CN115601799B - 一种基于人脸识别的评测方法、系统、设备及存储介质 - Google Patents

一种基于人脸识别的评测方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN115601799B
CN115601799B CN202211100651.9A CN202211100651A CN115601799B CN 115601799 B CN115601799 B CN 115601799B CN 202211100651 A CN202211100651 A CN 202211100651A CN 115601799 B CN115601799 B CN 115601799B
Authority
CN
China
Prior art keywords
face
test
face recognition
equipment
acquisition
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
Application number
CN202211100651.9A
Other languages
English (en)
Other versions
CN115601799A (zh
Inventor
罗辉
肖郑华
冯敏捷
王志锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GUANGZHOU SHENGTONG QUALITY TESTING OF CONSTRUCTION CO Ltd
Original Assignee
GUANGZHOU SHENGTONG QUALITY TESTING OF CONSTRUCTION CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GUANGZHOU SHENGTONG QUALITY TESTING OF CONSTRUCTION CO Ltd filed Critical GUANGZHOU SHENGTONG QUALITY TESTING OF CONSTRUCTION CO Ltd
Priority to CN202211100651.9A priority Critical patent/CN115601799B/zh
Publication of CN115601799A publication Critical patent/CN115601799A/zh
Application granted granted Critical
Publication of CN115601799B publication Critical patent/CN115601799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V40/168—Feature extraction; Face representation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请涉及一种基于人脸识别的评测方法、系统、设备及存储介质，其方法应用于集成有IPC设备和NVR设备的人脸识别系统，包括获取预存的人脸图像信息，并搭建人脸识别测试集，其中，所述人脸识别测试集包括测试目标集和测试探测集，将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果，实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集，将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果，根据所述识别测试结果和所述采集测试结果，生成人脸识别系统的完整评测结果。本申请具有提高人脸识别评测准确度的效果。

Description

一种基于人脸识别的评测方法、系统、设备及存储介质
技术领域
本发明涉及人脸识别的技术领域，尤其是涉及一种基于人脸识别的评测方法、系统、计算机设备及存储介质。
背景技术
目前，随着人脸识别技术的不断发展，人脸识别已广泛应用于身份识别、活体检测和虚拟现实游戏等多个领域，随着人脸识别技术在视觉监测、数字视频处理和内容检索等多个领域的普及，尤其是在安防领域，对人脸识别的准确度也提出了更高的要求。
现有的人脸识别的评测方式通常为通过人证核验设备、人脸识别门禁或闸机等设备进行静态图片比对，或者通过静态人脸图片与系统数据库中已存储的人员图片信息进行比较，根据比对结果计算核验设备的识别失败率，进而得到人脸识别设备的准确度评测结果，但是，在人脸识别的实际应用场景中如商场、机场等人流量大且光线不稳定，还存在人脸遮挡或待检测人员不配合现象，容易得到复杂人脸图像信息，测试环境和测试人数量级都难以长时间保持一致，对人脸识别的评测准确率产生误差影响。
针对上述中的相关技术，发明人认为存在有复杂人脸图像信息对人脸识别评测准确度存在误差影响的缺陷。
发明内容
为了提高人脸识别评测准确度，本申请提供一种基于人脸识别的评测方法、系统、计算机设备及存储介质。
本申请的上述发明目的一是通过以下技术方案得以实现的：
提供一种基于人脸识别的评测方法，所述基于人脸识别的评测方法应用于集成有IPC设备和NVR设备的人脸识别系统，包括：
获取预存的人脸图像信息，并搭建人脸识别测试集，其中，所述人脸识别测试集包括测试目标集和测试探测集；
将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果；
实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集；
将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果；
根据所述识别测试结果和所述采集测试结果，生成人脸识别系统的完整评测结果。
通过采用上述技术方案，由于对NVR设备的测试往往需要进行长时间、大数据量的测试，若采用现场测试，往往难以长时间保持测试环境和测试人员数量量级的一致性，因此，本申请通过将现场采集到的视频流样式的人脸图像信息，根据预设的测试集构建标准，搭建人脸识别测试集，本申请通过将人脸识别测试集直接导入NVR设备中进行人脸测试，通过将测试数据录制成视频的方式，使NVR设备的测试环境和测试人员量级保持在稳定状态，提高NVR设备的人脸识别和人脸比对功能的测试准确度；由于IPC设备不支持数据导入，因此通过IPC现场采集到的现场人像信息，搭建IPC设备的人像采集测试集，便于根据人像采集测试集评测IPC设备的人像采集功能，通过人像采集测试集和NVR设备中的人脸图像信息进行比对，通过NVR设备中的测试目标集为IPC设备的评测提供一个识别准确度的评测指标，从而得到IPC设备的采集测试结果，提高IPC设备的采集测试准确度；本申请根据识别测试结果和采集测试结果，对人脸识别系统的IPC设备和NVR设备进行全面的评测，得到人脸识别系统的完整评测结果，有助于根据完整评测结果对人脸识别系统的人脸识别功能进行完整的评测，提高人脸识别评测准确度。
