一种适用于面瘫患者的智能化人脸识别方法和系统技术方案

本发明专利技术提出了一种适用于面瘫患者的智能化人脸识别方法与系统。方法包括：获取待识别面瘫患者面部图像的面瘫病情信息构成病变信息编码；将人脸数据库中人脸图像输入变分自编码网络的编码器得到人脸信息编码；将人脸信息编码和病变信息编码输入重映射网络，得到可控病变信息编码；利用变分自编码网络的解码器对可控病变信息编码进行解码得到人脸图像对应的病变人脸图像；根据人脸数据库中每张人脸图像对应病变人脸图像和待识别面瘫患者面部图像的相似度对面瘫患者进行人脸识别。本发明专利技术解决了面瘫患者直接进行人脸识别容易出现识别错误的问题，提高了面瘫患者的人脸识别的合理性和准确性，并且使面瘫患者的人脸识别的速度也进一步得到了提升。也进一步得到了提升。也进一步得到了提升。

【技术实现步骤摘要】
一种适用于面瘫患者的智能化人脸识别方法和系统


[0001]本专利技术涉及人脸识别和人工智能领域，具体涉及一种适用于面瘫患者的智能化人脸识别方法和系统。

技术介绍

[0002]人脸识别技术在近几年出现了爆发式增长，从全球人脸识别
的应用场景布局来看，安防、金融、交通、零售、教育、医疗等领域都有较多应用场景，为经济社会的发展以及人们日常生活的便捷带来了新机遇。
[0003]而现实生活中，人脸识别时也会遇到一些问题，例如实时采集到的人脸与人脸库中的人脸差异较大，很难进行人脸识别，此时使用局部的特征进行识别，又会降低识别的准确性，这一问题对于面瘫患者尤为突出，面瘫患者在进行人脸识别时，由于其面部发生了病变，所以其面部的部分特征必定与无病变时的面部特征不同，这个时候用病变人脸图像和人脸库中的健康人脸进行相似度对比，会有较大的误差，难以进行准确的人脸识别。

