【项目】之——Dlib模型性能测试

目录

实验目的

测试时的电脑配置

测试过程

算法耗时情况

测试结论

---

实验目的

众所周知，在许多做人脸识别或者表情识别的文献中，都提及说光照对于人脸检测的影响是非常大的，光照充足且均匀的情况下更方便人脸检测。本实验的专注度分析主要是基于人脸的，因此，对于检测模型这块有一定的要求，计划实验Dlib来做人脸检测及标记，因此需对Dlib中的检测模块的性能进行测试，以便后续实验时做改进之用。

测试时的电脑配置

我使用的是i5四核处理器的笔记本，其系统基本配置如下。

 

测试过程

本次测试主要是考虑光照的影响。测试了光线充足、光线一般、光线不足的情况。实际测试情况分为以下几种：

1、如下图实验室晚上，灯光充足且均匀的情况下，对于大角度的偏转（几乎90度）或者稍微有遮挡的情况下，基本上是可以很好的检测出来的，对于抬头（大角度抬头几乎检测不出来，但是小角度抬头较准确的检测到）。

 

2、在实验室白天背光的情况下，头部稍微偏转，几乎检测不到人脸。但在光照一般的情况下，对于大角度偏转和稍微的抬头或低头，80%的情况下可检测到，只是特征点标记不是很准确。对于很大幅度的抬头，90%的情况下是检测不到人脸的。

  

对于多人脸的情况下，光线较好时，部分遮挡时，50%的情况下能检测到人脸。遮挡太多时，几乎检测不到，小部分遮挡可检测到。

 

3、在晚上走廊，灯光条件不好的情况下，对于左右偏转（90度内）几乎都可以检测出来，对于抬头，稍微抬高一点就检测基本都检测不出人脸了，低头基本都可以检测，只是检测到的效果不是很准。

 

4、在实验室白天有阳光的情况下，对于大角度偏转以及小部分有遮挡的情况下，都能相对较好的检测到人脸面部特征。

 

 

算法耗时情况

本模型在i5四核处理器的笔记本上，载入模型花费时间约在2秒。

每帧检测人脸函数耗时约在0.069秒左右（软件运行过多的情况下时间有时会达到0.1秒），同时检测两个人时，约为0.1秒左右。

每张脸特征点的提取时间约为0.004秒，没有脸的时候近乎为0，偏转较大时会到0.008左右。

测试结论

综合实际的测试情况，得出以下结论：

1、Dlib模块中的检测算法中，至少人脸检测部分对于光照的依赖性还是很强。对于课堂检测，这部分或许要花大力气解决一下。否则可能会影响后续的判断。

2、人脸检测时间会随着检测人数而有所增加。如果课堂人数过多，可考虑优化此部分。