本申请在一较佳示例中可以进一步配置为：所述将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果，具体包括：
对所述测试目标集和所述测试探测集分别进行图像预处理，得到目标人脸特征信息和探测人脸特征信息；
将所述探测人脸特征信息和所述目标人脸特征信息进行特征比对，得到人脸特征比对结果；
根据所述人脸特征比对结果，对所述探测人脸特征信息进行量化注册处理，得到注册人数信息；
根据所述注册人数信息与所述测试目标集中的待检测总人数进行计算，得到人脸识别系统的注册失败率。
通过采用上述技术方案，由于人脸特征提取的过程中，存在角度、光线和面部遮挡等多种干扰因素，容易影响人脸特征提取的准确性，因此，通过对测试目标集和测试探测集进行图像预处理，将图像质量进行优化，并提取图像中的人脸特征进行建模，得到目标人脸特征信息和探测人脸特征信息，有助于通过目标人脸特征信息为NVR设备的性能测试和功能测试提供一个参考指标，通过探测人脸特征信息为NVR设备在多个应用环境下的人脸识别准确度进行评测，根据人脸特征比对结果来判断测试探测集中包含的测试目标集的测试人数，并通过对探测人脸特征信息的量化注册处理，将探测人脸特征信息注册进NVR设备，从而得到NVR设备在多个应用场景下识别到的注册人数信息，并根据注册人数信息和测试目标集中的待检测总人数进行计算，得到人脸识别系统的NVR设备的注册失败率，通过多个应用场景下的测试探测集与测试目标集的注册失败率的计算，有助于计算出每个应用场景下的人脸识别系统的人脸识别准确性，通过对多个应用场景下的人脸识别准确度评测，来提高人脸识别系统的NVR设备的评测准确度。
本申请在一较佳示例中可以进一步配置为：所述将所述探测人脸特征信息和所述目标人脸特征信息进行特征比对，得到人脸特征比对结果之后，且在根据所述人脸特征比对结果，对所述探测人脸特征信息进行量化注册处理，得到注册人数信息之前，还包括：
实时获取人脸识别系统的NVR设备评测指标，其中，所述NVR设备评测指标包括非监视名单误报率和监视名单漏报率；
根据所述人脸特征信息与预存的监视人员的人脸特征进行比对，得到人脸特征比对结果；
根据所述人脸特征比对结果，判断所述测试探测集是否含有监视人员的人脸图像信息；
若是，则根据监视人员的人脸图像信息，计算人脸识别系统的非监视人员误报率和监视人员漏报率。
通过采用上述技术方案，通过预设的NVR设备评测指标，包括非监视名单误报率和监视名单漏报率等，根据测试探测集的人脸特征信息和预存的监视人员名单中的监视人员的人脸特征进行比对，根据人脸特征的欧几里得距离的相似程度，得到人脸特征比对结果，进而通过人脸特征比对结果判断测试探测集中是否含有监视人员的人脸图像信息，当测试探测集中出现监视人员的人脸图像信息时，根据预设的计算公式，分别计算人脸识别系统的非监视人员误报率和监视人员漏报率，从而得到NVR设备在每个应用场景下的非监视人员误报率和监视人员漏报率，从而根据非监视人员误报率和监视人员漏报率，得到人脸识别系统的监视人员识别准确度的评测结果，提高监视人员的人脸识别和人脸比对功能的评测准确性。
本申请在一较佳示例中可以进一步配置为：所述将所述人脸识别测试集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果，还包括：
对所述测试目标集和所述测试探测集中的识别人脸数量分别进行统计，得到目标识别人数和探测识别人数；
对所述目标识别人数和所述探测识别人数进行计算，得到人脸识别系统的识别准确率；
对所述测试探测集中的每个人脸识别时间进行统计，得到每个探测识别人数的响应时间；
根据每个探测识别人数的响应时间，计算得到人脸识别系统的平均响应时间。
通过采用上述技术方案，由于从多个应用场景中获取的测试探测集，存在光线、场地和人脸遮挡等多种干扰因素，因此，通过对测试目标集和测试探测集中识别到的人脸数量进行统计，从而有助于根据目标识别人数为不同应用场景下的测试探测集的识别准确度提供一个识别参考，根据目标识别人数和每个应用场景下的探测识别人数进行计算，得到人脸识别系统在多个应用场景下的识别准确率，有助于根据多个应用场景下的识别准确率对人脸识别系统的人脸识别功能进行多维度的评测，并通过对NVR设备中对每个测试探测集的人脸识别时间的统计，得到不同应用环境下人脸识别系统对每个探测识别人员的识别耗时的统计，从而计算出人脸识别系统在不同应用场景下的人脸识别的平均响应时间，根据识别准确率和平均响应时间，对人脸识别系统的人脸识别性能进行综合评测，提高人脸识别系统在不同应用场景下的人脸识别性能的评测准确度。
本申请在一较佳示例中可以进一步配置为：所述将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果，具体包括：
对所述人像采集测试集进行人脸特征提取处理，得到符合预设人像要求的合格人脸图像信息；
对所述合格人脸图像信息进行人脸辨认处理，得到待检测人脸图像信息；
将所述待检测人脸图像信息和所述NVR设备中预先导入的测试目标集进行人脸图像比对，得到采集人脸比对结果；
根据所述采集人脸比对结果，计算所述IPC设备的人脸识别准确率，得到所述IPC设备的采集测试结果。
通过采用上述技术方案，由于市面上主流的IPC设备均不支持数据导入的方式进行评测，因此，通过将IPC设备中采集到的人脸图像信息发送至NVR设备进行人脸识别处理，通过对采集到的人像采集测试集进行人脸特征提取，得到符合预设人像要求的合格人脸图像信息，有助于根据合格人脸图像信息筛选掉不符合人像要求的识别干扰图像，通过对合格人脸图像信息的人脸辨认处理，对人像采集测试集中的人脸进行提取，得到待检测人脸图像信息，进一步地降低人脸识别系统的识别干扰，并通过待检测人脸图像信息和NVR设备中的测试目标集的进行人脸图像比对，有助于根据采集人脸比对结果，来计算IPC设备的人脸识别准确率，根据人脸识别准确率来得到IPC设备在多个应用场景下的人像采集功能的评测结果，本申请根据IPC设备的人脸识别准确率进行单独计算，降低NVR设备测试探测集对IPC设备采集功能测试评测的影响，从而提高IPC设备的采集功能的评测准确度。
本申请在一较佳示例中可以进一步配置为：所述将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果，还包括：
接收所述IPC设备发送的人像比对请求，调取所述NVR设备中预先设置的比对告警原则；
根据所述采集人脸比对结果，判断待检测人脸图像信息是否触发所述比对告警原则；
若是，则触发报警功能，并向所述IPC设备发送用于对目标人物进行持续监测的示踪指令。
通过采用上述技术方案，由于在实际监视过程中，往往需要对监视人员进行持续性的跟踪，因此，根据IPC设备发送的人像比对请求，触发NVR设备中预先设置的比对告警原则，有助于根据比对告警原则及时筛查出进入IPC监控范围的监视人员，并根据采集人脸比对结果，判断待检测人脸图像信息是否触发比对告警原则，即判断IPC设备的人像采集测试集中是否出现NVR设备的监视名单中的监视人员，若是，则触发NVR设备的报警功能，并向IPC设备发送示踪指令对目标人物进行持续性监测，根据IPC设备对目标人物的持续性监测的结果，对IPC设备的持续性监测功能进行评测，从而得到IPC设备的监测功能评测结果，从多维度对IPC设备的采集功能和监测功能进行评测，提高IPC设备的评测结果准确性。
