一种测试方法、装置及计算机可读存储介质制造方法及图纸

本申请实施例公开了一种测试方法、装置及计算机可读存储介质，其中方法包括：获取测试图片，调用微表情模型接口以得到测试图片输出的第一微表情识别结果，第一微表情识别结果包括文字微表情和每个文字微表情对应的微表情占比；读取微表情映射信息和专家对测试图片中人脸图像标注的专家数字微表情信息；根据第一微表情识别结果、所述微表情映射信息以及所述专家数字微表情信息生成专家文字微表情信息；根据所述第一微表情识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息。通过本申请实施例，可以提升微表情模型的测试效率，节省人力资源。

A test method, device and computer readable storage medium

The embodiment of the application discloses a test method, device and computer-readable storage medium, wherein the method comprises: obtaining a test picture, calling a micro expression model interface to obtain the first micro expression recognition result outputted by the test picture, the first micro expression recognition result including the proportion of the micro expression corresponding to the character micro expression and each character micro expression, reading the micro expression mapping information and the special The expert digital micro expression information annotated by the family on the face image in the test picture; the expert text micro expression information is generated according to the first micro expression recognition result, the micro expression mapping information and the expert digital micro expression information; the first micro expression recognition is extracted according to the micro expression proportion in the first micro expression recognition result and the state information in the expert text micro expression information Don't get the first exception in the result. Through the embodiment of the application, the test efficiency of the micro expression model can be improved and human resources can be saved.

【技术实现步骤摘要】
一种测试方法、装置及计算机可读存储介质
本申请涉及测试
，尤其涉及一种测试方法、装置及计算机可读存储介质。
技术介绍
微表情的识别是AI领域中一个典型的能力。微表情模型会输出多个表情维度的信息值，对该多个微表情输出结果的正确性评估是普通人肉眼无法准确衡量的。业界的做法是请专业的标注公司和心理学家来进行表情标注。标注结果是使用微表情数字来表示图片中包括哪些微表情，以及表情的明显程度等信息。然而微表情模型对于图片中微表情的输出结果则是图片中每种微表情的占比信息。因此在测试的过程中，由于标注文档和第一微表情识别结果内容不匹配，从而无法简单依据标注文档来对模型的输出结果评判。而使用人工对模型输出结果进行评判的方法，效率低，耗费人力资源。
技术实现思路
本申请实施例提供一种测试方法，可自动对测试结果和标注结果进行比对，并返回比对结果，便于根据测试结果对微表情模型进行优化，提升了测试效率。第一方面，本申请实施例提供了一种测试方法，该方法包括：获取测试图片，调用微表情模型接口以得到所述测试图片的所述微表情模型提取的第一微表情识别结果，所述第一微表情识别结果包括文字微表情和每个文字微表情对应的微表情占比；读取微表情映射信息和专家对所述测试图片中人脸图像标注的专家数字微表情信息，所述微表情映射信息包括文字微表情和数字微表情的对应关系；根据第一微表情识别结果、所述微表情映射信息以及所述专家数字微表情信息生成专家文字微表情信息，所述专家文字微表情信息包括所述第一微表情识别结果中的文字微表情和与文字微表情对应的状态信息，所述状态信息用于表示所述专家数字微表情信息中是否存在与所述文字微表情对应的数字微表情；根据所述第一微表情识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息，所述第一异常信息为所述第一微表情识别结果中与所述专家文字微表情信息中不匹配的文字微表情和对应的微表情占比。在一种可选的实施方式中，所述调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果，包括：将所述测试图片输入到所述微表情模型接口；调用微表情模型识别所述测试图片中人脸图像的微表情，输出所述测试图片的第一微表情识别结果。在一种可选的实施方式中，所述根据第一识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息包括：S1：判断所述第一微表情识别结果中的第一文字微表情对应的第一微表情占比是否大于零，所述第一文字微表情为所述第一识别结果中任意一个文字微表情或所述专家文字微表情信息中任意一个文字微表情；S2：若所述第一微表情占比大于零，则判断所述专家微表情信息中所述第一文字微表情的状态信息是否表示存在所述第一文字微表情；S3：若所述第一微表情占比大于零，且所述专家微表情信息中所述第一文字微表情的状态信息表示不存在所述第一文字微表情，则将所述第一文字微表情确定为异常文字微表情；S4：若所述第一微表情占比等于零，则判断所述专家微表情信息中的所述第一文字微表情的状态信息是否表示不存在第一文字微表情；S5：若所述第一微表情占比等于零，且所述专家微表情信息中的所述第一文字微表情的状态信息表示存在第一文字微表情，则将所述第一文字微表情确定为异常文字微表情；将第二文字微表情作为所述第一文字微表情执行上述S1-S5的步骤，判断所述第二文字微表情是否为异常文字微表情，所述第二文字微表情为所述第一识别结果中除所述第一文字微表情之外的其他文字微表情或所述专家文字微表情信息中除所述第一文字微表情之外的其他文字微表情；输出所述第一微表情识别结果中的异常的文字微表情和对应的微表情占比。在一种可选的实施方式中，所述状态信息包括：“存在”和“不存在”，或者包括：“有”和“没有”，或者包括：“1”和“0”。在一种可选的实施方式中，在所述根据第一识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息之后，所述方法还包括：在检测到所述微表情模型接口更新版本的情况下，调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第二微表情识别结果，所述第二微表情识别结果包括文字微表情和每个文字微表情对应的微表情占比；根据所述第二识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第二微表情识别结果中的第二异常信息，所述第二异常信息为所述第二微表情识别结果中与所述专家文字微表情信息中不匹配的文字微表情和对应的微表情占比；根据所述第一异常信息和所述第二异常信息对所述微表情模型接口更新版本进行评估。在一种可选的实施方式中，在所述调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果之前，所述方法还包括：读取存储中的并发配置文件信息，根据并发配置文件信息自动启动对应的线程数，执行所述调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果；记录得到所述第一微表情识别结果的响应时长，以评估所述微表情模型接口的并发性能。在一种可选的实施方式中，所述方法还包括：调用录像设备，获取录像设备录制的视频流；截取所述视频流中的视频图片；调用所述微表情模型接口，得到所述微表情模型针对所述视频图片的微表情识别结果；存储所述视频图片和所述视频图片的微表情识别结果。第二方面，本申请实施例提供了一种测试装置，该测试装置包括用于执行上述第一方面的方法的单元，该测试装置包括：获取单元，用于获取测试图片；模型接口单元，用于调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果，所述第一微表情识别结果包括文字微表情和每个文字微表情对应的微表情占比；读取单元，用于读取微表情映射信息和专家对所述测试图片中人脸图像标注的专家数字微表情信息，所述微表情映射信息包括文字微表情和数字微表情的对应关系；生成单元，用于根据第一微表情识别结果、所述微表情映射信息以及所述专家数字微表情信息生成专家文字微表情信息，所述专家文字微表情信息包括所述第一微表情识别结果中的文字微表情和与文字微表情对应的状态信息，所述状态信息用于表示所述专家数字微表情信息中是否存在与所述文字微表情对应的数字微表情；提取单元，用于根据所述第一微表情识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息，所述第一异常信息为所述第一微表情识别结果中与所述专家文字微表情信息中不匹配的文字微表情和对应的微表情占比。在一种可选的实施方式中，所述模型接口单元包括：输入子单元，用于将所述测试图片输入到所述微表情模型接口；调用子单元，用于调用微表情模型识别所述测试图片中人脸图像的微表情，输出所述测试图片的第一微表情识别结果。在一种可选的实施方式中，所述本文档来自技高网...

