一种基于生成式对抗网络的抗表情干扰的人脸识别方法技术

本申请涉及人脸识别技术领域，提供了一种基于生成式对抗网络的抗表情干扰的人脸识别方法，包括以下步骤：S11获得样本集合；S12将其中带有表情的样本图片输入待训练的生成器，生成合成图片；S13将该合成图片和至少一张样本图片输入待训练的判别器中，以训练和更新该判别器；S14通过待训练的生成器，再次生成合成图片；S15将再次生成的合成图片、以及该合成图片对应的无表情的样本图片输入更新后的判别器中，得到反馈值，并更新待训练的生成器；S16以更新后的生成器作为待训练的生成器，多次重复S12至S15，得到训练后的生成器；S17将待识别图片输入训练后的生成器，得到无表情的待识别图片；S18将无表情的待识别图片输入人脸识别系统，进行人脸识别。

A Face Recognition Method Against Emotional Disturbance Based on Generative Countermeasure Network

【技术实现步骤摘要】
一种基于生成式对抗网络的抗表情干扰的人脸识别方法
本申请涉及人脸识别
，具体而言，涉及一种基于生成式对抗网络的抗表情干扰的人脸识别方法。
技术介绍
人脸识别技术是一种基于人脸特征的生物特征识别技术。对于一幅静态图像或者一段动态视频，首先判断其中是否存在人脸，若存在，则进一步确定人脸的方位信息，然后根据方位信息和图像信息提取出人脸的特征信息，再将其与已知的人脸进行对比，最终识别出该人脸的对应身份。人脸识别技术自20世纪60年代出现以来，一直是计算机视觉领域研究最深入的课题之一，在学术研究和商业应用中都取得了令人瞩目的成就。特别是近年来，随着防恐、安保、金融、管理等方面应用需求的快速增长，人脸识别技术已经在国家安全、智慧城市、智能家居、企业管理等方面得到了非常广泛的关注与应用。但是现有的人脸识别技术对在进行人脸识别时，准确率还有待进一步提高。
技术实现思路
有鉴于此，本申请实施例提供了一种基于生成式对抗网络的抗表情干扰的人脸识别方法，旨在进一步提高人脸识别的准确率。本申请实施例提供的基于生成式对抗网络的抗表情干扰的人脸识别方法，包括以下步骤：S11：获得样本集合，该样本集合包括来自多位训练参与者的样本图片，针对多位训练参与者中的每位训练参与者，该训练参与者的样本图片中包括至少一张不带表情的样本图片和至少一张带有表情的样本图片，每张样本图片携带标记，该标记用于表征该样本图片对应的训练参与者的身份、该样本图片是否带有表情以及该样本图片的人脸特征向量；S12：将所述样本集合中的带有表情的样本图片输入待训练的生成器，生成合成图片；S13：将所述合成图片和所述样本集合中的至少一张样本图片输入待训练的判别器中，以训练该判别器，并得到更新后的判别器；S14：将所述样本集合中的带有表情的样本图片输入所述待训练的生成器，再次生成合成图片；S15：将所述再次生成的合成图片、以及该再次生成的合成图片对应的测试参与者的不带表情的样本图片输入所述更新后的判别器中，以得到所述更新后的判别器所产生的反馈值，并根据所述反馈值，对所述待训练的生成器进行更新，得到更新后的生成器；S16：以更新后的生成器作为待训练的生成器，多次重复S12至S15，得到训练后的生成器和训练后的判别器；S17：将待识别图片输入所述训练后的生成器，得到不带表情的待识别图片；S18：将所述不带表情的待识别图片输入人脸识别系统，以识别所述待识别图片中的人物。可选地，所述方法还包括：获取多张样本图片，所述多张样本图片来自多位训练参与者，针对多位训练参与者中的每位训练参与者，该训练参与者的样本图片中包括至少一张不带表情的样本图片和至少一张带有表情的样本图片；针对所述多张样本图片中的每张样本图片，提取该样本图片的人脸特征向量；针对所述多张样本图片中的每张样本图片，对该样本图片标注对应的训练参与者的身份、是否带有表情以及对应的人脸特征向量，从而使该样本图片携带所述标记。