人脸识别模型的训练方法、装置、设备及存储介质制造方法及图纸

本申请涉及人工智能技术领域，揭示了一种人脸识别模型的训练方法、装置、设备及存储介质，其中方法包括：采用多个第一训练样本对初始三维人脸纹理模型生成模块训练得到目标三维人脸纹理模型生成模块；基于目标三维人脸纹理模型生成模块，根据从多个第二训练样本中获取的目标第二训练样本得到待扰动的三维人脸纹理模型；根据待扰动的三维人脸纹理模型、预设的图像投影及纹理映射模型和预设的投影角度集合进行光照和纹理的扰动以及图像生成得到待训练的二维人脸图像集合；根据待训练的二维人脸图像集合和人脸图像标定值对初始人脸识别模型进行训练得到目标人脸识别模型。实现了针对光照和表情纹理的变化进行有效建模，提高了模型对扰动的鲁棒性。高了模型对扰动的鲁棒性。高了模型对扰动的鲁棒性。

【技术实现步骤摘要】
人脸识别模型的训练方法、装置、设备及存储介质


[0001]本申请涉及到人工智能
，特别是涉及到一种人脸识别模型的训练方法、装置、设备及存储介质。

技术介绍

[0002]深度神经网络的出现为计算机视觉技术的应用带来了飞速的发展，从而使基于深度学习技术的人脸识别技术得到广泛的应用。现有基于二维人脸图像或三维结构光的人脸识别技术都不能针对环境光照条件和不同视角下表情纹理的变化进行有效建模，降低了人脸识别模型的鲁棒性。

