【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种活体检测算法的测试方法、装置及存储介质。
技术介绍
1、活体检测指的是在人脸通过人脸识别终端时，人脸识别终端在识别出人脸之后，可以将识别的人脸输入至人脸识别终端的活体检测算法中，通过活体检测算法对人脸进行活体（即真人）或非活体（即假人）的检测。通常为了保证较高的活体检测准确率，一般需要对活体检测算法进行测试。
2、相关技术中，在对活体检测算法进行测试时，一般是使用大规模的真人对活体检测算法进行实测后获得测试效果。
3、然而，上述技术存在耗时长且测试效果不佳的问题。
技术实现思路
1、本专利技术提供一种活体检测算法的测试方法、装置及存储介质，用以解决现有技术中使用大规模的真人对活体检测算法进行实测后获得测试效果而导致耗时耗力的缺陷，实现通过构建的测试素材集对活体检测算法进行测试，并通过测试结果计算活体一次性通行率和单帧图像活体检测准确率，以据此更综合且有效地确定出活体检测算法的测试效果。
2、本专利技术提供一种活体检测算法的测试方法，包括：
3、获取预先针对多个真人对象所采集的第一测试素材集；上述第一测试素材集包括多组第一测试图像，每组第一测试图像包括至少一个测试图片或至少一个测试视频；
4、将各第一测试图像输入至活体检测算法中进行活体检测，确定每组第一测试图像对应的活体检测结果；上述活体检测结果包括第一测试图像中包括的对象所属的活体状态，上述活体状态包括活体或非活体；
5、根据
6、根据第一测试素材集的活体一次性通行率，确定活体检测算法的测试结果。
7、根据本专利技术提供的一种活体检测算法的测试方法，上述将各第一测试图像输入至活体检测算法中进行活体检测，确定每组第一测试图像对应的活体检测结果之前，上述方法还包括：
8、获取每个第一测试图像中包括的对象的初始标识；上述初始标识为对第一测试图像进行人脸检测和/或人脸跟踪后确定的人脸标识；
9、采用人脸特征提取模型对当前帧第一测试图像以及相邻的前一帧第一测试图像进行人脸特征提取，确定当前帧第一测试图像对应的人脸特征和前一帧第一测试图像对应的人脸特征；
10、根据当前帧第一测试图像的人脸特征与前一帧第一测试图像的人脸特征之间的相似度，确定是否将当前帧第一测试图像的初始标识纠正为前一帧第一测试图像的初始标识；其中，标识纠正后的同一个人脸特征对应的初始标识相同。
11、根据本专利技术提供的一种活体检测算法的测试方法，若上述第一测试素材集为多目相机采集的第一测试素材集，上述获取预先针对多个真人对象所采集的第一测试素材集，包括：
12、获取各个相机针对多个真人对象各自采集的多个第一测试图像；
13、按照每个第一测试图像的预设信息，对各相机的多个第一测试图像进行同步匹配，确定多组同步的第一测试图像；每组同步的第一测试图像中包括各相机的一个同步后的第一测试图像，上述预设信息包括第一测试图像的采集时间、帧号、图像类型以及对象的标识中的至少一个；
14、将多组同步的第一测试图像确定为第一测试素材集。
15、根据本专利技术提供的一种活体检测算法的测试方法，上述活体检测结果还包括第一测试图像中对象的标识，对象的标识为纠正后的初始标识，在上述根据各第一测试图像的活体检测结果，计算第一测试素材集对应的活体一次性通行率之前，上述方法还包括：
16、对各活体检测结果中纠正后的初始标识按序进行重新编号，获得各活体检测结果中纠正后的初始标识对应的目标标识；其中，不同对象的目标标识之间不重复。
17、根据本专利技术提供的一种活体检测算法的测试方法，上述根据各第一测试图像的活体检测结果，计算第一测试素材集对应的活体一次性通行率，包括：
18、根据各活体检测结果包括的对象的目标标识，确定每个目标标识在各活体检测结果中的出现次数；
19、根据预设判断逻辑、各活体检测结果包括的对象的目标标识和活体状态，确定每个目标标识对应的对象的目标活体状态；上述预设判断逻辑包括：通过目标标识对应的对象在连续设定帧内的活体状态去判定目标标识对应的对象最终的目标活体状态的判断逻辑，上述设定帧根据人员不驻足的实际通行情况确定；
20、根据各目标标识的出现次数以及各目标标识对应的目标活体状态，确定在每种出现次数下，目标活体状态为活体的目标标识对应的第一数量以及目标活体状态为非活体的目标标识对应的第二数量；
21、根据第一数量和第二数量，确定第一测试素材集对应的活体一次性通行率。
22、根据本专利技术提供的一种活体检测算法的测试方法，该方法还包括：
23、根据各第一测试图像的活体检测结果，计算第一测试素材集对应的单帧图像活体检测准确率；上述单帧图像活体检测准确率用于表征活体检测算法在单帧图像上检测活体成功的准确率；
