中的AI视觉算法处理结果需要根据不同算法适配。处理结果通常包括是否检测到目标对象、目标对象出现的坐标位置等，但不限于这些。
步骤i、存储AI视觉算法处理结果。步骤i中，把AI视觉算法处理结果存储于存储介质之中。
本申请实施例的方法，改变原有的摄像机AI视觉算法的测试模式，不需要每次测试都从图像传感器实时采集图像数据，只需要采集一次图像样本数据，就可以循环多次测试，提高测试效率。
每次修改AI视觉算法之后也可重复使用之前保存的图像样本数据。使用相同测试样本数据更有利于对比不同算法版本的差异，降低测试误差。本申请实施例的方法自动保存AI视觉算法处理结果，生成测试报告，提高测试效率。
为使本申请实施例的方法更便于理解，以下以摄像机自动化测试人形检测算法的测试过程为例进行说明。摄像机自动化测试人形检测算法的测试过程的步骤如下：
步骤1、判断TF卡是否存在图像样本数据。若为否，则进入步骤2。若为是，则进入步骤5。
步骤2、从图像传感器实时采集yuv格式图像样本数据，同时相关人员模拟各种测试环境中的人形走动。
步骤3、把yuv图像样本数据编码为h.264格式。
步骤4、将图像样本数据存储到TF卡中。
步骤5、从TF卡读取图像样本数据。
步骤6、解码图像样本数据，生成yuv格式的图像数据。
步骤7、将步骤6生成的图像样本数据传输给人形检测算法处理。
步骤8、获取人形检测算法处理结果。
步骤9、存储人形检测算法处理结果。处理结果可包括是否出现人形、出现的坐标位置、时间等。
本申请实施例的方法只需要采集一次图像样本数据，就可以循环多次测试，可以提高测试效率。另外，因为只需要采集一次图像样本数据，利用相同样本测试，更有利于对比不同算法版本的差异，可以提高测试精度。此外，还可自动保存算法处理结果，生成测试报告，进而提高测试效率。
请参见图4，图4是本申请实施例提供的一种视觉算法的测试装置结构示意图。如图4所示，所述视觉算法的测试装置包括：
数据读取单元401，用于在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；
算法测试单元402，用于利用所述测试样本数据，对目标视觉算法进行测试。
可选地，所述装置还包括：
数据保存单元403，用于在首次测试时，采集不同测试环境参数对应的不同测试样本数据，并保存所述不同测试样本数据。
可选地，所述数据保存单元403具体用于：
对所述不同测试样本数据分别进行编码；
存储所述编码后的不同测试样本数据。
可选地，所述数据读取单元401具体用于：
在非首次测试时，获取测试环境参数，读取与所述测试环境参数对应的测试样本数据。
可选地，所述算法测试单元402具体用于：
对所述测试样本数据进行解码；
利用所述解码后的测试样本数据，对目标视觉算法进行测试。
可选地，所述算法测试单元402具体用于：
将所述解码后的测试样本数据传输至目标视觉算法进行处理，并生成测试结果；
保存所述测试结果，并生成包含所述测试结果的测试报告。
可选地，所述算法测试单元402具体用于：
利用所述测试样本数据，对多个版本的目标视觉算法分别进行测试，获取各版本的所述视觉算法对应处理结果；
基于所述各版本的所述视觉算法对应处理结果，评估所述多个版本的目标视觉算法之间的差异。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是FPGA(Field－Programmable Gate Array，现场可编程门阵列)、IC(Integrated Circuit，集成电路)等。
本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。
本申请实施例的方法只需要采集一次图像样本数据，就可以循环多次测试，可以提高测试效率。另外，因为只需要采集一次图像样本数据，利用相同样本测试，更有利于对比不同算法版本的差异，可以提高测试精度。此外，还可自动保存算法处理结果，生成测试报告，进而提高测试效率。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述视觉算法的测试方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC)，或适合于存储指令和/或数据的任何类型的媒介或设备。
参见图5，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施上述实施例中提供的视觉算法的测试方法。具体来讲：
存储器1020可用于存储软件程序以及模块，处理器1080通过运行存储在存储器1020的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器1020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据终端设备的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器1020还可以包括存储器控制器，以提供处理器1080和输入单元1030对存储器1020的访问。
输入单元1030可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元1030可包括触敏表面1031(例如：触摸屏、触摸板或触摸框)。触敏表面1031，也称为触摸显示屏或者触控板，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面1031上或在触敏表面1031附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面1031可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1080，并能接收处理器1080发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面1031。
