一种人脸图像处理方法及终端设备技术

本申请提供一种人脸图像处理方法及终端设备，接收包含第一人脸的第一图像；对第一图像进行处理以得到包含第二人脸的第二图像，第二人脸位于第一人脸所在的位置，且第二人脸与第一人脸具有相同或相似的属性，属性包括表情、年龄、性别中的至少一种。通过这种对真实人脸进行替换的方式，且替换得到的人脸与用户真实的人脸在各个属性上表现为相同或者相似，如此的话，可以在用户分享人脸照片时既能够保证人脸的真实性，却又不是以用户真实的人脸进行发布，可以提高对用户个人信息的保护力度。可以提高对用户个人信息的保护力度。可以提高对用户个人信息的保护力度。

【技术实现步骤摘要】
一种人脸图像处理方法及终端设备


[0001]本申请实施例涉及人工智能
，尤其涉及一种人脸图像处理方法及终端设备。

技术介绍

[0002]目前，伴随着社交网络的快速发展，个人信息也越来越容易发生泄露。例如，针对采用人脸识别技术对用户终端进行解锁的场景，若用户的终端和该用户的人脸照片同时被不法分子获取，此时不法分子可以通过该用户的人脸照片实现对该用户的终端的解锁，以盗取用户的个人信息。因此，用户在社交网络中分享照片时，若照片中存在用户真实的人脸，那么根据以上的方式，极容易发生用户的个人信息泄漏的事件。
[0003]因此，目前亟需一种对真实人脸进行替换的方法，以实现对个人信息的保护。
[0004]申请内容
[0005]本申请提供一种人脸图像处理方法及终端设备，用于针对真实人脸照片在发布到社交网络时，可以提高对用户个人信息的保护力度。
[0006]第一方面，本申请实施例提供一种人脸图像处理方法，该方法包括：接收包含第一人脸的第一图像；对所述第一图像进行处理以得到包含第二人脸的第二图像，其中所述第二人脸位于所述第一人脸所在的位置，且所述第二人脸与所述第一人脸具有相同或相似的属性，所述属性包括表情、年龄、性别中的至少一种。
[0007]基于该方案，通过对包含第一人脸的第一图像的处理，以使得在第一人脸所在位置使用第二人脸进行替换，从而得到包含第二人脸的第二图像，其中，第二人脸与第一人脸在各个属性上的属性值相同或者相似。通过这种对真实人脸进行替换的方式，且替换得到的人脸与用户真实的人脸在各个属性上表现为相同或者相似，如此的话，可以在用户分享人脸照片时既能够保证人脸的真实性，却又不是以用户真实的人脸进行发布，可以提高对用户个人信息的保护力度。
[0008]在一种可能实现的方法中，所述对所述第一图像进行处理以得到包含第二人脸的第二图像，包括：确定所述第一图像中的所述第一人脸在设定属性上的第一属性值；所述设定属性包括表情；随机生成用于生成第二人脸的第一特征向量；将所述第一特征向量中所述设定属性所在维度的值设置为所述第一属性值，得到第二特征向量；根据所述第一属性值中的表情属性值，确定所述表情属性值对应的第一人脸生成模型；将所述第二特征向量输入所述第一人脸生成模型，得到第二人脸；将所述第一图像中的所述第一人脸替换为所述第二人脸，得到第二图像。
[0009]基于该方案，针对第一图像中的第一人脸(需要被替换的人脸)，首先确定第一人脸在设定属性上的第一属性值，其中，(人脸)表情是设定属性之一，然后，随机生成第一特征向量，并针对第一特征向量，将其中设定属性所在维度的值设置为第一属性值，得到第二特征向量，接着确定出与第一人脸的表情相对应的第一人脸生成模型，并将第二特征向量输入第一人脸生成模型，从而得到第二人脸，最后用第二人脸对第一图像中的第一人脸进
行替换，得到第二图像。当将该方式生成的第二图像应用于社交网络中用户的真实人脸照片(第一图像)的发布时，可以避免用户的真实人脸照片的泄漏，起到有效保护用户的个人数据的作用。
[0010]在一种可能实现的方法中，所述第一人脸生成模型是通过与第一人脸表情分类模型构成对抗网络训练得到的；所述第一人脸表情分类模型用于识别出输入图像是否具有生成的第一人脸表情；所述第一人脸生成模型用于生成使得所述第一人脸表情分类模型难以区分的人脸图像。
[0011]基于该方案，通过使用对抗网络的方式训练得到第一人脸生成模型和第一人脸表情分类模型，可以使得第一人脸生成模型根据第二特征向量生成的第二人脸让第一人脸表情分类模型无法区分是由模型生成的人脸还是真实的人脸，从而说明第二人脸与真实人脸相差无几，如此使用第二人脸替换第一人脸的方式是合理的，最后当用生成的第二图像应用于社交网络中用户的真实人脸照片(第一图像)的发布时，可以避免用户的真实人脸照片的泄漏，起到有效保护用户的个人数据的作用。