技术实现思路

[0003]本申请的主要目的为提供一种人脸识别模型的训练方法、装置、设备及存储介质，旨在解决现有技术基于二维人脸图像或三维结构光的人脸识别技术都不能针对环境光照条件和不同视角下表情纹理的变化进行有效建模，降低了人脸识别模型的鲁棒性的技术问题。
[0004]为了实现上述专利技术目的，本申请提出一种人脸识别模型的训练方法，所述方法包括：
[0005]获取多个第一训练样本，所述多个第一训练样本中每个第一训练样本包括：第一人脸图像样本集合；
[0006]采用所述多个第一训练样本对初始三维人脸纹理模型生成模块进行训练，将训练结束的所述初始三维人脸纹理模型生成模块作为目标三维人脸纹理模型生成模块；
[0007]获取多个第二训练样本，所述多个第二训练样本中每个第二训练样本包括：第二人脸图像样本集合和人脸图像标定值；
[0008]从所述多个第二训练样本中获取一个所述第二训练样本作为目标第二训练样本；
[0009]基于所述目标三维人脸纹理模型生成模块，根据所述目标第二训练样本的所述第二人脸图像样本集合进行三维人脸纹理模型生成，得到待扰动的三维人脸纹理模型；
[0010]获取预设的图像投影及纹理映射模型和预设的投影角度集合，根据所述待扰动的三维人脸纹理模型、所述预设的图像投影及纹理映射模型和所述预设的投影角度集合进行光照和纹理的扰动以及二维人脸图像生成，得到所述目标第二训练样本对应的待训练的二维人脸图像集合；
[0011]根据所述目标第二训练样本对应的所述待训练的二维人脸图像集合和所述人脸图像标定值对初始人脸识别模型进行训练及参数更新；
[0012]重复执行所述从所述多个第二训练样本中获取一个所述第二训练样本作为目标第二训练样本的步骤，直至达到第一预设的训练结束条件，将达到所述第一预设的训练结束条件的所述初始人脸识别模型作为目标人脸识别模型。
[0013]进一步的，所述采用所述多个第一训练样本对初始三维人脸纹理模型生成模块进
行训练，将训练结束的所述初始三维人脸纹理模型生成模块作为目标三维人脸纹理模型生成模块的步骤，包括：
[0014]从所述多个第一训练样本中获取一个所述第一训练样本作为目标第一训练样本；
[0015]将所述目标第一训练样本的所述第一人脸图像样本集合输入所述初始三维人脸纹理模型生成模块的特征提取子模块进行特征提取，得到待处理的特征数据；
[0016]将所述待处理的特征数据输入所述初始三维人脸纹理模型生成模块的线性变换子模块进行线性变换处理，得到所述目标第一训练样本对应的身份向量、表情参数向量和姿态参数向量；
[0017]将所述身份向量、所述表情参数向量和所述姿态参数向量输入所述初始三维人脸纹理模型生成模块的三维人脸模型生成子模块进行三维人脸模型生成，得到待处理的三维人脸模型；
[0018]根据所述姿态参数向量、所述目标第一训练样本的所述第一人脸图像样本集合、所述待处理的三维人脸模型和所述初始三维人脸纹理模型生成模块的纹理采集子模块进行纹理映射，得到待处理的三维人脸纹理模型；
[0019]从所述目标第一训练样本的所述第一人脸图像样本集合中获取一张图像作为待对比的二维原始图像；
[0020]根据所述待对比的二维原始图像对应的视角，将所述待处理的三维人脸纹理模型进行二维图像投影，得到待对比的二维投影图像；
[0021]重复执行所述从所述目标第一训练样本的所述第一人脸图像样本集合中获取一张图像作为待对比的二维原始图像的步骤，直至完成所述目标第一训练样本的所述第一人脸图像样本集合中的图像的提取；
[0022]根据所有的所述待对比的二维投影图像和所有的所述待对比的二维原始图像对所述初始三维人脸纹理模型生成模块进行训练及参数更新；
[0023]重复执行所述从所述多个第一训练样本中获取一个所述第一训练样本作为目标第一训练样本的步骤，直至达到第二预设的训练结束条件，将达到所述第二预设的训练结束条件的所述初始三维人脸纹理模型生成模块作为所述目标三维人脸纹理模型生成模块。
[0024]进一步的，所述三维人脸模型生成子模块采用公式S表述为：
[0025][0026]其中，为S的平均值的向量，E
id
为人物身份基础向量，E
exp
为表情参数基础向量，x
id
是所述目标第一训练样本对应的所述身份向量，x
exp
是所述目标第一训练样本对应的所述表情参数向量，E
id
、E
exp
为已知常量。
[0027]进一步的，所述根据所述姿态参数向量、所述目标第一训练样本的所述第一人脸图像样本集合、所述待处理的三维人脸模型和所述初始三维人脸纹理模型生成模块的纹理采集子模块进行纹理映射，得到待处理的三维人脸纹理模型的步骤，包括：
[0028]采用所述初始三维人脸纹理模型生成模块的所述纹理采集子模块，根据所述目标第一训练样本的所述第一人脸图像样本集合中的各个图像各种对应的视角和所述姿态参数向量，分别将所述待处理的三维人脸模型上的每个三维点进行二维像素投影，得到所述待处理的三维人脸模型中各个三维点各自对应的待处理的二维投影像素坐标集合；
[0029]采用所述初始三维人脸纹理模型生成模块的所述纹理采集子模块，针对所述待处
理的三维人脸模型中的每个三维点，根据所述目标第一训练样本的所述第一人脸图像样本集合、所有所述待处理的二维投影像素坐标集合进行每个三维点的纹理生成，得到所述待处理的三维人脸纹理模型。
[0030]进一步的，所述采用所述初始三维人脸纹理模型生成模块的所述纹理采集子模块，针对所述待处理的三维人脸模型中的每个三维点，根据所述目标第一训练样本的所述第一人脸图像样本集合、所有所述待处理的二维投影像素坐标集合进行每个三维点的纹理生成，得到所述待处理的三维人脸纹理模型的步骤，包括：