本申请在一较佳示例中可以进一步配置为：所述实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集之后，且在将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果之前，还包括：
对所述人像采集测试集进行格式转换处理，得到可被计算机识别的数字信号格式的人像采集测试数字集；
对所述人像采集测试数字集进行数据封装处理，得到便于网络传输的人像采集测试集封装包。
通过采用上述技术方案，由于IPC设备采集到的是携带有人脸图像的静态图片或视频流信息，若要对视频流中的人脸图像进行特征提取或分析，需要进行格式转换，因此，在将人脸采集测试集发送至NVR设备之前，先将人像采集测试集进行格式转换，得到可被计算机识别的数字信号格式的人像采集测试数字集，便于计算机对人像采集测试集的人脸特征提取进行处理，并按照采集时间的发生顺序，对人像采集测试数字集进行数据封装处理，从而得到便于网络传输的人像采集测试封装包，便于人像采集测试集数据的远程传输，提高IPC设备与NVR设备之间的数据传输便利性。
本申请的上述发明目的二是通过以下技术方案得以实现的：
提供一种基于人脸识别的评测系统，所述基于人脸识别的评测系统应用于集成有IPC设备和NVR设备的人脸识别系统，包括：
数据获取模块，用于获取预存的人脸图像信息，并搭建人脸识别测试集，其中，所述人脸识别测试集包括测试目标集和测试探测集；
人脸识别测试模块，用于将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果；
人像采集模块，用于实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集；
采集功能测试模块，用于将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果；
评测结果生成模块，用于根据所述识别测试结果和所述采集测试结果，生成人脸识别系统的完整评测结果。
通过采用上述技术方案，由于对NVR设备的测试往往需要进行长时间、大数据量的测试，若采用现场测试，往往难以长时间保持测试环境和测试人员数量量级的一致性，因此，本申请通过将现场采集到的视频流样式的人脸图像信息，根据预设的测试集构建标准，搭建人脸识别测试集，本申请通过将人脸识别测试集直接导入NVR设备中进行人脸测试，通过将测试数据录制成视频的方式，使NVR设备的测试环境和测试人员量级保持在稳定状态，提高NVR设备的人脸识别和人脸比对功能的测试准确度；由于IPC设备不支持数据导入，因此通过IPC现场采集到的现场人像信息，搭建IPC设备的人像采集测试集，便于根据人像采集测试集评测IPC设备的人像采集功能，通过人像采集测试集和NVR设备中的人脸图像信息进行比对，通过NVR设备中的测试目标集为IPC设备的评测提供一个识别准确度的评测指标，从而得到IPC设备的采集测试结果，提高IPC设备的采集测试准确度；本申请根据识别测试结果和采集测试结果，对人脸识别系统的IPC设备和NVR设备进行全面的评测，得到人脸识别系统的完整评测结果，有助于根据完整评测结果对人脸识别系统的人脸识别功能进行完整的评测，提高人脸识别评测准确度。
本申请的上述目的三是通过以下技术方案得以实现的：
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人脸识别的评测方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的：
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的评测方法的步骤。
综上所述，本申请包括以下至少一种有益技术效果：
1、通过将现场采集到的视频流样式的人脸图像信息，根据预设的测试集构建标准，搭建人脸识别测试集，本申请通过将人脸识别测试集直接导入NVR设备中进行人脸测试，通过将测试数据录制成视频的方式，使NVR设备的测试环境和测试人员量级保持在稳定状态，提高NVR设备的人脸识别和人脸比对功能的测试准确度；由于IPC设备不支持数据导入，因此通过IPC现场采集到的现场人像信息，搭建IPC设备的人像采集测试集，便于根据人像采集测试集评测IPC设备的人像采集功能，通过人像采集测试集和NVR设备中的人脸图像信息进行比对，通过NVR设备中的测试目标集为IPC设备的评测提供一个识别准确度的评测指标，从而得到IPC设备的采集测试结果，提高IPC设备的采集测试准确度；本申请根据识别测试结果和采集测试结果，对人脸识别系统的IPC设备和NVR设备进行全面的评测，得到人脸识别系统的完整评测结果，有助于根据完整评测结果对人脸识别系统的人脸识别功能进行完整的评测，提高人脸识别评测准确度；
2、通过对测试目标集和测试探测集进行图像预处理，将图像质量进行优化，并提取图像中的人脸特征进行建模，得到目标人脸特征信息和探测人脸特征信息，有助于通过目标人脸特征信息为NVR设备的性能测试和功能测试提供一个参考指标，通过探测人脸特征信息为NVR设备在多个应用环境下的人脸识别准确度进行评测，根据人脸特征比对结果来判断测试探测集中包含的测试目标集的测试人数，并通过对探测人脸特征信息的量化注册处理，将探测人脸特征信息注册进NVR设备，从而得到NVR设备在多个应用场景下识别到的注册人数信息，并根据注册人数信息和测试目标集中的待检测总人数进行计算，得到人脸识别系统的NVR设备的注册失败率，通过多个应用场景下的测试探测集与测试目标集的注册失败率的计算，有助于计算出每个应用场景下的人脸识别系统的人脸识别准确性，通过对多个应用场景下的人脸识别准确度评测，来提高人脸识别系统的NVR设备的评测准确度；
3、通过对采集到的人像采集测试集进行人脸特征提取，得到符合预设人像要求的合格人脸图像信息，有助于根据合格人脸图像信息筛选掉不符合人像要求的识别干扰图像，通过对合格人脸图像信息的人脸辨认处理，对人像采集测试集中的人脸进行提取，得到待检测人脸图像信息，进一步地降低人脸识别系统的识别干扰，并通过待检测人脸图像信息和NVR设备中的测试目标集的进行人脸图像比对，有助于根据采集人脸比对结果，来计算IPC设备的人脸识别准确率，根据人脸识别准确率来得到IPC设备在多个应用场景下的人像采集功能的评测结果，本申请根据IPC设备的人脸识别准确率进行单独计算，降低NVR设备测试探测集对IPC设备采集功能测试评测的影响，从而提高IPC设备的采集功能的评测准确度。
附图说明
图1是本申请一实施例中的一种基于人脸识别的评测方法的实现流程图。
图2是本申请一实施例中的基于人脸识别的评测方法步骤S20的实现流程图。
图3是本申请一实施例中的基于人脸识别的评测方法步骤S20中误报漏报计算的实现流程图。
图4是本申请一实施例中的基于人脸识别的评测方法步骤S20的另一实现流程图。
图5是本申请一实施例中的基于人脸识别的评测方法步骤S40的实现流程图。
图6是本申请一实施例中的基于人脸识别的评测方法步骤S40的另一实现流程图。
图7是本申请一实施例中的基于人脸识别的评测方法步骤S40中进行数据格式转换的实现流程图。
图8是本申请一实施例中的一种基于人脸识别的评测系统的结构示意图。
