29、基于搜索的测试生成与OpenCV人脸检测参数优化

基于搜索的测试生成与OpenCV人脸检测参数优化

在软件开发过程中，测试和性能优化是保障软件质量和效率的关键环节。本文将探讨基于搜索的测试生成技术在识别真实故障时面临的挑战，以及如何通过深度参数优化提升OpenCV中Viola - Jones算法的人脸检测性能。

基于搜索的测试生成识别真实故障的挑战

• 实验设置
  • 使用EvoSuite 1.0.3版本，采用默认的适应度函数，该函数结合了分支、上下文分支、行、异常、弱变异、方法输出、顶级方法和无异常顶级方法覆盖率。
  • 考虑到对Mockito类实现覆盖的潜在困难，搜索预算设定为10分钟。
  • 为控制实验成本，停用断言过滤，包含所有可能的回归断言，其他设置保持默认值。
  • 针对每个故障，对修复该故障的类生成测试用例，进行30次试验。
  • 从系统的修复版本生成测试用例，并应用于故障版本，以消除神谕问题。自动移除在故障版本无法编译的测试用例，以及在修复版本运行失败的测试用例，平均每个测试套件移除4.48%的测试用例。
• 实验结果
  | ID | Fault Detected | # Tests Generated | # Tests Removed | % LC | % BC | % EC | % WMC | % OC | % MC | % MNEC | % CBC | Resulting % Coverage |
  |----|----------------|----------