[0012]在一种可能实现的方法中，所述第一人脸生成模型是通过与第一人脸表情分类模型构成对抗网络训练得到的，包括：随机生成各第三特征向量；将各第三特征向量分别输入初始人脸生成模型，得到各第三图像；将各第三图像和具有第一人脸表情的各第四图像作为样本，对初始人脸表情分类模型进行训练，得到第一轮人脸表情分类模型；根据所述第一轮人脸表情分类模型对样本的识别结果，作为训练所述初始人脸生成模型的调整依据，得到第一轮人脸生成模型；通过所述第一轮人脸生成模型得到更新后的样本，循环更新模型，直至得到所述第一人脸生成模型和所述第一人脸表情分类模型。
[0013]基于该方案，通过随机生成多个第三特征向量，并针对该些多个第三特征向量，初始人脸生成模型可以就其中的每一个第三特征向量生成一个第三图像；同时，将多个第三图像将和具有第一人脸表情的多个第四图像作为样本，对初始人脸表情分类模型进行训练，得到第一轮人脸表情分类模型；然后，将第一轮人脸表情分类模型对样本的识别结果作为训练初始人脸生成模型的调整依据，得到第一轮人脸生成模型，接着通过第一轮人脸生成模型得到更新后的样本，循环更新模型，直至得到第一人脸生成模型和第一人脸表情分类模型。该方式通过对抗网络训练的方式，使得每一次更新的人脸生成模型在对随机生成的特征向量生成的图像越来越和真实人脸相接近，以至于“欺骗”到人脸表情分类模型(让人脸表情分类模型误以为由人脸生成模型生成的图像是真实人脸)，同时，每一次更新的人脸表情分类模型也具有更高的分类精度，用于准确地区分真实的人脸图像和由人脸生成模型生成的图像。该方式中针对两种具有对抗关系的模型——人脸生成模型和人脸表情分类模型，通过固定一种模型的参数来训练另一种模型，如此的话，可以提高模型训练的效果，使得最终得到的第一人脸生成模型可以准确地用于对预设人脸表情下的真实人脸的替换图像进行生成。
[0014]在一种可能实现的方法中，所述确定所述第一图像中的所述第一人脸在设定属性上的第一属性值之前，还包括：接收第一触发指令；所述第一触发指令用于指示对所述第一图像中的人脸进行替换；通过人脸识别模型，确定所述第一图像中的各人脸；接收第二触发指令；所述第二触发指令用于指示对所述第一人脸进行替换。
[0015]基于该方案，该方式中对于含有人脸的第一图像，若确定需要对其中的人脸进行
替换时，则通过发出第一触发指令，由于第一触发指令用于指示对第一图像中的人脸进行替换，因此在接收到第一触发指令后，通过人脸识别模型可以确定出第一图像中包括的人脸，并对人脸进行标识，最后通过发出第二触发指令，由于第二触发指令是作用于第一人脸对应的标识上，用于指示对第一人脸进行替换，如此可以确定本次的人脸替换的目标具体包括哪些。
[0016]在一种可能实现的方法中，所述确定所述第一图像中的所述第一人脸在设定属性上的第一属性值，包括：通过表情识别模型确定所述第一人脸的表情属性值；通过年纪识别模型确定所述第一人脸的年纪属性值；通过性别识别模型确定所述第一人脸的性别属性值。
[0017]基于该方案，由于在生成第一人脸的替换图像——第二图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸图像处理方法，其特征在于，包括：接收包含第一人脸的第一图像；对所述第一图像进行处理以得到包含第二人脸的第二图像，其中所述第二人脸位于所述第一人脸所在的位置，且所述第二人脸与所述第一人脸具有相同或相似的属性，所述属性包括表情、年龄、性别中的至少一种。2.如权利要求1所述的方法，其特征在于，所述对所述第一图像进行处理以得到包含第二人脸的第二图像，包括：确定所述第一图像中的所述第一人脸在设定属性上的第一属性值；所述设定属性包括表情；随机生成用于生成第二人脸的第一特征向量；将所述第一特征向量中所述设定属性所在维度的值设置为所述第一属性值，得到第二特征向量；根据所述第一属性值中的表情属性值，确定所述表情属性值对应的第一人脸生成模型；将所述第二特征向量输入所述第一人脸生成模型，得到第二人脸；将所述第一图像中的所述第一人脸替换为所述第二人脸，得到第二图像。3.如权利要求2所述的方法，其特征在于，所述第一人脸生成模型是通过与第一人脸表情分类模型构成对抗网络训练得到的；所述第一人脸表情分类模型用于识别出输入图像是否具有生成的第一人脸表情；所述第一人脸生成模型用于生成使得所述第一人脸表情分类模型难以区分的人脸图像。4.如权利要求3所述的方法，其特征在于，所述第一人脸生成模型是通过与第一人脸表情分类模型构成对抗网络训练得到的，包括：随机生成各第三特征向量；将各第三特征向量分别输入初始人脸生成模型，得到各第三图像；将各第三图像和具有第一人脸表情的各第四图像作为样本，对初始人脸表情分类模型进行训练，得到第一轮人脸表情分类模型；根据所述第一轮人脸表情分类模型对样本的识别结果，作为训练所述初始人脸生成模型的调整依据，得到第一轮人脸生成模型；通过所述...

【专利技术属性】
技术研发人员：孟祥奇，高雪松，陈维强，
申请(专利权)人：青岛海信电子产业控股股份有限公司，
类型：发明
国别省市：