[發明專利]基于深度概率圖模型的人臉畫像合成方法

在審

• 申請號: 201910439266.9
• 申請日: 2019-05-24
• 公開（公告）號: CN110188651A
• 公開（公告）日: 2019-08-30
• 發明（設計）人: 張銘津;吳芊芊;劉凱;郭杰;李云松
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/50;G06T11/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

1.一種基于深度概率圖模型的人臉畫像合成方法，其特征在于，包括如下：

(1)構建人臉照片集合和人臉畫像像素集合之間的映射關系：

(1a)根據無向圖形式的結構，用訓練照片集合X學習畫像像素集合Z的條件概率：

其中，Ω為勢函數，其由神經函數f_c和相鄰函數g_c組成；設α_c和β_c分別是神經函數f_c和相鄰函數g_c的參數，設θ_c是神經函數f_c中的權重向量；

(1b)對于每個神經元c，建立第i個畫像像素Z_i與訓練照片集合X之間的映射關系，表示為神經函數f_c，即f_c(Z_i,X,θ_c)＝-(Z_i-h(θ_c,X_i))²；

(1c)對于每個神經元c，建立第i個畫像像素Z_i與第j個畫像像素Z_j之間的相似關系，表示為相鄰函數g_c，即g_c(Z_i,Z_j)＝-S_i,j(Z_i-Z_j)²；S_i,j是鄰域度量，取值為：

(1d)用多元高斯分布形式表示(1a)中的條件概率P(Z|X)：

其中，μ是平均矩陣，2α^T/(1+exp(-θX))是神經函數f_c對P(Z|X)的貢獻值，α^T是對應于神經函數f_c的參數；Σ是協方差矩陣，其表示鄰近函數g_c對P(Z|X)的貢獻值；

(1e)通過最大化(1d)中的P(Z|X)，估計其中參數α_c、β_c和θ_c的最優解，得到人臉照片集合X和人臉畫像像素集合Z'之間的映射關系；

(2)在將測試照片塊集合X'放入(1)建立好的人臉照片和人臉畫像像素集合之間的映射關系P(Z′|X′)中，獲得具有特定身份信息的合成人臉畫像像素集合Z'；

(3)用測試人臉照片塊集合X'和(2)中生成的人臉畫像像素集合Z'的公共信息生成人臉畫像塊集合Y'：

(3a)根據貝葉斯定理，Y'的后驗概率表示為：

其中P(Z′|X′)從(1)獲得，P(X′)是歸一化項，因此僅需要最大化聯合概率P(Y′,Z′,X′)來最大化Y'的后驗概率；

(3b)用M個候選人臉畫像塊加權表示人臉畫像塊Y'：

其中，ω_i是對應于人臉畫像塊Y_i的權重系數；

(3c)人臉畫像像素集合Z'組成初始人臉畫像，對初始人臉畫像進行分割，得到人臉畫像塊{z'₁,...,z'_M}；

(3d)用權重系數集合{ω₁,...,ω_M}、人臉畫像塊集合{z'₁,...,z'_M}和人臉照片塊集合X'＝{x'₁,...,x'_M}將聯合概率P(Y′,Z′,X′)表示為：

P(ω₁,...,ω_M,z′₁,...,z′_M,x′₁,...,x′_M)，

(3e)將聯合概率轉化為三個變量乘積的形式：

(3f)將(3e)中三變量的乘積進行轉化為誤差函數，最小化誤差函數求得使Y'后驗概率最大化的權重矩陣；

(4)將(3)中生成的人臉畫像塊進行拼接融合，得到合成的人臉畫像。