一种区块式生成人脸制造技术

一种区块式生成人脸

【技术实现步骤摘要】
一种区块式生成人脸IR图模型的训练方法、系统、设备及介质


[0001]本专利技术涉及人脸识别
，具体地，涉及一种区块式生成人脸
IR
图模型的训练方法
、
系统
、
设备及介质
。

技术介绍

[0002]在人脸识别
，利用尝试学习算法对人脸进行识别成为主流
。
而利用深度相机同时获得的
RGB
图像和
IR
图像同时进行人脸识别，则可以获得更好的识别结果
。
但是具有相匹配的
RGB
图像与
IR
图像的数量是非常少的，并且采集
RGB
图像及
IR
图像的成本较高，耗时较长，不具有经济性
。
[0003]现有的数据库中通常具有大量的人脸
RGB
图像，但缺乏相应的
IR
图像，因此通过人脸的
RGB
图像获得人脸的
IR
图像成为一种高效的解决方案
。
同时，由于人脸的高维信息的特征，传统的将
RGB
图像直接转换为
IR
图像的方案难以获得现实可行的效果
。
[0004]某专利技术公开了一种人脸图像的生成方法和装置，方法包括：获取真实人脸的
RGB
三通道彩色图像，并根据其生成人脸位置矩形框和人脸关键点坐标；根据两者获取
3DMM
人脸模型的/>PCA
相貌参数
、PCA
表情参数以及三维人脸投影到
RGB
三通道彩色图像的仿射变换矩阵，以重建人脸三维模型；根据
RGB
三通道彩色图像和重建的人脸三维模型，生成三维重建所得人脸三维点阵中各采样点对应的颜色信息；基于颜色信息
、PCA
相貌参数
、PCA
表情参数
、
光线材质和人脸角度信息，生成四通道
RGBA
人脸图像和人脸定位点坐标；根据预先采集的标记有人脸位置的一般场景图片和四通道
RGBA
人脸图像，生成人脸图像
。
该现有技术可以获得
RGB
图像对应的
IR
图像，但是生成的图像过于单一，当使用相应的
RGB
图像和
IR
图像训练人脸识别算法时，容错率低，并且没有考虑
RGB
摄像头与
IR
摄像头的差异，容易导致实际效果较差
。
[0005]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性
。

