测试方法和装置制造方法及图纸

本申请公开了测试方法和装置。该方法的一具体实施方式包括：获取待识别的图像，图像包括：待识别对象；在图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对测试图像中的待识别对象进行识别。实现了根据图像识别方式的识别效果的测试中所需的测试环境，选取相应的环境对象叠加到待识别的图像中，即可得到测试图像识别方式的识别效果所需的测试图像，而无需分别获取测试环境下的图像，从而，对图像识别功能在任意测试环境下的识别效果进行全面的测试。

Test method and apparatus

A test method and apparatus are disclosed herein. One embodiment of the method includes: obtaining images to identify the images including the object to be identified; in the image overlay test required default context object, and get the test image; image recognition by default to identify the object to be identified in the test image. The test environment according to the need of image recognition method to identify the effect of the test, select the corresponding environmental objects added to the image to be identified in the test image to get the test image recognition method recognition results can be, without the need to separately capture image, test environment and comprehensive testing recognition results of the image recognition function in any test environment.

【技术实现步骤摘要】
测试方法和装置
本申请涉及计算机领域，具体涉及图像处理领域，尤其涉及测试方法和装置。
技术介绍
图像识别技术被广泛应用的人工智能技术之一。为确保图像识别方式准确地识别出图像中的待识别对象，需要对图像识别方式在不同的测试环境中能否识别出图像中的待识别对象进行全面的测试。目前，通常采用的方式为：获取不同的测试环境下的图像，利用图像识别方式对不同的测试环境下的图像中的待识别对象进行识别，测试图像识别方式的在不同的环境下的识别效果。然而，一方面，由于影响诸如天气环境的测试环境的因素较多，无法获取所有可能的测试环境，另一方面，需要采用人工方式对诸如天气环境的测试环境进行采集，导致无法对图像识别方式在不同测试环境下的识别效果进行全面的测试。
技术实现思路
本申请提供了测试方法和装置，用于解决上述
技术介绍
部分存在的技术问题。第一方面，本申请提供了测试方法，该方法包括：获取待识别的图像，图像包括：待识别对象；在待识别的图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对测试图像中的待识别对象进行识别，以测试预设图像识别方式能否在预设环境对象对应的环境下识别出待识别对象。第二方面，本申请提供了测试装置，该装置包括：获取单元，配置用于获取待识别的图像，待识别的图像包括：待识别对象；生成单元，配置用于在图像中叠加测试所需的预设环境对象，得到测试图像；测试单元，配置用于采用预设图像识别方式对测试图像中的待识别对象进行识别，以测试预设图像识别方式能否在预设环境对象对应的环境下识别出待识别对象。本申请提供的测试方法和装置，通过获取待识别的图像，图像包括：待识别对象；在图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对测试图像中的待识别对象进行识别。实现了根据图像识别方式的识别效果的测试中所需的测试环境，选取相应的环境对象叠加到待识别的图像中，即可得到测试图像识别方式的识别效果所需的测试图像，而无需分别获取测试环境下的图像，从而，对图像识别功能在任意测试环境下的识别效果进行全面的测试。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1示出了可以应用于本申请的测试方法或装置的示例性系统架构；图2示出了根据本申请的测试方法的一个实施例的流程图；图3示出了根据本申请的测试方法的一个示例性流程图；图4示出了根据本申请的测试装置的一个实施例的结构示意图；图5示出了适于用来实现本申请实施例的测试装置的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出了可以应用于本申请的测试方法或装置的实施例的示例性系统架构100。如图1所示，系统架构100可以包括终端设备101、网络102和无人驾驶汽车103。网络102用以在终端设备101和无人驾驶汽车103之间提供通信链路的介质。网络102可以采用无线通信链路。终端设备101可以是具有显示屏并且支持网络通信的各种电子设备，包括但不限于平板电脑、台式计算机。无人驾驶汽车103可以配置有相机传感器、激光雷达等环境感知设备。无人驾驶汽车103可以利用相机传感器采集表示车辆的行驶环境的行驶环境图像，将行驶环境图像发送给终端设备101作为图像识别方式的识别效果进行测试的待识别图像。图像识别方式可以为机器学习模型，终端设备101可以运行有机器学习模型，可以在终端设备101上利用机器学习模型对待识别的图像中的待识别对象进行识别测试机器学习模型的识别效果。当机器学习模型的识别结果通过测试时，将通过测试的机器学习模型配置在无人驾驶汽车103中。配置在无人驾驶汽车中的机器学习模型可以用于对相机传感器采集的无人驾驶汽车的相机传感器采集的行驶环境图像中的交通标识对象、车辆对象、行人对象等对象进行识别，实时进行对无人驾驶汽车的行驶环境进行感知。请参考图2，其示出了根据本申请的测试方法的一个实施例的流程200。需要说明的是，本申请实施例所提供的测试方法可以由图1中的终端设备101执行。该方法包括以下步骤：步骤201，获取待识别的图像。在本实施例中，待识别的图像包括多个待识别对象。为了测试图像识别方式的识别效果即能否识别出待识别中的待识别对象，可以首先获取待识别的图像。例如，图像识别方式为无人驾驶汽车上配置的机器学习模型。该机器学习模型用于对摄像头采集的无人驾驶汽车的相机传感器采集的行驶环境图像中的待识别对象进行识别，实时进行行驶环境的感知。在无人驾驶汽车的行驶过程中，可以通过无人驾驶汽车上的摄像头拍摄摄像头视野范围内的行驶环境图像作为待识别的图像，可以通过无线通信方式从无人驾驶汽车的控制系统获取到该识别的图像。在待识别图像即无人驾驶汽车的相机传感器采集的行驶环境图像中，待识别对象可以包括但不限于：交通标识对象、车辆对象、行人对象。交通标识对象可以包括但不限于：车道线、交通标志牌、指示标线、红绿灯。为了测试机器学习模型能否识别出无人驾驶汽车的行驶环境中的交通标识对象、车辆对象、行人对象，可以首先获取海量的行驶环境图像。步骤202，在待识别的图像中叠加测试所需的预设环境对象，得到测试图像。在本实施例中，在通过步骤201获取待识别的图像之后，可以在待识别的图像中叠加测试所需的预设环境对象，得到测试图像。以预设图像识别方式为型配置在无人驾驶汽车上的机器学习模型为例，由于在对机器学习模型的识别效果的测试中，需要测试机器学习模型能否在不同的环境下识别出交通标识对象、车辆对象、行人对象，才能全面的测试机器学习模型的识别效果。因此，在对机器学习模型的识别效果的测试中，需要包含不同环境对应的环境对象和待识别对象即交通标识对象、车辆对象、行人对象的图像作为测试图像。然后，由机器学习模型分别包含不同的环境对象的测试图像中的交通标识对象、车辆对象、行人对象进行识别，从而，测试机器学习模型能否在不同的环境下识别出的交通标识对象、车辆对象、行人对象。在本实施例中，可以根据在测试预设图像识别方式能否识别出待识别对象所需的环境，预先获取环境对应的环境对象。然后，将环境对象叠加到待测试的图像中，得到测试图像。在本实施例的一些可选的实现方式中，预设环境对象包括：天气对象。在本实施例中，在测试预设图像识别方式能否识别出待识别对象所需的环境可以包括但不限于：雨对象、雪对象、雾对象、沙尘对象、强光对象等天气环境。以预设图像识别方式为型配置在无人驾驶汽车上的机器学习模型为例，为了测试该机器学习模型能否在雨天、雪天、雾天、沙尘天、强光等天气环境中能否识别出交通标识对象、车辆对象、行人对象，需要雨天、雪天、雾天、沙尘天、强光等天气环境下的包含交通标识对象、车辆对象、行人对象的测试图像。在本实施例中，雨天、雪天、雾天、沙尘天、强光等天气环境可以各自划分为多个级别。例如，雨天包含小雨、中雨、大雨、暴雨等对象。在本实施例中，可以预先将在真实的雨天、雪天、雾天、沙尘天、强本文档来自技高网...

