人脸检测FDDB评测的详细步骤

人脸检测FDDB评测的详细步骤,分如下三步：

第一步：使用自己的人脸检测起生成检测结果：

使用你自己的分类器进行检测。在检测过程中，需要生成一个txt文档。官方文档在这里。
http://vis-www.cs.umass.edu/fddb/README.txt
其实就是以下格式

这里给出写这个的C++代码。

注意：以下的p[0],p[1],p[2],p[3]分别代表着人脸的左上角点坐标（x,y）宽度和高度w,h。

string Double_String(double x)
{stringstream ss;ss << x;return ss.str();
}string Int_String(int x)
{stringstream ss;ss << x;return ss.str();
}
void detectAndDisplay(Mat gray,string line)
{//以下人脸的数量用face_number代替string face_position_1 = line;string face_position_2 = Int_String(face_number);vector<string> face;for (int i = 0; i < face_number; i++){// <left_x top_y width height detection_score> //we do itstring face_vector = Int_String(p[0]) + " " + Int_String(p[1]) + " " + Int_String(p[2]) + " " + Int_String(p[3]) + " " + Double_String(detect_score);//detect_score，根据官网上的介绍，分类器中应该就包含这个参数。如果你是用opencv,那么在detectMultiScale中可以找到face.push_back(face_vector);}//首先打开txtofstream result("result.txt", ios::app);result << face_position_1 << endl << face_position_2 << endl;result.close();//先关闭一次//把vector写入for (vector<string>::iterator iter = face.begin(); iter != face.end(); ++iter){ofstream result_eachface("result.txt", ios::app);  //每一张脸result_eachface << *iter << endl;result_eachface.close();}face.clear();//清除这个result.clear();
}
int main()
{string file = "Fold_all.txt";string line;ifstream in(file);if (in) // 有该文件  {while (getline(in, line)) // line中不包括每行的换行符  {string pic_road = line + ".jpg";Mat gray = imread(pic_road, CV_LOAD_IMAGE_GRAYSCALE);//it is necessary that must have CV_LOAD_IMAGE_GRAYSCALEdetectAndDisplay(gray, line);}}cout << "Finally we got it";getchar();
}

我们得到了一个这样的txt文档，表示，图片名字，人脸的个数，人脸左顶点的坐标，宽，高，人脸窗口的置信度；矩形人脸信息：

第二步：下载FDDB的评测的代码，修改c++代码:

官网代码地址:http://vis-www.cs.umass.edu/fddb/evaluation.tgz

解压evaluation.tgz，将其源文件和头文件包含在工程中，添加OpenCV的属性表。
然后做以下修改：

还要注意 detFormat = DET_RECTANGLE; 如果你的检测输出是椭圆，这里就要改成椭圆。

在evaluate.cpp中的main函数，把第235行改为如下，即在max前面添加括号，否则会冲突。

Results *r = new Results(imName, (std::numeric_limits<double>::max)(), NULL, annot, det);

再者，在项目的属性栏中做如下改动。

在72行，把这里改成自己的

#ifdef _WIN32string baseDir = "F:/soft/c++/Test_FDDB/Test_FDDB/";string listFile = "F:/soft/c++/Test_FDDB/Test_FDDB/Fold_all.txt";string detFile = "F:/soft/c++/Test_FDDB/Test_FDDB/result.txt";string annotFile = "F:/soft/c++/Test_FDDB/Test_FDDB/Elsp.txt";

生成，在工程目录下得到了ContROC.txt与DiscROC.txt文件。

第三步：生成ROC曲线图

个人感觉不需要安装perl就可以，只需要下载两个.p的文件ContROC.p与DistROC.p；

安装GUNPLOT，我装的gp501-win32-mingw。

打开刚才生成的两个.p文件，file->output，将可以看见生成的ROC曲线啦。

注意设置：输出文件的路径，建议使用绝对路径：

已经标注的很清楚，根据上述修改即可。
打开gnuplot4.6：

先把pl文件拖到里面，然后再file->output，即可看到我们的曲线。

曲线：

引用博客: http://blog.csdn.net/mr_curry/article/details/52141730

人脸检测FDDB评测的详细步骤相关推荐

（1）简单易学—— 人脸检测 Tensorflow_MTCNN模型训练详细步骤（纯干货，适用于windows和ubuntu系统）
(配置项目环境前,电脑环境需要安装好Anaconda3) 1. 下载项目地址: git clone https://github.com/wangbm/MTCNN-Tensorflow.git 先使用 ...
如何用OpenCV在Python中实现人脸检测
选自towardsdatascience 作者:Maël Fabien 机器之心编译参与:高璇.张倩.淑婷本教程将介绍如何使用 OpenCV 和 Dlib 在 Python 中创建和运行人脸检测算 ...
使用OpenCV实现人脸检测（Python）
文章目录 Introduction 使用 OpenCV 的 Haar 级联分类器导入工具包和模型路径级联分类器积分图像使用 Adaboost 学习分类函数级联分类器输入检测图像中的人脸 ...
Ubuntu 下使用 FDDB 测试人脸检测模型并生成 ROC 曲线，详细步骤
原 Ubuntu 下使用 FDDB 测试人脸检测模型并生成 ROC 曲线 2018年08月01日 20:18:44 Xing_yb 阅读数:101 标签: FDDB 人脸检测模型测试 ROC 曲线 ...
FDDB,检测自己的数据集的mobilenet,网络模型的详细步骤，留给新手参考
1. FDDB评估工具的使用,gunplot安装,修改路径,参考下面博客, 注意,make,如果报错再修改Makefile https://blog.csdn.net/behind_you/artic ...
Ello讲述Haar人脸检测：易懂、很详细、值得 ...
Ello讲述Haar人脸检测:易懂.很详细.值得 ... ...
人脸检测：RetinaFace（开源简化版）详细解读
介绍 Insight Face在2019年提出的最新人脸检测模型,原模型使用了deformable convolution和dense regression loss, 在 WiderFace 数据集 ...
【java】调用百度开发平台ai接口，完成人脸识别（人脸搜索、人脸对比、人脸检测等）功能--------超详细，适合小白
基本流程理解: 我们要使用百度提供的接口去实现某些功能,大致流程如下: 1.注册百度开放平台帐号: 浏览器打开http://ai.baidu.com/,进入百度ai的页面,点击右上角的控制台按钮进行登 ...
人脸检测dlib, mtcnnx对比，FDDB测试对比
前面一直做人脸检测相关内容,然后对比了下dib以及MTCNN的人脸检测效果主要是速度,以及FDDB准确率.最后给出生成FDDB测试文件的C++代码. FDDB 测试结果注本文的MTCNN效果检测准确 ...
实战 | 用Python和MediaPipe搭建一个嗜睡检测系统 (详细步骤 + 源码)
导读本文将使用Python和MediaPipe搭建一个嗜睡检测系统 (包含详细步骤 + 源码). 背景介绍疲劳驾驶的危害不堪设想,据了解,21%的交通事故都因此而生,尤其是高速路上,大多数车辆都是 ...

人脸检测FDDB评测的详细步骤

人脸检测FDDB评测的详细步骤相关推荐

最新文章

热门文章