图9是本申请一实施例中用于实现基于人脸识别的评测方法的计算机设备内部结构示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中，如图1所示，本申请公开了一种基于人脸识别的评测方法，基于人脸识别的评测方法应用于集成有IPC设备和NVR设备的人脸识别系统，具体包括如下步骤：
S10：获取预存的人脸图像信息，并搭建人脸识别测试集，其中，人脸识别测试集包括测试目标集和测试探测集。
具体的，按照预设的测试场景要求进行布置，并安排测试人员模拟真实检测情况随机进入检测区域，并进行测试视频的录制，在需要进行人脸识别系统的评测时，从录制好的测试视频获取预存的人脸图像信息，并按照应用场景的不同，或者光照环境、角度、表情、采集设备或采集时间等的差异，搭建人脸识别测试集，其中，测试目标集由标准的室内环境和无任何遮挡且人脸特征清晰的测试人员进行拍摄得到，测试探测集根据应用场景、光照和人脸遮挡的不同需求进行拍摄得到，按照应用场景的不同划分为多个测试探测集。
S20：将测试目标集和测试探测集导入NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果。
具体的，根据预设的信息通道如USB，将录制好的视频样式的测试目标集和测试探测集分别导入NVR设备中，便于NVR设备对测试目标集和测试探测集分别进行人脸识别测试，从而得到人脸识别系统的识别测试结果，如图2所示，步骤S20具体包括：
S101：对测试目标集和测试探测集分别进行图像预处理，得到目标人脸特征信息和探测人脸特征信息。
具体的，根据人脸图像的运动变化情况，将人像信息从运动变化区域中分割出来，如根据人脸运动的情况，运动状态下的人脸将静态的建筑、车辆等背景提取出来，并在视频流或者图像中标记人脸的位置及大小，对标记后的人脸信息进行有用信息的提取，如通过直方图特征、颜色特征、人脸模板特征、人脸结构特征和Haar特征等，进行人脸特征挑选，从而得到目标人脸特征信息和探测人脸特征信息。
S102：将探测人脸特征信息和目标人脸特征信息进行特征比对，得到人脸特征比对结果。
具体的，根据预设的视觉特征、人脸图像变化系数特征和人脸图像代数特征等，对探测人脸特征信息和目标人脸特征信息分别进行人脸特征建模，得到携带有每个检测人员人脸图像信息的目标人脸特征模型，和不同应用场景下的探测人脸特征模型，将目标人脸特征模型作为比对参考指标，将探测人脸特征模型中的每个检测人员的人脸特征，如面部轮廓的欧几里得距离进行比对，根据比对的相似程度判断检测人员的身份信息是否与目标人脸模型中的检测人员相符合，从而得到人脸特征比对结果。
本实施例中，为了更好地对NVR设备的人脸识别功能进行评测，在将探测人脸特征信息和目标人脸特征信息进行特征比对，得到人脸特征比对结果之后，且在根据人脸特征比对结果，对探测人脸特征信息进行量化注册处理，得到注册人数信息之前，如图3所示，步骤S20还包括：
S201：实时获取人脸识别系统的NVR设备评测指标，其中，NVR设备评测指标包括非监视名单误报率和监视名单漏报率。
具体的，在NVR设备对测试探测集中的人脸特征进行识别时，实时获取人脸识别系统中的NVR设备的评测指标，如非监视名单误报率和监视名单漏报率，其中，非监视名单误报率是指NVR设备将非监视名单内的人员标记为监视人员，造成误报现象，监视名单漏报率是指未将监视名单中的监视人员正确标记出来，造成漏报现象；根据对应的NVR设备评测指标调用对应的指标计算公式， 如错误标记的人员数量与全部标记的人员数量的商值作为非监视名单误报率，漏标记的监视人员数量与监视名单总标记人员数量的商值作为监视名单漏报率。
S202：根据人脸特征信息与预存的监视人员的人脸特征进行比对，得到人脸特征比对结果。
具体的，将测试探测集中的人脸特征信息与预存的监视人员的人员特征进行比对，如面部轮廓和五官之间的欧几里得距离进行比对，从而根据每个人员面部特征之间的欧几里得距离的相似程度得到人脸特征比对结果。
S203：根据人脸特征比对结果，判断测试探测集是否含有监视人员的人脸图像信息。
具体的，根据人脸特征比对结果，即测试探测集的人脸特征的欧几里得距离相似程度，来判断测试探测集中是否含有监视人员名单中的监视人员的人脸图像信息，若人脸特征比对结果的相似程度达到预设阈值，则说明测试探测集中含有监视人员的人脸图像信息；若人脸特征比对结果的相似程度未达到预设阈值，则说明测试探测集中未含有监视人员的人脸图像信息。
S204：若是，则根据监视人员的人脸图像信息，计算人脸识别系统的非监视人员误报率和监视人员漏报率。
具体的，若测试探测集中含有监视人员的人脸图像信息，则根据监视人员的人脸图像信息，统计NVR设备标记的监视人员数量，并根据预设的非监视人员误报率公式，对NVR设备的非监视人员误报率进行计算，如NVR设备标记的监视人员数量为25，总监视人员数量为20，总检测人数为100，则非监视人员误报率为5%；根据预设的监视人员漏报率公式，对NVR设备的监视人员漏报率进行计算，如NVR设备中标记的监视人员数量为20，总监视人员数量为30，总检测人员数量为100，则NVR设备的监视人员漏报率为10%。
需要说明的是，本申请中所举的例子仅限于对本申请的方案进行说明，并不对本申请构成任何保护范围的限定。
S205：若否，则对测试探测集中的人员出现次序进行重新排列。
具体的，若测试探测集中未检测到监视人员的人脸信息，则需要对测试探测集中的非监视人员和监视人员的出现次序进行重新调整，以便于使测试结果更加贴合实际应用场合，如将非监视人员和监视人员进行随机打乱，并按照非监视人员数量高于监视人员数量的2倍及以上进行检测人员的测试，可以多人同时出现在测试区域，通过多次打乱非监视人员和监视人员的出现次序，使评测结果更加贴合人脸识别系统的随机性。
S103：根据人脸特征比对结果，对探测人脸特征信息进行量化注册处理，得到注册人数信息。
具体的，根据人脸特征比对结果，判断测试探测集中的人员是否符合测试目标集的人员特征，将符合测试目标集的探测集人员的探测人脸特征信息进行量化注册处理，如将每个检测人员的不同表情、不同角度、不同遮挡情况和不同采集时间下的全部人脸图像信息保存至同一存储路径下，形成人脸注册数据集，并将每个检测人员的人脸注册数据集注册进行人脸识别系统，根据注册的成功情况，得到NVR设备中的注册人数信息。
S104：根据注册人数信息与测试目标集中的待检测总人数进行计算，得到人脸识别系统的注册失败率。
具体的，根据预设的注册失败率计算公式，如获取测试探测集中识别到的测试总人数，将测试总人数和注册人数信息的差值作为未成功注册人数，将未成功注册人数和待检测总人数的比值作为注册失败率，如测试探测集中识别到的测试总人数为100人，未成功注册人数为10人，测试目标集中的待检测总人数为200人，则注册失败率为5%。
本实施例中，为了从多维度对NVR设备的人脸识别性能进行评测，如图4所示，步骤S20还包括：
S301：对测试目标集和测试探测集中的识别人脸数量分别进行统计，得到目标识别人数和探测识别人数。
具体的，对测试目标集中识别到的人脸数量进行统计，得到目标识别人数，通过目标识别人数为测试探测集的人脸识别准确率评测提供参考指标；对根据应用场景的不同，对测试探测集中的识别人脸数量进行统计，得到NVR设备在每个应用场景下的探测识别人数，如将人像从运动变化区域中分割出来，得到一个人脸图像信息，则对应的识别人数增加1。
