[发明专利]一种基于生成对抗网络的多姿态人脸图像正面化方法

摘要

本发明公开了一种基于生成对抗网络的多姿态人脸正面化方法，在训练阶段，首先收集各种姿态的人脸图片作为数据集，然后输入多组同一人的正脸图像和非正脸图像，通过新设计的损失函数，交替训练生成网络和判别网络，直到损失函数的值稳定收敛。在训练完成后的测试阶段，对输入的各种姿态人脸图片，本发明都可以将它们矫正成正脸图像。矫正后的图像不仅清晰，并且保留了原人脸的身份特征，可以用于人脸识别工作。本发明将有效减缓姿态因素对人脸识别造成的负面影响，有利于非限制条件下人脸识别实际应用的发展。

主权项

1.一种基于生成对抗网络的多姿态人脸图像正面化方法，其特征在于，包括以下步骤：/n1)收集各个姿态的人脸图像作为训练集和测试集，必须确保输入的每一张任意姿态的人脸图像I^a，都能在数据集中找到同一人物非合成的正脸图像I^g；/n2)在训练阶段，把训练集中的任意姿态的人脸图像I^a输入生成器G，得到修正编码X₂和合成的正脸图像I^f，把非合成的正脸图像I^g输入生成器G，得到正脸编码X₃；/n3)把合成的正脸图像I^f或非合成的正脸图像I^g输入判别网络D，判别网络D判断输入的人脸图像是合成的还是非合成的，再把合成的正脸图像I^f或非合成的正脸图像I^g输入人脸身份特征提取器F，通过F提取人脸图像的人物身份特征；/n4)把步骤3)的判别结果和提取的人物身份特征、合成的正脸图像I^f、非合成的正脸图像I^g、修正编码X₂和正脸编码X₃带入各个预先设计好的损失函数，交替训练生成器G和判别网络D直至训练结束；/n5)在测试阶段，把任意姿态的人脸图像I^a输入已经训练完成的生成器G，能够得到一张合成的正脸图像I^f，通过直接观测合成的正脸图像I^f的质量来验证效果。/n