本申请涉及人脸识别技术领域，特别是涉及一种人脸识别性能的测试方法、装置、计算机设备及存储介质。
背景技术：
随着人脸识别技术的不断发展，各种各样的人脸识别设备得到了广泛的应用。人脸识别设备主要用于身份识别，为了准确的进行身份识别，需要对人脸识别设备进行性能测试，例如，对研发出来的人脸识别设备进行各个角度的识别精准度测试，测试合格后的人脸识别设备方可投入生产制造。在相关技术中，对人脸识别设备进行测试的方法，是由测试人员手持安装有人脸识别系统的设备进行人脸识别验证来测试其识别性能，手动测试导致测试效率低下。
针对相关技术中，在人脸识别性能测试中测试效率较低的问题，目前尚未提出有效的解决方案。
技术实现要素：
针对相关技术中，在人脸识别性能测试中测试效率较低的问题，本发明提供了一种人脸识别性能的测试方法、装置、计算机设备及存储介质，以至少解决上述问题。
根据本发明的一个方面，提供了一种人脸识别性能的测试方法，所述方法包括：
根据人脸检测算法对获取的实时流图像进行人脸检测；
在根据人脸检测阈值判断所述人脸检测未通过的情况下，将所述实时流图像保存为静态人脸检测图像；根据所述人脸检测算法对所述静态人脸检测图像进行静态人脸检测，根据所述静态人脸检测的结果获取人脸检测相同率；
进行多次所述人脸检测，在所述人脸检测的总次数大于或者等于预设人脸检测次数的情况下，将所述人脸检测相同率和人脸检测数据输出至测试日志中；
根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标，其中，所述人脸检测计数指标表征人脸识别性能。
在其中一个实施例中，所述根据人脸检测算法对获取的实时流图像进行人脸检测之后，所述方法还包括：
在所述人脸检测通过的情况下，根据活体检测算法对所述实时流图像进行活体检测；
在根据活体检测阈值判断所述活体检测未通过的情况下，将所述实时流图像保存为静态活体检测图像；根据所述活体检测算法对所述静态活体检测图像进行静态活体检测，根据所述静态活体检测的结果获取活体检测相同率；
进行多次所述活体检测，在所述活体检测的总次数大于或者等于所述预设活体检测次数的情况下，将所述活体检测相同率和活体检测数据输出至所述测试日志中；
根据所述静态活体检测图像和所述测试日志获取活体检测计数指标，并根据所述活体检测计数指标和所述人脸检测计数指标表征所述人脸识别性能。
在其中一个实施例中，所述根据活体检测算法对所述实时流图像进行活体检测之后，所述方法还包括：
在所述活体检测通过的情况下，根据人脸比对算法对所述实时流图像进行人脸比对；
在根据人脸比对阈值判断所述人脸比对未通过的情况下，将所述实时流图像保存为静态人脸比对图像；根据所述人脸比对算法对所述静态人脸比对图像进行静态人脸比对，根据所述静态人脸比对的结果获取人脸比对相同率；
进行多次所述人脸比对，在所述人脸比对的总次数大于或者等于所述预设人脸比对次数的情况下，将所述人脸比对相同率和人脸比对数据输出至所述测试日志中；
根据所述静态人脸比对图像和所述测试日志获取人脸比对计数指标，并根据所述人脸比对计数指标、所述活体检测计数指标和所述人脸检测计数指标表征所述人脸识别性能。
在其中一个实施例中，所述根据所述静态活体检测图像和所述测试日志获取活体检测计数指标包括：
对所述静态活体检测图像进行活体检测分析，并根据所述活体检测分析和所述测试日志获取所述活体检测计数指标；其中，所述活体检测分析包括：光照分析、纸张分析和假体分析。
在其中一个实施例中，所述根据所述静态人脸检测图像和所述测试日志获取检测计数指标包括：
对所述静态人脸检测图像进行图像质量检测，根据所述图像质量检测对所述测试日志进行分析，并获取所述人脸检测计数指标；其中，所述图像质量检测包括以下至少之一：分辨率、人脸完整度、人脸瞳间距、图像清晰度、人脸表情、人脸角度和图像对比度。
在其中一个实施例中，所述根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标之后，所述方法还包括：
将所述人脸检测计数指标发送至终端；其中，所述终端将所述人脸检测计数指标以图表的形式进行显示。
根据本发明的另一个方面，提供了一种人脸识别性能的测试装置，所述装置包括：
