本申请涉及一种口罩人脸图像生成方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取人脸图像和口罩图像；采用第一神经网络模型对所述人脸图像进行人脸识别，得到人脸图像中的人脸区域；采用第二神经网络模型对人脸图像中的人脸区域进行关键点提取，得到人脸关键点；确定口罩图像中的口罩关键点；基于人脸关键点和口罩关键点，将口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像，口罩人脸图像用于扩充图像样本集，图像样本集用于进行模型训练。采用本方法能够扩充图像样本集，用于提高模型识别效率。用于提高模型识别效率。用于提高模型识别效率。
【技术实现步骤摘要】
口罩人脸图像生成方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能
，特别是涉及一种口罩人脸图像生成方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]在人脸识别任务中，由于人类面部特征的复杂性，人脸图像作为模型的输入数据，其数据集质量极大地影响了模型训练后的识别准确率。早期的人脸识别技术受限于较小的数据集规模，往往使得机器学习过程中提取的人脸特征不够精准，对于相似度较高的图像很难区分，导致人脸识别率较低。随着人脸识别领域的快速发展，受益于大数据技术的发展和GPU(Graphic Processing Unit，图形处理器)性能的提升，往往将深度学习作为研究人脸识别的首选方法。许多科研机构相继提出了大型人脸数据集用以神经网络的训练和验证。数据集的质量对模型性能有着非常大的影响，要想达到较高的识别精度就必须选取合适的数据集进行训练。
[0003]然而，随着戴口罩场景的增多，口罩遮挡人脸的图像样本较少，难以满足深度学习中较大数据量的要求，而使用常规不戴口罩的人脸图像进行训练则会导致模型很难学习到人脸被口罩遮挡时的特征映射关系，导致识别率较差。因此，亟需一种能够用于扩充图像样本集，以提高模型识别率的口罩人脸图像生成方法。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够扩充图像样本集的口罩人脸图像生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种口罩人脸图像生成方法。所述方法包括：
[0006]获取人脸图像和口罩图像；
[0007]采用第一神经网络模型对人脸图像进行人脸识别，得到人脸图像中的人脸区域；采用第二神经网络模型对人脸图像中的人脸区域进行关键点提取，得到人脸关键点；
[0008]确定口罩图像中的口罩关键点；基于人脸关键点和口罩关键点，将口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像，口罩人脸图像用于扩充图像样本集，图像样本集用于进行模型训练。
[0009]在其中一个实施例中，确定口罩图像中的口罩关键点，包括：
[0010]对口罩图像进行边缘检测，得到口罩图像中的口罩区域；
[0011]在口罩区域中确定口罩中心点、口罩左边缘点、口罩右边缘点以及口罩下边缘点，并将口罩中心点、口罩左边缘点、口罩右边缘点以及口罩下边缘点确定为口罩图像中的口罩关键点。
[0012]在其中一个实施例中，人脸关键点包括鼻梁点、下巴点、左脸边缘点以及右脸边缘点；基于人脸关键点和口罩关键点，将口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像，包括：
[0013]将鼻梁点与下巴点所在的直线作为人脸中心线；
[0014]确定左脸边缘点至人脸中心线的第一距离，右脸边缘点至人脸中心线的第二距离；
[0015]根据第一距离和第二距离，对口罩关键点进行调整，得到调整后的口罩关键点；
[0016]基于调整后的口罩关键点，更新口罩图像，得到更新后的口罩图像；
[0017]将更新后的口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像。
[0018]在其中一个实施例中，根据第一距离和第二距离，对口罩关键点进行调整，得到调整后的口罩关键点，包括：
[0019]将口罩中心点与口罩下边缘点所在的直线作为口罩中心线；
[0020]确定口罩左边缘点至口罩中心线的第三距离，口罩右边缘点至口罩中心线的第四距离；
[0021]在第三距离不等于第一距离的情况下，对口罩左边缘点的位置进行调整，直到调整后的第三距离等于第一距离，得到调整后的口罩左边缘点；
[0022]在第四距离不等于第二距离的情况下，对口罩右边缘点的位置进行调整，直到调整后的第四距离等于第二距离，得到调整后的口罩右边缘点。
[0023]在其中一个实施例中，将更新后的口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像，包括：
[0024]根据人脸图像，建立第一坐标系；根据更新后的口罩图像，建立第二坐标系；
[0025]确定人脸中心线与第一坐标系的纵轴之间的第一夹角；
[0026]确定口罩中心线与第二坐标系的纵轴之间的第二夹角；
[0027]在第一夹角和第二夹角不相等的情况下，对更新后的口罩图像进行旋转，直到第一夹角和第二夹角相等，得到旋转后的口罩图像；
