[发明专利]人脸图像预测方法及系统

权利要求书

1.一种人脸图像预测方法，其特征在于，包括：

获取待预测的人脸图像及预测人脸图像的时间点；

从所述人脸图像中提取人脸属性特征，所述人脸属性特征为与人脸长相或人脸变化相关的属性特征；

利用所述人脸属性特征从多个基于由人脸属性特征划分的针对不同人脸图像类别的人脸预测模型中，确定对应的人脸预测模型；

将所述人脸图像的像素点输入所述人脸预测模型，得到预测的人脸图像。

2.根据权利要求1所述的方法，其特征在于，所述人脸预测模型包括时光顺流模型和/或时光逆流模型，所述时光顺流模型用于预测人脸未来的长相情况，所述时光逆流模型用于预测人脸过去的长相；

所述方法还包括按以下方式构建人脸预测模型：

收集大量人脸图像，构建时光变换数据库；

从所述时光变换数据库中的人脸图像中提取人脸属性特征；

对所述时光变换数据库中的人脸图像进行规整，得到规整后的人脸图像；

根据提取的人脸属性特征对所述规整后的人脸图像进行聚类，得到聚类后的人脸图像；

根据聚类后的人脸图像，构建人脸预测模型。

3.根据权利要求2所述的方法，其特征在于，所述人脸属性特征包括以下任意一种或多种：性别、表情、是否戴眼镜、地域、职业；

所述从所述时光变换数据库中的人脸图像中提取人脸属性特征包括：

对人脸图像进行人脸检测及人脸特征点定位，得到图像中人脸的局部特征点的位置；

根据各局部特征点的位置及预先训练的分类模型提取各人脸图像的人脸属性特征。

4.根据权利要求2所述的方法，其特征在于，所述对所述时光变换数据库中的人脸图像进行规整包括：

对所述时光变换数据库中的人脸图像中人脸的坐标及尺度进行规整。

5.根据权利要求2所述的方法，其特征在于，所述根据提取的人脸属性特征对所述规整后的人脸图像进行聚类包括：

(1)选择一种人脸属性特征作为决策树的根节点，根据所选择的人脸属性特征的取值确定所述根节点的各条边，并将人脸图像划分为多类；

(2)利用提取的人脸属性特征，计算每类人脸图像中剩余的各人脸属性特征取值的最小方差；

(3)判断所述最小方差是否大于设定值；如果是，执行步骤(4)；否则执行步骤(5)；

(4)将所述最小方差对应的类所属的节点作为叶子节点，不再继续划分；然后执行步骤(6)；

(5)将每类中所述最小方差对应的属性特征作为每类人脸图像的上层节点，并根据所述上层节点的取值得到所述上层节点的边，将每类人脸图像继续划分为多类；

(6)判断是否还有属性特征未添加到决策树中；如果有，执行步骤(2)；否则，执行步骤(7)；

(7)统计每个叶子节点下的人脸图像数量，如果叶子节点中的人脸图像数量小于设定的数量阈值，则删除该叶子节点及其兄弟节点，并将该叶子节点及其兄弟节点中的人脸图像添加到该叶子节点的父节点，决策树构建完成。

6.根据权利要求5所述的方法，其特征在于，所述根据聚类后的人脸图像，构建人脸预测模型包括：

针对所述决策树中的每个叶子节点，构建对应该叶子节点的人脸预测模型，具体包括：

对时光变换数据库中人脸图像进行排序，同一人的人脸图像按照年龄先后进行排序；

利用排序后的数据对人脸预测模型进行初始化，得到初始化的人脸预测模型；

对所述初始化的人脸预测模型进行增量训练，得到最终的人脸预测模型。

7.根据权利要求5所述的方法，其特征在于，所述利用所述人脸属性特征确定对应的人脸预测模型包括：

根据所述人脸属性特征，遍历所述决策树，找到对应的叶子节点；

获取所述叶子节点对应的人脸预测模型。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：

根据所述人脸属性特征，对所述预测的人脸图像进行还原，得到还原后的人脸图像。