一种利用对抗网络和三维形态模型的大幅度人脸摆正方法技术

本发明专利技术中提出的一种利用对抗网络和三维形态模型的大幅度人脸摆正方法，其主要内容包括：重构模块、生成网络与分类模块、识别模块，其过程为，首先生成器将一张非前向正脸的人脸图当作输入去产生一张正向前脸图，同时分类器试图去对这张图像进行判别是否真实图像，并且利用反馈的信息去促使生成器生成的图像更加接近真实图像，同时利用识别引擎进行输入图像原有身份特征的保留。本发明专利技术可以处理非前向人脸尤其大幅度偏摆的人脸图，提供一个生成网络和形态模型进行人脸的摆正，同时极大地提高了人脸识别与摆正的效果。

A large scale face suppression method using an adversarial network and a 3D morphological model

Using a 3D model of the network confrontation and greatly face to straighten out the method of the invention, the main contents include: reconstruction module, network formation and classification module, identification module, the process is, firstly a Zhang Fei generator will forward a face image as input to generate face a positive face, at the same time for this image classifier to discriminate whether the real image, the image and use the feedback information to make generator more close to the real image, while preserving the input image using the original identity recognition engine features. The present invention can deal with non front face, especially large amplitude oblique face graph, provide a generating network and shape model to straighten face, and greatly improve the effect of face recognition and correction.

【技术实现步骤摘要】
一种利用对抗网络和三维形态模型的大幅度人脸摆正方法
本专利技术涉及人脸检测领域，尤其是涉及了利用对抗网络和三维形态模型的大幅度人脸摆正方法。
技术介绍
人脸检测与识别是生物特征识别与人工智能交叉领域的一个课题，近年来得到了广泛的关注。人脸图像是人类主要特征，与用其他身体特征相比，人脸相对稳定、不容易被遗忘、改变和盗取，而且利用人脸图像来识别身份，容易被人们所接受，但在日常生活中，并非所有场景中出现的人脸都是正向前脸，因此如何将图像中的人脸摆正进行识别，是一项关键技术，将有利于社交领域的安全权限、银行账户与购物安全、公民出入境事务甚至于反恐安防领域。人脸摆正仍然是一个具有挑战性的问题。由于人脸的不同个体之间的区别并不是很明显。甚至隔绝开各种器官，都具有相似性，导致个体的身份特征不能很好地被提取，而且由于光照、表情、饰物等影响，对于极端偏置人脸的摆正恢复更加具有难度，加上未定的背景因素，想要在未限定条件下进行人脸的摆正并不容易。本专利技术提出了一种基于生成网络与识别引擎的新框架。生成器将一张非前向正脸的人脸图当作输入去产生一张正向前脸图，同时分类器试图去对这张图像进行判别是否真实图像，并本文档来自技高网...

【技术保护点】
一种利用对抗网络和三维形态模型的大幅度人脸摆正方法，其特征在于，主要包括重构模块(一)；生成网络与分类模块(二)；识别模块(三)。

【技术特征摘要】
1.一种利用对抗网络和三维形态模型的大幅度人脸摆正方法，其特征在于，主要包括重构模块(一)；生成网络与分类模块(二)；识别模块(三)。2.基于权利要求书1所述的重构模块(一)，其特征在于，包括预设结构和重构结构两部分。3.基于权利要求书2所述的预设结构，其特征在于，包括四个组成部分：(1)生成器G，用于接收输入的非前脸图像并且将其转换成前脸图；(2)分类器D，用于分类这幅前脸图是真实的还是生成的；(3)人脸识别引擎C，用于正则化处理G的生成图以保留更多该图像的独有特征；(4)三维形态模型R，用于在大幅度偏移正面的人脸图中向生成网络提供形状与外观信息；此外，令拥有N个样本的训练集表示为其中xi为任意姿态的人脸输入图像，为该输入图像的实际前脸图，Pig是实际三维形态模型的系数，yi为该图像的标签。4.基于权利要求书2所述的重构结构，其特征在于，在生成人脸图像过程中对三维形态模型加入先验知识，在主成分分析域中有：公式(1)表明三维形状坐标S由形状均值形状基准Aid、表达式基准Aexp线性相加组成，而纹理T则由纹理均值纹理基准Atex线性相加组成，其余系数定义了独特的三维人脸；令三维形态模型系数P＝<m,αid,αexp,αtex>，对于输入图像x以及模型R，P＝R(x)，用基于预训练的深度学习网络权值对此模型进行回归运算，并且对训练前每一个维度的参数进行z分数归一化处理，则带权值参数的距离代价函数为：其中，W是一个矩阵，对角线是每个训练参数的权值。5.基于权利要求书1所述的生成网络与分类模块(二)，其特征在于，包括生成对抗网络和分类模块。6.基于权利要求书5所述的生成对抗网络，其特征在于，产生一个依赖于三维形态模型系数P和输入图像x的生成模型来恢复保留有高频及低频部分的前脸图，具体为：原始图像及三维形态模型系数输入到生成器G中，融合一个编码解码网络去合成前脸xf＝G(x,P)，同时定义一个重构损失函数使得重构图与实际图之间的误差最小：此外，为了减少图像块状结构之间的人为痕迹，使用一个空域的总变差损失函数使得生成的输出更加平滑：

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：广东,44