[0028]将旋转后的口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像。
[0029]在其中一个实施例中，第一神经网络模型的训练步骤，包括：
[0030]获取人脸样本图像，人脸样本图像中包括人脸标注框；
[0031]对人脸样本图像进行多尺度变换，得到多张不同尺度的中间图像；
[0032]通过待训练的神经网络模型，在多张不同尺度的中间图像上分别确定各自对应的人脸预测框；
[0033]根据人脸标注框和人脸预测框，得到模型损失；根据模型损失对待训练的神经网络模型中的模型参数进行更新，得到第一神经网络模型。
[0034]第二方面，本申请还提供了一种口罩人脸图像生成装置。所述装置包括：
[0035]获取模块，用于获取人脸图像和口罩图像；
[0036]提取模块，用于采用第一神经网络模型对人脸图像进行人脸识别，得到人脸图像中的人脸区域；采用第二神经网络模型对人脸图像中的人脸区域进行关键点提取，得到人脸关键点；
[0037]融合模块，用于确定口罩图像中的口罩关键点；基于人脸关键点和口罩关键点，将口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像，口罩人脸图像用于扩充图像样本集，图像样本集用于进行模型训练。
[0038]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理
器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0039]获取人脸图像和口罩图像；
[0040]采用第一神经网络模型对所述人脸图像进行人脸识别，得到人脸图像中的人脸区域；采用第二神经网络模型对人脸图像中的人脸区域进行关键点提取，得到人脸关键点；
[0041]确定口罩图像中的口罩关键点；基于人脸关键点和口罩关键点，将口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸图像，口罩人脸图像用于扩充图像样本集，图像样本集用于进行模型训练。
[0042]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0043]获取人脸图像和口罩图像；
[0044]采用第一神经网络模型对所述人脸图像进行人脸识别，得到人脸图像中的人脸区域；采用第二神经网络模型对人脸图像中的人脸区域进行关键点提取，得到人脸关键点；
[0045]确定口罩图像中的口罩关键点；基于人脸关键点和口罩关键点，将口罩图像与人脸图像中的人脸区域进行融合，得到口罩人脸本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种口罩人脸图像生成方法，其特征在于，所述方法包括：获取人脸图像和口罩图像；采用第一神经网络模型对所述人脸图像进行人脸识别，得到所述人脸图像中的人脸区域；采用第二神经网络模型对所述人脸图像中的人脸区域进行关键点提取，得到人脸关键点；确定所述口罩图像中的口罩关键点；基于所述人脸关键点和所述口罩关键点，将所述口罩图像与所述人脸图像中的人脸区域进行融合，得到口罩人脸图像，所述口罩人脸图像用于扩充图像样本集，所述图像样本集用于进行模型训练。2.根据权利要求1所述的方法，其特征在于，所述确定所述口罩图像中的口罩关键点，包括：对所述口罩图像进行边缘检测，得到所述口罩图像中的口罩区域；在所述口罩区域中确定口罩中心点、口罩左边缘点、口罩右边缘点以及口罩下边缘点，并将所述口罩中心点、所述口罩左边缘点、所述口罩右边缘点以及所述口罩下边缘点确定为所述口罩图像中的口罩关键点。3.根据权利要求1所述的方法，其特征在于，所述人脸关键点包括鼻梁点、下巴点、左脸边缘点以及右脸边缘点；所述基于所述人脸关键点和所述口罩关键点，将所述口罩图像与所述人脸图像中的人脸区域进行融合，得到口罩人脸图像，包括：将所述鼻梁点与所述下巴点所在的直线作为人脸中心线；确定所述左脸边缘点至所述人脸中心线的第一距离，所述右脸边缘点至所述人脸中心线的第二距离；根据所述第一距离和所述第二距离，对所述口罩关键点进行调整，得到调整后的口罩关键点；基于所述调整后的口罩关键点，更新所述口罩图像，得到更新后的口罩图像；将所述更新后的口罩图像与所述人脸图像中的人脸区域进行融合，得到口罩人脸图像。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一距离和所述第二距离，对所述口罩关键点进行调整，得到调整后的口罩关键点，包括：将口罩中心点与口罩下边缘点所在的直线作为口罩中心线；确定口罩左边缘点至口罩中心线的第三距离，口罩右边缘点至口罩中心线的第四距离；在所述第三距离不等于所述第一距离的情况下，对口罩左边缘点的位置进行调整，直到调整后的第三距离等于所述第一距离，得到调整后的口罩左边缘点；在所述第四距离不等于所述第二距离的情况下，对口罩右边缘点的位置进行调整，直到调整后的第四距离等于所述第二距离，得到调整后的口罩...
【专利技术属性】
技术研发人员：冯子坚，
申请(专利权)人：中国银行股份有限公司，
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。