vs2015下，使用人脸检测算法对FDDB数据集进行测评

一、所需文件

FDDB官网首页http://vis-www.cs.umass.edu/fddb/下载，Original,unannontated set of images 数据集，Face annotations 标注信息.

http://vis-www.cs.umass.edu/fddb/results.html 进入download下载页面，下载evaluation评估源码.

二、建立vs工程

建立自己的人脸检测工程，或者在已有的人脸检测工程中加入第一步下载的文件

其中，2002，2003两个文件夹是第一步Original,unannontated set of images 数据集解压出来的两个文件夹，包含所有人脸数据，FDDB-fold-01.txt是把Face annotations中的10个（FDDB-fold-01——FDDB-fold-10）合并成一个txt，FDDB-fold-01-ellipsList.txt是相同的操作.

三、检测

检测的过程就是使用自定义的检测算法，利用数据集的标注信息访问数据集，对数据集进行处理，然后把检测结果保存成txt文件的过程.保存的txt文件格式要按照官网中README中给出的格式，

The corresponding annotations are included in the file
"FDDB-fold-xx-ellipseList.txt" in the following
format:...
<image name i>
<number of faces in this image =im>
<face i1>
<face i2>
...
<face im>
...Here, each face is denoted by:
<major_axis_radius minor_axis_radius angle center_x center_y 1>.

就是针对每一张图像保存成

2002/08/11/big/img_591
1
167 65 202 202 25.5054
2002/08/26/big/img_265
3
286 78 100 100 15.6361
54 44 100 100 34.7152
153 109 55 55 14.5676 这种格式，第一行表示图像名，第二行表示检测的人脸个数，第三行表示人脸的信息.从左到右依次表示face_x,face_y,face_width,face_height,face_score.

代码为：

   string inputName;
    string dir;
    ifstream in_txt("FDDB-fold-01.txt");
    while (!in_txt.eof())
    {
        getline(in_txt, inputName);
        dir = inputName + ".jpg";
        image = cv::imread(dir, cv::IMREAD_UNCHANGED);
        if (image.channels() != 1)
            cv::cvtColor(image, image_gray, cv::COLOR_BGR2GRAY);
        else
            image_gray = image;
       faces = detector.Detect(img_data);
        ofstream out_txt("output.txt", ios::app);
        out_txt << inputName << endl << faces.size() << endl;
        out_txt.close();
       cout << "Image size (wxh): " << img_data.width << "x"
            << img_data.height <<"input："<<inputName<<endl;
       cv::Rect face_rect;
        int32_t num_face = static_cast<int32_t>(faces.size());
       for (int32_t i = 0; i < num_face; i++) {
            ofstream out_txt1("output.txt", ios::app);
           out_txt1 << faces[i].bbox.x << " " << faces[i].bbox.y << " " << faces[i].bbox.width << " " << faces[i].bbox.height << " " <<faces[i].score<<" "<<endl;
            out_txt1.close();
        }

在自定义的检测算法修改上述代码，可以得到处理后的txt文件，保存后用于评测.

四、评测

   这一步需要用到FDDB提供的evaluation评测程序，除此之外还需要两个软件perl和gnuplot.下一步会介绍这两个软件的作用，这一步主要讲解evalution的配置.

   新建一个空的工程，把evaluation中的头文件和源文件分别加入工程中，并删除掉以"_"打头的头文件和源文件，配置opencv环境，修改evaluation.cpp中相应文件路径

   string baseDir = "E:/FDDB/data/";     string listFile = "E:/FDDB/FDDB-folds/FDDB-fold-01.txt";   string detFile = "E:/MyFaceDetection/Detection/Detection/output.txt";      string annotFile = "FDDB-fold-01-ellipseList.txt";

