[發(fā)明專利]一種人像識(shí)別算法性能評(píng)測(cè)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010315113.6
• 申請(qǐng)日: 2020-04-21
• 公開（公告）號(hào): CN111598132B
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 李永劉;朱銘?zhàn)?/a>;李帆
• 申請(qǐng)（專利權(quán)）人: 烽火通信科技股份有限公司
• 主分類號(hào): G06V10/776
• 分類號(hào): G06V10/776;G06V10/74;G06F17/10
• 代理公司: 深圳市六加知識(shí)產(chǎn)權(quán)代理有限公司 44372
• 代理人: 向彬

本發(fā)明涉及人像識(shí)別技術(shù)領(lǐng)域，提供了一種人像識(shí)別算法性能評(píng)測(cè)方法和裝置。方法包括根據(jù)各人像識(shí)別算法所適用的真實(shí)使用場(chǎng)景的數(shù)據(jù)特性，生成一組或者多組待測(cè)影響因子；根據(jù)所述一組或者多組待測(cè)影響因子篩選所述圖片底庫，得到一簇或者多簇待測(cè)圖片；計(jì)算各人像識(shí)別算法在各簇待測(cè)圖片中的測(cè)試結(jié)果，建立所述測(cè)試結(jié)果與相應(yīng)影響因子的關(guān)聯(lián)關(guān)系；根據(jù)所述一簇或者多簇待測(cè)圖片的測(cè)試結(jié)果和相應(yīng)的影響因子，完成各人像識(shí)別算法適用于所述真實(shí)使用場(chǎng)景下的性能評(píng)測(cè)打分。本發(fā)明能夠良好的反映不同算法在不同場(chǎng)景下的表現(xiàn)，為算法研發(fā)、采購提供了標(biāo)準(zhǔn)化且有一定參考價(jià)值的指標(biāo)。

【技術(shù)領(lǐng)域】

本發(fā)明涉及人像識(shí)別技術(shù)領(lǐng)域，特別是涉及一種人像識(shí)別算法性能評(píng)測(cè)方法和裝置。

【背景技術(shù)】

近年來，隨著深度學(xué)習(xí)等技術(shù)的突破，人工智能領(lǐng)域迅速發(fā)展。其中人像識(shí)別技術(shù)也得到了廣泛應(yīng)用，尤其在金融、安防、自助服務(wù)等領(lǐng)域在近幾年內(nèi)均出現(xiàn)了大量的應(yīng)用。其中也蘊(yùn)含了大量的商業(yè)機(jī)會(huì)、因此許多個(gè)人、公司、研究機(jī)構(gòu)都參與到人像識(shí)別算法的研發(fā)中來了。因此采購、研發(fā)算法中對(duì)于算法的評(píng)測(cè)也成為了很大的需求。過去對(duì)于人像算法普遍采用總的識(shí)別率、漏報(bào)率等作為指標(biāo)、然而隨著算法本身的發(fā)展，這樣單一的指標(biāo)值越來越接近，已經(jīng)不能充分體現(xiàn)算法的差異。

因此，克服該現(xiàn)有技術(shù)所存在的缺陷是本技術(shù)領(lǐng)域亟待解決的問題。

【發(fā)明內(nèi)容】

本發(fā)明要解決的技術(shù)問題是現(xiàn)有技術(shù)中的對(duì)于人像算法普遍采用總的識(shí)別率、漏報(bào)率等作為指標(biāo)、然而隨著算法本身的發(fā)展，這樣單一的指標(biāo)值越來越接近，已經(jīng)不能充分體現(xiàn)算法的差異。

本發(fā)明采用如下技術(shù)方案：

第一方面，本發(fā)明提供了一種人像識(shí)別算法性能評(píng)測(cè)方法，預(yù)先收集用于評(píng)測(cè)各人像識(shí)別算法的圖片底庫，所述評(píng)測(cè)方法包括：

根據(jù)各人像識(shí)別算法所適用的真實(shí)使用場(chǎng)景的數(shù)據(jù)特性，生成一組或者多組待測(cè)影響因子；

根據(jù)所述一組或者多組待測(cè)影響因子篩選所述圖片底庫，得到一簇或者多簇待測(cè)圖片；其中，所述一簇或者多簇待測(cè)圖片的數(shù)據(jù)特性與所述一組或者多組待測(cè)影響因子所代表的數(shù)據(jù)特性相符；

計(jì)算各人像識(shí)別算法在各簇待測(cè)圖片中的測(cè)試結(jié)果，建立所述測(cè)試結(jié)果與相應(yīng)影響因子的關(guān)聯(lián)關(guān)系；

根據(jù)所述一簇或者多簇待測(cè)圖片的測(cè)試結(jié)果和相應(yīng)的影響因子，完成各人像識(shí)別算法適用于所述真實(shí)使用場(chǎng)景下的性能評(píng)測(cè)打分。

優(yōu)選的，所述預(yù)先收集用于評(píng)測(cè)各人像識(shí)別算法的圖片底庫，具體包括：

通過網(wǎng)絡(luò)爬蟲手段從互聯(lián)網(wǎng)網(wǎng)站抓取包含人像信息的圖片或從視頻中截取包含人像信息的圖片填充圖片底庫；和/或，

從學(xué)術(shù)研究網(wǎng)站下載圖片包，將所述圖片包中的圖片填充圖片底庫，其中，所述圖片包中包含人像信息；和/或，

從實(shí)時(shí)的視頻監(jiān)控系統(tǒng)中獲取人像信息的圖片填充圖片底庫；和/或，

通過將現(xiàn)有的圖片進(jìn)行縮放、旋轉(zhuǎn)和/或遮擋變換后產(chǎn)生新的圖片填充圖片底庫；和/或，

通過建立3D人臉模型，并在人臉模型設(shè)定渲染參數(shù)方式得到的圖片填充圖片底庫。

優(yōu)選的，對(duì)于各種途徑所獲取的圖片在填充到圖片底庫之前，方法還包括：

根據(jù)人臉正面無遮擋，并且人臉分辨率達(dá)到指定參數(shù)作為第一過濾條件，過濾掉不滿足所述第一過濾條件的圖片。

優(yōu)選的，所述根據(jù)各人像識(shí)別算法所適用的真實(shí)使用場(chǎng)景的數(shù)據(jù)特性，生成一組或者多組待測(cè)影響因子，具體包括：

根據(jù)真實(shí)使用場(chǎng)景的數(shù)據(jù)特性，統(tǒng)計(jì)各影響因子的概率分布，并生成適用于真實(shí)使用場(chǎng)景的一組或者多組影響因子組合；