【技术保护点】
1.一种测试方法，其特征在于，包括：/n获取测试图片，调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果，所述第一微表情识别结果包括文字微表情和每个文字微表情对应的微表情占比；/n读取微表情映射信息和专家对所述测试图片中人脸图像标注的专家数字微表情信息，所述微表情映射信息包括文字微表情和数字微表情的对应关系；/n根据第一微表情识别结果、所述微表情映射信息以及所述专家数字微表情信息生成专家文字微表情信息，所述专家文字微表情信息包括所述第一微表情识别结果中的文字微表情和与文字微表情对应的状态信息，所述状态信息用于表示所述专家数字微表情信息中是否存在与所述文字微表情对应的数字微表情；/n根据所述第一微表情识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息，所述第一异常信息为所述第一微表情识别结果中与所述专家文字微表情信息中不匹配的文字微表情和对应的微表情占比。/n

【技术特征摘要】
1.一种测试方法，其特征在于，包括：
获取测试图片，调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果，所述第一微表情识别结果包括文字微表情和每个文字微表情对应的微表情占比；
读取微表情映射信息和专家对所述测试图片中人脸图像标注的专家数字微表情信息，所述微表情映射信息包括文字微表情和数字微表情的对应关系；
根据第一微表情识别结果、所述微表情映射信息以及所述专家数字微表情信息生成专家文字微表情信息，所述专家文字微表情信息包括所述第一微表情识别结果中的文字微表情和与文字微表情对应的状态信息，所述状态信息用于表示所述专家数字微表情信息中是否存在与所述文字微表情对应的数字微表情；
根据所述第一微表情识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息，所述第一异常信息为所述第一微表情识别结果中与所述专家文字微表情信息中不匹配的文字微表情和对应的微表情占比。


2.根据权利要求1所述的方法，其特征在于，所述调用微表情模型接口以得到所述微表情模型针对所述测试图片输出的第一微表情识别结果，包括：
将所述测试图片输入到所述微表情模型接口；
调用微表情模型识别所述测试图片中人脸图像的微表情，输出所述测试图片的第一微表情识别结果。


3.根据权利要求2所述的方法，其特征在于，所述根据第一识别结果中的微表情占比和专家文字微表情信息中的状态信息提取所述第一微表情识别结果中的第一异常信息包括：
S1：判断所述第一微表情识别结果中的第一文字微表情对应的第一微表情占比是否大于零，所述第一文字微表情为所述第一识别结果中任意一个文字微表情或所述专家文字微表情信息中任意一个文字微表情；
S2：若所述第一微表情占比大于零，则判断所述专家微表情信息中所述第一文字微表情的状态信息是否表示存在所述第一文字微表情；
S3：若所述第一微表情占比大于零，且所述专家微表情信息中所述第一文字微表情的状态信息表示不存在所述第一文字微表情，则将所述第一文字微表情确定为异常文字微表情；
S4：若所述第一微表情占比等于零，则判断所述专家微表情信息中的所述第一文字微表情的状态信息是否表示不存在第一文字微表情；
S5：若所述第一微表情占比等于零，且所述专家微表情信息中的所述第一文字微表情的状态信息表示存在第一文字微表情，则将所述第一文字微表情确定为异常文字微表情；
将第二文字微表情作为所述第一文字微表情执行上述S1-S5的步骤，判断所述第二文字微表情是否为异常文字微表情，所述第二文字微表情为所述第一识别结果中除所述第一文字微表情之外...

【专利技术属性】
技术研发人员：王丽杰，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44