本发明专利技术涉及人脸识别技术领域，尤其涉及人脸图像的表情修正方法、装置、电子设备及存储介质，该方法包括：获取人脸图像，以及人脸图像对应的人脸表情特征；将人脸图像对应的人脸表情特征输入到表情分类模型中，得到人脸图像对应的表情类别；将人脸图像输入到与表情类别对应的表情修正模型中，得到表情修正后的无表情人脸图像；其中，表情分类模型是通过人脸表情特征样本以及对应的表情类别进行训练得到的；表情修正模型是通过人脸图像样本以及对应的无表情人脸图像训练得到的。本申请通过表情分类模型确定人脸图像的表情类别，然后根据表情类别对应的表情修正模型确定人脸图像的无表情人脸图像，能够将带有表情的人脸图像修正为无表情人脸图像。无表情人脸图像。无表情人脸图像。
【技术实现步骤摘要】
人脸图像的表情修正方法、装置、电子设备及存储介质
[0001]本专利技术涉及人脸识别
，具体而言，涉及人脸图像的表情修正方法、装置、电子设备及存储介质。
技术介绍
[0002]人脸图像识别应用于许多场景，给人们的生活带来了很大的便利。但由于人脸图像中带有的表情使人脸产生变形，导致人脸图像识别的准确率降低，影响了人脸识别系统的性能。那么如何对人脸图像中的表情进行修正，从而缩小人脸图像中由于表情而引起的变形一直是业界亟待解决的问题。
[0003]业界通常采用的做法为，通过人脸图像的局部关键点进行人脸对齐，用对齐后的人脸图像进行人脸识别。当表情使人脸产生的变形较小时，这种对齐的方法可以起到一定的作用。但是当表情使人脸产生的变形较大时，会导致对齐后的人脸图像失真，对齐后的人脸图像与真实人脸图像差异较大。
技术实现思路
[0004]有鉴于此，本申请的目的在于提供一种人脸图像的表情修正方法、装置、电子设备及存储介质，能够将带有表情的人脸图像修正为无表情人脸图像，并缩小了修正后的无表情人脸图像与真实人脸图像之间的差异。
[0005]第一方面，本申请实施例提供了一种人脸图像的表情修正方法，该人脸图像的表情修正方法包括：
[0006]获取人脸图像，以及人脸图像对应的人脸表情特征；
[0007]将人脸图像对应的人脸表情特征输入到表情分类模型中，得到人脸图像对应的表情类别；
[0008]将人脸图像输入到与表情类别对应的表情修正模型中，得到表情修正后的无表情人脸图像；
[0009]其中，表情分类模型是通过人脸表情特征样本以及对应的表情类别进行训练得到的；表情修正模型是通过人脸图像样本以及对应的无表情人脸图像训练得到的。
[0010]在一种可能的实施方式中，将人脸图像输入到与表情类别对应的表情修正模型中，得到表情修正后的无表情人脸图像，包括：
[0011]根据人脸图像的人脸图像特征、表情修正模型的像素修正核对人脸图像特征进行像素修正，得到第一修正人脸图像特征；
[0012]根据第一修正人脸图像特征、表情修正模型的卷积修正核对第一修正人脸图像特征进行卷积修正，得到第二修正人脸图像特征；
[0013]根据第二修正人脸图像特征、表情修正模型的残差核对第二修正人脸图像特征进行特征级修正，得到表情修正后的无表情人脸图像。
[0014]在一种可能的实施方式中，根据人脸图像的人脸图像特征、表情修正模型的像素
修正核对人脸图像特征进行像素修正，得到第一修正人脸图像特征，包括：
[0015]针对人脸图像特征中每一个像素块，将像素块减去像素修正核，得到第一修正人脸图像特征。
[0016]在一种可能的实施方式中，根据第一修正人脸图像特征、表情修正模型的卷积修正核对第一修正人脸图像特征进行卷积修正，得到第二修正人脸图像特征，包括：
[0017]将第一修正人脸图像特征输入卷积层进行卷积之后，得到卷积后的第一修正人脸图像特征；
[0018]将卷积后的第一修正人脸图像特征减去卷积修正核，得到第二修正人脸图像特征。
[0019]在一种可能的实施方式中，根据第二修正人脸图像特征、表情修正模型的残差核对第二修正人脸图像特征进行特征级修正，得到表情修正后的无表情人脸图像，包括：
[0020]通过下述公式，得到表情修正后的无表情人脸图像；
[0021]F＝(1
‑
W
r
)E；
[0022]其中，F为表情修正后的无表情人脸图像，W
r
为残差核，E为第二修正人脸图像特征。
[0023]在一种可能的实施方式中，该方法还包括：
[0024]将表情修正后的无表情人脸图像进行自适应增强，得到最终的表情修正后的无表情人脸图像。
[0025]在一种可能的实施方式中，将表情修正后的无表情人脸图像进行自适应增强，得到最终的表情修正后的无表情人脸图像，包括：
[0026]通过下述公式对表情修正后的无表情人脸图像进行自适应增强，得到最终的表情修正后的无表情人脸图像；
[0027][0028]其中，K为最终的表情修正后的无表情人脸图像，F为自适应增强前的无表情人脸图像，f为F中的元素，为哈曼顿向量积。