人脸检测模块，用于根据人脸检测算法对获取的实时流图像进行人脸检测；
保存模块，用于在根据人脸检测阈值判断所述人脸检测未通过的情况下，将所述实时流图像保存为静态人脸检测图像；根据所述人脸检测算法对所述静态人脸检测图像进行静态人脸检测，根据所述静态人脸检测的结果获取人脸检测相同率；
输出模块，用于在进行多次所述人脸检测，在所述人脸检测的总次数大于或者等于预设人脸检测次数的情况下，将所述人脸检测相同率和人脸检测数据输出至测试日志中；
获取模块，用于根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标，其中，所述人脸检测计数指标表征人脸识别性能。
在其中一个实施例中，所述装置还包括活体检测模块；
所述活体检测模块在所述人脸检测通过的情况下，根据活体检测算法对所述实时流图像进行活体检测；
所述保存模块在根据活体检测阈值判断所述活体检测未通过的情况下，将所述实时流图像保存为静态活体检测图像；根据所述活体检测算法对所述静态活体检测图像进行进行静态活体检测，根据所述静态活体检测的结果获取活体检测相同率；
所述输出模块进行多次所述活体检测，在所述活体检测的总次数大于或者等于所述预设活体检测次数的情况下，将所述活体检测相同率和活体检测数据输出至所述测试日志中；
所述性能模块根据所述静态活体检测图像和所述测试日志获取活体检测计数指标，并根据所述活体检测计数指标和所述人脸检测计数指标表征所述人脸识别性能。
根据本发明的另一个方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在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任一所述方法的步骤。
根据本发明的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述方法的步骤。
通过本发明，采用一种人脸识别性能的测试方法、装置、计算机设备及存储介质，根据人脸检测算法对获取的实时流图像进行人脸检测；在根据人脸检测阈值判断该人脸检测未通过的情况下，将该实时流图像保存为静态人脸检测图像；根据该人脸检测算法对该静态人脸检测图像进行静态人脸检测，根据该静态人脸检测的结果获取人脸检测相同率；在该人脸检测的总次数大于或者等于预设人脸检测次数的情况下，停止所述人脸检测，并将该人脸检测相同率和人脸检测数据输出至测试日志中；根据该静态人脸检测图像和该测试日志获取人脸检测计数指标，其中，人脸检测计数指标表征人脸识别性能，从而解决了在人脸识别性能测试中测试效率较低的问题。
附图说明
图1为根据本发明实施例中一种人脸识别性能测试应用场景的示意图；
图2为根据本发明实施例的一种人脸识别性能测试方法的流程图一；
图3为根据本发明实施例的一种人脸识别性能测试方法的流程图二；
图4为根据本发明实施例的一种人脸识别性能测试方法的流程图三；
图5为根据本发明实施例的一种人脸识别性能测试方法的流程图四；
图6为根据本发明实施例的一种人脸识别性能测试方法的流程图五；
图7是根据本发明实施例的一种人脸识别性能测试方法的流程图六；
图8为根据本发明实施例的一种人脸识别性能测试装置的结构框图一；
图9为根据本发明实施例的一种人脸识别性能测试装置的结构框图二；
图10为根据本发明实施例的一种人脸识别性能测试装置的结构框图三；
图11为根据本发明实施例的一种计算机设备内部的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本实施例中，提供了一种人脸比对的方法，图1为根据本发明实施例中一种人脸识别性能测试应用场景的示意图，如图1所示，在该应用环境中，终端12通过网络与服务器14通过网络进行通信。服务器14根据人脸检测算法对获取的实时流图像进行人脸检测；服务器14在根据人脸检测阈值判断所述人脸检测未通过的情况下，将所述实时流图像保存为静态人脸检测图像并获取人脸检测相同率；服务器14将所述人脸检测相同率和人脸检测数据输出至测试日志中，根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标；终端12接收该服务器14发送的人脸检测计数指标并进行显示。其中，终端12可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器14可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本实施例中，提供了一种人脸识别性能的测试方法，图2为根据本发明实施例的一种人脸识别性能测试方法的流程图一，如图2所示，该方法包括如下步骤：
