生成人脸图像校正模型及校正人脸图像的方法和装置制造方法及图纸

本申请公开了生成人脸图像校正模型的方法和装置、校正人脸图像的方法和装置，涉及人脸识别技术领域。具体实现方案为：获取样本集，其中，样本集中每个样本包括同一人的正脸图像和任意姿态角度的侧脸图像；从样本集中选取样本，以及执行以下训练步骤：将选取的样本的侧脸图像输入生成对抗网络，得到合成图像；将合成图像与对应的正脸图像进行分析，确定脸部特征损失值；如果根据脸部特征损失值确定出生成对抗网络训练完成，则将生成对抗网络作为人脸图像校正模型。该实施方式能够生成人脸图像校正模型，将不同角度的人脸图像转换成正脸图像后再进行表情识别，提高了表情识别的准确率和鲁棒性。

Method and device for generating face image correction model and correcting face image

【技术实现步骤摘要】
生成人脸图像校正模型及校正人脸图像的方法和装置
本申请涉及计算机
，具体涉及人脸识别

技术介绍
大部分实验室采集样本都是人脸正对摄像头，头部姿态端正，人脸的姿态各式各样等问题。而现实场景中人脸表情是自发产生的，头部姿态偏差较大，增大了识别的难度。目前，人脸表情识别一般使用传统方法或使用单模型卷积神经网络，将做完人脸矫正后的人脸表情图像作为输入，经过卷积神经网络或者人工提取表情特征，再通过分类器输出即为表情识别分类结果。对于真实场景中人脸姿态过大时鲁棒性较差，极易造成误识别，导致降低了算法准确性较低。
技术实现思路
本公开提供了一种生成人脸图像校正模型的方法、装置、设备以及存储介质以及一种校正人脸图像的方法、装置、设备以及存储介质。根据本公开的第一方面，提供了一种生成人脸图像校正模型的方法，包括：获取样本集，其中，样本集中每个样本包括同一人的正脸图像和任意姿态角度的侧脸图像；从样本集中选取样本，以及执行以下训练步骤：将选取的样本的侧脸图像输入生成对抗网络，得到合成图像；将合成图像与对应的正脸图像本文档来自技高网...

【技术保护点】
1.一种生成人脸图像校正模型的方法，包括：/n获取样本集，其中，所述样本集中每个样本包括同一人的正脸图像和任意姿态角度的侧脸图像；/n从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的侧脸图像输入生成对抗网络，得到合成图像；将所述合成图像与对应的正脸图像进行分析，确定脸部特征损失值；如果根据所述脸部特征损失值确定出所述生成对抗网络训练完成，则将所述生成对抗网络作为人脸图像校正模型。/n

【技术特征摘要】
1.一种生成人脸图像校正模型的方法，包括：
获取样本集，其中，所述样本集中每个样本包括同一人的正脸图像和任意姿态角度的侧脸图像；
从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的侧脸图像输入生成对抗网络，得到合成图像；将所述合成图像与对应的正脸图像进行分析，确定脸部特征损失值；如果根据所述脸部特征损失值确定出所述生成对抗网络训练完成，则将所述生成对抗网络作为人脸图像校正模型。


2.根据权利要求1所述的方法，其中，所述方法还包括：
如果根据所述脸部特征损失值确定出所述生成对抗网络未训练完成，则调整所述生成对抗网络中的相关参数，以及从所述样本集中重新选取样本，使用调整后的生成对抗网络作为生成对抗网络，继续执行所述训练步骤。


3.根据权利要求1所述的方法，其中，所述样本集中每个样本中的正脸图像和侧脸图像经过归一化处理。


4.根据权利要求1-3中所述的方法，其中，所述样本集中的样本通过以下至少一种方式进行随机数据增强处理：
旋转、缩放、裁剪、翻转。


5.一种校正人脸图像的方法，包括：
将待识别的头像输入人脸检测模型，得到人脸图像；
将所述人脸图像输入人脸关键点检测模型，得到包括关键点的对齐人脸；
将所述对齐人脸输入采用如权利要求1-4之一所述的方法生成的人脸图像校正模型，得到姿态校正后的正脸图像。


6.根据权利要求5所述的方法，其中，所述方法还包括：
将所述正脸图像输入预先训练的表情检测模型，输出表情信息。


7.根据权利要求6所述的方法，其中，所述方法还包括：
获取场景信息；
根据所述表情信息和所述场景信息进行服务质量评估。


8.一种生成人脸图像校正模型的装置，包括：
获取单元，被配置成获取样本集，其中，所述样本集中每个样本包括同一人的正脸图像和任意姿态角度的侧脸图像；
训练单元，被配置成从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的侧脸图像输入生成对抗网络，得到合成图像；将所述合成图像与对应的...

【专利技术属性】
技术研发人员：王珂尧，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11