人脸图像生成方法、装置、服务器及存储介质制造方法及图纸

本申请实施例公开了一种人脸图像生成方法、装置、服务器及存储介质，该方法包括：获取目标人物的人脸图像以及该人脸图像对应的表情标签；对该人脸图像进行人脸检测，得到该人脸图像的标准脸部图像；利用表情生成模型根据该标准脸部图像以及该表情标签进行表情合成，得到第一合成脸部图像；根据该标准脸部图像以及该第一合成脸部图像进行脸部合成，得到第二合成脸部图像；生成包括该第二合成脸部图像的人脸图像。采用本申请，可以使得生成表情更加稳定，并且能够满足用户对表情，尤其是微表情的编辑需求。本申请还涉及区块链技术，可将包括第二合成脸部图像的人脸图像的索引信息写入区块链中，同时本申请还涉及人工智能领域中的图像处理技术。

【技术实现步骤摘要】
人脸图像生成方法、装置、服务器及存储介质
本申请涉及计算机
，尤其涉及一种人脸图像生成方法、装置、服务器及存储介质。
技术介绍
深度学习作为一个近年来热门的技术研究领域，相关的应用也层出不穷。例如，生成对抗网络(GenerativeAdversarialNetworks，GAN)的应用一般有生成不同风格图像，对图像进行补全，生成高清数据以用于对其它机器学习模型的数据增强，等等。GAN广泛而有趣的应用以及较高的技术门槛，使得GAN成为了各大科技公司和学府研究的焦点。这里，我们关注GAN对表情生成方面的应用。传统的通过GAN模型对人物图像进行局部调整的方法，有着生成表情不稳定，在野外场景下尤其不稳定的缺点。此外，传统方法的表情生成数量是十分有限的，一般只支持少数几种表情，无法满足用户对表情，尤其对微表情的编辑需求。
技术实现思路
本申请实施例提供了一种人脸图像生成方法、装置、服务器及存储介质，不仅可以使得生成表情更加稳定，还可以满足用户对表情，尤其对微表情的编辑需求。第一方面，本申请实施例提供了一种人脸图像本文档来自技高网...

【技术保护点】
1.一种人脸图像生成方法，其特征在于，包括：/n获取目标人物的人脸图像以及所述人脸图像对应的表情标签；/n对所述人脸图像进行人脸检测，得到所述人脸图像的标准脸部图像；/n利用表情生成模型根据所述标准脸部图像以及所述表情标签进行表情合成，得到第一合成脸部图像；所述第一合成脸部图像对应的表情为所述表情标签指示的表情；/n根据所述标准脸部图像以及所述第一合成脸部图像进行脸部合成，得到第二合成脸部图像；所述第二合成脸部图像对应的表情为所述表情标签指示的表情；/n生成包括所述第二合成脸部图像的人脸图像。/n

【技术特征摘要】
1.一种人脸图像生成方法，其特征在于，包括：
获取目标人物的人脸图像以及所述人脸图像对应的表情标签；
对所述人脸图像进行人脸检测，得到所述人脸图像的标准脸部图像；
利用表情生成模型根据所述标准脸部图像以及所述表情标签进行表情合成，得到第一合成脸部图像；所述第一合成脸部图像对应的表情为所述表情标签指示的表情；
根据所述标准脸部图像以及所述第一合成脸部图像进行脸部合成，得到第二合成脸部图像；所述第二合成脸部图像对应的表情为所述表情标签指示的表情；
生成包括所述第二合成脸部图像的人脸图像。


2.根据权利要求1所述的方法，其特征在于，所述生成包括所述第二合成脸部图像的人脸图像之后，所述方法还包括：
利用增强型超分辨率生成对抗网络模型对所述包括第二合成脸部图像的人脸图像进行图像调整，得到调整后的所述包括第二合成脸部图像的人脸图像；
输出调整后的所述包括第二合成脸部图像的人脸图像。


3.根据权利要求1所述的方法，其特征在于，所述对所述人脸图像进行人脸检测，得到所述人脸图像的标准脸部图像，包括：
调用图像检测库对所述人脸图像进行人脸检测，得到所述人脸图像的原始脸部图像；
对所述原始脸部图像进行人脸对齐，得到所述人脸图像的标准脸部图像。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述利用表情生成模型根据所述标准脸部图像以及所述表情标签进行表情合成，得到第一合成脸部图像前，所述方法还包括：
获取训练数据集，所述训练数据集包括多张人脸图像，所述人脸图像携带对应的表情标签；
对所述训练数据集中的各人脸图像进行人脸检测，得到脸部图像集合，所述脸部图像集合包括所述各人脸图像各自对应的标准脸部图像；
利用所述脸部图像集合中的各标准脸部图像以及所述标准脸部图像对应的人脸图像携带的表情标签对生成对抗网络模型进行训练，得到训练后的生成对抗网络模型作为表情生成模型。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
调用人脸识别工具库对所述训练数据集中的各人脸图像进行标注，得到所述各人脸图像各自对应的第一标注数据；
根据所述...

【专利技术属性】
技术研发人员：曹辰捷，徐国强，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44