[发明专利]一种基于可学习形变场的人脸正面化方法

摘要

本发明公开了一种基于可学习形变场的人脸正面化方法，包括步骤1，获取一批带有姿态标注的图片数据集作为训练/测试集，每个人的图像都包含有各个姿态；步骤2，由三维人脸模型大致计算出各个姿态之间图片像素点的位置对应关系，得到每两个角度图像之间的大致形变场；步骤3，将得到的形变场作为训练目标，得到模型参数W’；步骤4，通过使作用后的图像和目标图像尽量相像继续优化模型W’的参数。本发明不仅能得到既平滑又恢复出更多细节的重构正面图像，且训练比基于3D模型生成形变场的方法简单，耗时更少，能够恢复出保留更多个人特征的图像，对于识别更有帮助，特别是在大姿态角度的人脸上，识别率得到显著提升。

主权项

一种基于可学习形变场的人脸正面化方法，其特征在于，包括以下步骤：步骤1，获取一批带有姿态标注的图片数据集作为训练/测试集，每个人的图像都包含有各个姿态；步骤2，由三维人脸模型大致计算出各个姿态之间图片像素点的位置对应关系，根据三维模型在二维平面上的投影图像以及计算像素点的对应位移，得到每两个角度图像之间的大致形变场；步骤3，将在步骤2中得到的形变场作为步骤3的训练目标，由于训练输入图像的姿态和目标图像的姿态都是已知的，就可以将两个姿态之间的形变场作为目标对模型进行预训练，得到模型参数W’；步骤4，将W’作为步骤4的模型参数的初始化值，将目标图像的形变场作为训练目标，该步骤将W’输出出来的形变场作用在输入图像上，从而得到一张特定姿态的图像，通过使作用后的图像和目标图像尽量相像继续优化模型参数W’。