首页
学习
活动
专区
工具
TVP
发布

人脸识别该如何测试

但对于测试同学来讲,还要考虑异常场景的表现,即任何可能造成拍不到,拍不清晰,判断不出是人脸,或者不完整的表现。详细场景比如: 1) 人脸没有正对摄像头,角度有倾斜。 2) 拍照环境过暗或者过黑。...那么针对这个原理,在测试时需要考虑不同肤色,或者是面部特征过于复杂的案例,比如黑人、比如脸上有皱纹的老人。 再看人脸比对。 实际应用场景中,人脸比对的本质是照片的比对。...这些漏洞即是测试的重点: 1) 拍摄人脸正面、侧面、张嘴、闭眼等照片,用不同角度的静态照片绕过本人现场检测。 2) 录制各种动作视频,按照一定的标准拼接起来,绕过本人现场检测。...阈值设定过高,则人脸比对通过率低,误报率可能也会降低也可能会增高。 因此在人脸识别的测试中,除了要关注通过率,还要关注误报率。这两项也可以统称为是查准率。 ?...目前人脸识别在金融、教育、景区、出入境、机场等领域已经大量应用,方便的同时也带来了一些问题,怎么做好人脸识别的测试,还是一个需要思考和深挖的课题。

4.4K20
您找到你想要的搜索结果了吗?
是的
没有找到

Face Recognition 人脸识别该如何测试

如今人脸识别这些技术这么贴近生活,研发的产品也越来越多样化,作为质量保证者测试工程师一职的我们如何去测试人脸识别呢,我们简单从大方向是分析一下看下流程图 ?...但对于测试同学来讲,还要考虑异常场景的表现,即任何可能造成拍不到,拍不清晰,判断不出是人脸,或者不完整的表现。详细场景比如: 1) 人脸没有正对摄像头,角度有倾斜。 2) 拍照环境过暗或者过黑。...那么针对这个原理,在测试时需要考虑不同肤色,或者是面部特征过于复杂的案例,比如黑人、比如脸上有皱纹的老人。 再看人脸比对。 ? 实际应用场景中,人脸比对的本质是照片的比对。...阈值设定过高,则人脸比对通过率低,误报率可能也会降低也可能会增高。 因此在人脸识别的测试中,除了要关注通过率,还要关注误报率。这两项也可以统称为是查准率。 ?...目前人脸识别在金融、教育、景区、出入境、机场等领域已经大量应用,方便的同时也带来了一些问题,怎么做好人脸识别的测试,还是一个需要思考和深挖的课题。

3.3K40

Face Recognition 人脸识别该如何测试

但对于测试同学来讲,还要考虑异常场景的表现,即任何可能造成拍不到,拍不清晰,判断不出是人脸,或者不完整的表现。详细场景比如: 1) 人脸没有正对摄像头,角度有倾斜。 2) 拍照环境过暗或者过黑。...那么针对这个原理,在测试时需要考虑不同肤色,或者是面部特征过于复杂的案例,比如黑人、比如脸上有皱纹的老人。 再看人脸比对。 实际应用场景中,人脸比对的本质是照片的比对。...这些漏洞即是测试的重点: 1) 拍摄人脸正面、侧面、张嘴、闭眼等照片,用不同角度的静态照片绕过本人现场检测。 2) 录制各种动作视频,按照一定的标准拼接起来,绕过本人现场检测。...阈值设定过高,则人脸比对通过率低,误报率可能也会降低也可能会增高。 因此在人脸识别的测试中,除了要关注通过率,还要关注误报率。这两项也可以统称为是查准率。 ?...目前人脸识别在金融、教育、景区、出入境、机场等领域已经大量应用,方便的同时也带来了一些问题,怎么做好人脸识别的测试,还是一个需要思考和深挖的课题。

2.1K10

人脸识别SDK识别速度测试报告

xx型号人脸识别SDK测试报告 ▌一、测试环境 1.1测试设备信息 设备信息 配置信息 系统版本 Android 9 运行内存 2G 内置存储 16G CPU 4核1.6gHz 人脸识别SDK xx型号自研人脸识别...SDK(下文简称xxSDK) 1.2 照片库标准 1)图片光线自然,无过度曝光; 2)人脸为正面,五官不存在遮挡; 3)人脸区域分辨率不低于 100*100,照片不大于5M ▌二、测试场景 功能模块...人脸识别 测试目的 测试xx型号xxSDK人脸识别速度 测试数据 测试人脸库照片4600张,包含测试人员照片 测试样本人员 Xx、qq、ee、rr、tt、yy等 测试场景描述 室内自然光线下,...测试人员正脸在设备前停留,距离30cm-50cm 2.1 测试场景 ▌三、测试结果 3.1 测试结果 1)在测试中,人脸识别成功时间与人脸角度,距离摄像头远近有关; 2)xxSDK支持遮挡或丢失部分特征值...测试结果数据分析: 以上数据为正脸识别测试测试次数为40次,平均识别成功用时为990毫秒 ▌四、测试结论 1)xxSDK支持部分特征值不完整的场景 2)进入识别范围时要稍作停留才可以识别成功 3