S302：对目标识别人数和探测识别人数进行计算，得到人脸识别系统的识别准确率。
具体的，根据预设的识别准确率计算公式，对目标识别人数和探测识别人数进行计算，得到人脸识别系统的识别准确率，如目标识别人数为100，探测识别人数为90，则识别准确率为90%。
S303：对测试探测集中的每个人脸识别时间进行统计，得到每个探测识别人数的响应时间。
具体的，对测试探测集中的每个人脸识别时间进行统计，即将人像从运动变化区域中分割出来所需要的时间，则得到每个探测识别人数的响应时间，如将人员A从运动变化区域中分割出来的用时为5秒，将人员B从运动变化区域中分割出来的用时为6秒，并将检测人员的图像信息以及对应的响应时间进行关联存储。
S304：根据每个探测识别人数的响应时间，计算得到人脸识别系统的平均响应时间。
具体的，对同一应用场景下的探测识别人数的响应时间进行计算，如将同一测试探测集下的全部探测识别人数的响应时间进行相加，将响应时间总和与全部探测识别人数之间的差值作为平均响应时间。
S30：实时采集评测现场的现场人像信息，并搭建IPC设备的人像采集测试集。
具体的，通过IPC设备从评测现场实时采集现场人像信息，如根据人脸识别应用场景的不同，在评测现场安装IPC设备，通过IPC设备的摄像头捕获从评测现场经过的检测人员的图像信息，根据应用场景的不同，搭建每个应用场景下的IPC设备的人像采集测试集，需要说明的是，应用场景包括过道、自动扶梯、安检门、柜台和人行道等多处。
S40：将人像采集测试集发送至NVR设备中进行采集功能测试，得到IPC设备的采集测试结果。
具体的，通过IPC设备和NVR设备之间预先搭建的信息通道，将人像采集测试集发送至NVR设备，如根据IPC设备和NVR设备的位置标识码，以网络传输的方式将人像采集测试集发送至NVR设备，如图5所示，步骤S40具体包括：
S401：对人像采集测试集进行人脸特征提取处理，得到符合预设人像要求的合格人脸图像信息。
具体的，对人像采集测试集中出现的人像从运动变化区域中分割出来并进行标记，对标记后的人像进行人脸特征提取，如根据每个人脸信息的直方图特征、颜色特征、面部结构特征和Haar特征等进行人脸特征提取，得到符合预设人像要求的合格人脸图像信息。
S402：对合格人脸图像信息进行人脸辨认处理，得到待检测人脸图像信息。
具体的，对每个合格人脸图像信息进行人脸辨认，并根据合格人脸图像信息中的角度、光线、面部遮挡等情况对合格人脸图像信息进行灰度校正、光线补偿和直方图均衡化等处理，并对人脸图像信息中的人脸面部结构和五官之间的欧几里得距离进行计算，从而得到待检测人脸图像信息。
S403：将待检测人脸图像信息和NVR设备中预先导入的测试目标集进行人脸图像比对，得到采集人脸比对结果。
具体的，将每个待检测人脸图像信息和NVR设备中预先导入的测试目标集进行人脸图像特征比对，如将每个待检测人脸图像信息中的人脸特征的欧几里得距离，与测试目标集中的人脸特征欧几里得距离进行相似度比对，按照每项人脸特征的相似度比对结果，判断待检测人员图像信息是否与测试目标集中的检测人员相匹配，从而根据待检测人脸图像信息和测试目标集的比对，得到采集人脸比对结果。
S404：根据采集人脸比对结果，计算IPC设备的人脸识别准确率，得到IPC设备的采集测试结果。
具体的，根据采集人脸比对结果，统计欧几里得距离相似度超过阈值的人员数量作为目标人员数量，将目标人员数量与测试探测集中实际含有的测试目标集人员之间的比值，作为IPC设备的人脸识别准确率，从而得到IPC设备的采集测试结果，如目标人员数量为20个，测试目标集中参与测试探测集的人数为25人，则IPC设备的人脸识别准确率为80%。
本实施例中，为了更好地对IPC设备的识别性能进行评测，如图6所示，步骤S40还包括：
S501：接收IPC设备发送的人像比对请求，调取NVR设备中预先设置的比对告警原则。
具体的，根据预设的信息通道接收IPC设备发送的人像比对请求，如在接收到IPC设备发送的人像采集测试集之后，自动触发人像比对请求，从而根据人像比对请求调用NVR设备中预先设置的比对告警原则，比对告警原则用于在检测到检测区域内出现预设的监视名单人员时自动触发报警。
S502：根据采集人脸比对结果，判断待检测人脸图像信息是否触发比对告警原则。
具体的，根据人像采集测试集和测试目标集之间的采集人脸比对结果，来判断人脸图像信息是否触发比对告警原则，如人像采集测试集中出现监视名单上的监视人员的人脸图像信息，则说明待检测人脸图像信息触发比对告警原则；若人像采集测试集中未出现监视名单上的监视人员的人脸图像信息，则说明待检测人脸图像信息未触发比对告警原则。
S503：若是，则触发报警功能，并向IPC设备发送用于对目标人物进行持续监测的示踪指令。
具体的，当待检测人脸图像信息触发比对告警原则时，触发NVR设备的报警功能，并根据预先搭建好的信息通道向IPC设备发送用于目标人物进行持续监测的示踪指令，以便于IPC设备对目标人物的活动轨迹进行持续跟踪。
S504：若否，则根据比对告警原则，继续对IPC设备的待检测人脸图像信息进行监测。
具体的，若待检测人脸图像信息未触发比对告警原则，则说明当前人像采集测试集中未包含监视人员的图像信息，则根据比对告警原则，继续对IPC设备的待检测人脸图像信息进行监测，便于在待检测人脸图像信息符合比对告警原则时及时进行告警。
S50：根据识别测试结果和采集测试结果，生成人脸识别系统的完整评测结果。
具体的，将识别测试结果和采集测试结果综合作为人脸识别系统的评测结果，从而得到人脸识别系统的完整评测结果，其中完整评测结构包括功能测试结果和性能测试结果。
本实施例中，为了更好地在IPC设备和NVR设备中进行数据传输，在实时采集评测现场的现场人像信息，并搭建IPC设备的人像采集测试集之后，且在将人像采集测试集发送至NVR设备中进行采集功能测试，得到IPC设备的采集测试结果之前，如图7所示，还包括：
S601：对人像采集测试集进行格式转换处理，得到可被计算机识别的数字信号格式的人像采集测试数字集。
具体的，在IPC设备的摄像头获取到视频流形式的人像视频流数据，根据预设的光电转换装置将人像视频流数据转换成数字信号，从而便于计算机对人像视频流数据进行处理，得到人像采集测试数字集。
S602：对人像采集测试数字集进行数据封装处理，得到便于网络传输的人像采集测试集封装包。
具体的，对人像采集测试数字集进行数据封装处理，得到便于网络传输的人像采集测试集封装包，由于视频流数据往往内存较大，不便于IPC设备和NVR设备之间的远距离传输，因此，在得到人像采集测试封装包之后，通过预设的信息通道，将人像采集测试封装包发送至NVR设备。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种基于人脸识别的评测系统，该基于人脸识别的评测系统与上述实施例中基于人脸识别的评测方法一一对应。如图8所示，该基于人脸识别的评测系统应用于集成有IPC设备和NVR设备的人脸识别系统，包括数据获取模块、人脸识别测试模块、人像采集模块、采集功能测试模块和评测结果生成模块。各功能模块详细说明如下：
数据获取模块，用于获取预存的人脸图像信息，并搭建人脸识别测试集，其中，人脸识别测试集包括测试目标集和测试探测集。
