【技术实现步骤摘要】
一种基于自编码网络的人脸图像规范化方法
本专利技术涉及图像处理领域，特别涉及一种基于自编码网络的人脸图像规范化方法。
技术介绍
现实生活中的海量人脸图像数据中包含大量与人脸无关的干扰信息，这些干扰信息将影响人脸识别算法的精度，妨碍人脸身份信息的判断。这些干扰信息主要包括脸部遮挡物、装饰物、图像破损、人物夸张表情、侧脸、光线。现有的算法对这些造成人脸识别困难的干扰因素分别进行了研究，例如去除遮挡物、修复破损图像的算法，对人物夸张表情进行矫正的算法，去除光线对图像干扰的算法，以及矫正侧脸的算法。由于这些算法只能单独的去除干扰信息中的某一项，功能较为单一，去干扰后的人脸图像质量不高。因此，本专利技术提出了一种能同时去除人脸图像中各类干扰因素的方法，称作人脸规范化。在去除遮挡物、修复破损图像的算法中，基于局部插值的方法未使用到图像的全局信息，容易带来图像不平滑的问题，对于遮挡区域较大的场景，效果较差。基于图像填充的方法只能基于已有区域的信息来填充未知区域，未出现在已有区域的内容无法预知。基于纹理合成的方法在数学分析上虽然是比...
【技术保护点】
1.一种基于自编码网络的人脸图像规范化方法，其特征在于，包括以下过程：/n步骤1、构建自编码网络的训练数据集，并进行预处理；/n步骤2、构建自编码网络的编码网络和解码网络，所述编码网络基于Resnet34构建，所述解码网络由反卷积模块构成；/n步骤3、采用L1loss损失函数衡量噪声人脸与规范化人脸之间的差异，同时用交叉熵损失衡量人脸图像分类损失，将两种损失加权求和的结果作为自编码网络的最终损失函数；/n步骤4、将预处理后的训练数据集在自编码网络上进行训练，得到训练完成的人脸规范化模型；/n步骤5、将待处理人脸图像输入到人脸规范化模型完成人脸图像规范化。/n
【技术特征摘要】
1.一种基于自编码网络的人脸图像规范化方法，其特征在于，包括以下过程：
步骤1、构建自编码网络的训练数据集，并进行预处理；
步骤2、构建自编码网络的编码网络和解码网络，所述编码网络基于Resnet34构建，所述解码网络由反卷积模块构成；
步骤3、采用L1loss损失函数衡量噪声人脸与规范化人脸之间的差异，同时用交叉熵损失衡量人脸图像分类损失，将两种损失加权求和的结果作为自编码网络的最终损失函数；
步骤4、将预处理后的训练数据集在自编码网络上进行训练，得到训练完成的人脸规范化模型；
步骤5、将待处理人脸图像输入到人脸规范化模型完成人脸图像规范化。
2.根据权利要求1所述的基于自编码网络的人脸图像规范化方法，其特征在于，所述步骤1中，预处理包括：
步骤11、对读取得到的人脸图像数据依次进行除以255，减均值0.5，除方差0.5的规范化操作；
步骤12、对规范化的图像进行随机左右、上下翻转；
步骤13、将图像大小调整为固定尺寸112×112。
3.根据权利要求1所述的基于自编码网络的人脸图像规范化方法，其特征在于，所述自编码网络包括编码网络和解码网络，编码网络对输入人脸图像进行编码，提取图像中人脸特征，并高度抽象为512维特征向量；所述解码网络对512维特征向量进行解码，去除各类干扰信息，输出规范化的人脸图像。
4.根据权利要求3所述的基于自编码网络的人脸图像规范化方法，其特征在于，所述编码网络输入为112×112大小的噪声人脸图像，编码网络结构为经典残差网络Resnet34，包括一层卷积核为7×7的卷积操作，以及由卷积模块BasicBlock分别叠加3、6、4、3次组成的Conv2、Conv3、Conv4、Conv5模块组成，经过逐层卷积，图像的大小由112×112逐渐递减为7×7，最后经过平均池化层Avgpooling和全连接层，输出512维特征向量；所述基础卷积模块BasicBlock由两个3×3的卷积和激活函数relu以跳连的方式组成。
5.根据权利要求4所述的基于自编码网络的人脸图像规范化方法，其特征在于，所述解码网络由依次连接的5个结构一样的反卷积模块Deconv1、Deconv2、Deconv3、D...
【专利技术属性】
技术研发人员：祝蕾，吴杰，
申请(专利权)人：中国电子科技网络信息安全有限公司，
类型：发明
国别省市：四川;51
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。