可选地，所述待训练的生成器包括图片编码模块和图片解码模块，所述图片编码模块用于从输入的图片中提取图片特征向量，所述图片解码模块用于根据输入的图片特征向量，生成合成图片；将所述样本集合中的带有表情的样本图片输入待训练的生成器，生成合成图片，包括：针对所述样本集合中的带有表情的样本图片，执行以下步骤：将该样本图片输入所述图片编码模块，得到第一图片特征向量；将该样本图片的人脸特征向量与所述第一图片特征向量结合，得到第二图片特征向量；将所述第二图片特征向量输入所述图片解码模块，生成所述合成图片。可选地，所述待训练的生成器还包括人脸特征点编码模块，用于对输入的人脸特征向量进行降维；将该样本图片的人脸特征向量与所述第一图片特征向量结合，得到第二图片特征向量，包括：将该样本图片的人脸特征向量作为原人脸特征向量，输入所述人脸特征点编码模块，得到降维后的人脸特征向量；将所述降维后的人脸特征向量的副本与所述第一图片特征向量结合，得到第二图片特征向量。可选地，所述待训练的生成器还包括人脸特征点解码模块，用于对降维后的人脸特征向量进行升维；所述方法还包括：将所述降维后的人脸特征向量输入所述人脸特征点解码模块，得到新人脸特征向量；对比所述新人脸特征向量和所述原人脸特征向量，根据所述新人脸特征向量和所述原人脸特征向量之间的第一相似度，确定所述人脸特征点编码模块和所述人脸特征点解码模块是否运行正常。可选地，所述合成图片携带标记，该标记用于表征该合成图片对应的训练参与者的身份、该合成图片不带表情、该合成图片的人脸特征向量以及该合成图片是合成的；所述样本集合中的每张样本图片的标记还用于表征该样本图片不是合成的；所述待训练的判别器包括中性脸分类模块和真假图片分类模块，所述中性脸分类模块用于判别输入的图片是否不带表情，所述真假图片分类模块用于判别输入的图片是否是合成的；所述步骤S13包括：将所述样本集合中的至少一张样本图片输入所述中性脸分类模块，得到被输入的每张图片的第一分类结果；根据每张样本图片的第一分类结果和该样本图片的标记，更新所述中性脸分类模块，得到更新后的中性脸分类模块；将所述合成图片和所述样本集合中的至少一张样本图片输入所述真假图片分类模块，得到被输入的每张图片的第二分类结果；根据每张样本图片的第二分类结果和该样本图片的标记，以及所述合成图片的第二分类结果和该合成图片的标记，更新所述真假图片分类模块，得到更新后的真假图片分类模块。可选地，所述步骤S13包括：将所述合成图片输入所述中性脸分类模块，得到该合成图片的第一分类结果；根据所述合成图片的第一分类结果，确定所述待训练的生成器的训练状态。可选地，所述待训练的判别器包括中性脸分类模块和真假图片分类模块，所述中性脸分类模块用于判别输入的图片是否不带表情，所述真假图片分类模块用于判别输入的图片是否是合成的；所述步骤S15包括：将所述合成图片输入所述中性脸分类模块，得到所述合成图片的第三分类结果，将所述第三分类结果作为所述反馈值中的第一反馈值，根据所述第一反馈值，对所述待训练的生成器进行更新；将所述合成图片输入所述真假图片分类模块，得到所述合成图片的第四分类结果，将所述第三分类结果作为所述反馈值中的第二反馈值，根据所述第二反馈值，对所述待训练的生成器进行更新。可选地，所述待训练的判别器还包括生成相似度评估模块，所述生成相似度评估模块用于评估输入的两张图片之间的第二相似度；所述步骤S15包括：将所述再次生成的合成图片、以及该再次生成的合成图片对应的测试参与者的不带表情的样本图片输入所述生成相似度评估模块，得到所述再次生成的合成图片与所述不带表情的样本图片之间的第二相似度，将所述第二相似度作为所述反馈值中的第三反馈值，根据所述第三反馈值，对所述待训练的生成器进行更新。可选地，在所述步骤S17之前，所述方法还包括：将所述待识别图片输入所述训练后的判别器，使所述判别器判别所述待识别图片是否带有表情；如果所述判别器判定所述待识别图片带有表情，则进入步骤S17；如果所述判别器判定所述待识别图片不带表情，则进入步骤S18。与现有技术相比，本申请具有以下有益效果：一方面，采用本申请提供的基于生成式对抗网络的抗表情干扰的人脸识别方法，首先根据带有表情的待识别图片而智能地合成不带表情的待识别图片，本文档来自技高网...