[0029]第二方面，本申请实施例还提供了一种人脸图像的表情修正装置，该人脸图像的表情修正装置包括：
[0030]获取模块，用于获取人脸图像，以及人脸图像对应的人脸表情特征；
[0031]输入模块，用于将人脸图像对应的人脸表情特征输入到表情分类模型中，得到人脸图像对应的表情类别；
[0032]输入模块，还用于将人脸图像输入到与表情类别对应的表情修正模型中，得到表情修正后的无表情人脸图像；
[0033]其中，表情分类模型是通过人脸表情特征样本以及对应的表情类别进行训练得到的；表情修正模型是通过人脸图像样本以及对应的无表情人脸图像训练得到的。
[0034]在一种可能的实施方式中，输入模块，具体用于根据人脸图像的人脸图像特征、表情修正模型的像素修正核对人脸图像特征进行像素修正，得到第一修正人脸图像特征；根据第一修正人脸图像特征、表情修正模型的卷积修正核对第一修正人脸图像特征进行卷积
修正，得到第二修正人脸图像特征；根据第二修正人脸图像特征、表情修正模型的残差核对第二修正人脸图像特征进行特征级修正，得到表情修正后的无表情人脸图像。
[0035]在一种可能的实施方式中，输入模块，还用于针对人脸图像特征中每一个像素块，将像素块减去像素修正核，得到第一修正人脸图像特征。
[0036]在一种可能的实施方式中，输入模块，还用于：
[0037]将第一修正人脸图像特征输入卷积层进行卷积之后，得到卷积后的第一修正人脸图像特征；
[0038]将卷积后的第一修正人脸图像特征减去卷积修正核，得到第二修正人脸图像特征。
[0039]在一种可能的实施方式中，输入模块，还用于：
[0040]通过下述公式，得到表情修正后的无表情人脸图像；
[0041]F＝(1
‑
W
r
)E；
[0042]其中，F为表情修正后的无表情人脸图像，W
r
为残差核，E为第二修正人脸图像特征。
[0043]在一种可能的实施方式中，该装置还包括：增强模块；
[0044]增强模块，用于将表情修正后的无表情人脸图像进行自适应增强，得到最终的表情修正后的无表情人脸图像。
[0045]在一种可能的实施方式中，增强模块，具体用于通过下述公式对表情修正后的无表情人脸图像进行自适应增强，得到最终的表情修正后的无表情人脸图像；其中，K为最终的表情修正后的无表情人脸图像，F为自适应增强前的无表情人脸图像，f为F中的元素，为哈曼顿向量积。
[0046]第三方面，本申请实施例还提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人脸图像的表情修正方法，其特征在于，所述人脸图像的表情修正方法包括：获取人脸图像，以及所述人脸图像对应的人脸表情特征；将所述人脸图像对应的人脸表情特征输入到表情分类模型中，得到所述人脸图像对应的表情类别；将所述人脸图像输入到与所述表情类别对应的表情修正模型中，得到表情修正后的无表情人脸图像；其中，所述表情分类模型是通过人脸表情特征样本以及对应的表情类别进行训练得到的；所述表情修正模型是通过人脸图像样本以及对应的无表情人脸图像训练得到的。2.根据权利要求1所述的人脸图像的表情修正方法，其特征在于，所述将所述人脸图像输入到与所述表情类别对应的表情修正模型中，得到表情修正后的无表情人脸图像，包括：根据所述人脸图像的人脸图像特征、所述表情修正模型的像素修正核对所述人脸图像特征进行像素修正，得到第一修正人脸图像特征；根据所述第一修正人脸图像特征、所述表情修正模型的卷积修正核对所述第一修正人脸图像特征进行卷积修正，得到第二修正人脸图像特征；根据所述第二修正人脸图像特征、所述表情修正模型的残差核对所述第二修正人脸图像特征进行特征级修正，得到表情修正后的无表情人脸图像。3.根据权利要求2所述的人脸图像的表情修正方法，其特征在于，所述根据所述人脸图像的人脸图像特征、所述表情修正模型的像素修正核对所述人脸图像特征进行像素修正，得到第一修正人脸图像特征，包括：针对所述人脸图像特征中每一个像素块，将所述像素块减去所述像素修正核，得到所述第一修正人脸图像特征。4.根据权利要求2所述的人脸图像的表情修正方法，其特征在于，所述根据所述第一修正人脸图像特征、所述表情修正模型的卷积修正核对所述第一修正人脸图像特征进行卷积修正，得到第二修正人脸图像特征，包括：将所述第一修正人脸图像特征输入卷积层进行卷积之后，得到卷积后的第一修正人脸图像特征；将所述卷积后的第一修正人脸图像特征减去所述卷积修正核，得到所述第二修正人脸图像特征。5.根据权利要求2所述的人脸图像的表情修正方法，其特征在于，所述根据所述第二修正人脸图像特征、所述表情修正模型的残差核对所述第二修正人脸图像特征进行特征...
【专利技术属性】
技术研发人员：王楚涵，白世杰，
申请(专利权)人：北京远鉴信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。