一种人脸超分辨率重建方法及系统技术方案

本发明专利技术公开了一种人脸超分辨率重建方法及系统，采用人工智能中的深度学习方法，结合人脸超分辨率技术，实现了在不需要人脸先验知识的情况下重建清晰的人脸图像。本发明专利技术方法构建一个渐进式超分辨率重建模块，逐步提升人脸图像的分辨率，充分利用低分辨率人脸以及噪声信息，可将低分辨率的低光照的人脸重建成面部轮廓、细节信息清晰的超分辨率人脸图像，低分辨率图像的训练有助于更高级别分辨率的训练，因此整体的训练速度更快。

【技术实现步骤摘要】
一种人脸超分辨率重建方法及系统
本专利技术涉及人脸识别领域，特别是一种人脸超分辨率重建方法及系统。
技术介绍
人工智能（AI）是科技行业的热点,AI能够使机器进行自主学习并独立解决问题，因此广泛应用于视频监控、智能手机、医疗保健和汽车等多个领域，相关研究及应用在过去10年里呈现爆炸式增长[1][2][3]。近年来，社会治安的问题日渐凸显，不同的场合开始对安全防范加大力度。为了满足人们的需求，我国大力开展天网工程的建设工作，利用图像采集、传输、控制、显示等设备和控制软件，对城市中固定区域进行实时监控和信息记录，为强化城市综合管理、预防打击犯罪和突发性治安灾害事故提供丰富的影像资料，由此获得的影像资料能够满足人们在交通监控、异常事件警报以及家庭护理等许多应用中的现实需求[4][5]。这些应用都对图像的分辨率有着较高的要求，人工智能技术能够针对视频获得的低质量图像恢复对应的高分辨率图像，成本较低且性能较高，从而能更好的帮助医生诊断疾病、辅助警察快速定位犯罪嫌疑人。在低光照场景下，由于照明条件的限制，视频系统捕获的画面通常亮度低、噪声大。且受到拍摄设备本文档来自技高网...

【技术保护点】
1.一种人脸超分辨率重建方法，其特征在于，包括以下步骤：/nS1、输入低光照、低分辨率人脸图像

【技术特征摘要】
1.一种人脸超分辨率重建方法，其特征在于，包括以下步骤：
S1、输入低光照、低分辨率人脸图像，经过卷积操作提取出特征图，对特征图进行亮度调整，获得调整之后的特征图；
S2、更新和，并对更新后的和进行卷积操作，获得亮度增强的低分辨率人脸图像；
S3、对所述低分辨率人脸图像依次进行N倍下采样操作和卷积操作，提取所述低分辨率人脸图像的第一人脸特征图，利用第一StyleBlock学习所述第一人脸特征图，获得提高分辨率后的第二人脸特征图；
S4、对所述低分辨率人脸图像依次进行N/2倍下采样操作和卷积操作，提取所述低分辨率人脸图像的第三人脸特征图，将所述第二人脸特征图和第三人脸特征图作为第二StyleBlock的输入，获得第四人脸特征图；
S5、将下采样操作倍数设置为N/2i，对所述低分辨率人脸图像执行步骤S4的操作K次，最终获得提高分辨率后的人脸图像；i为正整数，且i≥2；
S6、级联多个输出StyleBlock，得到级联结构，并将提高分辨率后的人脸图像作为所述级联结构中第一个输出StyleBlock的输入，得到重建后的人脸图像。


2.根据权利要求1所述的人脸超分辨率重建方法，其特征在于，步骤S6之后，还包括：
S7、将重建后的人脸图像与真实人脸图像分别输入人脸鉴别网络，对应分别得到预测值fake_value和预测值real_value；计算fake_value和real_value之间的均方损失函数，进行反向传播从而训练人脸鉴别网络，训练后的人脸鉴别网络即为鉴别模型。


3.根据权利要求2所述的人脸超分辨率重建方法，其特征在于，所述人脸鉴别网络获取预测值的实现过程包括：通过M1个卷积层结合注意力机制学习人脸图像人脸空间区域之间的关系，获得注意力特征图，将所述注意力特征图经过平均池化层和M2个卷积层，最后通过Sigmoid激活函数输出预测值。
<...

【专利技术属性】
技术研发人员：郭克华，胡敏，奎晓燕，赵颖，胡斌，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43