步骤s202，获取动态的实时流图像，对于获取的每帧实时流图像，通过调用人脸检测算法的接口来进行人脸检测；其中，该人脸检测算法可以通过二小波变换、弹性模型或神经网络等方法实现。
步骤s204，在根据人脸检测阈值判断该人脸检测未通过的情况下，将该实时流图像保存为静态人脸检测图像；根据该人脸检测算法对该静态人脸检测图像进行静态人脸检测，根据该静态人脸检测的结果获取人脸检测相同率；该人脸检测阈值可以由测试人员根据实际测试需求进行预先设置。
其中，将未检测到人脸的实时流图像保存为静态人脸检测图像，该静态人脸检测图像可以分为红外图像、彩色图像和深度图像并保存在不同的文件中；对该静态人脸检测图像再次调用算法接口，并判断静态检测结果与动态检测时得出的结果是否一致，如果不一致可以对该人脸检测算法进行检查或校正。
步骤s206，进行多次该人脸检测，在该人脸检测的总次数大于或者等于预设人脸检测次数的情况下，即用户指定的预设检测次数到达时，停止保存该实时流图像，并将该人脸检测相同率和人脸检测数据输出至测试日志中，更直观且方便查看；其中，该人脸检测相同率用于表征该人脸检测性能的准确性；该人脸检测数据包括：总检测次数，检测到人脸次数和未检测到人脸次数。
步骤s208，根据该静态人脸检测图像和该测试日志获取人脸检测计数指标，其中，该人脸检测计数指标表征人脸识别性能；该人脸检测计数指数可以从该测试日志中直接统计获取，该人脸检测计数指数包括：检测流帧率、人脸检测通过率、人脸检测拒绝率和人脸误检率；检测流帧率＝人脸检测总帧数/测试时长；人脸检测通过率＝检测到人脸次数/人脸检测总帧数；人脸检测拒绝率＝未检测到人脸次数/人脸检测总帧数；人脸误检率＝人脸误检次数/检测到人脸次数。人脸检测通过率越高，且人脸检测拒绝率和人脸误检率越低则表明人脸检测性能更好；人脸检测通过率越低，且人脸检测拒绝率和人脸误检率越高则表明人脸检测性能略差。
在相关技术中需要通过手动来测试人脸识别设备的性能，而本发明实施例通过上述步骤s202至s208，根据人脸检测算法对获取的实时流图像进行人脸检测，将人脸检测未通过的实时流图像保存为静态图像，并再次检测确认该静态图像，便于对未检测到人脸的原因进行快速分析；同时根据人脸检测数据获取人脸检测计数指标，用于表征人脸识别性能，从而实现了自动化测试人脸识别性能，解决了在人脸识别性能测试中测试效率较低的问题。
在一个实施例中，提供了一种人脸识别性能的测试方法，图3为根据本发明实施例的一种人脸识别性能测试方法的流程图二，如图3所示，该方法包括如下步骤：
步骤s302，在该人脸检测通过的情况下，根据活体检测算法对该实时流图像进行活体检测；通过活体检测可以确定被检测对象是否为有生命的个体，而非照片、视频等无生命的物体，从而可以防止恶意攻击者利用录制的视频、拍摄的照片、3d人脸模型或伪造的面具等方式进行恶意攻击。
步骤s304，在根据活体检测阈值判断该活体检测未通过的情况下，将该实时流图像保存为静态活体检测图像；其中，该静态活体检测图像可以分为红外图像、彩色图像和深度图像并保存在不同的文件中。
根据该活体检测算法对该静态活体检测图像进行静态活体检测，根据该静态活体检测的结果获取活体检测相同率；其中，利用红外图像、彩色图像和深度图像，进行活体和非活体的判断；根据该彩色图像检查是否由于受到光照的影响，出现活体被误判为非活体的情况。
步骤s306，进行多次该活体检测，在该活体检测的总次数大于或者等于该预设活体检测次数的情况下，停止保存该实时流图像，并将该活体检测相同率和活体检测数据输出至该测试日志中；其中，该活体检测数据包括：总检测次数、检测到活体次数和未检测到活体次数。