2.2K20

人脸检测dlib, mtcnnx对比,FDDB测试对比

前面一直做人脸检测相关内容,然后对比了下dib以及MTCNN的人脸检测效果主要是速度,以及FDDB准确率。最后给出生成FDDB测试文件的C++代码。...---- FDDB 测试结果 注本文的MTCNN效果检测准确率不是最优的,最优的在FDDB上可达95%,测试效果如下: ?...可以看到三种方法: MTCNN 大概90% dlib 大概 77% opencv 大概 62% dlib的作者非要说我的测试有问题,如果谁感兴趣可以使用dlib测试下FDDB的结果。...---- 速度 在CPU和GPU模式下,对于三种不同尺寸的图片,运行一千次测试平均的时效: CPU模式 MTCNN(既检测人脸又做landmark): ? dlib (仅仅检测人脸): ?...GPU模式 MTCNN(既检测人脸又做landmark): ? dlib (仅仅检测人脸): ?

2.9K30

CNN训练与测试人脸图片分类(TensorFlow)

环境如下: macOS 10.13.2 Python 2.7 TensorFlow 1.2.0 数据集: 要训练我们当然需要训练集,这里我采用的是CelebA的人脸图像数据集,从中筛选出戴了眼镜的人脸和没戴眼镜的人脸分别一千多张也就够了...,如何筛选CelebA人脸数据集可以参考我这篇博客:处理筛选CelebA人脸数据集 将两个分别装有戴眼镜与否的人脸图片的文件夹放到我们工程目录下,然后开始写代码。...测试集的准确率也到了99.1%。要说明的是这些值每次都可能不一样,只是参考。 现在可以开始测试了。...,i+1,"face is belong to:"+face_dict[output[i]]) 这里我们放入五张人脸图片作为测试数据,注意,这里的测试与上文训练代码中的测试不是一个意思,这里是真正用来做分类...,上文的测试只是用来检验训练结果。

78030

关于OpenCV for Python入门-自带人脸识别工具测试

它的本质是,识别某个训练集上的主成分,并计算出检测到人脸相对于数据库的发散程度,并输出一个值,该值越小,表明人脸数据库和检测到的人脸之间的差别就越小,0表示完全匹配。...,它是唯一运行模型样本人脸和检测到的人脸在形状、大小上可以不同的人脸识别算法。...它的本质是,识别某个训练集上的主成分,并计算出检测到人脸相对于数据库的发散程度,并输出一个值,该值越小,表明人脸数据库和检测到的人脸之间的差别就越小,0表示完全匹配。...,它是唯一运行模型样本人脸和检测到的人脸在形状、大小上可以不同的人脸识别算法。...每个人脸都是整个向量集中的一个点。

45320

全套 | 人脸检测 & 人脸关键点检测 & 人脸卡通化

人脸检测历险记 可能跟我一样,人脸检测是很多人学习图像处理的第一个自驱动型的任务,OpenCV刚上手没几天可能就想先跑一跑人脸检测,然后一个坑接着一个坑的往里跳。...上面用的是深度学习模型的人脸检测,但是在此之前还是稍微回顾下OpenCV自带的人脸检测器。...OpenCV自带的人脸检测 OpenCV自带了基于级联分类器的人脸检测模型,只能检测正脸,在前深度学习时代,效果已经是很好的了。...人脸卡通化 仅仅是人脸检测,显得略微有些没意思,所以在人脸检测的基础上,加点其他的更有意思的东西,比如上次刚玩过的卡通化。...,获取人脸框和人脸关键点的位置 稍微扩充下人脸框,进行卡通化操作 把卡通化后的人脸贴回原图中人脸的位置 完整效果 看一下完整的效果吧:【视频有声提示!】

3.1K50

全球人脸识别算法测试结果公布,中国包揽前五名!

策划&撰写:温暖 近日,美国国家标准与技术研究院(NIST)公布的全球人脸识别算法测试(FRVT)结果。其中,由来自中国的企业和研究院包揽了前五名。...在FRVT最新的报告中显示,全球人脸识别算法的最高水平可以做到在千万分之一误报率之下,漏报率低于0.4%。...其主要的任务是建立国家计量基准与标准,为美国工业和国防提供测试技术、以及参与标准化技术委员会定制标准等。其人脸识别算法测试在全球知名,数据来自于真实的应用场景。...而这也意味着测试的结果即代表该算法在实战场景中的表现。 而根据艾媒咨询统计数据显示,2017年我国CV市场规模为68亿元,预计到2020年将达780亿元,年均复合增长率达125.5%。...其中人脸识别已经成为了落地应用最广泛的技术。

75841
领券