人脸识别测试模块，用于将测试目标集和测试探测集导入NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果。
人像采集模块，用于实时采集评测现场的现场人像信息，并搭建IPC设备的人像采集测试集。
采集功能测试模块，用于将人像采集测试集发送至NVR设备中进行采集功能测试，得到IPC设备的采集测试结果。
评测结果生成模块，用于根据识别测试结果和采集测试结果，生成人脸识别系统的完整评测结果。
可选的，人脸识别测试模块具体包括：
图像预处理子模块，用于对测试目标集和测试探测集分别进行图像预处理，得到目标人脸特征信息和探测人脸特征信息。
特征比对子模块，用于将探测人脸特征信息和目标人脸特征信息进行特征比对，得到人脸特征比对结果。
注册处理子模块，用于根据人脸特征比对结果，对探测人脸特征信息进行量化注册处理，得到注册人数信息。
注册失败率计算子模块，用于根据注册人数信息与测试目标集中的待检测总人数进行计算，得到人脸识别系统的注册失败率。
可选的，人脸识别测试模块在将探测人脸特征信息和目标人脸特征信息进行特征比对，得到人脸特征比对结果之后，且在根据人脸特征比对结果，对探测人脸特征信息进行量化注册处理，得到注册人数信息之前，还包括：
评测指标获取子模块，用于实时获取人脸识别系统的NVR设备评测指标，其中，NVR设备评测指标包括非监视名单误报率和监视名单漏报率。
人脸特征比对子模块，用于根据人脸特征信息与预存的监视人员的人脸特征进行比对，得到人脸特征比对结果。
人脸图像判断子模块，用于根据人脸特征比对结果，判断测试探测集是否含有监视人员的人脸图像信息。
误报漏报计算子模块，用于若是，则根据监视人员的人脸图像信息，计算人脸识别系统的非监视人员误报率和监视人员漏报率。
可选的，人脸识别测试模块还包括：
识别人数统计子模块，用于对测试目标集和测试探测集中的识别人脸数量分别进行统计，得到目标识别人数和探测识别人数。
识别准确率计算子模块，用于对目标识别人数和探测识别人数进行计算，得到人脸识别系统的识别准确率。
响应时间统计子模块，用于对测试探测集中的每个人脸识别时间进行统计，得到每个探测识别人数的响应时间。
平均响应时间计算子模块，用于根据每个探测识别人数的响应时间，计算得到人脸识别系统的平均响应时间。
可选的，采集功能测试模块具体包括：
合格人脸图像提取子模块，用于对人像采集测试集进行人脸特征提取处理，得到符合预设人像要求的合格人脸图像信息。
人脸辨认子模块，用于对合格人脸图像信息进行人脸辨认处理，得到待检测人脸图像信息。
采集人脸比对子模块，用于将待检测人脸图像信息和NVR设备中预先导入的测试目标集进行人脸图像比对，得到采集人脸比对结果。
人脸识别准确率计算子模块，用于根据采集人脸比对结果，计算IPC设备的人脸识别准确率，得到IPC设备的采集测试结果。
可选的，采集功能测试模块还包括：
比对告警原则调取子模块，用于接收IPC设备发送的人像比对请求，调取NVR设备中预先设置的比对告警原则。
比对告警判断子模块，用于根据采集人脸比对结果，判断待检测人脸图像信息是否触发比对告警原则。
示踪指令生成子模块，用于若是，则触发报警功能，并向IPC设备发送用于对目标人物进行持续监测的示踪指令。
可选的，在实时采集评测现场的现场人像信息，并搭建IPC设备的人像采集测试集之后，且在将人像采集测试集发送至NVR设备中进行采集功能测试，得到IPC设备的采集测试结果之前，还包括：
格式转换子模块，用于对人像采集测试集进行格式转换处理，得到可被计算机识别的数字信号格式的人像采集测试数字集。
数据封装子模块，用于对人像采集测试数字集进行数据封装处理，得到便于网络传输的人像采集测试集封装包。
关于基于人脸识别的评测系统的具体限定可以参见上文中对于基于人脸识别的评测方法的限定，在此不再赘述。上述基于人脸识别的评测系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储IPC设备和NVR设备的测试集数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人脸识别的评测方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以上基于人脸识别的评测系统的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述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，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于人脸识别的评测方法，其特征在于，所述基于人脸识别的评测方法应用于集成有IPC设备和NVR设备的人脸识别系统，包括：
获取预存的人脸图像信息，并按照应用场景的不同，或者光照环境、角度、表情、采集设备或采集时间的差异，搭建人脸识别测试集，其中，所述人脸识别测试集包括测试目标集和测试探测集，测试目标集由标准的室内环境和无任何遮挡且人脸特征清晰的测试人员进行拍摄得到，测试探测集根据应用场景、光照和人脸遮挡的不同需求进行拍摄得到，按照应用场景的不同划分为多个测试探测集；
将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果；
实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集；
将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果；
根据所述识别测试结果和所述采集测试结果，生成人脸识别系统的完整评测结果；
其中，所述将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果，具体包括：
对所述测试目标集和所述测试探测集分别进行图像预处理，得到目标人脸特征信息和与若干个应用场景相对应的探测人脸特征信息；
将所述探测人脸特征信息和所述目标人脸特征信息进行面部轮廓的欧几里得距离比对，得到用于判断检测人员身份信息是否与目标人脸模型中的检测人员相符合的人脸特征比对结果；
根据所述人脸特征比对结果，对符合测试目标集的探测集人员的所述探测人脸特征信息进行量化注册处理，得到注册人数信息，具体包括：将每个检测人员的不同表情、不同角度、不同遮挡情况和不同采集时间下的全部人脸图像信息保存至同一存储路径下，形成人脸注册数据集，并将每个检测人员的人脸注册数据集注册进行人脸识别系统，根据注册的成功情况，得到NVR设备中的注册人数信息；
根据所述注册人数信息与所述测试目标集中的待检测总人数进行计算，得到人脸识别系统的注册失败率；
其中，所述将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果，具体包括：
对所述人像采集测试集进行人脸特征提取处理，得到符合预设人像要求的合格人脸图像信息；
对所述合格人脸图像信息进行人脸辨认处理，得到待检测人脸图像信息；
将所述待检测人脸图像信息和所述NVR设备中预先导入的测试目标集进行人脸图像比对，得到采集人脸比对结果；