步骤s308，根据该静态活体检测图像和该测试日志获取活体检测计数指标，并根据该活体检测计数指标和该人脸检测计数指标表征该人脸识别性能；其中，该活体检测计数指标包括：活体错误接受率和活体错误拒识率；该活体错误接受率为活体检测过程中误判为人脸活体的数目占测试集合中应被识别为假体的测试数目的百分率，活体错误接受率和活体错误拒绝率同时满足far＜0.1％、frr≤1％；该活体错误拒识率为活体检测过程中误判为人脸假体的数目占测试集合中应被识别为活体的测试数目的百分率。
通过上述步骤s302至s308，在不同的场景下分别测试记录人脸识别的通过率、拒绝率，在根据活体检测阈值判断该活体检测未通过的情况下，分别同时保存未检测到人脸图片和非活体图片的红外图像、彩色图像和深度图片，针对未检测到人脸图片和非活体图片，通过调用人脸检测算法接口进行二次检测和确认，并进一步分析与归类，排查原因，便于测试人员进行快速分析；同时根据活体检测数据获取活体检测计数指标，根据该活体检测计数指标和人脸检测计数指标表征人脸识别性能，从而提高了人脸识别性能测试的效率和全面性。
在一个实施例中，提供了一种人脸识别性能的测试方法，图4为根据本发明实施例的一种人脸识别性能测试方法的流程图三，如图4所示，该方法包括如下步骤：
步骤s402，在该活体检测通过的情况下，提取本地图片10000张不同朝向、距离、表情、遮挡和光照环境的人脸照片测试数据，包括目标图片(包括同一目标两张)，进行人脸检测和特征提取，并注册到特征数据库中；根据人脸比对算法和该特征数据库对该实时流图像进行人脸比对；其中，该人脸比对的模式包括：彩色图像人脸比对、红外图像人脸比对、1:1比对模式、1:n比对模式或m:n模式；该人脸比对算法可以通过神经网络实现。
步骤s404，在根据人脸比对阈值判断该人脸比对未通过的情况下，将该实时流图像保存为静态人脸比对图像；根据该人脸比对算法对该静态人脸比对图像进行静态人脸比对，根据该静态人脸比对的结果获取人脸比对相同率。
步骤s406，进行多次该人脸比对，在该人脸比对的总次数大于或者等于该预设人脸比对次数的情况下，停止该人脸比对，并将该人脸比对相同率和人脸比对数据输出至该测试日志中；其中，该人脸比对数据包括：比对总次数、比对通过次数和比对误报次数。
步骤s408，根据该静态人脸比对图像和该测试日志获取人脸比对计数指标，并根据该人脸比对计数指标、该活体检测计数指标和该人脸检测计数指标表征该人脸识别性能；其中，该人脸比对计数指标包括：比对通过率和比对误报率；比对通过率＝比对通过次数/比对总次数；比对误报率＝比对误报次数/比对通过次数。该人脸比对性能测试表格如表1所示：
表1人脸比对性能测试表格
通过上述步骤s402至s408，在根据人脸比对阈值判断该人脸比对未通过的情况下，将该实时流图像保存为静态人脸比对图像，便于快速分析比对效果；并获取人脸比对计数指标，根据该人脸比对计数指标、该活体检测计数指标和该人脸检测计数指标表征该人脸识别性能，扩展了人脸识别性能测试的场景，进一步提高了人脸识别性能测试的效率、准确性和全面性。
在一个实施例中，提供了一种人脸识别性能的测试方法，图5为根据本发明实施例的一种人脸识别性能测试方法的流程图四，如图5所示，该方法包括如下步骤：
步骤s502，对该静态活体检测图像进行活体检测分析，并根据该活体检测分析和该测试日志获取该活体检测计数指标；其中，该活体检测分析包括：光照分析、纸张分析和假体分析；其中，该活体检测性能测试表格如表2所示：
表2活体检测性能测试表格
通过上述步骤s502，对该静态活体检测图像进行活体检测分析，并获取活体检测计数指标，从而实现了对活性检测效果的问题定位及快速分析，提高了人脸识别性能测试的效率。
在一个实施例中，提供了一种人脸识别性能的测试方法，图6为根据本发明实施例的一种人脸识别性能测试方法的流程图五，如图6所示，该方法包括如下步骤：
步骤s602，对该静态人脸检测图像进行图像质量检测，并进行分析和归类，该静态人脸检测图像的不合格情况包括：分辨率不满足：分辨率低于640×480像素；人脸不完整：图像中人脸五官存在遮挡；瞳间距不满足：瞳间距小于60像素；图像模糊；人脸表情不满足：出现闭眼或张嘴的表情；角度不满足：旋转角、俯仰角或倾斜角的绝对值大于20°；光照不满足：图像对比度高、脸部存在阴影、图像过曝或图像欠曝。
