[发明专利]一种人脸图像年龄迁移网络的训练方法、终端和存储介质

说明书

本发明实施例涉及计算机视觉领域，公开了一种人脸图像年龄迁移网络的训练方法、终端和存储介质。本发明中人脸图像年龄迁移网络的训练方法，训练用于预测残差图像的第一残差预测网络和第二残差预测网络，残差图像为人脸的初始年龄图像与人脸的目标年龄图像之间的差异图像；根据第一残差预测网络输出的第一残差图像和第二残差预测网络输出的第二残差图像，迭代调整第一残差预测网络的网络参数，得到目标残差预测网络；根据目标残差预测网络确定人脸图像年龄迁移网络。本实施方式使得确定的人脸图像年龄迁移网络能够准确预测迁移到不同年龄的人脸图像。

技术领域

本发明实施例涉及计算机视觉领域，特别涉及一种人脸图像年龄迁移网络的训练方法、终端和存储介质。

背景技术

人脸外观随年龄会产生一系列的变化，如皱纹加深、皮肤光泽度变差、色斑增多等。人脸图像的年龄迁移是指根据一张特定年龄的人脸图像，重构该人脸处于不同年龄时的外观形态。人脸图像的年龄迁移对于解决不同领域中的诸多问题具有重要意义，如基于证件照片的人脸认证、失踪人口持续追踪、跨年龄人脸识别等。

人脸图像的年龄迁移包括年龄老化的图像迁移和退龄的图像迁移。年龄老化指在某张人脸图像所处年龄的基础上预测年龄增大对现有图像的影响，而退龄指的是在人脸图像的基础上推测年龄减小时的人脸图像。目前，人脸年龄迁移采用的技术分为三种，分别是基于原型的方法、基于模型的方法和基于神经网络的方法。基于原型的方法首先会建立处于不同年龄段的人脸原型，并计算年龄迁移时人脸原型的变化，将对应的人脸原型变化叠加到原始图像得到年龄改变后的人脸图像。该方法的缺点是忽略了不同人的脸部形貌特性，个性化的人脸特征在基于原型的人脸图像年龄迁移中很难保持。基于模型的方法需要根据人脸随时间所发生的物理变化对脸部肌肉、皮肤、褶皱等进行建模。基于模型的方法涉及复杂的物理和生物计算，不易实现；而简化的模型又无法表征逼真的人脸改变。随着深度神经网络和端到端学习的飞速发展，基于神经网络的方法在人脸图像的年龄迁移领域得到了广泛应用；该方法首先需要建立相应的神经网络结构，然后将标注了不同年龄的人脸图像输入网络进行训练和验证，最终得到人脸年龄迁移模型。

发明人发现相关技术中至少存在如下问题：目前基于神经网络的方法在对人脸图像进行年龄迁移过程中改变了人脸的其他属性(如添加了眼镜)、迁移过程中出现人脸扭曲变形、人脸模糊等问题，导致迁移后的人脸图像不准确。

发明内容

本发明实施方式的目的在于提供一种人脸图像年龄迁移网络的训练方法、终端和存储介质，使得确定的人脸图像年龄迁移网络能够准确预测迁移到不同年龄的人脸图像，提高人脸图像的迁移的准确性。

为解决上述技术问题，本发明的实施方式提供了一种人脸图像年龄迁移网络的训练方法，包括：训练用于预测残差图像的第一残差预测网络和第二残差预测网络，残差图像为人脸的初始年龄图像与人脸的目标年龄图像之间的差异图像，其中，第一残差预测网络的验证训练样本为人脸初始年龄训练图像与人脸目标年龄训练图像之间差异构成的真实残差图像，第二残差预测网络的验证训练样本为标准脸初始年龄图像与标准脸目标年龄图像之间差异构成的标准脸残差图像；根据第一残差预测网络输出的第一残差图像和第二残差预测网络输出的第二残差图像，迭代调整第一残差预测网络的网络参数，得到目标残差预测网络；根据目标残差预测网络确定人脸图像年龄迁移网络。

本发明的实施方式还提供了一种终端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的人脸图像年龄迁移网络的训练方法。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的人脸图像年龄迁移网络的训练方法。