技术实现思路

[0006]为此，本专利技术利用对抗性生成网络生成人脸
IR
图像，并且根据人脸特征将人脸按左眼
、
右眼
、
鼻子和嘴巴分为四个区域，分别进行处理，可以更好地生成人脸
IR
图像，具有成本低
、
通用性强
、
训练速度快的优点
。
[0007]第一方面，本专利技术提供一种区块式生成人脸
IR
图模型的训练方法，其特征在于，包括如下步骤：
[0008]步骤
S1
：获取人脸的训练样本图像，所述训练样本图像包括样本
RGB
图和所述样本
RGB
图对应的样本
IR
图；
[0009]步骤
S2
：识别所述样本
RGB
图和所述样本
IR
图中的人脸朝向及人脸关键点，并根据左眼
、
右眼
、
鼻子和嘴巴将人脸分为四个区域，并且四个所述区域在所述人脸朝向镜头时的
面积大小与所述区域的人脸关键点数量成正比；
[0010]步骤
S3
：将所述样本
RGB
图输入至生成人脸
IR
图模型，所述生成人脸
IR
图模型利用所述样本
RGB
图的四个所述区域及所述人脸关键点进行监督学习并输出目标样本
IR
图；
[0011]步骤
S4
：基于
IR
图判别模型，根据所述样本
RGB
图对所述目标样本
IR
图和所述样本
IR
图进行判别，得到所述目标样本
IR
图的真实性判定结果；
[0012]步骤
S5
：基于第一损失函数和所述真实性判定结果，对所述样本
IR
图和所述目标样本
IR
图进行损失计算，得到第一损失值；
[0013]步骤
S6
：根据所述样本
IR
图
、
所述目标样本
IR
图及所述真实性判定结果对所述
IR
图判别模型进行训练，并基于第二损失函数进行损失计算，得到第二损失值；
[0014]步骤
S7
：重复执行步骤
S1
‑
S6
直至所述第一损失值在第一预设范围内，所述第二损失值在第二预设范围内
。
[0015]可选地，所述的一种区块式生成人脸
IR
图模型的训练方法，其特征在于，步骤
S2
包括：
[0016]步骤
S21
：识别所述样本
RGB
图和所述样本
IR
图中的人脸朝向及人脸关键点；
[0017]步骤
S22
：根据所述人脸关键点获得左眼
、
右眼
、
鼻子和嘴巴的范围及所述范围分别对应的所述人脸关键点数量；
[0018]步骤
S23
：根据所述范围对应的所述人脸关键点数量及所述人脸朝向，计算所述人脸朝向镜头时的区域；其中，所述区域面积大小与所述范围对应的所述人脸关键点数量成正比；
[0019]步骤
S24
：根据所述人脸朝向镜头时的区域确定所述样本
RGB
图和所述样本
IR
图中的区域
。
[0020]可选地，所述的一种区块式生成人脸
IR
图模型的训练方法，其特征在于，还包括：
[0021]步骤
S25
：对左眼
、
右眼
、
鼻子和嘴巴对应的所述人脸关键点数量分别进行计算，如果小于对应的阈值，则将对应的所述人脸关键点舍弃；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种区块式生成人脸
IR
图模型的训练方法，其特征在于，包括如下步骤：步骤
S1
：获取人脸的训练样本图像，所述训练样本图像包括样本
RGB
图和所述样本
RGB
图对应的样本
IR
图；步骤
S2
：识别所述样本
RGB
图和所述样本
IR
图中的人脸朝向及人脸关键点，并根据左眼
、
右眼
、
鼻子和嘴巴将人脸分为四个区域，并且四个所述区域在所述人脸朝向镜头时的面积大小与所述区域的人脸关键点数量成正比；步骤
S3
：将所述样本
RGB
图输入至生成人脸
IR
图模型，所述生成人脸
IR
图模型利用所述样本
RGB
图的四个所述区域及所述人脸关键点进行监督学习并输出目标样本
IR
图；步骤
S4
：基于
IR
图判别模型，根据所述样本
RGB
图对所述目标样本
IR
图和所述样本
IR
图进行判别，得到所述目标样本
IR
图的真实性判定结果；步骤
S5
：基于第一损失函数和所述真实性判定结果，对所述样本
IR
图和所述目标样本
IR
图进行损失计算，得到第一损失值；步骤
S6
：根据所述样本
IR
图
、
所述目标样本
IR
图及所述真实性判定结果对所述
IR
图判别模型进行训练，并基于第二损失函数进行损失计算，得到第二损失值；步骤
S7
：重复执行步骤
S1
‑
S6
直至所述第一损失值在第一预设范围内，所述第二损失值在第二预设范围内
。2.
根据权利要求1所述的一种区块式生成人脸
IR
图模型的训练方法，其特征在于，步骤
S2
包括：步骤
S21
：识别所述样本
RGB
图和所述样本
IR
图中的人脸朝向及人脸关键点；步骤
S22
：根据所述人脸关键点获得左眼
、
右眼
、
鼻子和嘴巴的范围及所述范围分别对应的所述人脸关键点数量；步骤
S23
：根据所述范围对应的所述人脸关键点数量及所述人脸朝向，计算所述人脸朝向镜头时的区域；其中，所述区域面积大小与所述范围对应的所述人脸关键点数量成正比；步骤
S24
：根据所述人脸朝向镜头时的区域确定所述样本
RGB
图和所述样本
IR
图中的区域
。3.
根据权利要求2所述的一种区块式生成人脸
IR
图模型的训练方法，其特征在于，还包括：步骤
S25
：对左眼
、
右眼
、
鼻子和嘴巴对应的所述人脸关键点数量分别进行计算，如果小于对应的阈值，则将对应的所述人脸关键点舍弃；步骤
S26
：获得剩余的所述人脸关键点的坐标
。4.
根据权利要求1所述的一种区块式生成人脸
IR
图模型的训练方法，其特征在于，步骤
S4
包括：步骤
S41
：基于
IR
图判别模型，对每一个所述区域进行判别，得到每个所述区域为真实图像的概率；步骤
S42
：根据所述区域的权重值，计算所述目标样本

【专利技术属性】
技术研发人员：段兴，林威宇，吴陈涛，兰兴增，陈晨，汪博，朱力，吕方璐，
申请(专利权)人：重庆光鉴傲深科技有限公司珠海横琴光鉴科技有限公司，
类型：发明
国别省市：