FDDB评估码

至于我在ubuntu16,我必须通过以下步骤来完成:

1. 下载检测人脸的fddb原始图像数据集并获得检测结果。你可以下载 here .这是我的目录:

2. 将所有图像文件路径连接到一个txt文件,并将所有fddb注释连接到一个txt文件。 你可以下载所有的文件 here

至于我,我把所有的 FDDB-FOLD-%d.txt 转到目录 all_file_path ,然后按顺序将它们加入到一个文件中 cat * > filePath.txt

加入所有 FDDB-fold-%d-ellipseList.txt 一个接一个 cat *ellipse*.txt > annotFile.txt

注意:您可能不需要创建它,因为 runEvaluate.pl 在跑步过程中为你做这件事。

3.创建FDDB evalute exe,在这里下载源代码 here 然后编译它,你可以修改makefile,看看原因 here 添加

INCS = -I/usr/local/include/opencv

LIBS = -L/usr/local/lib -lopencv_core -lopencv_imgproc -lopencv_highgui
       -lopencv_ml -lopencv_video -lopencv_features2d -lopencv_calib3d 
       -lopencv_objdetect -lopencv_contrib -lopencv_legacy

制作文件。

4. 评估,你可以使用 runEvaluate。pl 但对于我(ubuntu16),我不能直接运行它。

   4.1更改 GUNPLOT 路径(您应该安装 gnuplot 首先使用它创建ROC图像)

4.2我使用矩形检测模型,所以我改变了 $detFormat 到0。

my $detFormat = 0; # 0: rectangle, 1: ellipse 2: pixels

4.3所有图像的相对路径:

my $listFile ="/home/xy/face_sample/evaluation/compareROC/FDDB-folds/filePath.txt";

4.4所有图像注释

my $annotFile = "/home/xy/face_sample/evaluation/compareROC/FDDB-folds/annotFile.txt";

4.5要生成的roc文件(由exe创建):

my $gpFile ="/home/xy/face_sample/evaluation/compareROC/createROC.p";

4.6你的检测文件(稍后我将给出如何创建)

my $detFile ="/home/xy/face_sample/evaluation/compareROC/detDir/fddb_rect_ret1.txt";

It’s content like that:

跑步者需要评估。如果出现一些错误,请将执行评估更改为以下内容:

system($evaluateBin, "-a", $annotFile, "-d", $detFile, "-f", $detFormat, "-i", $imDir, "-l", $listFile, "-r", $detDir, "-z", ".jpg");

您还可以使用以下命令进行检查:

xy@xy:~/face_sample/evaluation/compareROC$ ./evaluate \
> -a /home/xy/face_sample/evaluation/compareROC/FDDB-folds/annotFile.txt \
> -d /home/xy/face_sample/evaluation/compareROC/detDir/fddb_rect_ret1.txt \
> -f 0 \
> -i /home/xy/face_sample/evaluation/compareROC/originalPics/ \
> -l /home/xy/face_sample/evaluation/compareROC/FDDB-folds/filePath.txt \
> -r /home/xy/face_sample/evaluation/compareROC/detDir/ \
> -z .jpg

使用python创建fddb评估txt文件:

def get_img_relative_path():
    """
    :return: ['2002/08/11/big/img_344', '2002/08/02/big/img_473', ......]
    """
    f_name = 'E:/face_rec/face__det_rec_code/face_det/FDDB-folds/all_img_files.txt'
    lst_name = open(f_name).read().split('\n')

    return lst_name

def write_lines_to_txt(lst):
    # lst = ['line1', 'line2', 'line3']
    f_path = 'fddb_rect_ret.txt'
    with open(f_path, 'w') as fp:

        for line in lst:
            fp.write("%s\n" % line)

# For example use opencv to face detection
def detect_face_lst(img):
    """
    :param img: opencv image 
    :return: face rectangles [[x, y, w, h], ..........]
    """
    m_path = 'D:/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml'
    face_cascade = cv2.CascadeClassifier(m_path)

    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    return faces


def generate_fddb_ret():
    # The directory from which we get the test images from FDDB
    img_base_dir = 'E:/face_rec/face__det_rec_code/face_det/originalPics/'

    # All the images relative path, like '['2002/08/11/big/img_344', '2002/08/02/big/img_473', ......]'
    lst_img_name = get_img_relative_path()

    # Store detect result, like:
    # ['2002/08/11/big/img_344', '1', '10 10 50 50 1', .............]
    lst_write2_fddb_ret = []

    try:
        for img_name in lst_img_name:
            img_full_name = img_base_dir + img_name + '.jpg'
            img = cv2.imread(img_full_name)

            if img == None:
                print 'error %s not exists, can not generate complete fddb evaluate file' % img_full_name
                return -1

            lst_face_rect = detect_face_lst(img)

            # append img name like '2002/08/11/big/img_344'
            lst_write2_fddb_ret.append(img_name)

            face_num = len(lst_face_rect)
            # append face num, note if no face 0 should be append
            lst_write2_fddb_ret.append(str(face_num))

            if face_num > 0:
                # append each face rectangle x y w h score
                for face_rect in lst_face_rect:
                    # append face rectangle x, y, w, h score
                    # note: opencv hava no confidence so use 1 here
                    s_rect = " ".join(str(item) for item in face_rect) + " 1"
                    lst_write2_fddb_ret.append(s_rect)

    except Exception as e:
        print 'error %s , can not generate complete fddb evaluate file' % e
        return -1

    # Write all the result to txt for FDDB evaluation
    write_lines_to_txt(lst_write2_fddb_ret)

运行上述代码后,可以创建FDDB结果:

注意:当你在windows中创建上面的txt文件时,如果你在ubuntu中测试它,你可能会得到以下错误 Incompatible annotation and detection files. See output specifications :

只需将内容复制到一个新的txt文件(在ubuntu中创建)就可以了。

结果如下:

一些提示:

1. 你可以看到 runEvaluate。pl 这并不难,可能不需要进行上述更改。您还可以在中更改一些变量 runEvaluate。pl 喜欢 $GNUPLOT , $imDir 等等 添加 "-z", ".jpg" 到 系统($evaluateBin,“-a”、$annotFile,“-d”、$detFile,“-f”、$detFormat,“-i”、$imDir,“-l”、$listFile,“-r”、$detDir);

   系统($evaluateBin,“-a”、$annotFile,“-d”、$detFile,“-f”、$detFormat,“-i”、$imDir,“-l”、$listFile,“-r”、$detDir,“-z”、.jpg”);

2. 你也可以阅读 evaluate 代码(主要是 evaluate.cpp 这很容易理解),所以你将对如何评估它有深刻的理解。

你能解释一下你的步骤吗?

您需要从以下位置下载带标签的数据: http://vis-www.cs.umass.edu/fddb/ 上面写着: 下载数据库

之后,您需要下载结果源代码: http://vis-www.cs.umass.edu/fddb/results.html

然后,您需要修改程序,以便输出如下所示:

2002/08/11/big/img_591
1
191 88 164 163 0
2002/08/26/big/img_265
3
52 39 95 95 0
282 59 114 114 0

其中first是图像的名称, 然后图像中的人脸数量, 然后对每一张脸进行协调并重复。。。

我建议你建造 评价 在linux上,因为它容易得多(至少对我来说是这样)。

希望有帮助。