一种基于多判别器的人脸合成方法及装置制造方法及图纸

本发明专利技术涉及一种人脸合成的技术领域，公开了一种基于多判别器的人脸合成方法，包括：获取真实人脸图像，并对所获取的真实人脸图像进行预处理，得到规范化的真实人脸图像，将规范化的真实人脸图像作为数据集1；构建生成器网络，利用生成器网络生成人脸图像，将所生成的人脸图像作为图像集2；将图像集1和图像集2中的图像分别输入到多个判别器中；按照AHP层次分析法对判别器进行赋权，根据判别器的层次权重，选取层次权重最高的判别器对输入图像的是否为人脸图像进行判断，并根据判断结果对生成器网络进行调整，利用调整后最优的生成器网络进行人脸图像生成。本发明专利技术还提供了一种基于多判别器的人脸合成装置。本发明专利技术实现了人脸图像合成。合成。合成。

【技术实现步骤摘要】
一种基于多判别器的人脸合成方法及装置


[0001]本专利技术涉及人脸合成的
，尤其涉及一种基于多判别器的人脸合成方法及装置。

技术介绍

[0002]随着互联网和数字图像捕获设备的快速发展，人们的日常生活中产生了海量的图像数据，这些海量图像数据加快了现代计算机对图像内容的理解。在人脸图像理解领域，人脸合成技术可以对人脸年龄等属性进行编辑，合成身份特征不变的人脸图像，在进行跨年龄段身份认证过程中，减少了年龄、发型等属性变化对身份认证带来的不利影响，因此人脸合成技术成为了当前研究的热门领域。
[0003]传统的人脸合成技术主要基于特征表达技术，包括主成分分析法和稀疏表达法，这种方法可将人脸图像表达为特征向量和特征矩阵，并通过加权融合不同人脸特征向量合成新的人脸图像，但所合成的人脸图像质量较低。
[0004]鉴于此，如何合成图像质量更高的人脸图像，成为本领域技术人员亟待解决的问题。

