The invention discloses an automatic recognition method for face image before and after makeup, which includes the following steps: feature extraction of face data; S2, using data set expansion algorithm based on facial critical region replacement to expand facial makeup data set; S3, constructing multi-example training data set; S4, using key local region feature to assist learning task network to carry out global situation. After extracting the features and local features, we use the feature information fusion method of attention mechanism to obtain the final features of training data, and constantly train and fine-tune the network; S5, iterate over and over again until the network converges, so as to realize the training of face recognition network; S6, on the test data set, given the face data before and after the recognition of cosmetics, through training. The proposed face recognition network performs feature extraction and similarity calculation to realize face recognition.
【技术实现步骤摘要】
一种用于化妆前后人脸图像自动识别方法
本专利技术涉及计算机图像分析
,特别涉及一种用于化妆前后人脸图像自动识别方法。
技术介绍
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。近年来,随着计算机视觉技术的迅速发展,人脸自动识别技术得到广泛研究与开发,人脸识别成为近30年里模式识别和图像处理中最热门的研究主题之一。并且随着近些年来深度学习技术的不断发展,人脸识别任务的精度已经得到大幅度提升。然而由于头部姿势的变化,遮挡,光线等影响,在实际应用中,人脸识别技术仍面临着许多挑战。本专利技术的系统主要针对的是对化妆前后人脸图像进行自动识别任务。普遍的深度学习框架人脸识别模型在此任务上主要存在以下挑战:首先,由于化妆前后人脸数据集的规模很小,因其要求数据集为包含同一人的化妆前后照片,因而此类数据集目前最大也仅包含1000多张图片,数据的多样性严重缺乏,这对于深度网络结构的学习十分不利,极有可能造成模型过拟合问题;并且由于化妆在现代社会中已经成为日常生活中修饰自我的常用方式,可以大幅度遮盖脸部瑕疵、提亮面部肤色、深化眼部轮廓、描绘眉部轮廓、改变唇部底色、修饰面颊形态等,从而提升个人的魅力与自信心。但使用化妆品后的人脸面部特征会发生大幅度改变,极大程度上降低人脸识别任务精度。近年来,也有相关研究工作尝试解决此类问题。文献1(Y.Sun,L.Ren,Z.Wei,B.Liu,Y.Zhai,andS.Liu.Aweaklysupervisedmethodformakeup-invariantfaceverification.PatternRecogniti ...
【技术保护点】
1.一种用于化妆前后人脸图像自动识别方法,其特征在于,包括如下步骤:S1,对人脸数据进行特征提取;S2,使用基于面部关键性区域替换的数据集扩充算法扩充面部化妆数据集;S3,构建多示例的训练数据集;S4,采用关键性局部区域特征辅助学习任务网络进行全局特征和局部特征的提取,其后采用注意力机制的特征信息融合方法获得训练数据的最终特征,并不断训练和微调网络;S5,不断迭代重复步骤S2和步骤S3,直至网络收敛,实现人脸识别网络的训练;S6,在测试数据集上,给定待识别的化妆前后人脸数据,通过训练得到的人脸识别网络进行特征提取和相似度计算,从而实现人脸识别。
【技术特征摘要】
1.一种用于化妆前后人脸图像自动识别方法,其特征在于,包括如下步骤:S1,对人脸数据进行特征提取;S2,使用基于面部关键性区域替换的数据集扩充算法扩充面部化妆数据集;S3,构建多示例的训练数据集;S4,采用关键性局部区域特征辅助学习任务网络进行全局特征和局部特征的提取,其后采用注意力机制的特征信息融合方法获得训练数据的最终特征,并不断训练和微调网络;S5,不断迭代重复步骤S2和步骤S3,直至网络收敛,实现人脸识别网络的训练;S6,在测试数据集上,给定待识别的化妆前后人脸数据,通过训练得到的人脸识别网络进行特征提取和相似度计算,从而实现人脸识别。2.如权利要求1所述的用于化妆前后人脸图像自动识别方法,其特征在于,所述的步骤S1包括:步骤S1.1,使用带标签的大量辅助数据对基础特征提取网络进行预训练,得到具有初始化参数的人脸识别预训练网络;步骤S1.2,将面部化妆数据集中的样本作为基准人脸图片,未标注的辅助数据作为候选图片,用此基础特征提取网络对所有人脸图片进行特征提取。3.如权利要求1所述的用于化妆前后人脸图像自动识别方法,其特征在于,所述的步骤S2包括:步骤S2.1,计算每一张基准人脸图片分别和所有候选图片之间的特征距离,并根据相似度对候选图片进行排序,对任一基准人脸图片,从候选图片集中挑选置信度高的候选图片;步骤S2.2,对任一一对基准人脸图片和候选图片,进行人脸关键点检测,并根据关键点将基准图片中多个关...
【专利技术属性】
技术研发人员:付彦伟,姜育刚,薛向阳,王文萱,
申请(专利权)人:复旦大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。