根据该图像质量检测对该测试日志进行分析，并获取该人脸检测计数指标；其中，该图像质量检测包括以下至少之一：分辨率、人脸完整度、人脸瞳间距、图像清晰度、人脸表情、人脸角度和图像对比度；其中，该人脸检测性能测试表格如表3所示：
表3人脸检测性能测试表格
通过上述步骤s602，对静态人脸检测图像进行图像质量检测，并获取人脸检测计数指标，从而判断人脸检测算法的性能和准确性，以及判断人脸检测阈值设置范围的可靠性，进一步提高了人脸识别性能测试的全面性。
在一个实施例中，提供了一种人脸识别性能的测试方法，该方法还包括如下步骤：
步骤s702，将该人脸检测计数指标发送至终端；其中，该终端将该人脸检测计数指标以例如表1至表3的图表形式进行显示，便于测试人员及时掌握并分析人脸识别性能测试的具体结果。
应该理解的是，虽然图2至图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2至图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
下面结合实际应用场景对本发明的实施例进行详细说明，图7是根据本发明实施例的一种人脸识别性能测试方法的流程图六，该人脸识别性能测试方法的具体实施步骤如图7所示。
步骤s802，获取视频流图像并设置人脸检测次数；根据人脸检测算法对该视频流图像进行人脸检测。
步骤s804，判断是否检测到人脸；若未检测到，则保存图片并进行图片质量检测，包括：多次检是否一致、人脸检测误检率、角度过大概率、光照影响概率、是否遮挡概率、距离影响概率和图片缺失概率等，若检测到人脸，则获取人脸检测通过率。
步骤s806，设置活体检测次数和活体阈值，并调用活体检测算法；或未检测到活体，则保存非活体图片并进行多次检测，根据center算法模型、crop算法模型和mouse算法模型对非活体图片进行分析，分别判断抠出脸的中心部位是否正确，嘴巴是否正确，脸部任意两个部位是否对称，这三种任意一种不满足则确定为非活体；若检测到活体，则获取活体通过率。
步骤s808，设置比对次数和比对阈值，并注册特征数据库；根据人脸比对算法进行检测；判断检测结果是否大于比对阈值，若未大于比对阈值，则获取人脸比对拒识率；若大于比对阈值，则获取人脸比对通过率。
在本实施例中，提供了一种人脸识别性能的测试装置，图8为根据本发明实施例的一种人脸识别性能测试装置的结构框图一，如图8所示，该系统包括：
人脸检测模块82，用于根据人脸检测算法对获取的实时流图像进行人脸检测；
保存模块84，用于在根据人脸检测阈值判断该人脸检测未通过的情况下，将该实时流图像保存为静态人脸检测图像；根据该人脸检测算法对该静态人脸检测图像进行静态人脸检测，根据该静态人脸检测的结果获取人脸检测相同率；
输出模块86，用于在进行多次该人脸检测，在该人脸检测的总次数大于或者等于预设人脸检测次数的情况下，停止该人脸检测，并将该人脸检测相同率和人脸检测数据输出至测试日志中；
获取模块88，用于根据该静态人脸检测图像和该测试日志获取人脸检测计数指标，其中，该人脸检测计数指标表征人脸识别性能。
通过上述实施例，人脸检测模块82根据人脸检测算法对获取的实时流图像进行人脸检测，保存模块84将人脸检测未通过的实时流图像保存为静态图像，并再次检测确认该静态图像，便于对未检测到人脸的原因进行快速分析；同时获取模块88根据人脸检测数据获取人脸检测计数指标，用于表征人脸识别性能，从而实现了自动化测试人脸识别性能，解决了在人脸识别性能测试中测试效率较低的问题。
在一个实施例中，提供了一种人脸识别性能的测试装置，图9为根据本发明实施例的一种人脸识别性能测试装置的结构框图二，如图9所示，该装置还包括活体检测模块92；
该活体检测模块92在该人脸检测通过的情况下，根据活体检测算法对该实时流图像进行活体检测；
该保存模块84在根据活体检测阈值判断该活体检测未通过的情况下，将该实时流图像保存为静态活体检测图像；根据该活体检测算法对该静态活体检测图像进行进行静态活体检测，根据该静态活体检测的结果获取活体检测相同率；