技术实现思路

[0004]针对上述问题，本专利技术提出了一种适用于面瘫患者的智能化人脸识别方法和系统，所采用的技术方案如下：第一方面，本专利技术一个实施例提供了一种适用于面瘫患者的智能化人脸识别方法。所采用的技术方案具体如下：获取待识别面瘫患者面部图像的面瘫病情信息构成病变信息编码；将人脸数据库中人脸图像输入变分自编码网络的编码器得到人脸信息编码；将人脸信息编码和病变信息编码输入重映射网络，得到可控病变信息编码；利用变分自编码网络的解码器对可控病变信息编码进行解码得到人脸图像对应的病变人脸图像；其中，变分自编码网络用于生成不同面瘫程度的人脸图像；根据人脸数据库中每张人脸图像对应病变人脸图像和待识别面瘫患者面部图像的相似度对面瘫患者进行人脸识别。
[0005]优选地，获取待识别面瘫患者面部图像的面瘫病情信息构成病变信息编码包括：将待识别面瘫患者人脸根据病变位置分为包括左眼区域、右眼区域、左嘴角区域、右嘴角区域的多个区域；以面部纵向等分线为对称轴，将任意一侧的眼睛区域、嘴角区域映射至另一侧；在映射后的人脸图像中，获得正常眼睛外交点和病变眼睛外眼角点坐标组成的眼睛区域的病变向量，获得正常嘴角点和病变嘴角点坐标组成的嘴巴区域的病变向量；根据眼睛和嘴巴区域的病变向量获得包含面瘫患者的病变位置、病变方向和病变程度的病变信息编码。
[0006]优选地，重映射网络的训练过程包括：在模拟器中为人脸图像训练样本加入病变信息获得对应的真值病变人脸图像，并将病变信息变为病变信息编码；将人脸图像训练样本的人脸信息编码与病变信息编码输入重映射网络，输出人脸图像训练样本的可控病变信
息编码；对可控病变信息编码解码，根据解码所得图像与真值病变人脸图像的距离更新重映射网络的参数。
[0007]优选地，重映射网络的损失函数为：Y为根据可控病变信息编码生成的病变人脸图像，Y为不同病变信息对应的真值病变人脸图像，N为训练样本数量，为生成的病变人脸图像和真值病变人脸图像的距离；、分别为第i个、第j个训练样本的病变信息编码；、分别为第i个、第j个样本对应的重映射网络输出第k维的采样值；分别为第i个、第j个训练样本的均值向量中第k维均值，分别为第i个、第j个训练样本的标准差向量中第k维标准差。
[0008]优选地，根据人脸数据库中每张人脸图像对应病变人脸图像和待识别面瘫患者面部图像的相似度对面瘫患者进行人脸识别包括：获取与待识别面瘫患者面部图像相似度最高的病变人脸图像，病变人脸图像对应的人脸数据库的人脸图像为面瘫患者的健康人脸图像，完成对面瘫患者的人脸识别。
[0009]第二方面，本专利技术另一个实施例提供了一种适用于面瘫患者的智能化人脸识别系统。该系统包括：病变信息编码获取模块，用于获取待识别面瘫患者面部图像的面瘫病情信息构成病变信息编码；病变人脸图像生成模块，用于将人脸数据库中人脸图像输入变分自编码网络的编码器得到人脸信息编码；将人脸信息编码和病变信息编码输入重映射网络，得到可控病变编码；利用变分自编码网络的解码器对可控病变编码进行解码得到人脸图像对应的病变人脸图像；其中，变分自编码网络用于生成不同面瘫程度的人脸图像；人脸识别模块，用于根据人脸数据库中每张人脸图像对应的病变人脸图像和待识别面瘫患者面部图像的相似度对面瘫患者进行人脸识别。
[0010]优选地，病变信息编码获取模块还用于将待识别面瘫患者人脸根据病变位置分为包括左眼区域、右眼区域、左嘴角区域、右嘴角区域的多个区域；以面部纵向等分线为对称轴，将任意一侧的眼睛区域、嘴角区域映射至另一侧；在映射后的人脸图像中，获得正常和病变眼睛外眼角点坐标组成的眼睛区域的病变向量，获得正常和病变嘴角点坐标组成的嘴巴区域的病变向量；根据眼睛和嘴巴区域的病变向量获得包含面瘫患者的病变位置、病变方向和病变程度的病变信息编码。
[0011]优选地，病变人脸图像生成模块还用于在模拟器中为人脸图像训练样本加入病变信息获得对应的真值病变人脸图像，并将病变信息变为病变信息编码；将人脸图像训练样本的人脸信息编码与病变信息编码输入重映射网络，输出人脸图像训练样本的可控病变信息编码；对可控病变信息编码解码，根据解码所得图像与真值病变人脸图像的距离更新重映射网络的参数。
[0012]优选地，病变人脸图像生成模块中重映射网络的损失函数为：
Y为根据可控病变信息编码生成的病变人脸图像，Y为不同病变信息对应的真值病变人脸图像，N为训练样本数量，为生成的病变人脸图像和真值病变人脸图像的距离；、分别为第i个、第j个训练样本的病变信息编码；、分别为第i个、第j个样本对应的重映射网络输出第k维的采样值；分别为第i个、第j个训练样本的均值向量中第k维均值，分别为第i个、第j个训练样本的标准差向量中第k维标准差。
[0013]优先地，人脸识别模块还用于获取与待识别面瘫患者面部图像相似度最高的病变人脸图像，病变人脸图像对应的人脸数据库的人脸图像为面瘫患者的健康人脸图像，完成对面瘫患者的人脸识别。
[0014]本技术方案有如下有益效果：本专利技术中通过训练重映射网络和变分自编码网络，基于人脸数据库的健康人脸图像和待识别面瘫患者的病变信息生成病变的人脸图像，与待识别面瘫患者的病变人脸图像比较，得到其相似度，从而达到对面瘫患者进行人脸识别的目的。本专利技术解决了面瘫患者直接进行人脸识别容易出现识别错误的问题，提高了面瘫患者的人脸识别的合理性和准确性，并且使面瘫患者的人脸识别的速度也进一步得到了提升。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0016]图1为本专利技术的方法流程图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种适用于面瘫患者的智能化人脸识别方法和系统，其具体实施方式、结构、特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于面瘫患者的智能化人脸识别方法，其特征在于，该方法包括：获取待识别面瘫患者面部图像的面瘫病情信息构成病变信息编码；将人脸数据库中人脸图像输入变分自编码网络的编码器得到人脸信息编码；将人脸信息编码和病变信息编码输入重映射网络，得到可控病变信息编码；利用变分自编码网络的解码器对可控病变信息编码进行解码得到人脸图像对应的病变人脸图像；其中，变分自编码网络用于生成不同面瘫程度的人脸图像；根据人脸数据库中每张人脸图像对应的病变人脸图像和待识别面瘫患者面部图像的相似度对面瘫患者进行人脸识别。2.根据权利要求1所述的方法，其特征在于，所述获取待识别面瘫患者面部图像的面瘫病情信息构成病变信息编码包括：将待识别面瘫患者人脸根据病变位置分为包括左眼区域、右眼区域、左嘴角区域、右嘴角区域的多个区域；以面部纵向等分线为对称轴，将任意一侧的眼睛区域、嘴角区域映射至另一侧；在映射后的人脸图像中，获得正常眼睛外眼角点和病变眼睛外眼角点坐标组成的眼睛区域的病变向量，获得正常嘴角点和病变嘴角点坐标组成的嘴巴区域的病变向量；根据眼睛和嘴巴区域的病变向量获得包含面瘫患者的病变位置、病变方向和病变程度的病变信息编码。3.根据权利要求1所述的方法，其特征在于，所述重映射网络的训练过程包括：在模拟器中为人脸图像训练样本加入病变信息获得对应的真值病变人脸图像，并将病变信息变为病变信息编码；将人脸图像训练样本的人脸信息编码与病变信息编码输入重映射网络，输出人脸图像训练样本的可控病变信息编码；对可控病变信息编码解码，根据解码所得图像与真值病变人脸图像的距离更新重映射网络的参数。4.根据权利要求1所述的方法，其特征在于，所述重映射网络的损失函数为：Y为根据可控病变信息编码生成的病变人脸图像，Y为不同病变信息对应的真值病变人脸图像，N为训练样本数量，为生成的病变人脸图像和真值病变人脸图像的距离；、分别为第i个、第j个训练样本的病变信息编码；、分别为第i个、第j个样本对应的重映射网络输出第k维的采样值；分别为第i个、第j个训练样本的均值向量中第k维均值，分别为第i个、第j个训练样本的标准差向量中第k维标准差。5.根据权利要求1所述的方法，所述根据人脸数据库中每张人脸图像对应的病变人脸图像和待识别面瘫患者面部图像的相似度对面瘫患者进行人脸识别包括：获取与待识别面瘫患者面部图像相似度最高的病变人脸图像，病变人脸图像对应的人脸数据库的人脸图像为面瘫患者的健康人脸图像，完成对面瘫患者的人...

【专利技术属性】
技术研发人员：吕新远，戴兵，刘驰，
申请(专利权)人：江苏布罗信息技术有限公司，
类型：发明
国别省市：