FDDB评估代码

Question

我正在研究 opencv 和 dlib，以便在大学项目中使用人脸检测器，而且我对机器学习和计算机视觉这整个事情真的很陌生。如何使用 FDDB 中的评估代码来评估我的人脸检测代码？我正在使用 dlib 的 CNN 方法从图像中检测人脸。

import cv2
import dlib

image = cv2.imread('..\pessoas\beatles.jpg')

detector = dlib.cnn_face_detection_model_v1("..\mmods\mmod_human_face_detector.dat")
detectedFaces = detector(image)

for face in detectedFaces:
    l, t, r, b, c = (int(face.rect.left()), int(face.rect.top()), int(face.rect.right()), int(face.rect.bottom()),
                 face.confidence)
    cv2.rectangle(image, (l, t), (r, b), (255, 0, 0), 2)

cv2.imshow("CNN Detector", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

如您所见，代码非常简单，但我必须计算精度、召回率和 F1 分数来绘制 ROC 曲线，但我还不知道该怎么做，自述文件该项目的 github 没有帮助。

Answer 1

你能解释一下你所在的步骤吗？

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

之后需要下载结果源码： http://vis-www.cs.umass.edu/fddb/results.html

然后你需要修改你的程序，使输出看起来像这样：

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

其中第一个是图像的名称，然后是该图像中的面孔数量，然后是每张脸的坐标并重复...

我建议您在 linux 上构建评估，因为它要容易得多（至少对我来说是这样）。

希望对您有所帮助。

Answer 2

对于ubuntu16的我来说，必须按照以下步骤来完成：

下载你检测人脸并得到检测的fddb原始图像数据集result.You可以下载here。这是我的目录：
将所有图片文件路径拼接成一个txt文件，将所有fddb注释拼接成一个txt文件。您可以下载所有文件here

对于我来说，我将所有FDDB-FOLD-%d.txt移动到目录all_file_path，然后通过cat * > filePath.txt

将它们合并到一个文件中

通过cat *ellipse*.txt > annotFile.txt

将所有FDDB-fold-%d-ellipseList.txt合并为一个txt

请注意，您可能不需要创建它，因为 runEvaluate.pl 已经在运行ning 过程中为您创建了它。

3.Create FDDB evalute exe，这里下载源码here 然后编译它，你可以更改makefile，查看原因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

生成文件。

评价，可以用runEvaluate.pl评价，我(ubuntu16)，不能直接运行评价。

4.1 更改GUNPLOT路径（你应该先安装gnuplot使用它来创建ROC镜像）

4.2 我用的是矩形检测模型，所以我把$detFormat改成了0.

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

4.3 所有图片的相对路径：

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

4.4 所有图片标注

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

4.5 你要生成的roc文件（由evaluate exe创建）：

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

4.6 你的检测文件（后面会给出如何创建）

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

It’s content like that:

'runEvaluate.pl'有一些错误，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");

也可以使用命令查看：

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)

在运行上面的代码之后你可以创建FDDB结果：

注意：在windows中创建上面的txt时，如果在ubuntu中测试可能会出现如下错误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）即可解决。

结果如下：

一些提示：

可以看到runEvaluate.pl其实并不难，上面的改动不一定needed.You也可以在runEvaluate.pl里面改一些变量，比如[=32] =]、$imDir等。添加 "-z", ".jpg" 到系统（$evaluateBin，“-a”，$annotFile，“-d”，$detFile，“-f”，$detFormat，“-i”，$imDir，“-l”，$listFile，“-r”， $detDir);

system($evaluateBin, "-a", $annotFile, "-d", $detFile, "-f", $detFormat, "-i", $imDir, "-l", $listFile, "-r", $detDir, "-z", ".jpg");
大家也可以看看evaluate的代码（主要是通俗易懂的evaluate.cpp），对如何求值会有深刻的理解。

FDDB评估代码

FDDB evaluation code

evaluation

opencv

evaluate

face-detection

dlib