选型匹配人脸识别算法，一套测试标准快速搞定

对视觉AI领域的开发者而言，选到一款合适算法，堪称项目成功了一半：算法与项目需求匹配，可以显著提升开发效率、减少后期磨合调试，快速实现产品落地，

然而什么样的算法才叫“合适”？优秀的算法模型需要投入大量且全面的数据用以训练，同样，在测试算法时，开发者需要结合实际应用场景，先设计算法测试集，再用充足的数据进行测试，这才能得出算法是否适合项目的准确评判。

虹软视觉开放平台除提供免费、离线的人脸识别等算法外，也致力于打造系统化的开发者培训体系，为全行业输送高质量人才，官网最近上线了“从零学习人脸识别“之《人脸识别算法测试》培训课程，从一线实战角度系统阐述了算法测试的要点。

【算法测试集设计原则】

无论是算法训练，还是针对应用场景进行测试，都需要大量场景数据的支撑。正如虹软视觉开放平台的ArcFace人脸识别SDK，在算法研发时就考虑了楼宇、工地、社区、校园和景区等一系列场景的共性及个性，并进行针对训练，因此在百余个垂直行业的细分领域中得到了普遍应用。

同样，设计算法测试集的第一步是分析具体应用场景，再根据场景特点抽象出场景属性。譬如楼宇、工地、社区、校园和景区等常见应有场景，这些场景需要关注的属性就各不相同。

当算法应用在工地上，我们需要考虑算法在室外顶棚环境下的表现、IPC设备高度对识别效果的影响、排队及多人脸状况下算法识别速度，同时工地场景下识别目标通常为戴安全帽的成年人，也就需要格外这类群体的识别效果。

当应用场景在学校时，就需要主要考虑快速成长过程中儿童和青少年的识别效果；部署场景在社区和景区时，就需要考虑各个年龄段的识别效果……所有场景属性都需要因地制宜，结合实际情况来总结，但总体遵循内部因素和外部因素两大原则：

内因包括人脸姿态、妆容、身高、性别、表情、年龄、人种等，外因则包括室内/室外、光线方向、攻击道具、妆容道具、光照强度、设备高度、背景、遮挡等。

此外，测试素材集需要同时具备正样本、负样本，所谓正样本是指与真值对应的目标类别，负样本则是与真值不对应的其他所有目标类别，这样才能比对判断算法是否进行正确识别。

以“智慧楼宇门禁场景”为例，我们就需要全面模拟目标场景的应用环境，考虑场景、属性、设计和规模四大要素：场景上需要囊括室内/室外、楼宇/楼层/办公室等常见环境；属性上对外模拟采集环境须涵盖全属性，对内需要针对性采集人员选取须涵盖全属性；在素材设计上要模拟模拟真实用户的行为动作，譬如快走、慢走、跑步，以及戴帽子、眼镜或首饰引起的遮挡；素材规模上则需要根据测试需求决定，譬如实际场景常为暗光环境，就需要多采集暗光素材，同时测试集整体大小也要足够完成算法指标的评定。

测试素材的采集同样有严格要求：首先，我们必须选取目标设备进行采集，这样才不会因为硬件设备的变化导致测试结果有偏差；其次，注册照需要在正常光环境下采集，即光线在面部反光均匀、没有明显的阴影、反光现象，光线强度没有明显的分化现象环境，识别照则需要模拟实际应用场景下的抓拍照；再次，素材要进行清洗，测试集要求是无噪点且准确的；最后，需要标记每张素材的属性，包括内部属性和外部属性。

【人脸识别算法评测方法】

在理想状态下，人脸识别准确率越高越好，但算法在产品化时会受到光线、遮挡、图片质量、遮挡等外部因素，以及人脸姿态、年龄、性别、人种和表情等内部因素的综合影响。因此，评价一款算法是否适用于产品，需要结合实际场景并进行测试后才能做出评价。

多数情况下，我们以基于FAR（错误接受率，又称误识率，即把某人误识为其他人的概率）和FRR（错误拒绝率率，即本人注册在底库中，但比对相似度达到不预定的值）的DET曲线作为评判参考。

理想状况下，FAR和FRR都越低越好，但两个指标是一个跷跷板，一个指标的降低通常意味着另一个指标会升高，所以需要实现两者间的平衡。一般认为在FAR达到市场正常水准时，FRR越低，该人脸识别算法性能就越好。

在实际测试时，开发者需要根据对应项目建立相应的测试集，采集场景需要贴近实际使用场景；尽可能涵盖识别目标的全属性，包括性别、肤色、发型等因素；属性权重按照评测偏重点分配；测试集本身也需要有足够的容量，来保证测试结果可信。

另外，还有一些常见的评测常见指标，在评价人脸检测算法好坏时，我们会考虑以下四个指标，其他条件不变时，查全率越高越好，漏检率和误检率越低越好，IOU则是重合面积越大效果越好，但为了提高效率，超过设定阈值后可直接合并，视为同一个人脸框：

查全率=正确检测的人脸数/标注的总人脸数

漏检率=1-正确检测的人脸数/标注的总人脸数

误检率=错误检测的人脸数/标注的总人脸数

IOU=检测出来的人脸框A/实际的人脸框B

在评价活体检测算法时，我们则考虑真人误检率和假体误检率，其他条件不变时，这两者都是越低越好：

真人误检率 = 错误判断为真人数量/活体检测总次数

假体误检率 = 错误判断为假体数量/活体检测总次数

了解相关测试原则和方法之后，很多开发者仍然难以顺利进行算法选型，这往往是受限于实际条件，譬如缺乏专门的采集场地、采集人员，或者无法采集大规模测试集。

需要快速进行算法评测时，可以因地制宜，创造简易条件，譬如就地选取尽可能贴近使用场景的场地，省去场地租金、搭建成本，同时邀请公司员工充当采集人员。尽管从简，测试集规模原则上仍然需要覆盖全属性。

【算法评测需软硬一体】

前文提到，采集素材时最好选用目标设备，合适硬件、摄像模组采集有利于优化素材集。实际上，在项目开发的过程中，算法与硬件的磨合经常耗时日久，这往往是阻碍产品落地的重要因素。

为此，虹软开放平台则提供配套的软硬件资源对接平台——产业链市场，上架了丰富的摄像头模组、开发板、整机、行业解决方案供需求方选择。同时，所有上线产品都经过虹软视觉开发平台的认证与调优，实现软硬件的整合优化，确保算法运行高效流畅，大幅缩短产品落地时间。

想要完整学习《人脸识别算法测试》培训课程的开发者，请搜索“从零学习人脸识别“或登陆虹软视觉开放平台官网公开课页面浏览。