Face Recognition 人脸识别该如何测试
2019-09-28 07:30 zouhui 阅读(643) 评论(0) 编辑 收藏 举报1.误识率(False;Accept;Rate;FAR):这是将其他人误作指定人员的概率;
2.拒识率(False;RejectRate;FRR):这是将指定人员误作其它人员的概率。
计算机在判别时采用的阈值不同,这两个指标也不同。一般情况下,误识率FAR;随阈值的增大(放宽条件)而增大,拒识率FRR;随阈值的增大而减小。因此,可以采用错误率(Equal;Error;Rate;ERR)作为性能指标,这是调节阈值,使这FAR和FRR两个指标相等时的FAR;或FRR。
(1)背景和头发:消除背景和头发,只识别脸部图象部分。
(2)人脸在图象平面内的平移、缩放、旋转:采用几何规范化,人脸图象经过旋转、平移、缩放后,最后得到的脸部图象为指定大小,两眼水平,两眼距离一定。
(3)人脸在图象平面外的偏转和俯仰:可以建立人脸的三维模型,或进行三维融合(morphing),将人脸图象恢复为正面图象。
(4)光源位置和强度的变化:采用直方图规范化,可以消除部分光照的影响。采用对称的从阴影恢复形状(symmteric;shape;from;shading)技术,可以得到一个与光源位置无关的图象
正常场景下,在合适的光源下,采集人脸的正面,包含正常完整的人脸轮廓,毫无遮挡的五官,清晰的被拍照设备拍到,这样才能够准确的捕捉到特征,并判断出来。
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。
3) 有佩戴黑框眼镜或墨镜拍照。
4) 头发有明显遮住眼睛或脸部轮廓。
5) 摄像头内包含多张人脸。
另外判断拍摄的样品是否包含人脸时,原理上一般会通过样品学习、或者是参考模版来,比如先设计一个标准人脸的模版,包含标准的特征、有一定的结构分布、相对规律的肤色分布。
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。比对两张脸中,其中一张脸一般来自于当前场景拍摄的照片,另一张照片一般来自于公安部或者数据库中的照片。
公安部或数据库的照片是用来作为比对标准的,也是固定且一般不可随意篡改的。但采集照片的环节容易出现各种各样的漏洞,容易被一些不法分子利用虚假照片、他人照片、网络照片等进行攻击。
因此,从测试角度来看,需要覆盖到这些非法采集照片的行为,比如:
1) 翻拍后的照片。
2) 长相相似度很高的非本人的照片
3) 软件合成的虚拟人脸
4) 基于证件照PS的照片
等等。
目前市面上主流的几种抗攻击的照片采集方式主要有三种:活体检测、连续检测、3D检测。
1) 活体检测:判断用户是否为正常操作,通过指定用户做随机动作,一般有张嘴、摇头、点头、凝视、眨眼等等,防止照片攻击。判断用户是否真实在操作,指定用户上下移动手机,防止视频攻击和非正常动作的攻击。
2) 3D检测:验证采集到的是否为立体人像,能够防止平面照片、不同弯曲程度的照片等。
3) 连续检测:通过连续的检测,验证人脸运动轨迹是否正常,防止防止跳过活体检测直接替换采集的照片,也能够防止中途切换人。
其中活体检测是现在应用最广的一种抗攻击人脸数据采集方式。
因为不管是直接对照片检测,还是对活体进行检测,最终的目的都是采集人脸不同角度的照片。因此如果活体检测没有与连续性检测和3D 检测结合使用,也会存在一些漏洞。
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。
计算机只会告诉我们比对的两张脸的相似程度,是80%或者是20%,但不会告诉我们这两张脸是否为同一个人。
因此人脸比对有一个阈值的概念。设置相似度大于x%的时候,视为人脸比对通过,小于x%的时候,视为人脸比对不通过。设定阈值的过程就是模型评估。
阈值设定过低,则人脸比对通过率高,误报率可能也会升高。
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。
举个例子:
有8个样本,分别拿十张照片与数据库证件照进行人脸比对,其中3个确实是人证统一,另外四个人证不同。比对的结果相似度如下:
假设阈值设定60%,则人脸比对通过率=4/8=50%,误报率=1/8=12.5%。
假设阈值设定70%,则人脸比对通过率=2/8=25%,误报率=1/8=12.5%。
假设阈值设定50%,则人脸比对通过率=5/8=62.5%,误报率=2/8=25%。
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。
推荐理由:致力于python爬虫系列及python相关经典好文集中地,以及程序员娱乐生活圈趣事分享(小编从业测试岗位四年SAAS平台+一年电商平台测试相关工作)积极分享趣事的90后,关注作者后台回复【测试】【Python】领取系统资料。
文章图片部分来源于网络如果侵权请及时联系删除
Just do it
简 单 快 捷
vx:shichaogg