面部检测目标与打标匹配方法、存储介质及处理器组成比例

本发明专利技术提供了一种面部检测目标与打标匹配方法、存储介质及处理器，其中，方法包括：获得测试集数据；调用检测算法模型对测试集数据进行检测，得到模型检测面部特征像素坐标轴数据；获取对测试集数据打标得到的打标面部特征像素坐标轴数据；对模型检测面部特征像素坐标轴数据与打标面部特征像素坐标轴数据匹配，计算交并比，获得交并比数据集；判断算法模型检测结果的能力。正确地判断和筛选出算法模型检查结果中的检测正确、重复检测、错误检测、漏检的人头像素坐标，对算法模型的能力能够客观的评估；提升算法下一步的训练效率，给出算法模型一步的训练方向；也可用于已完成的算法模型，对其调试最优阀值提供帮助与佐证。对其调试最优阀值提供帮助与佐证。对其调试最优阀值提供帮助与佐证。

【技术实现步骤摘要】
面部检测目标与打标匹配方法、存储介质及处理器


[0001]本专利技术涉及面部识别
，尤其涉及一种面部检测目标与打标匹配方法、存储介质及处理器。

技术介绍

[0002]近年来，人工智能迅速发展，基于人工智能的应用在人脸识别、智能追踪、图像识别等领域大范围扩展，并取得了巨大进步与成功。众所周知，人工智能的人脸识别与人脸识别追踪的大前提是在能提取人脸特征，然后进行识别。而人工智能算法是否准确检测出图像中的人头并识别出人脸特征起到举足轻重的关键作用。换言之准确的人头检测算法是人脸识别，与识别追踪的基本大前提。目前有效直观测试人头检测算法能力的方法，是用同样地测试集利用检测算法模型结果与打标结果进行对比。人头检测算法模型在置信度较低工作的时候，会有大量的一个人头重复检测，非人头错误检测为人头。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种面部检测目标与打标匹配方法、存储介质及处理器，能够正确地判断和筛选出算法模型检查结果中的检测正确、重复检测、错误检测、漏检的人头像素坐标。对算法模型的能力能够客观的评估，并且给出平均IOU、检出率、精准率、召回率指标。提升算法下一步的训练效率，给出算法模型一步的训练方向；同时也能作用于已完成的算法模型，对其调试最优阀值提供帮助与佐证。
[0004]为解决上述技术问题，一方面，本专利技术一实施例提供了一种面部检测目标与打标匹配方法，包括：获得测试集数据；调用检测算法模型对测试集数据进行检测，得到模型检测面部特征像素坐标轴数据；获取对测试集数据打标得到的打标面部特征像素坐标轴数据；
[0005]对模型检测面部特征像素坐标轴数据与打标面部特征像素坐标轴数据匹配，计算两者之间交并比，获得交并比数据集；根据交并比数据集，判断算法模型检测结果的能力。
[0006]优选地，根据交并比数据集，判断算法模型检测结果的能力，包括：对交并比数据进行处理，计算调用检测算法模型对测试集数据错检的数量、漏检的数量、重复检测的数量。
[0007]优选地，获得测试集数据包括：自定义测试集数据的规则。
[0008]优选地，获取对测试集数据打标得到的打标面部特征像素坐标轴数据包括：获取对测试集数据打标的信息，标记所述信息中的人头，记录人头像素坐标。
[0009]优选地，调用检测算法模型对测试集数据进行检测，得到模型检测面部特征像素坐标轴数据包括：调用检测算法模型对测试集数据进行检测，标记每个人头的面部特征像素坐标。
[0010]优选地，计算调用检测算法模型对测试集数据错检的数量、漏检的数量、重复检测的数量包括：打标有n个人头矩形框，算法模型检测出m个人头矩形框，则n
×
m个交并比队列
为：
[0011][0012]其中:IOU为交并比，IOU前面序号为关键值，从交并比队列中取出最大交并比数值与其对应的关键值，对交并比数值进行判断是否大于第一交并比阀值，如果是，则模型检测正确与打标框匹配，放入正确匹配数列，得到正确识别的数量；
[0013]将放入正确匹配数列的交并比数据与其对应的关键值在交并比数据集中剔除，对所述关键值A
i
M
j
，i≤n，j≤m进行切割，得到打标数列的关键值A
i
，i≤n与算法模型检测的关键值M
j
，j≤m，循环交并比数列将含有A
i
，i≤n或M
j
，j≤m的关键值取出进行判断，并同时从交并比队列中剔除，如含有M
j
，j≤m的关键值其交并比数据大于阀值二，则放入重复检测数列，得到重复检测的数量；
[0014]如含有A
i
，i≤n的关键值其交并比数据大于第二交并比阀值，则放入错检数列中，得到错检的数量。
[0015]优选地，自定义测试集数据的规则包括：自定义测试数据集的的长度和宽度或者分辨率。
