[发明专利]一种基于StyleGAN的移动端人脸年龄编辑方法

说明书

本发明公开了一种基于StyleGAN的移动端人脸年龄编辑方法：S1、准备人脸图片训练数据集，并对人脸图片训练数据集中的部分人脸图片标注得到年龄标签；S2、利用所述人脸图片训练数据集训练特征提取模型和生成模型；S3、利用人脸图片训练数据集中的部分数据和特征提取模型训练人脸年龄分类器；S4、根据用户配置和预期等待时间选择分辨率和通道系数，输入生成模型得到子模型；S5、对于人脸年龄分类器，提取其系数，即为能够判断人脸年龄的属性向量；S6、利用子模型以及所述属性向量对待编辑人脸图片进行编辑。本发明技术方案可以降低部署和维护成本，增强用户数据安全性，避免个人隐私泄漏，去除软件对网络的依赖，使得用户可以随时随地的使用软件。

技术领域

本发明属于图像处理技术领域，更具体地，涉及一种基于StyleGAN的移动端人脸年龄编辑方法。

背景技术

生成对抗网络（Generative Adversarial Networks，GAN）是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中两个模块：生成模型和判别模型的互相博弈学习产生相当好的输出。GAN能够生成不存在于真实世界的数据，在图像生成、图像去噪、数据增强方面有着重要的作用。

StyleGAN受风格迁移启发而设计了一种新的生成器网络结构。新的网络结构可以通过无监督式的自动学习对图像的高层语义属性做一定解耦分离，例如人脸图像的姿势和身份、所生成图像的随机变化如雀斑和头发等。也可以做到一定程度上的控制合成。

具体到人脸年龄编辑上来说，人脸年龄编辑是指通过给定一幅人脸图像，可以生成该人物在不同年龄段的图像。人脸年龄编辑已经成为电影后期制作的重要任务，在普通摄影中也越来越流行。在跨年龄人脸识别、娱乐、刑侦等领域也有着广泛的应用。例如，它可以用来帮助寻找走失的孩子或预测某人未来的样子。所以人脸年龄编辑还是具有很大的应用价值的。

StyleGAN已经可以实现逼真的图像合成，但由于大规模生成器的计算成本较高，通常不能在移动端设备（如智能手机）上直接运行，需要部署在具有较高的硬件配置的服务器上，这就不可避免的需要用户上传人脸图片，对用户的个人隐私造成很大的风险。此外由于需要用到网络，限制了用户的使用场景，网络不佳时影响数据上传和下载时的等待时间，严重影响软件批量部署和用户的使用体验。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于StyleGAN的移动端人脸年龄编辑方法，其目的在于直接部署在手机进行人脸年龄的编辑，由此解决系统部署成本较高、需要上传图片数据、处理时间较长的技术问题。

为实现上述目的，本发明提供了一种基于StyleGAN的移动端人脸年龄编辑方法，包括：

S1、准备人脸图片训练数据集，并对人脸图片训练数据集中的部分人脸图片打分得到年龄标签；

S2、利用所述人脸图片训练数据集训练特征提取模型和生成模型；

S3、利用人脸图片训练数据集和特征提取模型训练人脸年龄分类器；

S4、根据用户配置和预期等待时间选择分辨率和通道系数，输入生成模型得到子模型；

S5、对于人脸年龄分类器，提取其系数，即为能够判断人脸年龄的属性向量；

S6、利用子模型对待编辑人脸图片进行编辑。

本发明的一个实施例中，所述步骤S1包括：

S11、挑选一批人脸图片，使用开源模型得到每张人脸的关键点，并根据关键点将人脸图片通过仿射变换对齐到基准位置，得到人脸图片训练数据集；

S12、将人脸图片训练数据集中的部分人脸图片按照年龄大小进行标注，年龄大于45岁的标签为1，年龄小于45岁的标签为0，得到年龄标签集。