[发明专利]一种面向弱标签数据进行人脸年龄合成的方法

说明书

本发明公开了一种面向弱标签数据进行人脸年龄合成的方法。属于计算机科学技术人工智能领域，具体步骤包括人脸特征提取、人脸年龄合成及身份信息增强。本发明可以解决数据集标签不精确，缺乏匹配年龄段人脸图片问题，同时，由于添加了循环网络，本发明保留更多的个人面部特征信息，使生成的回归/老化人脸效果更好；另外，本发明在解决数据集不足问题的基础上仍然可以保证良好的生成效果；解决了传统人脸年龄合成任务中数据稀缺的问题，在现实生活中有很广泛的应用，例如寻找失踪人口、影视娱乐、公益项目宣传等。

技术领域

本发明属于计算机科学技术人工智能领域，具体涉及一种年龄合成方法，特别是涉及一种面向弱标签数据进行人脸年龄合成的方法。

背景技术

人脸合成是研究某人过去和未来长相的一门技术，这项技术在现实生活中有很广泛的应用，例如寻找失踪人口，影视娱乐公益项目宣传等。近年来，很多科学工作者致力于该项工作，但由于数据稀缺，该领域的研究始终面临巨大的挑战，如何解决该问题是一个非常值得深入研究的方向。传统的人脸合成方法可以分为物理建模和原型生成两种方法。物理建模通过公式计算出人脸的颅骨、脸型、皮肤、五官等在不同年龄的变化，此方法需要耗费大量的计算资源，参数复杂度高，同时需要大量的数据。原型生成是指将数据分成几个不同年龄的组，通过学习不同年龄组之间的人脸特征生成对应年龄段的人脸图片。此方法由于缺乏大量数据，容易导致生成的人脸图像存在严重的鬼影，图片质量差。

近几年,深度学习领域发展迅速，卷积神经网络(CNN)的提出在图像特征提取方面作出了极大贡献，该算法不需要大量的人工标注信息，可以很好地解决数据稀缺问题。生成式对抗网络模型的提出,数据缺乏的问题得到了解决。但如何利用生成式对抗网络获得高质量的人脸图片仍然值得研究。

发明内容

针对上述问题，本发明提供了一种面向弱标签数据进行人脸年龄合成的方法，该方法由人脸特征提取、人脸年龄合成、身份信息增强三个部分组成，利用TensorFlow框架进行训练，解决了数据稀缺问题，具有广泛的现实应用。

本发明的技术方案是：一种面向弱标签数据进行人脸年龄合成的方法，具体操作步骤如下：

步骤(1.1)、人脸特征提取：采用条件变分自编码器的方法提取人脸特征信息，通过卷积神经网络获取隐变量；

步骤(1.2)、人脸年龄合成：通过条件对抗生成网络生成指定年龄分组的人脸图片；通过得到的隐变量，给定年龄标签，利用对抗生成方法判断人脸图片真假，训练网络，最终生成对应年龄段的人脸图片；

步骤(1.3)、身份信息增强：通过增加身份信息损失函数增强得到的人脸年龄合成图片生成效果，通过新生成的人脸图片保留特征信息。

进一步的，在所述步骤(1.1)中，通过人脸特征提取的具体操作步骤如下：

(1.1.1)、遍历所有X张人脸图片，通过条件变分自编码器的方法提取人脸特征，其生成函数具体如下式所示：

E[logP(X|z,c)]-D_KL[Q(z|X,c)||P(z)]

式中，E[logP(X|z,c)]表示在c条件下联合概率分布的期望值，X表示X张图片，c表示输入条件，z表示生成的隐变量，P和Q分别表示使用条件变分自编码进行图片的生成，D_KL表示KL散度度量指标；

(1.1.2)、将生成的隐变量通过对抗生成网络判断人脸特征的真假，其具体如下式所示：

式中，D_z判断输入特征的真假，E_z(x)表示特征由(x)产生，表示真实数据集中图片的期望值，E(x,y)表示加入年龄标签后生成器生成的人脸图片。