[发明专利]一种图像生成方法、装置及电子设备

说明书

本申请公开一种图像生成方法、装置及电子设备，该方法包括：通过迭代的方式将N帧低分辨率人脸图像依次输入第一网络模型，对第一网络模型进行训练，并使用所述第一网络模型的输出损失对训练过程进行约束，直至第一网络模型的训练结果收敛，将训练完成后的第一网络模型记为第二网络模型，所述第二网络模型对任一目标的多帧低分辨率人脸图像超分辨处理，能够得到与所述多帧低分辨率人脸图像身份一致的超分辨率人脸图像。基于以上方法，能够解决基于单帧低分辨率人脸图像进行超分辨率处理，无法保证得到的超分辨率人脸图像中的身份信息与所述单帧低分辨率人脸图像身份信息一致的问题。

技术领域

本申请涉及人脸识别技术领域，特使是涉及一种图像生成方法、装置及电子设备。

背景技术

随着科学技术的快速发展和大数据时代的到来，信息安全变得越来越重要。人脸识别作为一种安全、非接触、便捷、高效的身份信息认证方式，已经广泛应用到社会生活的各个方面。但是在比较大的监控场景中，视频中出现的人脸尺寸通常较小，图像清晰度低，很难满足人脸识别的需要，因此，人脸超分辨率技术变得越来越重要。人脸超分辨率技术本质上是对低分辨率人脸图像添加高频特征来生成高分辨率人脸图像。

现有技术通常基于单帧低分辨率人脸图像，通过超分辨率处理，得到超分辨率人脸图像，这种方式得到的超分辨率人脸图像存在人脸信息缺失，无法保证所述超分辨率人脸图像中的身份信息与所述单帧低分辨率人脸图像中的身份信息一致。

发明内容

本申请提供了一种图像生成方法、装置及电子设备，实现对多帧低分辨率人脸图像进行超分辨率处理后，得到与所述低分辨率人脸图像身份信息一致的超分辨率人脸图像。

第一方面，本申请提供了一种图像生成方法，所述方法包括：

获取第一目标的N帧低分辨率人脸图像，其中，N为大于等于2的正整数；

根据所述N帧低分辨率人脸图像，对第一网络模型进行训练，得到第二网络模型，其中，所述第一网络模型能够对低分辨率人脸图像进行超分辨率处理；

基于所述第二网络模型依次对所述N帧低分辨率人脸图像进行超分辨率处理，得到N帧超分辨率人脸图像；

将所述N帧超分辨率人脸图像中的最后生成的一帧超分辨率人脸图像作为最终人脸图像。

通过上述图像生成方法，可以实现对多帧低分辨率人脸图像进行超分辨率处理后，得到与所述低分辨率人脸图像身份信息一致的超分辨率人脸图像。

在一种可能的设计中，所述根据所述N帧低分辨率人脸图像，对第一网络模型进行训练，得到第二网络模型，包括：

根据所述N帧低分辨率人脸图像，计算得到第一网络模型的输出损失，其中，所述输出损失用来约束所述第一网络模型的训练过程；

根据所述输出损失，判断所述第一网络模型的训练结果是否收敛；

若训练结果不收敛，则调整所述第一网络模型的参数，继续对所述第一网络模型进行训练，直至训练结果收敛；

若训练结果收敛，则将训练完成后的第一网络模型记为第二网络模型。

通过上述方法，通过第一网络模型的输出损失来约束第一网络模型进行训练过程，训练完成后得到第二网络模型，其中，所述第二网络模型可以实现对任一目标的多帧低分辨率人脸图像进行超分辨处理，得到与所述多帧低分辨率人脸图像身份一致的超分辨率人脸图像。

在一种可能的设计中，所述根据所述N帧低分辨率人脸图像，计算得到第一网络模型的输出损失，包括：

将所述N帧低分辨率人脸图像，通过第一网络模型得到N个随机变量和1个超分辨率人脸图像集，其中，所述超分辨率人脸图像集中的超分辨率人脸图像帧数为N；