该输出模块86进行多次该活体检测，在该活体检测的总次数大于或者等于该预设活体检测次数的情况下，停止该活体检测，并将该活体检测相同率和活体检测数据输出至该测试日志中；
该获取模块88根据该静态活体检测图像和该测试日志获取活体检测计数指标，并根据该活体检测计数指标和该人脸检测计数指标表征该人脸识别性能。
在一个实施例中，提供了一种人脸识别性能的测试装置，图10为根据本发明实施例的一种人脸识别性能测试装置的结构框图三，如图10所示，该装置还包括人脸比对模块102；
该人脸比对模块102在该活体检测通过的情况下，根据人脸比对算法对该实时流图像进行人脸比对；
该保存模块84在根据人脸比对阈值判断该人脸比对未通过的情况下，将该实时流图像保存为静态人脸比对图像；根据该人脸比对算法对该静态人脸比对图像进行静态人脸比对，根据该静态人脸比对的结果获取人脸比对相同率；
该输出模块86进行多次该人脸比对，在该人脸比对的总次数大于或者等于该预设人脸比对次数的情况下，停止该人脸比对，并将该人脸比对相同率和人脸比对数据输出至该测试日志中；
该获取模块88根据该静态人脸比对图像和该测试日志获取人脸比对计数指标，并根据该人脸比对计数指标、该活体检测计数指标和该人脸检测计数指标表征该人脸识别性能。
在一个实施例中，该获取模块88还用于对该静态活体检测图像进行活体检测分析，并根据该活体检测分析和该测试日志获取该活体检测计数指标；其中，该活体检测分析包括：光照分析、纸张分析和假体分析。
在一个实施例中，该获取模块88还用于对该静态人脸检测图像进行图像质量检测，该获取模块88根据该图像质量检测对该测试日志进行分析，并获取该人脸检测计数指标；其中，该图像质量检测包括以下至少之一：分辨率、人脸完整度、人脸瞳间距、图像清晰度、人脸表情、人脸角度和图像对比度。
在一个实施例中，该装置还包括显示模块；该显示模块将该人脸检测计数指标发送至终端12；其中，该终端12将该人脸检测计数指标以图表的形式进行显示。
关于人脸识别性能测试装置的具体限定可以参见上文中对于人脸识别性能测试方法的限定，在此不再赘述。上述人脸识别性能测试装置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，图11为根据本发明实施例的一种计算机设备内部的结构图，如图11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测试日志数据。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人脸识别性能测试方法。
本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述各实施例提供的人脸比对方法中的步骤。
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上述各实施例提供的人脸比对方法中的步骤。
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。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
1.一种人脸识别性能的测试方法，其特征在于，所述方法包括：
根据人脸检测算法对获取的实时流图像进行人脸检测；
在根据人脸检测阈值判断所述人脸检测未通过的情况下，将所述实时流图像保存为静态人脸检测图像；根据所述人脸检测算法对所述静态人脸检测图像进行静态人脸检测，根据所述静态人脸检测的结果获取人脸检测相同率；
进行多次所述人脸检测，在所述人脸检测的总次数大于或者等于预设人脸检测次数的情况下，将所述人脸检测相同率和人脸检测数据输出至测试日志中；
根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标，其中，所述人脸检测计数指标表征人脸识别性能。
2.根据权利要求1所述的方法，其特征在于，所述根据人脸检测算法对获取的实时流图像进行人脸检测之后，所述方法还包括：
在所述人脸检测通过的情况下，根据活体检测算法对所述实时流图像进行活体检测；
