【技术实现步骤摘要】
一种基于多尺度残差网络的高质量人脸生成方法
本专利技术涉及深度学习应用
，具体涉及一种基于多尺度残差网络的高质量人脸生成方法。
技术介绍
近年来视频监控在全国大中城市普及，并已广泛应用于社会治安防控体系建设中，并成为公安机关侦查破案的有力技术手段。特别是在群体事件、重特大案件及两抢案件中，视频监控录像中获取的证据线索对于案件的快速侦破起到关键作用。目前国内公安机关主要运用视频监控录像进行事后犯罪线索及犯罪证据查找，由于拍摄时间、空间以及环境的影响，侦查人员即使顺利获取案发现场附近视频监控录像，所能搜集到的犯罪嫌疑人体貌特征也经常是不清晰，特别是人脸信息特征。事实证明，单靠人力对模糊人脸进行重构与生成，需要极其专业的绘制技术，所需时间成本很高，将延误抓捕犯人的时机。近年来，人工智能领域已经被提到国家重点建设的范围。这预示着人工智能与相关行业的结合是我国朝着智能化方向发展的必然趋势，对推动行业朝智能化、自动化方面发展具有重要意义。人工智能领域中最主要的是针对不同的行业任务，设计相应的深度学习网络模型。随着计算机运算能力的提高，网络训练的难度大大减低，网络预测精度...
【技术保护点】
1.一种基于多尺度残差网络的高质量人脸生成方法，其特征在于，所述的人脸生成方法包括以下步骤：S1、整合人脸数据集，得到人脸数据；S2、利用图像退化模拟算法，取出至少10000张的人脸数据分别进行随机退化，获得低分辨低质量的人脸数据图像，并将低分辨低质量的人脸数据图像与原图作为数据库的图像对，用于多尺度残差网络模型训练；S3、建立多尺度残差网络模型，在不同尺度的子网络中嵌入多个残差网络模块，同时通过不同子网络间的长期记忆模块实现参数权重共享；S4、将低分辨低质量的人脸数据图像与原图组成的图像对作为多尺度残差网络模型的训练输入，优化多尺度残差网络模型输出与标签图像的相似度，实现...
【技术特征摘要】
1.一种基于多尺度残差网络的高质量人脸生成方法，其特征在于，所述的人脸生成方法包括以下步骤：S1、整合人脸数据集，得到人脸数据；S2、利用图像退化模拟算法，取出至少10000张的人脸数据分别进行随机退化，获得低分辨低质量的人脸数据图像，并将低分辨低质量的人脸数据图像与原图作为数据库的图像对，用于多尺度残差网络模型训练；S3、建立多尺度残差网络模型，在不同尺度的子网络中嵌入多个残差网络模块，同时通过不同子网络间的长期记忆模块实现参数权重共享；S4、将低分辨低质量的人脸数据图像与原图组成的图像对作为多尺度残差网络模型的训练输入，优化多尺度残差网络模型输出与标签图像的相似度，实现模型的收敛；S5、提取实际图像中的人脸，作为多尺度残差网络模型的输入，最后获得高质量的图像输出。2.根据权利要求1所述的一种基于多尺度残差网络的高质量人脸生成方法，其特征在于，所述的步骤S2过程如下：首先，根据图像模糊的原理，设计不同尺寸大小的卷积核，通过将卷积核与清晰图像做卷积运算实现模糊模拟图像的效果；接着，对模糊化的图像添加不同程度的随机噪声，模拟图像生成时所受到的传感器噪声；最后，将生成的退化图像做倍率为4的下采样操作，再将下采样操作生成的低分辨低质量的图像与原图作为数据库的图像对，用于多尺度残差网络模型训练。3.根据权利要求1所述的一种基于多尺度残差网络的高质量人脸生成方法，其特征在于，所述的图像退化模拟算法的计算公式如下：其中，Ilow是所获得的低质量图像，Iq为原数据库高质量图像，K和N分辨表示随机模糊核和随机噪声，表示卷积操作，而Down↓表示4倍率的下采样操作。4.根据权利要求1所述的一种基于多尺度残差网络的高质量人脸生成方法，其特征在于，所述的多尺度残差网络模型包括从小尺寸到大尺寸三个级别的第一级子网络、第二级子网络、第三级子网络，分别对应生成小尺寸高质量人脸图像、中尺寸高质量人脸图像和大尺寸高质量人脸图像，其中，第二级子网络和第三极子网络的输入同时包含上一级子网络输入图像的双线性插值放大结果和上一级子网络输出的人脸图像的上采样插值结果，大尺寸高质量人脸图像作为多尺度残差网络模型的最终输出。5.根据权利要求4所述的一种基于多尺度残差网络的高质量人脸生成方法，其特征在于，所述的多尺度残差网络模...
【专利技术属性】
技术研发人员：谢巍，余孝源，潘春文，周延，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44
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。