【技术保护点】
1.一种基于生成式对抗网络的抗表情干扰的人脸识别方法，其特征在于，包括以下步骤：S11：获得样本集合，该样本集合包括来自多位训练参与者的样本图片，针对多位训练参与者中的每位训练参与者，该训练参与者的样本图片中包括至少一张不带表情的样本图片和至少一张带有表情的样本图片，每张样本图片携带标记，该标记用于表征该样本图片对应的训练参与者的身份、该样本图片是否带有表情以及该样本图片的人脸特征向量；S12：将所述样本集合中的带有表情的样本图片输入待训练的生成器，生成合成图片；S13：将所述合成图片和所述样本集合中的至少一张样本图片输入待训练的判别器中，以训练该判别器，并得到更新后的判别器；S14：将所述样本集合中的带有表情的样本图片输入所述待训练的生成器，再次生成合成图片；S15：将所述再次生成的合成图片、以及该再次生成的合成图片对应的测试参与者的不带表情的样本图片输入所述更新后的判别器中，以得到所述更新后的判别器所产生的反馈值，并根据所述反馈值，对所述待训练的生成器进行更新，得到更新后的生成器；S16：以更新后的生成器作为待训练的生成器，多次重复S12至S15，得到训练后的生成器和训练后的判别器；S17：将待识别图片输入所述训练后的生成器，得到不带表情的待识别图片；S18：将所述不带表情的待识别图片输入人脸识别系统，以识别所述待识别图片中的人物。...

【技术特征摘要】
1.一种基于生成式对抗网络的抗表情干扰的人脸识别方法，其特征在于，包括以下步骤：S11：获得样本集合，该样本集合包括来自多位训练参与者的样本图片，针对多位训练参与者中的每位训练参与者，该训练参与者的样本图片中包括至少一张不带表情的样本图片和至少一张带有表情的样本图片，每张样本图片携带标记，该标记用于表征该样本图片对应的训练参与者的身份、该样本图片是否带有表情以及该样本图片的人脸特征向量；S12：将所述样本集合中的带有表情的样本图片输入待训练的生成器，生成合成图片；S13：将所述合成图片和所述样本集合中的至少一张样本图片输入待训练的判别器中，以训练该判别器，并得到更新后的判别器；S14：将所述样本集合中的带有表情的样本图片输入所述待训练的生成器，再次生成合成图片；S15：将所述再次生成的合成图片、以及该再次生成的合成图片对应的测试参与者的不带表情的样本图片输入所述更新后的判别器中，以得到所述更新后的判别器所产生的反馈值，并根据所述反馈值，对所述待训练的生成器进行更新，得到更新后的生成器；S16：以更新后的生成器作为待训练的生成器，多次重复S12至S15，得到训练后的生成器和训练后的判别器；S17：将待识别图片输入所述训练后的生成器，得到不带表情的待识别图片；S18：将所述不带表情的待识别图片输入人脸识别系统，以识别所述待识别图片中的人物。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多张样本图片，所述多张样本图片来自多位训练参与者，针对多位训练参与者中的每位训练参与者，该训练参与者的样本图片中包括至少一张不带表情的样本图片和至少一张带有表情的样本图片；针对所述多张样本图片中的每张样本图片，提取该样本图片的人脸特征向量；针对所述多张样本图片中的每张样本图片，对该样本图片标注对应的训练参与者的身份、是否带有表情以及对应的人脸特征向量，从而使该样本图片携带所述标记。3.根据权利要求2所述的方法，其特征在于，所述待训练的生成器包括图片编码模块和图片解码模块，所述图片编码模块用于从输入的图片中提取图片特征向量，所述图片解码模块用于根据输入的图片特征向量，生成合成图片；将所述样本集合中的带有表情的样本图片输入待训练的生成器，生成合成图片，包括：针对所述样本集合中的带有表情的样本图片，执行以下步骤：将该样本图片输入所述图片编码模块，得到第一图片特征向量；将该样本图片的人脸特征向量与所述第一图片特征向量结合，得到第二图片特征向量；将所述第二图片特征向量输入所述图片解码模块，生成所述合成图片。4.根据权利要求3所述的方法，其特征在于，所述待训练的生成器还包括人脸特征点编码模块，用于对输入的人脸特征向量进行降维；将该样本图片的人脸特征向量与所述第一图片特征向量结合，得到第二图片特征向量，包括：将该样本图片的人脸特征向量作为原人脸特征向量，输入所述人脸特征点编码模块，得到降维后的人脸特征向量；将所述降维后的人脸特征向量的副本与所述第一图片特征向量结合，得到第二图片特征向量。5.根据权利要求4所述的方法，其特征在于，所述待训练的生成器还包括人脸特征点解码模块，用于对降维后的人脸特征向量进行升维；所...

【专利技术属性】
技术研发人员：王韬，蒋天夫，
申请(专利权)人：北京大学，
类型：发明
国别省市：北京,11