【技术保护点】
一种测试方法，其特征在于，所述方法包括：获取待识别的图像，所述图像包括：待识别对象；在所述图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对所述测试图像中的待识别对象进行识别，以测试所述预设图像识别方式能否在预设环境对象对应的环境下识别出待识别对象。

【技术特征摘要】
1.一种测试方法，其特征在于，所述方法包括：获取待识别的图像，所述图像包括：待识别对象；在所述图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对所述测试图像中的待识别对象进行识别，以测试所述预设图像识别方式能否在预设环境对象对应的环境下识别出待识别对象。2.根据权利要求1所述的方法，其特征在于，预设环境对象包括：天气对象。3.根据权利要求2所述的方法，其特征在于，在获取待识别的图像之前，所述方法还包括：生成背景图像；拍摄包含预设环境对象的环境图像；计算所述环境图像与背景图像的差值，以从所述环境图像中提取出所述预设环境对象。4.根据权利要求3所述的方法，其特征在于，生成背景图像包括：设置拍摄参数，所述拍摄参数包括：焦距、俯仰角；将在能见度大于能见度阈值的环境下拍摄参数对应的取景范围内拍摄的图像作为背景图像。5.根据权利要求4所述的方法，其特征在于，预设图像识别方式为机器学习模型；以及采用预设图像识别方式对所述测试图像中的待识别对象进行识别包括：获取待识别对象的标注信息，标注信息包括:待识别对象的名称、待识别对象的位置；以机器学习模型对所述测试图像中的待识别对象进行识别，得到识别结果；判断识别结果是否与标注信息匹配，以根据判断结果，确定机器学习模型能否在预设环境对象对应的环境下识别出待识别对象。6.一种测试装置，其特征在于，所述装置包括...

【专利技术属性】
技术研发人员：胡太群，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11