[发明专利]基于深度神经网络的人脸姿态重建方法

说明书

本发明实施例公开了一种基于深度神经网络的人脸姿态重建方法，包括：人脸图像的预处理，将人脸训练样本分成多个局部小块，组成样本局部图像集；构建人脸姿态中的神经网络，根据改进后的人脸姿态重建关系式，将样本局部图像集代入神经网络，通过神经网络求出关系式的各因子对应参数，确定重建关系式，训练出改进后的姿态重建模型；把分割好的测试局部图像集代入训练好的姿态重建模型，得到预测后的人脸图像局部小块，将人脸图像局部小块组合后生成人脸图像。本发明有效提高了人脸图像重建的准确率。

技术领域

本发明涉及图像数据处理技术领域，尤其是一种基于深度神经网络的人脸姿态重建方法。

背景技术

在人脸图像识别技术中，影响人脸识别率的因素包括遮挡、光照、表情变化、姿态变换等，在这些因素中，人脸的姿态变换使对人脸识别率产生影响的重要因素，也是人脸识别技术从理论走向实际的瓶颈，现有技术的人脸图像识别主要是对人脸正面图像的识别，对于变换姿态的识别需要进行人脸姿态重建，现有技术主要包括以下几种方式：

一是3D人脸姿态重建，通过图像的表面信息和深度信息等图像信息进行人脸姿态重建，或通过三维模型对图像进行人脸姿态重建，这种方法的缺点是要求每一张人脸图像的特征点数量必须相同，且各个特征点的位置也要相同，实现比较困难，数据量较大；

二是2D人脸姿态重建，主要包括图形学法，该方法需要通过几何变换对图像中的脸部纹理进行修正重建，需要把由于遮挡造成的脸部信息进行补充，会导致重建后的正面图像不自然，与源图像的差异较大；另一种统计学习方法，存在较大的局限性，容易产生相似度不高的情况。

因此，现有技术需要改进。

发明内容

本发明实施例所要解决的一个技术问题是：提供一种基于深度神经网络的人脸姿态重建方法，以解决现有技术存在的问题，所述基于深度神经网络的人脸姿态重建方法包括：

人脸图像的预处理，将人脸训练样本分成多个局部小块，组成样本局部图像集，所选取人脸图像满足凸显的大小一致、人脸部分位置一致、人脸的概略对齐，消除对人脸图像对姿态重建的影响；

构建人脸姿态中的神经网络，根据改进后的人脸姿态重建关系式，将样本局部图像集代入神经网络，通过神经网络求出关系式的各因子对应参数，确定重建关系式，训练出改进后的姿态重建模型；

把分割好的测试局部图像集代入训练好的姿态重建模型，得到预测后的人脸图像局部小块，将人脸图像局部小块组合后生成人脸图像。

在基于本发明上述基于深度神经网络的人脸姿态重建方法的另一个实施例中，所述人脸图像的预处理包括：

采集人脸图像，制作人脸图像库；

采用加权平均法对人脸图像进行灰度化处理；

对灰度化处理后的人脸图像进行几何归一化处理；

采用线性变换方法进行人脸图像的数据归一化处理；

对人脸图像中值滤波去噪。

在基于本发明上述基于深度神经网络的人脸姿态重建方法的另一个实施例中，所述采用加权平均法对人脸图像进行灰度化处理包括：

对人脸图像中的RGB分量进行加权平均，得到灰度图像的灰度值，其公式为：

F(x,y)＝0.2989R(x,y)+0.5870G(x,y)+0.1140B(x,y) (1)

式中，0.2989，0.5870，0.1140分别为(x,y)位置的像素点R分量、G分量、B分量对应的权值，经过公式(1)得到灰度化后的图像(x,y)位置像素点的灰度值F的大小。