[0016]优选地，记录人头像素坐标之后还包括：用xml文件记录人头像素坐标信息，测试集数据每张图片输出一个xml文件。
[0017]优选地，标记每个人头的面部特征像素坐标之后还包括：用txt文档储存每个人头的面部特征像素坐标数据，并输出检测的每个人头的像素坐标。
[0018]优选地，第一交并比阈值为0.3～0.4。
[0019]优选地，第二交并比阈值为0.4～1。
[0020]另一方面，本专利技术一实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行上述的面部检测目标与打标匹配方法。
[0021]另一方面，本专利技术一实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的面部检测目标与打标匹配方法。
[0022]与现有技术相比，上述技术方案具有以下优点：对打标与算法模型检测匹配方法，能够正确的判断和筛选出算法模型检查结果中的检测正确、重复检测、错误检测、漏检的人头像素坐标；对算法模型的能力能够客观的评估，并且给出平均IOU、检出率、精准率、召回率指标；提升算法下一步的训练效率，给出算法模型一步的训练方向；同时也能作用于已完成的算法模型，对其调试最优阀值提供帮助与佐证。
【附图说明】
[0023]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
[0024]图1是现有技术中，目标检测中交并比原理示意图。
[0025]图2是本专利技术面部检测目标与打标匹配方法流程图。
【具体实施方式】
[0026]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0027]图1是现有技术中，目标检测中交并比原理示意图。如图1所示，交并比(Intersection-over-Union，IOU)，目标检测中使用的一个概念，是产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。
[0028]实施例一
[0029]图2是本专利技术面部检测目标与打标匹配方法流程图。如图2所示，一种面部检测目标与打标匹配方法，其特征在于，包括步骤：
[0030]S11、获得测试集数据；
[0031]S12、调用检测算法模型对测试集数据进行检测，得到模型检测面部特征像素坐标轴数据；
[0032]S13、获取对测试集数据打标得到的打标面部特征像素坐标轴数据；
[0033]S14、对模型检测面部特征像素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面部检测目标与打标匹配方法，其特征在于，包括：获得测试集数据；调用检测算法模型对测试集数据进行检测，得到模型检测面部特征像素坐标轴数据；获取对测试集数据打标得到的打标面部特征像素坐标轴数据；对模型检测面部特征像素坐标轴数据与打标面部特征像素坐标轴数据匹配，计算两者之间交并比，获得交并比数据集；根据交并比数据集，判断算法模型检测结果的能力。2.根据权利要求1所述的面部检测目标与打标匹配方法，其特征在于，根据交并比数据集，判断算法模型检测结果的能力，包括：对交并比数据进行处理，计算调用检测算法模型对测试集数据错检的数量、漏检的数量、重复检测的数量。3.根据权利要求1所述的面部检测目标与打标匹配方法，其特征在于，获得测试集数据包括：自定义测试集数据的规则。4.根据权利要求1所述的面部检测目标与打标匹配方法，其特征在于，获取对测试集数据打标得到的打标面部特征像素坐标轴数据包括：获取对测试集数据打标的信息，标记所述信息中的人头，记录人头像素坐标。5.根据权利要求1所述的面部检测目标与打标匹配方法，其特征在于，调用检测算法模型对测试集数据进行检测，得到模型检测面部特征像素坐标轴数据包括：调用检测算法模型对测试集数据进行检测，标记每个人头的面部特征像素坐标。6.根据权利要求2所述的面部检测目标与打标匹配方法，其特征在于，计算调用检测算法模型对测试集数据错检的数量、漏检的数量、重复检测的数量包括：打标有n个人头矩形框，算法模型检测出m个人头矩形框，则n
×
m个交并比队列为：其中:IOU为交并比，IOU前面序号为关键值，从交并比队列中取出最大交并比数值与其对应的关键值，对交并比数值进行判断是否大于第一交并比阀值，如果是，则模型检测正确与打标框匹配，放入正确匹配数列，得到正确识别的数量；将放入正确匹配数列的交并比数据与其对应的关键值在交并比数据集中剔除，...

【专利技术属性】
技术研发人员：刘若鹏，栾琳，骆钊锋，
申请(专利权)人：西安光启未来技术研究院，
类型：发明
国别省市：