技术实现思路

[0005]本专利技术提供一种基于多判别器的人脸合成方法，通过对真实人脸图像进行预处理，得到规范化的人脸图像作为图像集1；构建生成器网络，利用生成器网络生成人脸图像，将所生成的人脸图像作为图像集2，将图像集1和图像集2中的图像分别输入到多个判别器中进行判断，按照AHP层次分析法对输入图像的是否为人脸图像进行判断，并根据判断结果对生成器网络进行调整，从而利用生成器网络实现人脸图像生成。
[0006]为实现上述目的，本专利技术提供的一种基于多判别器的人脸合成方法，包括：
[0007]获取真实人脸图像，并对所获取的真实人脸图像进行预处理，得到规范化的真实人脸图像，将规范化的真实人脸图像作为数据集1；
[0008]构建生成器网络，利用生成器网络生成人脸图像，将所生成的人脸图像作为图像集2；
[0009]将图像集1和图像集2中的图像分别输入到多个判别器中；
[0010]按照AHP层次分析法对判别器进行赋权，根据判别器的层次权重，选取层次权重最高的判别器对输入图像的是否为人脸图像进行判断，并根据判断结果对生成器网络进行调整，利用调整后最优的生成器网络进行人脸图像生成。
[0011]可选地，所述对所获取的真实人脸图像进行预处理，包括：
[0012]获取真实人脸图像，并对所获取的真实人脸图像进行规格化处理，使所有人脸图像为统一的图像大小，所述规格化处理后的人脸图像大小为M*N像素，图像规格化的步骤包括对图像进行伸缩、旋转处理，在本专利技术一个具体实施例中，M的值为256，N的值为256；
[0013]对所获取的真实人脸图像进行预处理，所述预处理完成的真实人脸图像为规范化
的真实人脸图像，并将所有规范化的真实人脸图像作为数据集1，所述图像预处理流程包括：
[0014]1)对真实人脸图像中每一个像素的三个颜色分量求最大值，并将该最大值设置为该像素点的灰度值，得到真实人脸图像的灰度图，所述灰度化处理的公式为：
[0015]Gray(i,j)＝max{R(i,j),G(i,j),B(i,j)}
[0016]其中：
[0017](i,j)为真实人脸图像中的一个像素点；
[0018]R(i,j),G(i,j),B(i,j)分别为像素点(i,j)在R、G、B三个颜色通道中的值；
[0019]Gray(i,j)为像素点(i,j)的灰度值；
[0020]2)对于所述灰度图，利用分段线性变换的方式对图像的灰度进行线性拉伸，所述的公式为：
[0021][0022]其中：
[0023]Gray(i,j)为像素点(i,j)的原始灰度值；
[0024]MIN
Gray
为灰度图中的最小灰度值；
[0025]MAX
Gray
为灰度图中的最大灰度值；
[0026]g(i,j)为经灰度拉伸后像素点(i,j)的灰度值。
[0027]可选地，所述构建生成器网络，利用生成器网络生成人脸图像，包括：
[0028]对真实人脸图像中不同面部组件的图像区域进行标注，并构造M
×
N的灰度矩阵Q，按像素点的位置将真实人脸图像中每个像素点的灰度值填写到灰度矩阵中，得到若干人脸图像灰度矩阵；在本专利技术一个具体实施例中，所述面部组件包括人脸的眼睛、头发、耳朵、鼻子等；
[0029]构建生成器网络，在本专利技术一个具体实施例中，生成器网络由三个卷积层、一个残差层以及一个转置卷积核组成，卷积层中卷积核的尺寸为3
×
3像素，第一个卷积层的滤波器个数为32个，第二个卷积层的滤波器个数为64个，第三个卷积层的滤波器个数为128个，残差层由9个残差块组成，残差块的步长为1，大小为3
×
3像素，转置卷积核大小为3
×
3像素，用来将卷积后的特征复原为原始M*N像素大小的图像；
[0030]将人脸图像灰度矩阵输入到生成器网络中，所述利用生成器网络实现人脸图像生成的流程为：
[0031]1)卷积层接收人脸图像灰度矩阵，并对人脸图像灰度矩阵Q进行卷积处理，所述卷积处理的流程为：
[0032]h
1c
＝Conv1(Q
c
)
[0033]h
2c
＝Conv2(h
1c
)
[0034]h
3c
＝Conv3(h
2c
)
[0035]其中：
[0036]Conv,Conv1,Conv2为生成器网络的三个卷积层，Conv(
·
)表示对输入值进行卷积处理；
[0037]Q
c
表示面部组件c的图像灰度矩阵，所述面部组件包括眼睛、头发、耳朵、鼻子、面
部形状；
[0038]h
1c
,h
2c
,h
3c
表示面部组件c的特征图；
[0039]在本专利技术一个具体实施例中，每个卷积层后存在3个残差块，使得卷积后的特征图残差为0；
