[发明专利]一种适合公安实战的人脸识别算法评测方法

说明书

本发明涉及一种适合公安实战的人脸识别算法评测方法，包括：建库测试：输入样本图片数据库，由搭载待测算法的程序建立人像库，并采集程序的建库速度和入库率；识别测试：输入多张待识别图片，由程序从其建立的人像库中为每一张待识别图片选取最接近的设定数目的图片；结果评价：根据建库测试和识别测试的结果，得到对于该程序的评价。与现有技术相比，本发明同时对建库过程和识别过程进行了测试，识别过程对1：N测试中查询照数据明确地划分了多个数据集合，其中有按照不同的照片类型划分的，也有按照影响人脸样貌的因素划分的，特别地，还加入了不同年龄差异大小的组别，对实战中老照片的使用性能有了借鉴。

技术领域

本发明涉及一种评测方法，尤其是涉及一种适合公安实战的人脸识别算法评测方法。

背景技术

人脸算法在公安实战领域主要有以下应用形式：第1类是1:N比对，对未知身份的人像，查询其在给定人像库中与其最相似的K个人像；第2类是n:N比对，对两个库进行交叉比对，通过相似度判定两个库中是否有相同人员。在1:N比对中，人像库通常很大，如几百万到几千万常住(或暂住)人口，公安人员在获得最相似的K个人像后可通过后期排查确认其身份。在n:N比对中，目的是筛选出身份洗白的犯罪嫌疑人，n指的较小的人像库，例如在逃人员库(10万数量级)，N是指较大的人像库如常住(或暂住)人员库。

对人脸识别算法有效性的评测最早从学术界而来，然而学术界的评测方法并不完全适用于公安实战领域，主要原因如下：

1.比对类型不匹配：学术界的比对更多侧重于1:1比对，即判定2个人像是否为统一人，该比对形式更适用于民用场景，在公安实战场景中很少使用。

2.数据量级不匹配：学术界上测试集的数据较小，通常在1万量级以下，与公安实战要求的千万量级无法匹配。有经验表明，当人像库量级放大100倍后，1:N比对的准确率可能会急剧下降。

3.数据类型不匹配：在1:N比对中，虽然查询照可能质量较差，但N所指代的大库通常是证件照类型，具有高清、姿态统一等特点。对类似这样固定拍摄质量的人像比对，识别算法通常会做特定优化，如果用学术界数据则无法测试出算法的特点。

除了学术界外，各类机构也进行过人脸识别算法的测试，但是测试时候容易将测试难度简化，从而减少了对实战的借鉴意义，例如，查询数据都选用了高清的近照，这样的数据容易采集但会使算法性能偏高许多。

为了测试公安实战中的人脸识别算法，数据应该从真实场景而来，涵盖多种情况下的人像照片，并且显式对数据进行区分不同难度的数据集合，测得算法在不同难度下的水平，避免因为某类照片太多导致结果偏好或偏差。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种适合公安实战的人脸识别算法评测方法。

本发明的目的可以通过以下技术方案来实现：

一种适合公安实战的人脸识别算法评测方法，包括：

建库测试：输入样本图片数据库，由搭载待测算法的程序建立人像库，并采集程序的建库速度和入库率；

识别测试：输入多张待识别图片，由程序从其建立的人像库中为每一张待识别图片选取最接近的设定数目的图片；

结果评价：根据建库测试和识别测试的结果，得到对于该程序的评价。

所述识别测试过程输入的待识别图片包括：

简单组：包括证件照类图片；

一般组：包括入所照类图片、盘查照类图片、监控视频截图类图片；

复杂组：包括表情变化图片组，光照变化图片组、年龄变化图片组、姿态变化图片组、装饰遮挡图片组。