24、相应地，上述根据第一测试素材集的活体一次性通行率，确定活体检测算法的测试结果，包括：
25、根据第一测试素材集的活体一次性通行率和单帧图像活体检测准确率，确定活体检测算法的测试结果。
26、根据本专利技术提供的一种活体检测算法的测试方法，上述根据各第一测试图像的活体检测结果，计算第一测试素材集对应的单帧图像活体检测准确率，包括：
27、统计各活体检测结果中活体状态为活体的活体检测结果对应的第三数量，以及统计各活体检测结果中活体状态为非活体的活体检测结果对应的第四数量；
28、根据第三数量和第四数量，确定第一测试素材集对应的单帧图像活体检测准确率。
29、根据本专利技术提供的一种活体检测算法的测试方法，上述根据第一测试素材集的活体一次性通行率和单帧图像活体检测准确率，确定活体检测算法的测试结果，包括：
30、获取预先针对多个假人对象所采集的第二测试素材集；上述第二测试素材集包括多组第二测试图像，每组第二测试图像包括至少一个测试图片或至少一个测试视频；
31、根据各第二测试图像确定每组第二测试图像对应的活体检测结果，以及根据各第二测试图像的活体检测结果，计算第二测试素材集对应的活体一次性通行率和单帧图像活体检测准确率；
32、根据第一测试素材集的活体一次性通行率和单帧图像活体检测准确率，以及第二测试素材集的活体一次性通行率和单帧图像活体检测准确率，确定活体检测算法的测试结果。
33、本专利技术还提供一种活体检测算法的测试装置，包括如下模块：
34、测试素材获取模块，用于获取预先针对多个真人对象所采集的第一测试素材集；上述第一测试素材集包括多组第一测试图像，每组第一测试图像包括至少一个测试图片或至少一个测试视频；
35、活体检测本文档来自技高网...
【技术保护点】
1.一种活体检测算法的测试方法，其特征在于，包括：
2.根据权利要求1所述的活体检测算法的测试方法，其特征在于，所述将各所述第一测试图像输入至活体检测算法中进行活体检测，确定每组所述第一测试图像对应的活体检测结果之前，所述方法还包括：
3.根据权利要求1所述的活体检测算法的测试方法，其特征在于，若所述第一测试素材集为多目相机采集的第一测试素材集，所述获取预先针对多个真人对象所采集的第一测试素材集，包括：
4.根据权利要求1至3任一项所述的活体检测算法的测试方法，其特征在于，所述活体检测结果还包括所述第一测试图像中对象的标识，所述对象的标识为纠正后的初始标识，在所述根据各所述第一测试图像的活体检测结果，计算所述第一测试素材集对应的活体一次性通行率之前，所述方法还包括：
5.根据权利要求1至3任一项所述的活体检测算法的测试方法，其特征在于，所述根据各所述第一测试图像的活体检测结果，计算所述第一测试素材集对应的活体一次性通行率，包括：
6.根据权利要求1至3任一项所述的活体检测算法的测试方法，其特征在于，还包括：
8.根据权利要求6所述的活体检测算法的测试方法，其特征在于，所述根据所述第一测试素材集的活体一次性通行率和单帧图像活体检测准确率，确定所述活体检测算法的测试结果，包括：
9.一种活体检测算法的测试装置，其特征在于，包括：
10.一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，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的活体检测算法的测试方法。
...【技术特征摘要】
1.一种活体检测算法的测试方法，其特征在于，包括：
2.根据权利要求1所述的活体检测算法的测试方法，其特征在于，所述将各所述第一测试图像输入至活体检测算法中进行活体检测，确定每组所述第一测试图像对应的活体检测结果之前，所述方法还包括：
3.根据权利要求1所述的活体检测算法的测试方法，其特征在于，若所述第一测试素材集为多目相机采集的第一测试素材集，所述获取预先针对多个真人对象所采集的第一测试素材集，包括：
4.根据权利要求1至3任一项所述的活体检测算法的测试方法，其特征在于，所述活体检测结果还包括所述第一测试图像中对象的标识，所述对象的标识为纠正后的初始标识，在所述根据各所述第一测试图像的活体检测结果，计算所述第一测试素材集对应的活体一次性通行率之前，所述方法还包括：
5.根据权利要求1至3任一项所述的活体检测算法的测试方法，...
【专利技术属性】
技术研发人员：李聪廷，张文辉，
申请(专利权)人：济南博观智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。