****************************************************************************
本文主要介紹AI圖像識別人臉對比測試
1.測試需求分析
2.測試環境准備
3.測試數據准備
4.測試分析與執行
5.測試問題總結
****************************************************************************
一、需求分析
1）功能需求
AI照片自動歸屬（離線模型）：識別園長、教師、家長、親友在成長時光、班級圈、親子活動里面上傳的照片，並與人臉基准庫進行比對，得到照片的唯一標識和其中所包含孩子的唯一標識（集體照片可包含多個孩子）最終生成幼兒成長檔案
2）測試需求點：
人臉基准庫功能測試
人臉比對功能/模型評估測試
自動歸屬集成測試（現網定時任務測試）
3）圖片比對流程圖
二、測試環境准備（安裝依賴包、TensorFlow庫問題解決）
1） 安裝依賴包（17個依賴包）
2）依賴Anaconda環境安裝TensorFlow庫，見下鏈接：
https://www.cnblogs.com/xjx767361314/p/11103817.html
三、測試數據的准備（與算法工程討論的結果）
1）數據收集
幼兒：3--6周歲寶貝
照片格式：png，jpg
圖片要求：基准庫（最好正面上身照1個） 日常圖片（5張左右）
圖片關鍵信息：正面、側面、單人照、集體照
2） 幼兒圖片數據標注記錄
3）幼兒數據標記后
四、測試執行與結果統計
1）分析測試過程： 首先生成幼兒基准庫的特征向量，然后輸入不同類型的待識別圖片，根據數據標注驗證圖片的比對結果，統計比對結果輸出模型評估效果
2）執行腳本，進行幼兒圖片比對
3）識別結果分析（手工的方式比對執行結果，效率略低）
4）比對結果統計
五、測試問題總結
1）測試需求階段沒有明確模型效果，只對集體照片和模糊照模型效果不理想的情況進行了優化，測試不嚴謹。
2） 測試環境准備耗時4天，測試時間才4天，主要問題是第一次安裝AI圖片識別方向依賴包，tensorflow安裝報錯，最后發現與底層glibc庫不兼容，其次是安裝包近17個，相互存在依賴關系，利用國內鏡像加快了安裝速度。
3）現網的模型效果不是很好，主要原因是模型沒有經過實際場景的數據訓練，其實測試數據不足，而且與現網數據可能存在差異，收集的測試集可能太過理想，實際幼兒圖片質量不高，以后測試應該盡量收集貼近實際場景的數據。
4）測試數據標記沒有專門的數據標注員，測試人員手工標記數據，如果測試數據量大勢必增加時間成本，還在尋找好的方法。
5） 測試結果比對效率低，目前是根據標注的數據與測試結果數據進行一一比對分析，根據項目情況盡量實現自動化校驗，自動化輸出結果統計。