【技术实现步骤摘要】
一种戴口罩人脸图像生成方法及相关装置
本申请实施例涉及图像处理
，尤其涉及一种戴口罩人脸图像生成方法及相关装置。
技术介绍
目前，深度学习的快速发展与完善以及各种场景中对人脸识别的需求的增加，人脸识别技术取得了巨大的进步，并被广泛应用于小区，商场，写字楼等场所以实现非接触式监控和安全认证。人脸识别主要依赖于对人脸数据的采集和匹配，对戴口罩人脸识别主要依靠深度学习网络对数据进行训练和匹配得到稳定的识别模型，对模型的训练需要前期输入大量的戴口罩人脸数据，现有技术中，主要通过现场录制拍摄的方式采集数据，然而由于戴口罩人脸存在大量关键点被遮挡，采集到的数据识别度极差，难以用于对识别模型的训练，而通过网络直播平台获取到的数据风格较为单一，丰富性低。因此，现有技术中，能够用于人脸识别模型训练的戴口罩人脸数据较为缺乏。
技术实现思路
本申请提供了一种戴口罩人脸图像生成方法及相关装置，用于解决在人脸识别模型的训练中戴口罩人脸图像数据匮乏的问题。本申请实施例第一方面提供一种戴口罩人脸图像生成方法，包括...
【技术保护点】
1.一种戴口罩人脸图像生成方法，其特征在于，包括：/n获取口罩图像；/n获取目标人脸图像；/n将所述口罩图像与所述目标人脸图像通过预设模型生成目标口罩模板图像，所述目标口罩模板图像包含所述口罩图像的内容信息与所述目标人脸图像的环境信息；/n确定所述目标人脸图像中的口罩覆盖区域；/n根据所述口罩覆盖区域将所述目标口罩模板图像和所述目标人脸图像进行图像合成，生成戴口罩人脸图像。/n
【技术特征摘要】
1.一种戴口罩人脸图像生成方法，其特征在于，包括：
获取口罩图像；
获取目标人脸图像；
将所述口罩图像与所述目标人脸图像通过预设模型生成目标口罩模板图像，所述目标口罩模板图像包含所述口罩图像的内容信息与所述目标人脸图像的环境信息；
确定所述目标人脸图像中的口罩覆盖区域；
根据所述口罩覆盖区域将所述目标口罩模板图像和所述目标人脸图像进行图像合成，生成戴口罩人脸图像。
2.根据权利要求1所述的戴口罩人脸图像生成方法，其特征在于，所述获取口罩图像之前，所述戴口罩人脸图像生成方法还包括：
训练预设模型，所述预设模型用于采用VGG19深度卷积神经网络提取图像的风格特征和内容特征。
3.根据权利要求2所述的戴口罩人脸图像生成方法，其特征在于，所述训练预设模型包括：
将第一样本对输入到原始模型中生成初始口罩模板图像，并标记输入次数值，所述第一样本对为样本集中任意一组样本对，所述第一样本对包含一张口罩图像和一张人脸图像；
通过总损失函数计算第一总损失值，所述第一总损失值由内容损失值和风格损失值组成；
当所述第一总损失值大于预设值时，根据所述第一总损失值反向传播更新所述原始模型，将所述第一样本对输入更新后的原始模型，更新输入次数值并重新计算第一总损失值；
当所述第一总损失值小于或等于所述预设值时，将第二样本对输入更新后的原始模型，标记输入次数值并重新计算得到第二总损失值；
当所述第二总损失值小于或等于所述预设值且所述第二样本对的训练次数值为1时，确定更新后的原始模型为预设模型。
4.根据权利要求3所述的戴口罩人脸图像生成方法，其特征在于，所述训练预设模型还包括：
当所述第二总损失值大于所述预设值时，根据所述第二总损失值反向传播更新所述原始模型，将所述第二样本对输入更新后的原始模型，更新输入次数值并重新计算第二总损失值。
5.根据权利要求3所述的戴口罩人脸图像生成方法，其特征在于，所述将第一样本对输入到原始模型中生成初始口罩模板图像包括：
将第一样本对输入到原始模型；
通过所述原始模型中的VGG19深度卷积神经网络提取所述口罩图像的内容特征和所述人脸图像的风格特征；
根据所述口罩图像的内容特征和所述人脸图像的风格特征生成初始口罩模板图像。
6.根据权利要求3所述的戴口罩人脸图像生成...
【专利技术属性】
技术研发人员：唐健，潘国峰，陶昆，祝严刚，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
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。