在根据活体检测阈值判断所述活体检测未通过的情况下，将所述实时流图像保存为静态活体检测图像；根据所述活体检测算法对所述静态活体检测图像进行静态活体检测，根据所述静态活体检测的结果获取活体检测相同率；
进行多次所述活体检测，在所述活体检测的总次数大于或者等于所述预设活体检测次数的情况下，将所述活体检测相同率和活体检测数据输出至所述测试日志中；
根据所述静态活体检测图像和所述测试日志获取活体检测计数指标，并根据所述活体检测计数指标和所述人脸检测计数指标表征所述人脸识别性能。
3.根据权利要求2所述的方法，其特征在于，所述根据活体检测算法对所述实时流图像进行活体检测之后，所述方法还包括：
在所述活体检测通过的情况下，根据人脸比对算法对所述实时流图像进行人脸比对；
在根据人脸比对阈值判断所述人脸比对未通过的情况下，将所述实时流图像保存为静态人脸比对图像；根据所述人脸比对算法对所述静态人脸比对图像进行静态人脸比对，根据所述静态人脸比对的结果获取人脸比对相同率；
进行多次所述人脸比对，在所述人脸比对的总次数大于或者等于所述预设人脸比对次数的情况下，将所述人脸比对相同率和人脸比对数据输出至所述测试日志中；
根据所述静态人脸比对图像和所述测试日志获取人脸比对计数指标，并根据所述人脸比对计数指标、所述活体检测计数指标和所述人脸检测计数指标表征所述人脸识别性能。
4.根据权利要求2所述的方法，其特征在于，所述根据所述静态活体检测图像和所述测试日志获取活体检测计数指标包括：
对所述静态活体检测图像进行活体检测分析，并根据所述活体检测分析和所述测试日志获取所述活体检测计数指标；其中，所述活体检测分析包括：光照分析、纸张分析和假体分析。
5.根据权利要求1所述的方法，其特征在于，所述根据所述静态人脸检测图像和所述测试日志获取检测计数指标包括：
对所述静态人脸检测图像进行图像质量检测，根据所述图像质量检测对所述测试日志进行分析，并获取所述人脸检测计数指标；其中，所述图像质量检测包括以下至少之一：分辨率、人脸完整度、人脸瞳间距、图像清晰度、人脸表情、人脸角度和图像对比度。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标之后，所述方法还包括：
将所述人脸检测计数指标发送至终端；其中，所述终端将所述人脸检测计数指标以图表的形式进行显示。
7.一种人脸识别性能的测试装置，其特征在于，所述装置包括：
人脸检测模块，用于根据人脸检测算法对获取的实时流图像进行人脸检测；
保存模块，用于在根据人脸检测阈值判断所述人脸检测未通过的情况下，将所述实时流图像保存为静态人脸检测图像；根据所述人脸检测算法对所述静态人脸检测图像进行静态人脸检测，根据所述静态人脸检测的结果获取人脸检测相同率；
输出模块，用于在进行多次所述人脸检测，在所述人脸检测的总次数大于或者等于预设人脸检测次数的情况下，将所述人脸检测相同率和人脸检测数据输出至测试日志中；
获取模块，用于根据所述静态人脸检测图像和所述测试日志获取人脸检测计数指标，其中，所述人脸检测计数指标表征人脸识别性能。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括活体检测模块；
所述活体检测模块在所述人脸检测通过的情况下，根据活体检测算法对所述实时流图像进行活体检测；
所述保存模块在根据活体检测阈值判断所述活体检测未通过的情况下，将所述实时流图像保存为静态活体检测图像；根据所述活体检测算法对所述静态活体检测图像进行进行静态活体检测，根据所述静态活体检测的结果获取活体检测相同率；
所述输出模块进行多次所述活体检测，在所述活体检测的总次数大于或者等于所述预设活体检测次数的情况下，将所述活体检测相同率和活体检测数据输出至所述测试日志中；
所述获取模块根据所述静态活体检测图像和所述测试日志获取活体检测计数指标，并根据所述活体检测计数指标和所述人脸检测计数指标表征所述人脸识别性能。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至6中任一项所述方法的步骤。
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权利要求1至6中任一项所述的方法的步骤。
技术总结