[发明专利]基于StarGAN的不同量化光照及角度条件下人脸测试图像生成方法、应用及存储介质

说明书

本发明涉及一种基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法，包括制作不同量化光照以及角度条件下不同身份人脸训练数据生成标签；对训练用不同光照及角度条件下真实人脸图片数据集预处理；基于StarGAN网络模型构建光照及角度迁移网络及基础损失；利用人脸身份特征提取网络构建身份一致性损失；利用人脸图像与真实目标人脸图像进行差异分析构建L₁损失；将预处理后的训练用人脸图像输入光照及角度迁移网络进行训练；形成最终不同量化光照及角度条件下人脸测试图像生成模型。本发明还涉及相应的系统、装置、处理器及其存储介质。采用了本发明的技术方案，利用配对人脸损以及提取预训练网络来构建身份一致性损失，生成的不同量化光照以及角度条件下人脸图像具有更高的清晰度以及身份一致性。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及生成对抗网络的图像生成技术领域，具体是指一种基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法、系统、装置、处理器及其计算机可读存储介质。

背景技术

随着人工智能、大数据、分布式存储的迅速发展，各类高性能智能化人脸识别比对产品层出不穷，检验检测机构的所面临的人脸验证/测试数据缺失问题也日益严重。围绕面向人脸等生物特征的安全防范类智能化产品检验检测，研究基于人工智能实现不同量化光照以及角度条件下人脸测试图像生成的方法关键技术，利用生成对抗网络等最新深度学习技术，生成满足需求的不同光照以及角度人脸验证/测试图像，将被动的不同环境下人脸图像人工数据采集、标注变为主动的验证/测试用人脸图像数据自主生成方式，以智能化技术服务智能产品检测，解决人脸验证/测试数据隐私、不同光照以及角度条件下的人脸测试数据缺乏以及数据采集难度大等问题。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种能够由一张正常光照以及角度的人脸图像生成不同光照以及角度的人脸测试图像、不改变除了光照以外的其他属性、保持人脸的身份信息不变且满足清晰及真实要求、运行性能稳定可靠、适用范围较为广泛的基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法、系统、装置、处理器及其计算机可读存储介质。

为了实现上述目的，本发明的基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法、系统、装置、处理器及其计算机可读存储介质如下：

该基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法，其主要特点是，所述的方法包括以下步骤：

(1)制作不同量化光照以及角度条件下的不同身份人脸训练数据，并生成对应标签；

(2)对训练用的不同光照以及角度条件下的真实人脸图片数据集进行预处理；

(3)基于StarGAN网络模型构建光照以及角度迁移网络以及基础损失；

(4)利用人脸身份特征提取网络构建身份一致性损失；

(5)利用生成的人脸图像与配对的真实目标人脸图像进行差异分析并构建L₁损失；

(6)将经过预处理后的训练用人脸图像输入至所述的光照以及角度迁移网络，并进行训练操作；

(7)形成最终的不同量化光照以及角度条件下人脸测试图像生成模型。

该基于StarGAN网络模型实现不同量化光照以及角度条件下人脸测试图像生成的方法中的步骤(1)具体包括以下步骤：

(1.1)选取1000个不同身份人员进人脸图像采集；

(1.2)对每个人分别采集不同光照条件以及角度条件下的人脸图像；

(1.3)根据所述的光照条件以及角度条件，制作的人脸对应的标签为19维的向量。