人脸图像生成方法、装置、设备和存储介质制造方法及图纸

本申请涉及人工智能，提供一种人脸图像生成方法、装置、设备和存储介质，可以对用于人脸识别的待训练卷积神经网络进行训练数据补充，其中方法包括：获取原始图像集，对原始图像集进行预处理，得到人脸图像集；将人脸图像集中的每一张人脸图像转换为人脸向量；使用所有人脸向量构造人脸矩阵；对人脸矩阵进行投影，得到投影矩阵；对人脸向量和投影矩阵使用最小二乘法，得到拟合向量；使用投影矩阵对拟合向量进行重构，生成重构人脸图像。根据已有的人脸图像集即可生成重构人脸图像作为已有的人脸图像集的补充，使得用于训练待训练卷积神经网络的人脸图像集的人脸图像的数量更多，从而提高基于卷积神经网络的人脸识别方法的人脸识别率。别率。别率。

【技术实现步骤摘要】
人脸图像生成方法、装置、设备和存储介质


[0001]本申请涉及人工智能
，例如涉及人脸图像生成方法、装置、设备和存储介质。

技术介绍

[0002]现有的人脸识别方法分为基于卷积神经网络的人脸识别方法和传统的人脸识别方法，基于卷积神经网络的人脸识别方法需要使用大量的人脸图像训练待训练卷积神经网络，训练得到的已训练卷积神经网络的人脸识别准确率与训练待训练卷积神经网络过程中使用的人脸图像的数量相关，训练过程中使用的人脸图像的数量越多，已训练卷积神经网络的人脸识别准确率越高。在获取到的人脸图像的数量较少时，基于卷积神经网络的人脸识别方法的人脸识别率较低。

技术实现思路

[0003]本申请提供一种人脸图像生成方法、装置、设备和存储介质，旨在解决在获取到的人脸图像的数量较少时，基于卷积神经网络的人脸识别方法的人脸识别率较低的问题。
[0004]为解决上述问题，本申请采用以下技术方案：
[0005]本文提供了人脸图像生成方法，包括：
[0006]获取原始图像集，对所述原始图像集进行预处理，得到人脸图像集；
...

【技术保护点】

【技术特征摘要】
1.一种人脸图像生成方法，其特征在于，包括：获取原始图像集，对所述原始图像集进行预处理，得到人脸图像集；将所述人脸图像集中的每一张人脸图像转换为人脸向量；使用所有所述人脸向量构造人脸矩阵；对所述人脸矩阵进行投影，得到投影矩阵；对所述人脸向量和所述投影矩阵使用最小二乘法，得到拟合向量；使用所述投影矩阵对所述拟合向量进行重构，生成重构人脸图像。2.根据权利要求1所述的人脸图像生成方法，其特征在于，所述使用所有所述人脸向量构造人脸矩阵，包括：获取所述人脸图像集中的所有所述人脸图像的序号，得到排列顺序；按照所述排列顺序对所有所述人脸向量进行拼接，得到所述人脸矩阵。3.根据权利要求1所述的人脸图像生成方法，其特征在于，所述对所述人脸矩阵进行投影，得到投影矩阵，包括：使用主成分分析法对所述人脸矩阵进行投影，得到临时矩阵；对所述临时矩阵进行降维，得到所述投影矩阵。4.根据权利要求1所述的人脸图像生成方法，其特征在于，所述对所述人脸向量和所述投影矩阵使用最小二乘法，得到拟合向量，包括：通过如下公式计算所述拟合向量：y＝(P
T
P)
‑1P
T
x；其中，P为所述投影矩阵，x为所述人脸向量，y为所述拟合向量，T为矩阵转置运算符，(P
T
P)
‑1表示所述投影矩阵的转置矩阵与所述投影矩阵的乘积的逆矩阵。5.根据权利要求1所述的人脸图像生成方法，其特征在于，所述将所述人脸图像集中的每一张人脸图像转换为人脸向量，包括：将每一张所述人脸图像中的每一个像素点的像素值按列进行排列，得到所述人脸向量；所述人脸向量为列向量。...

【专利技术属性】
技术研发人员：郑喜民，孙雨旸，舒畅，陈又新，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：