运行后生成两个文件tempContROC.txt和tempDiscROC.txt

五、安装perl和gnuplot

   根据自己的电脑选择perl版本和gnuplot版本，安装perl后在cmd命令下测试安装是否完成perl -v

   修改evaluation下的pl文件，

   # where the images are
    my $imDir = "E:/FDDB/originalPics/";
    # where the folds are
    my $fddbDir = "E:/FDDB/FDDB-folds/FDDB-folds/";
    # where the detections are
    my $detDir = "E:/FDDBEvaluation/evaluation/evaluation";

   my $gpFile = "E:/FDDBEvaluation/evaluation/evaluation/ContROC.p";
    my $gpFile1 = "E:/FDDBEvaluation/evaluation/evaluation/DistROC.p";
    my $title = "YotoFace";
    # plot the two ROC curves using GNUplot
    makeGNUplotFile("E:/FDDBEvaluation/evaluation/evaluation/tempContROC.txt", $gpFile, $title, $detDir."ContROC.png");
    makeGNUplotFile("E:/FDDBEvaluation/evaluation/evaluation/tempDiscROC.txt", $gpFile1, $title, $detDir."DiscROC.png");

   在cmd命令下，输入perl 所在路径/runEvaluate.pl，得到ContROC.p和DistROC.p

六、用gnuplot打开ContROC.p和DistROC.p，得到evaluationContROC.png和evaluationDiscROC.png

vs2015下，使用人脸检测算法对FDDB数据集进行测评相关推荐

windows下测试人脸检测分类器在FDDB数据库的性能
本文参考 http://blog.csdn.net/phoenix_zhou/article/details/47399819 , http://blog.csdn.net/mr_curry/arti ...
使用FDDB人脸样本检测库，测试自己的人脸检测算法性能并生成ROC曲线。
一,说明及环境网上有关FDDB人脸检测库的使用以及ROC文件生成的文章太少,并且都无法检测opencv中自带的人脸检测算法.最近工作的原因,需要用到FDDB库检测我们自己的人脸检测算法性能.所以认 ...
RetinaFace，最强开源人脸检测算法
作者 | CV君来源 | 我爱计算机视觉(ID:aicvmlaicvmlaicvml) 人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大 CV 方向 AI 公司的必争之地. W ...
人脸检测算法_目前最强!开源人脸检测算法:RetinaFace
加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动! 同时提供每月大咖直播分享.真实项目需求对接.干货资讯汇总 ...
目前最强开源人脸检测算法RetinaFace
点击我爱计算机视觉标星,更快获取CVML新技术人脸检测为目标检测的特例,是商业化最早的目标检测算法,也是目前几乎各大CV方向AI公司的必争之地. WIDER FACE数据集是由香港中文大学发布的大型 ...
一文综述人脸检测算法（附资源）
文章来源:SIGAI 本文共9400字,建议阅读10+分钟. 本文将和大家一起回顾人脸检测算法的整个发展历史. [导读] 人脸检测是目前所有目标检测子方向中被研究的最充分的问题之一,它在安防监控,人证 ...
人脸检测算法_腾讯已开源高精度人脸检测算法DSFD
腾讯提出一种高精度双分支人脸检测器DSFD并开源.该算法曾在全球两大权威人脸检测数据集WIDERFACE和FDDB上均取得了第一. 任务介绍人脸检测算法是在图像上检测出人脸的位置(通常以矩形框形式输 ...
人脸检测：人脸检测算法综述
https://blog.csdn.net/SIGAI_CSDN/article/details/80751476 问题描述人脸检测的目标是找出图像中所有的人脸对应的位置,算法的输出是人脸外接矩形在 ...
人脸检测算法落地详解
人脸检测 Face Detection 目标:人脸检测的目的是找出一张图片中的所有人脸的位置信息人脸检测是人脸其他应用的基础,只有获取到了是否有人脸和人脸的精确的位置信息,其它的应用才能继续开展,所 ...
机器学习与人脸识别3：人脸检测算法综述
以下内容转自网络,主要介绍人脸算法的历史: 导言人脸检测是目前所有目标检测子方向中被研究的最充分的问题之一,它在安防监控,人证比对,人机交互,社交和娱乐等方面有很强的应用价值,也是整个人脸识别算法的 ...

vs2015下，使用人脸检测算法对FDDB数据集进行测评

vs2015下，使用人脸检测算法对FDDB数据集进行测评相关推荐

最新文章

热门文章