显示单元1040可用于显示由用户输入的信息或提供给用户的信息以及终端设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1040可包括显示面板1041，可选的，可以采用LCD(Liquid Crystal Display，液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板1041。进一步的，触敏表面1031可覆盖显示面板1041，当触敏表面1031检测到在其上或附近的触摸操作后，传送给处理器1080以确定触摸事件的类型，随后处理器1080根据触摸事件的类型在显示面板1041上提供相应的视觉输出。虽然触敏表面1031与显示面板1041可以是作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将触敏表面1031与显示面板1041集成而实现输入和输出功能。
处理器1080是终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器1020内的软件程序和/或模块，以及调用存储在存储器1020内的数据，执行终端设备的各种功能和处理数据，从而对终端设备进行整体监控。可选的，处理器1080可包括一个或多个处理核心；其中，处理器1080可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1080中。
具体在本实施例中，终端设备的显示单元是触摸屏显示器，终端设备还包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行述一个或者一个以上程序包含实现上述视觉算法的测试方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
以上介绍仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种视觉算法的测试方法，其特征在于，所述方法包括：
在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；
利用所述测试样本数据，对目标视觉算法进行测试。
2.根据权利要求1所述的方法，其特征在于，所述在非首次测试时，读取预存的测试样本数据之前，还包括：
在首次测试时，采集不同测试环境参数对应的不同测试样本数据，并保存所述不同测试样本数据。
3.根据权利要求2所述的方法，其特征在于，所述保存所述不同测试样本数据，包括：
对所述不同测试样本数据分别进行编码；
存储所述编码后的不同测试样本数据。
4.根据权利要求3所述的方法，其特征在于，所述在非首次测试时，读取预存的测试样本数据，包括：
在非首次测试时，获取测试环境参数，读取与所述测试环境参数对应的测试样本数据。
5.根据权利要求3所述的方法，其特征在于，所述利用所述测试样本数据，对目标视觉算法进行测试，包括：
对所述测试样本数据进行解码；
利用所述解码后的测试样本数据，对目标视觉算法进行测试。
6.根据权利要求5所述的方法，其特征在于，所述利用所述解码后的测试样本数据，对目标视觉算法进行测试，包括：
将所述解码后的测试样本数据传输至目标视觉算法进行处理，并生成测试结果；
保存所述测试结果，并生成包含所述测试结果的测试报告。
7.根据权利要求1所述的方法，其特征在于，所述利用所述测试样本数据，对目标视觉算法进行测试，包括：
利用所述测试样本数据，对多个版本的目标视觉算法分别进行测试，获取各版本的所述视觉算法对应处理结果；
基于所述各版本的所述视觉算法对应处理结果，评估所述多个版本的目标视觉算法之间的差异。
8.一种视觉算法的测试装置，其特征在于，所述装置包括：
数据读取单元，用于在非首次测试时，读取预存的测试样本数据，所述测试样本数据为首次测试时采集并保存，所述测试样本数据包括至少一帧图像；
算法测试单元，用于利用所述测试样本数据，对目标视觉算法进行测试。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618728.6A CN111931812A (zh) | 2020-07-01 | 2020-07-01 | 视觉算法的测试方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618728.6A CN111931812A (zh) | 2020-07-01 | 2020-07-01 | 视觉算法的测试方法、装置、存储介质和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111931812A true CN111931812A (zh) | 2020-11-13 |
Family
ID=73316903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010618728.6A Pending CN111931812A (zh) | 2020-07-01 | 2020-07-01 | 视觉算法的测试方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111931812A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108593310A (zh) * | 2018-06-14 | 2018-09-28 | 驭势科技（北京）有限公司 | 离线测试系统和方法 |