根据所述采集人脸比对结果，计算所述IPC设备的人脸识别准确率，得到所述IPC设备的采集测试结果。
2.根据权利要求1所述的基于人脸识别的评测方法，其特征在于，所述将所述探测人脸特征信息和所述目标人脸特征信息进行特征比对，得到人脸特征比对结果之后，且在根据所述人脸特征比对结果，对所述探测人脸特征信息进行量化注册处理，得到注册人数信息之前，还包括：
实时获取人脸识别系统的NVR设备评测指标，其中，所述NVR设备评测指标包括非监视名单误报率和监视名单漏报率；
根据所述人脸特征信息与预存的监视人员的人脸特征进行比对，得到人脸特征比对结果；
根据所述人脸特征比对结果，判断所述测试探测集是否含有监视人员的人脸图像信息；
若是，则根据监视人员的人脸图像信息，计算人脸识别系统的非监视人员误报率和监视人员漏报率。
3.根据权利要求1所述的基于人脸识别的评测方法，其特征在于，所述将所述人脸识别测试集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果，还包括：
对所述测试目标集和所述测试探测集中的识别人脸数量分别进行统计，得到目标识别人数和探测识别人数；
对所述目标识别人数和所述探测识别人数进行计算，得到人脸识别系统的识别准确率；
对所述测试探测集中的每个人脸识别时间进行统计，得到每个探测识别人数的响应时间，其中，所述响应时间为将人像从运动变化区域中分割出来所需要的时间；
根据每个探测识别人数的响应时间，计算得到人脸识别系统的平均响应时间。
4.根据权利要求1所述的基于人脸识别的评测方法，其特征在于，所述将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果，还包括：
接收所述IPC设备发送的人像比对请求，调取所述NVR设备中预先设置的比对告警原则；
根据所述采集人脸比对结果，判断待检测人脸图像信息是否触发所述比对告警原则；
若是，则触发报警功能，并向所述IPC设备发送用于对目标人物进行持续监测的示踪指令。
5.根据权利要求1所述的基于人脸识别的评测方法，其特征在于，所述实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集之后，且在将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果之前，还包括：
对所述人像采集测试集进行格式转换处理，得到可被计算机识别的数字信号格式的人像采集测试数字集；
对所述人像采集测试数字集进行数据封装处理，得到便于网络传输的人像采集测试集封装包。
6.一种基于人脸识别的评测系统，其特征在于，所述基于人脸识别的评测系统应用于集成有IPC设备和NVR设备的人脸识别系统，包括：
数据获取模块，用于获取预存的人脸图像信息，并按照应用场景的不同，或者光照环境、角度、表情、采集设备或采集时间的差异，搭建人脸识别测试集，其中，所述人脸识别测试集包括测试目标集和测试探测集，测试目标集由标准的室内环境和无任何遮挡且人脸特征清晰的测试人员进行拍摄得到，测试探测集根据应用场景、光照和人脸遮挡的不同需求进行拍摄得到，按照应用场景的不同划分为多个测试探测集；
人脸识别测试模块，用于将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果；
人像采集模块，用于实时采集评测现场的现场人像信息，并搭建所述IPC设备的人像采集测试集；
采集功能测试模块，用于将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果；
评测结果生成模块，用于根据所述识别测试结果和所述采集测试结果，生成人脸识别系统的完整评测结果；
其中，所述将所述测试目标集和所述测试探测集导入所述NVR设备进行人脸识别测试，得到人脸识别系统的识别测试结果，具体包括：
图像预处理子模块，用于对所述测试目标集和所述测试探测集分别进行图像预处理，得到目标人脸特征信息和与若干个应用场景相对应的探测人脸特征信息；
特征比对子模块，用于将所述探测人脸特征信息和所述目标人脸特征信息进行面部轮廓的欧几里得距离比对，得到用于判断检测人员身份信息是否与目标人脸模型中的检测人员相符合的人脸特征比对结果；
注册处理子模块，用于根据所述人脸特征比对结果，对符合测试目标集的探测集人员的所述探测人脸特征信息进行量化注册处理，得到注册人数信息，具体包括：将每个检测人员的不同表情、不同角度、不同遮挡情况和不同采集时间下的全部人脸图像信息保存至同一存储路径下，形成人脸注册数据集，并将每个检测人员的人脸注册数据集注册进行人脸识别系统，根据注册的成功情况，得到NVR设备中的注册人数信息；
注册失败率计算子模块，用于根据所述注册人数信息与所述测试目标集中的待检测总人数进行计算，得到人脸识别系统的注册失败率；
其中，所述将所述人像采集测试集发送至所述NVR设备中进行采集功能测试，得到所述IPC设备的采集测试结果，具体包括：
合格人脸图像提取子模块，用于对所述人像采集测试集进行人脸特征提取处理，得到符合预设人像要求的合格人脸图像信息；
人脸辨认子模块，用于对所述合格人脸图像信息进行人脸辨认处理，得到待检测人脸图像信息；
采集人脸比对子模块，用于将所述待检测人脸图像信息和所述NVR设备中预先导入的测试目标集进行人脸图像比对，得到采集人脸比对结果；
人脸识别准确率计算子模块，用于根据所述采集人脸比对结果，计算所述IPC设备的人脸识别准确率，得到所述IPC设备的采集测试结果。
7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述基于人脸识别的评测方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于人脸识别的评测方法的步骤。
CN202211100651.9A 2022-09-09 2022-09-09 一种基于人脸识别的评测方法、系统、设备及存储介质 Active CN115601799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211100651.9A CN115601799B (zh) 2022-09-09 2022-09-09 一种基于人脸识别的评测方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211100651.9A CN115601799B (zh) 2022-09-09 2022-09-09 一种基于人脸识别的评测方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115601799A CN115601799A (zh) 2023-01-13
CN115601799B true CN115601799B (zh) 2023-06-30

Family

ID=84842961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211100651.9A Active CN115601799B (zh) 2022-09-09 2022-09-09 一种基于人脸识别的评测方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115601799B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063617A (zh) * 2018-07-24 2018-12-21 高新兴科技集团股份有限公司 一种人脸识别算法的分析方法及工具