[0040]2)将不同面部组件的特征图进行组合，组合后的特征图包括所有面部组件，且不存在相同面部组件；
[0041]3)将组合后的特征图h输入到标准化层，所述标准化层对特征图中的面部组件位置进行优化处理：
[0042][0043]其中：
[0044]c表示面部组件，c
m
表示面部组件中的面部形状；
[0045]SP(
·
)表示对输入特征图进行标准化处理；
[0046]h
n,x,y
表示特征图的通道数为n，特征图的宽度为x，高度为y；
[0047]μ
n
为特征图在特征通道维度上的平均值；
[0048]σ
n
为特征图在特征通道维度上的标准差；
[0049]α
n,x,y
(
·
)为标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多判别器的人脸合成方法，其特征在于，所述方法包括：获取真实人脸图像，并对所获取的真实人脸图像进行预处理，得到规范化的真实人脸图像，将规范化的真实人脸图像作为数据集1；构建生成器网络，利用生成器网络生成人脸图像，将所生成的人脸图像作为图像集2；将图像集1和图像集2中的图像分别输入到多个判别器中；按照AHP层次分析法对判别器进行赋权，根据判别器的层次权重，选取层次权重最高的判别器对输入图像的是否为人脸图像进行判断，并根据判断结果对生成器网络进行调整，利用调整后最优的生成器网络进行人脸图像生成。2.如权利要求1所述的一种基于多判别器的人脸合成方法，其特征在于，所述对所获取的真实人脸图像进行预处理，包括：获取真实人脸图像，并对所获取的真实人脸图像进行规格化处理，使所有人脸图像为统一的图像大小，所述规格化处理后的人脸图像大小为M*N像素，图像规格化的步骤包括对图像进行伸缩、旋转处理；对所获取的真实人脸图像进行预处理，所述预处理完成的真实人脸图像为规范化的真实人脸图像，并将所有规范化的真实人脸图像作为数据集1，所述图像预处理流程包括：1)对真实人脸图像中每一个像素的三个颜色分量求最大值，并将该最大值设置为该像素点的灰度值，得到真实人脸图像的灰度图，所述灰度化处理的公式为：Gray(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}其中：(i，j)为真实人脸图像中的一个像素点；R(i，j)，G(i，j)，B(i，j)分别为像素点(i，j)在R、G、B三个颜色通道中的值；Gray(i，j)为像素点(i，j)的灰度值；2)对于所述灰度图，利用分段线性变换的方式对图像的灰度进行线性拉伸，所述的公式为：其中：Gray(i，j)为像素点(i，j)的原始灰度值；MIN
Gray
为灰度图中的最小灰度值；MAX
Gray
为灰度图中的最大灰度值；g(i，j)为经灰度拉伸后像素点(i，j)的灰度值。3.如权利要求2所述的一种基于多判别器的人脸合成方法，其特征在于，所述构建生成器网络，利用生成器网络生成人脸图像，包括：对真实人脸图像中不同面部组件的图像区域进行标注，并构造M
×
N的灰度矩阵Q，按像素点的位置将真实人脸图像中每个像素点的灰度值填写到灰度矩阵中，得到若干人脸图像灰度矩阵；将人脸图像灰度矩阵输入到生成器网络中，所述利用生成器网络实现人脸图像生成的流程为：1)卷积层接收人脸图像灰度矩阵，并对人脸图像灰度矩阵Q进行卷积处理，所述卷积处
理的流程为：h
1c
＝Conv1(Q
c
)h
2c
＝Conv2(h
1c
)h
3c
＝Conv3(h
2c
)其中：Conv，Conv1，Conv2为生成器网络的三个卷积层，Conv(
·
)表示对输入值进行卷积处理；Q
c
表示面部组件c的图像灰度矩阵，所述面部组件包括眼睛、头发、耳朵、鼻子、面部形状；h
1c
，h
2c
，h
3c
表示面部组件c的特征图；2)将不同面部组件的特征图进行组合，组合后的特征图包括所有面部组件，且不存在相同面部组件；3)将组合后的特征图h输入到标准化层，所述标准化层对特征图中的面部组件位置进行优化处理：其中：c表示面部组件，c
m
表示面部组件中的面部形状；SP(
·
)表示对输入特征图进行标准化处理；h
n，x，y
表示特征图的通道数为n，特征图的宽度为x，高度为y；μ
n
为特征图在特征通道维度上的平均值；σ
n
为特征图在特征通道维度上的标准差；α
n，x，y
(
·
)为标准化层中的映射函数，将除面部形状外的面部组件映射到人脸图像的对应位置；β
n，x，y

【专利技术属性】
技术研发人员：安丽军，
申请(专利权)人：诺华视创电影科技江苏有限公司，
类型：发明
国别省市：