| CN109522825A (zh) * | 2018-10-31 | 2019-03-26 | 蔚来汽车有限公司 | 视觉感知系统的性能测试系统及其性能测试方法 |
| CN110691011A (zh) * | 2019-10-14 | 2020-01-14 | 重庆紫光华山智安科技有限公司 | 监控平台测试方法、装置、存储介质及服务器 |
| CN110705651A (zh) * | 2019-10-17 | 2020-01-17 | 上海眼控科技股份有限公司 | 用于对视频识别准确率测试的方法、装置、设备及介质 |
| CN110826646A (zh) * | 2019-11-27 | 2020-02-21 | 深圳市优必选科技股份有限公司 | 机器人视觉测试方法、装置、存储介质及终端设备 |
-
2020
- 2020-07-01 CN CN202010618728.6A patent/CN111931812A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108593310A (zh) * | 2018-06-14 | 2018-09-28 | 驭势科技（北京）有限公司 | 离线测试系统和方法 |
| CN109522825A (zh) * | 2018-10-31 | 2019-03-26 | 蔚来汽车有限公司 | 视觉感知系统的性能测试系统及其性能测试方法 |
| CN110691011A (zh) * | 2019-10-14 | 2020-01-14 | 重庆紫光华山智安科技有限公司 | 监控平台测试方法、装置、存储介质及服务器 |
| CN110705651A (zh) * | 2019-10-17 | 2020-01-17 | 上海眼控科技股份有限公司 | 用于对视频识别准确率测试的方法、装置、设备及介质 |
| CN110826646A (zh) * | 2019-11-27 | 2020-02-21 | 深圳市优必选科技股份有限公司 | 机器人视觉测试方法、装置、存储介质及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107025174B (zh) | 用于设备的用户界面异常测试的方法、装置和可读储介质 | |
| JP6959495B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
| CN111309618B (zh) | 页面元素定位方法、页面测试方法及相关装置 | |
| CN108829371B (zh) | 界面控制方法、装置、存储介质及电子设备 | |
| CN112857268B (zh) | 对象面积测量方法、装置、电子设备和存储介质 | |
| JP6653929B1 (ja) | 自動判別処理装置、自動判別処理方法、検査システム、プログラム、および記録媒体 | |
| US20150169134A1 (en) | Methods circuits apparatuses systems and associated computer executable code for providing projection based human machine interfaces | |
| CN111598903A (zh) | 人像分割方法、装置、存储介质和电子设备 | |
| CN113256583A (zh) | 图像质量检测方法及装置、计算机设备和介质 | |
| CN108763350B (zh) | 文本数据处理方法、装置、存储介质及终端 | |
| CN114996103A (zh) | 页面异常检测方法、装置、电子设备和存储介质 | |
| CN110390295B (zh) | 一种图像信息识别方法、装置及存储介质 | |
| CN104281258B (zh) | 使用图像捕获设备调整透明显示器 | |
| CN112149570A (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
| CN114299478A (zh) | 结合rpa和ai的图像处理方法、装置及电子设备 | |
| CN111523292B (zh) | 用于获取图像信息的方法和装置 | |
| CN110798681B (zh) | 成像设备的监测方法、装置和计算机设备 | |
| CN109753217B (zh) | 动态键盘操作方法、装置、存储介质及电子设备 | |
| CN116645672A (zh) | 基于图像框选识别与自动录入的方法、系统、终端及介质 | |
| CN111931812A (zh) | 视觉算法的测试方法、装置、存储介质和电子设备 | |
| CN111258875A (zh) | 界面测试方法及系统、电子设备、存储介质 | |
| CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
| CN114842476A (zh) | 水印检测方法及装置、模型训练方法及装置 | |
| CN113900932A (zh) | 测试脚本生成方法、装置、介质及电子设备 | |
| CN113626786A (zh) | 局域无线网内设备管理方法、装置、存储介质及设备 |
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 |