[发明专利]基于深度概率图模型的人脸画像合成方法

权利要求书

1.一种基于深度概率图模型的人脸画像合成方法，其特征在于，包括如下：

(1)构建人脸照片集合和人脸画像像素集合之间的映射关系：

(1a)根据无向图形式的结构，用训练照片集合X学习画像像素集合Z的条件概率：

其中，Ω为势函数，其由神经函数f_c和相邻函数g_c组成；设α_c和β_c分别是神经函数f_c和相邻函数g_c的参数，设θ_c是神经函数f_c中的权重向量；

(1b)对于每个神经元c，建立第i个画像像素Z_i与训练照片集合X之间的映射关系，表示为神经函数f_c，即f_c(Z_i,X,θ_c)＝-(Z_i-h(θ_c,X_i))²；

(1c)对于每个神经元c，建立第i个画像像素Z_i与第j个画像像素Z_j之间的相似关系，表示为相邻函数g_c，即g_c(Z_i,Z_j)＝-S_i,j(Z_i-Z_j)²；S_i,j是邻域度量，取值为：

(1d)用多元高斯分布形式表示(1a)中的条件概率P(Z|X)：

其中，μ是平均矩阵，2α^T/(1+exp(-θX))是神经函数f_c对P(Z|X)的贡献值，α^T是对应于神经函数f_c的参数；Σ是协方差矩阵，其表示邻近函数g_c对P(Z|X)的贡献值；

(1e)通过最大化(1d)中的P(Z|X)，估计其中参数α_c、β_c和θ_c的最优解，得到人脸照片集合X和人脸画像像素集合Z'之间的映射关系；

(2)在将测试照片块集合X'放入(1)建立好的人脸照片和人脸画像像素集合之间的映射关系P(Z′|X′)中，获得具有特定身份信息的合成人脸画像像素集合Z'；

(3)用测试人脸照片块集合X'和(2)中生成的人脸画像像素集合Z'的公共信息生成人脸画像块集合Y'：

(3a)根据贝叶斯定理，Y'的后验概率表示为：

其中P(Z′|X′)从(1)获得，P(X′)是归一化项，因此仅需要最大化联合概率P(Y′,Z′,X′)来最大化Y'的后验概率；

(3b)用M个候选人脸画像块加权表示人脸画像块Y'：

其中，ω_i是对应于人脸画像块Y_i的权重系数；

(3c)人脸画像像素集合Z'组成初始人脸画像，对初始人脸画像进行分割，得到人脸画像块{z'₁,...,z'_M}；

(3d)用权重系数集合{ω₁,...,ω_M}、人脸画像块集合{z'₁,...,z'_M}和人脸照片块集合X'＝{x'₁,...,x'_M}将联合概率P(Y′,Z′,X′)表示为：

P(ω₁,...,ω_M,z′₁,...,z′_M,x′₁,...,x′_M)，

(3e)将联合概率转化为三个变量乘积的形式：

(3f)将(3e)中三变量的乘积进行转化为误差函数，最小化误差函数求得使Y'后验概率最大化的权重矩阵；

(4)将(3)中生成的人脸画像块进行拼接融合，得到合成的人脸画像。