[0031]从所述待处理的三维人脸模型中提取一个三维点作为待处理的三维点；
[0032]根据所述待处理的三维点对应的所述待处理的二维投影像素坐标集合，从所述目标第一训练样本的所述第一人脸图像样本集合中获取像素值，得到待处理的像素值集合；
[0033]对所述待处理的像素值集合进行像素值的平均值计算，得到所述待处理的三维点对应的三维点像素值；
[0034]重复执行所述从所述待处理的三维人脸模型中提取一个三维点作为待处理的三维点的步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸识别模型的训练方法，其特征在于，所述方法包括：获取多个第一训练样本，所述多个第一训练样本中每个第一训练样本包括：第一人脸图像样本集合；采用所述多个第一训练样本对初始三维人脸纹理模型生成模块进行训练，将训练结束的所述初始三维人脸纹理模型生成模块作为目标三维人脸纹理模型生成模块；获取多个第二训练样本，所述多个第二训练样本中每个第二训练样本包括：第二人脸图像样本集合和人脸图像标定值；从所述多个第二训练样本中获取一个所述第二训练样本作为目标第二训练样本；基于所述目标三维人脸纹理模型生成模块，根据所述目标第二训练样本的所述第二人脸图像样本集合进行三维人脸纹理模型生成，得到待扰动的三维人脸纹理模型；获取预设的图像投影及纹理映射模型和预设的投影角度集合，根据所述待扰动的三维人脸纹理模型、所述预设的图像投影及纹理映射模型和所述预设的投影角度集合进行光照和纹理的扰动以及二维人脸图像生成，得到所述目标第二训练样本对应的待训练的二维人脸图像集合；根据所述目标第二训练样本对应的所述待训练的二维人脸图像集合和所述人脸图像标定值对初始人脸识别模型进行训练及参数更新；重复执行所述从所述多个第二训练样本中获取一个所述第二训练样本作为目标第二训练样本的步骤，直至达到第一预设的训练结束条件，将达到所述第一预设的训练结束条件的所述初始人脸识别模型作为目标人脸识别模型。2.根据权利要求1所述的人脸识别模型的训练方法，其特征在于，所述采用所述多个第一训练样本对初始三维人脸纹理模型生成模块进行训练，将训练结束的所述初始三维人脸纹理模型生成模块作为目标三维人脸纹理模型生成模块的步骤，包括：从所述多个第一训练样本中获取一个所述第一训练样本作为目标第一训练样本；将所述目标第一训练样本的所述第一人脸图像样本集合输入所述初始三维人脸纹理模型生成模块的特征提取子模块进行特征提取，得到待处理的特征数据；将所述待处理的特征数据输入所述初始三维人脸纹理模型生成模块的线性变换子模块进行线性变换处理，得到所述目标第一训练样本对应的身份向量、表情参数向量和姿态参数向量；将所述身份向量、所述表情参数向量和所述姿态参数向量输入所述初始三维人脸纹理模型生成模块的三维人脸模型生成子模块进行三维人脸模型生成，得到待处理的三维人脸模型；根据所述姿态参数向量、所述目标第一训练样本的所述第一人脸图像样本集合、所述待处理的三维人脸模型和所述初始三维人脸纹理模型生成模块的纹理采集子模块进行纹理映射，得到待处理的三维人脸纹理模型；从所述目标第一训练样本的所述第一人脸图像样本集合中获取一张图像作为待对比的二维原始图像；根据所述待对比的二维原始图像对应的视角，将所述待处理的三维人脸纹理模型进行二维图像投影，得到待对比的二维投影图像；重复执行所述从所述目标第一训练样本的所述第一人脸图像样本集合中获取一张图
像作为待对比的二维原始图像的步骤，直至完成所述目标第一训练样本的所述第一人脸图像样本集合中的图像的提取；根据所有的所述待对比的二维投影图像和所有的所述待对比的二维原始图像对所述初始三维人脸纹理模型生成模块进行训练及参数更新；重复执行所述从所述多个第一训练样本中获取一个所述第一训练样本作为目标第一训练样本的步骤，直至达到第二预设的训练结束条件，将达到所述第二预设的训练结束条件的所述初始三维人脸纹理模型生成模块作为所述目标三维人脸纹理模型生成模块。3.根据权利要求2所述的人脸识别模型的训练方法，其特征在于，所述三维人脸模型生成子模块采用公式S表述为：其中，为S的平均值的向量，E
id
为人物身份基础向量，E
exp
为表情参数基础向量，x
id
是所述目标第一训练样本对应的所述身份向量，x
exp
是所述目标第一训练样本对应的所述表情参数向量，E
id
、E
exp
为已知常量。4.根据权利要求2所述的人脸识别模型的训练方法，其特征在于，所述根据所述姿态参数向量、所述目标第一训练样本的所述第一人脸图像样本集合、所述待处理的三维人脸模型和所述初始三维人脸纹理模型生成模块的纹理采集子模块进行纹理映射，得到待处理的三维人脸纹理模型的步骤，包括：采用所述初始三维人脸纹理模型生成模块的所述纹理采集子模块，根据所述目标第一训练样本的所述第一人脸图像样本集合中的各个图像各种对应的视角和所述姿态参数向量，分别将所述待处理的三维人脸模型上的每个三维点进行二维像素投影，得到所述待处理的三维人脸模型中各个三维点各自对应的待处理的二维投影像素坐标集合；采用所述初始三维人脸纹理模型生成模块的所述纹理采集子模块，针对所述待处理的三维人脸模型中的每个三维点，根据所述目标第一训练样本的所述第一人脸图像样本集合、所有所...

【专利技术属性】
技术研发人员：刘彦宏，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：