CN111598132A (zh) * 2020-04-21 2020-08-28 烽火通信科技股份有限公司 一种人像识别算法性能评测方法和装置
CN111626369A (zh) * 2020-05-29 2020-09-04 广州云从博衍智能科技有限公司 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
CN112668510A (zh) * 2020-12-31 2021-04-16 公安部第三研究所 实现针对三维人脸识别设备性能测试的方法、系统、装置、处理器及其存储介质
CN113923443A (zh) * 2021-09-27 2022-01-11 深圳市天视通视觉有限公司 一种网络录像机测试方法、装置及计算机可读存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101615196A (zh) * 2009-07-28 2009-12-30 公安部第一研究所 千万级一对多人脸识别产品的测试系统与测试方法
CN109492523A (zh) * 2018-09-17 2019-03-19 深圳壹账通智能科技有限公司 人脸识别系统性能测试方法、装置、设备和存储介质
CN109558833A (zh) * 2018-11-28 2019-04-02 厦门市巨龙信息科技有限公司 一种人脸识别算法评测方法以及装置
CN110162462A (zh) * 2019-04-16 2019-08-23 深圳壹账通智能科技有限公司 基于场景的人脸识别系统的测试方法、系统和计算机设备
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
CN111291627B (zh) * 2020-01-16 2024-04-19 广州酷狗计算机科技有限公司 人脸识别方法、装置及计算机设备
CN111782835B (zh) * 2020-06-30 2024-02-27 公安部第三研究所 一种面向人脸识别设备检测的人脸测试数据库管理系统及方法
CN111783663A (zh) * 2020-06-30 2020-10-16 公安部第三研究所 一种用于人证核验设备性能检测的算法测评系统及检测方法
CN114120382B (zh) * 2020-08-25 2024-05-03 中车株洲电力机车研究所有限公司 一种人脸识别系统的测试方法、装置、电子设备及介质
CN112230205B (zh) * 2020-10-16 2023-07-07 哈尔滨工程大学 一种利用舰船辐射噪声仿真信号的水下目标识别系统性能评估方法
CN112339710B (zh) * 2020-11-20 2022-04-08 成都天兴汽车零部件有限公司 基于车联网及面部识别的汽车智能进入系统
CN114764876A (zh) * 2022-04-29 2022-07-19 中国第一汽车股份有限公司 用于感知融合算法的评价方法以及评价装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063617A (zh) * 2018-07-24 2018-12-21 高新兴科技集团股份有限公司 一种人脸识别算法的分析方法及工具
CN111598132A (zh) * 2020-04-21 2020-08-28 烽火通信科技股份有限公司 一种人像识别算法性能评测方法和装置
CN111626369A (zh) * 2020-05-29 2020-09-04 广州云从博衍智能科技有限公司 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
CN112668510A (zh) * 2020-12-31 2021-04-16 公安部第三研究所 实现针对三维人脸识别设备性能测试的方法、系统、装置、处理器及其存储介质
CN113923443A (zh) * 2021-09-27 2022-01-11 深圳市天视通视觉有限公司 一种网络录像机测试方法、装置及计算机可读存储介质

Also Published As

Publication number Publication date
CN115601799A (zh) 2023-01-13

Similar Documents

Publication Publication Date Title
CN106203458B (zh) 人群视频分析方法及系统
CN111191576B (zh) 人员行为目标检测模型构建方法、智能分析方法及系统
CN108319926A (zh) 一种工地现场的安全帽佩戴检测系统及检测方法
CN111161206A (zh) 一种图像抓拍方法、监控相机及监控系统
CN111598132B (zh) 一种人像识别算法性能评测方法和装置
CN110390229B (zh) 一种人脸图片筛选方法、装置、电子设备及存储介质
CN109298785A (zh) 一种监测设备的人机联控系统及方法
CN110189355A (zh) 安全疏散通道占用检测方法、装置、电子设备及存储介质
CN112733690A (zh) 一种高空抛物检测方法、装置及电子设备
CN110633675A (zh) 一种基于卷积神经网络的视频中火灾识别系统及方法
CN111539358A (zh) 工作状态确定方法、装置、计算机设备和存储介质
CN111899470B (zh) 人体跌倒检测方法、装置、设备及存储介质
CN111191506A (zh) 人员流量统计方法、装置、计算机设备和存储介质
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN111507232B (zh) 多模态多策略融合的陌生人识别方法和系统
CN111291627B (zh) 人脸识别方法、装置及计算机设备
CN110334568B (zh) 轨迹生成与监控方法、装置、设备及存储介质
CN112380922A (zh) 复盘视频帧确定方法、装置、计算机设备和存储介质
CN110490079A (zh) 巡检数据处理方法、装置、计算机设备和存储介质
CN111914649A (zh) 人脸识别的方法及装置、电子设备、存储介质
CN113869115A (zh) 一种人脸图像处理的方法及系统
CN115601799B (zh) 一种基于人脸识别的评测方法、系统、设备及存储介质
CN116824311A (zh) 人群分析算法的性能检测方法、装置、设备及存储介质
CN111241945A (zh) 人脸识别性能的测试方法、装置、计算机设备及存储介质
CN112149451B (zh) 一种亲密度分析方法及装置

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