[發明專利]人臉圖像預測方法及系統

有效

• 申請號: 201610886084.2
• 申請日: 2016-10-10
• 公開（公告）號: CN106651978B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 吳子揚;劉聰;劉慶峰
• 申請（專利權）人: 訊飛智元信息科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06K9/00;G06K9/62
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 趙景平;宋少華

1.一種人臉圖像預測方法，其特征在于，包括：

獲取待預測的人臉圖像及預測人臉圖像的時間點；

從所述人臉圖像中提取人臉屬性特征，所述人臉屬性特征為與人臉長相或人臉變化相關的屬性特征；

利用所述人臉屬性特征從多個基于由人臉屬性特征劃分的針對不同人臉圖像類別的人臉預測模型中，確定對應的人臉預測模型；

將所述人臉圖像的像素點輸入所述人臉預測模型，得到預測的人臉圖像。

2.根據權利要求1所述的方法，其特征在于，所述人臉預測模型包括時光順流模型和/或時光逆流模型，所述時光順流模型用于預測人臉未來的長相情況，所述時光逆流模型用于預測人臉過去的長相；

所述方法還包括按以下方式構建人臉預測模型：

收集大量人臉圖像，構建時光變換數據庫；

從所述時光變換數據庫中的人臉圖像中提取人臉屬性特征；

對所述時光變換數據庫中的人臉圖像進行規整，得到規整后的人臉圖像；

根據提取的人臉屬性特征對所述規整后的人臉圖像進行聚類，得到聚類后的人臉圖像；

根據聚類后的人臉圖像，構建人臉預測模型。

3.根據權利要求2所述的方法，其特征在于，所述人臉屬性特征包括以下任意一種或多種：性別、表情、是否戴眼鏡、地域、職業；

所述從所述時光變換數據庫中的人臉圖像中提取人臉屬性特征包括：

對人臉圖像進行人臉檢測及人臉特征點定位，得到圖像中人臉的局部特征點的位置；

根據各局部特征點的位置及預先訓練的分類模型提取各人臉圖像的人臉屬性特征。

4.根據權利要求2所述的方法，其特征在于，所述對所述時光變換數據庫中的人臉圖像進行規整包括：

對所述時光變換數據庫中的人臉圖像中人臉的坐標及尺度進行規整。

5.根據權利要求2所述的方法，其特征在于，所述根據提取的人臉屬性特征對所述規整后的人臉圖像進行聚類包括：

(1)選擇一種人臉屬性特征作為決策樹的根節點，根據所選擇的人臉屬性特征的取值確定所述根節點的各條邊，并將人臉圖像劃分為多類；

(2)利用提取的人臉屬性特征，計算每類人臉圖像中剩余的各人臉屬性特征取值的最小方差；

(3)判斷所述最小方差是否大于設定值；如果是，執行步驟(4)；否則執行步驟(5)；

(4)將所述最小方差對應的類所屬的節點作為葉子節點，不再繼續劃分；然后執行步驟(6)；

(5)將每類中所述最小方差對應的屬性特征作為每類人臉圖像的上層節點，并根據所述上層節點的取值得到所述上層節點的邊，將每類人臉圖像繼續劃分為多類；

(6)判斷是否還有屬性特征未添加到決策樹中；如果有，執行步驟(2)；否則，執行步驟(7)；

(7)統計每個葉子節點下的人臉圖像數量，如果葉子節點中的人臉圖像數量小于設定的數量閾值，則刪除該葉子節點及其兄弟節點，并將該葉子節點及其兄弟節點中的人臉圖像添加到該葉子節點的父節點，決策樹構建完成。

6.根據權利要求5所述的方法，其特征在于，所述根據聚類后的人臉圖像，構建人臉預測模型包括：

針對所述決策樹中的每個葉子節點，構建對應該葉子節點的人臉預測模型，具體包括：

對時光變換數據庫中人臉圖像進行排序，同一人的人臉圖像按照年齡先后進行排序；

利用排序后的數據對人臉預測模型進行初始化，得到初始化的人臉預測模型；

對所述初始化的人臉預測模型進行增量訓練，得到最終的人臉預測模型。

7.根據權利要求5所述的方法，其特征在于，所述利用所述人臉屬性特征確定對應的人臉預測模型包括：

根據所述人臉屬性特征，遍歷所述決策樹，找到對應的葉子節點；

獲取所述葉子節點對應的人臉預測模型。

8.根據權利要求1-7任一項所述的方法，其特征在于，所述方法還包括：

根據所述人臉屬性特征，對所述預測的人臉圖像進行還原，得到還原后的人臉圖像。