[发明专利]基于卷积神经网络特征重构的眼镜自动去除方法

说明书

本发明公开了一种基于卷积神经网络特征重构的眼镜自动去除方法，首先，采用K近邻算法寻找具有相似属性戴眼镜人脸图像的源图像集和无眼镜人脸图像的目标图像集；然后，将源图像集和目标图像集映射到深度特征空间，得到各自的平均特征值，利用源图像集和目标图像集的差值计算得出眼镜属性；最后，将输入的戴眼镜人脸图像的新特征表示与眼镜属性向量进行差值运算，完成眼镜属性的去除，并将去除后的人脸特征反向映射回像素空间，重构出去除眼镜后的像素图像。本发明解决了现有技术中存在的人脸眼镜去除方法效率低、效果差的问题。

技术领域

本发明属于眼镜自动去除技术领域，具体涉及一种基于卷积神经网络特征重构的眼镜自动去除方法。

背景技术

近年来，随着网络的快速发展和网上支付的普及，人脸识别技术应运而生。人脸识别是通过对人的面部几何特征进行研究，提取其特征信息进行处理，利用处理后的信息对身份进行认证的一种生物识别技术。但人脸识别技术在非约束条件下仍然存在一些难题需要解决，如光照，面部中的表情，脸上的妆容，面部中的遮挡物等因素都会对人脸识别带来很大的影响。研究人员发现，在FERET以及FRVT两种人脸库中，影响面部识别率的最主要因素是经过光照后对人脸的改变，或者在识别人脸时，面部的遮挡物也会影响其识别效果。其中，面部中的遮挡物对人脸识别的影响更为严重，使得人脸识别率在准确度和精确度方面都受到了制约，如何有效的去除人脸图像中的眼镜已经成为人脸识别技术中亟待解决的问题之一。因此，对人脸识别中眼镜去除问题的研究具有重要的意义和实用价值。

基于传统的人脸眼镜去除方法，大部分都需三步进行：眼镜遮挡区域检测、眼镜遮挡区域提取和眼镜遮挡区域去除，使得人脸眼镜去除效率变得较低，而且操作比较复杂。随着卷积神经网络的快速发展，研究发现，人脸中的特征可以通过神经网络的训练学习来有效的表达。对比传统的人脸眼镜去除方法，利用深度学习方法进行人脸眼镜的去除可以更加有效。

发明内容

本发明的目的是提供一种基于卷积神经网络特征重构的眼镜自动去除方法，解决了现有技术中存在的人脸眼镜去除方法效率低、效果差的问题。

本发明的技术方案是，基于卷积神经网络特征重构的眼镜自动去除方法，具体按照以下步骤实施：

步骤1：采用K近邻算法寻找LFW人脸图像数据集中具有相似属性戴眼镜人脸图像和无眼镜人脸图像，戴眼镜人脸图像的集合作为源图像集，无眼镜属性的人脸图像的集合作为目标图像集；

步骤2：将源图像集和目标图像集映射到卷积神经网络的深度特征空间，通过卷积神经网络进行训练后，得到各自的平均特征值，利用源图像集和目标图像集的差值计算得出眼镜属性向量；

步骤3：将输入的待去除的戴眼镜人脸图像经过Visual Geometry Group网络结构VGG当中进行特征映射后得到的新特征表示与步骤2得到的眼镜属性向量进行差值运算，完成眼镜属性的去除；

步骤4：将去除后的人脸特征反向映射回像素空间，重构出去除眼镜后的像素图像。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

步骤1.1、从LFW人脸图像数据集中选取已经分好的有眼镜人脸图像集和无眼镜人脸图像集作为训练集；

步骤1.2、采用K近邻算法分别从训练集中选取N张属性相近的有眼镜人脸图像和N张无眼镜人脸图像，K近邻算法得到图像的具体操作如下：