关于人脸识别的测试总结

玩技站长 经验总结评论9492字数 1826阅读模式

最常见的AI应用就是人脸识别,今天这篇文章从人脸识别的架构和核心上,来讲讲测试的重点。

测试之前需要先了解人脸识别的整个流程,红色标识代表的是对应AI架构中的各个阶段:文章源自玩技e族-https://www.playezu.com/13298.html

文章源自玩技e族-https://www.playezu.com/13298.html

1文章源自玩技e族-https://www.playezu.com/13298.html
首先是人脸采集
文章源自玩技e族-https://www.playezu.com/13298.html
 文章源自玩技e族-https://www.playezu.com/13298.html

安装拍照摄像设备之后,需要在动态的场景与复杂的背景中判断是否存在人脸,并分离出这种面像。然后采集到人脸的照片。文章源自玩技e族-https://www.playezu.com/13298.html

 文章源自玩技e族-https://www.playezu.com/13298.html

文章源自玩技e族-https://www.playezu.com/13298.html

因此采集过程是非常重要的,一需要能够采集到内容,二采集的内容能够分离出来是人脸。文章源自玩技e族-https://www.playezu.com/13298.html

而特征提取的原理是,将获取的人脸照片进行色彩矫正、光线调整,五官定位和脸部分割,将人脸的鼻子、眼睛、嘴巴等视为一个个特征点,计算每个特征点所在的位置、距离、角度。文章源自玩技e族-https://www.playezu.com/13298.html

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。

2
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。

 

  • 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。

  •  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

  • 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4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。

图文来源网络,如有侵权联系删除

觉得文章不错的话,记得点赞哦

 最后更新:2018-6-20
  • 版权提示:本站仅供存储任何法律责任由作者承担▷诈骗举报◁▷新闻不符◁▷我要投稿◁
    风险通知:非原创文章均为网络投稿真实性无法判断,侵权联系2523030730
    免责声明:内容来自用户上传发布或新闻客户端自媒体,切勿!切勿!切勿!添加联系方式以免受骗。
  • 原创转载:https://www.playezu.com/13298.html
    转载说明: 点我前往阅读>>>
匿名

发表评论

匿名网友
确定