[發(fā)明專利]人臉圖像生成方法及裝置、存儲介質(zhì)、計算機(jī)設(shè)備

在審

• 申請?zhí)枺?/td>: 201910559077.5
• 申請日: 2019-06-26
• 公開（公告）號: CN110457994A
• 公開（公告）日: 2019-11-15
• 發(fā)明（設(shè)計）人: 王健宗;趙峰
• 申請（專利權(quán)）人: 平安科技(深圳)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 11448 北京中強智尚知識產(chǎn)權(quán)代理有限公司
• 代理人: 黃耀威;賈依嬌<國際申請>=<國際公布>

1.一種人臉圖像生成方法，其特征在于，包括：

利用條件生成對抗網(wǎng)絡(luò)模型中訓(xùn)練好的生成網(wǎng)絡(luò)模型的編碼器，獲取待處理人臉圖像的神態(tài)信息；

利用訓(xùn)練好的生成網(wǎng)絡(luò)模型的解碼器，根據(jù)所述神態(tài)信息和預(yù)設(shè)的容貌信息生成對應(yīng)所述待處理人臉圖像的目標(biāo)人臉圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用條件生成對抗網(wǎng)絡(luò)模型中訓(xùn)練好的生成網(wǎng)絡(luò)模型的編碼器，獲取待處理人臉圖像的神態(tài)信息之前，具體還包括：

構(gòu)建所述條件生成對抗網(wǎng)絡(luò)模型的初始生成網(wǎng)絡(luò)模型和初始判別網(wǎng)絡(luò)模型；

對所述初始判別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的判別網(wǎng)絡(luò)模型；

其中，所述對所述初始判別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的判別網(wǎng)絡(luò)模型，具體包括：

利用條件生成對抗網(wǎng)絡(luò)模型的初始生成網(wǎng)絡(luò)模型，根據(jù)初始人臉圖像樣本獲取實際人臉圖像樣本；

根據(jù)獲取到的實際人臉圖像樣本和預(yù)設(shè)的期望人臉圖像樣本，對所述初始判別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的判別網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)獲取到的實際人臉圖像樣本和預(yù)設(shè)的期望人臉圖像樣本，對所述初始判別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的判別網(wǎng)絡(luò)模型，具體包括：

根據(jù)所述初始人臉圖像樣本和實際人臉圖像樣本對所述初始判別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到用于判別所述實際人臉圖像樣本為偽造人臉圖像的第一判別網(wǎng)絡(luò)模型；

根據(jù)所述初始人臉圖像樣本和預(yù)設(shè)的期望人臉圖像樣本對所述第一判別網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到用于判別所述預(yù)設(shè)的期望人臉圖像樣本為真實人臉圖像的第二判別網(wǎng)絡(luò)模型。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，還包括：對所述初始生成網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的生成網(wǎng)絡(luò)模型，具體包括：

利用初始生成網(wǎng)絡(luò)模型的編碼器對初始人臉圖像樣本進(jìn)行編碼，得到所述初始人臉圖像樣本的高層特征；

利用初始生成網(wǎng)絡(luò)模型的解碼器對所述初始人臉圖像樣本的高層特征進(jìn)行解碼，得到對應(yīng)所述初始人臉圖像樣本的包含所述高層特征的實際人臉圖像樣本；

根據(jù)得到的所述實際人臉圖像樣本和初始人臉圖像樣本，對所述初始生成網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的生成網(wǎng)絡(luò)模型；

其中，所述根據(jù)得到的所述實際人臉圖像樣本和初始人臉圖像樣本，對所述初始生成網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的生成網(wǎng)絡(luò)模型，具體包括：

根據(jù)得到的所述實際人臉圖像樣本和初始人臉圖像樣本，對所述初始生成網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到第一生成網(wǎng)絡(luò)模型；

根據(jù)所述第一生成網(wǎng)絡(luò)模型輸出的第一實際人臉圖像樣本，利用所述訓(xùn)練好的判別網(wǎng)絡(luò)模型得到判別概率；

若所述判別概率為預(yù)設(shè)判別概率，則所述第一生成網(wǎng)絡(luò)模型為訓(xùn)練好的生成網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述利用初始生成網(wǎng)絡(luò)模型的解碼器對所述初始人臉圖像樣本的高層特征進(jìn)行解碼，得到對應(yīng)所述初始人臉圖像樣本的包含所述高層特征的實際人臉圖像樣本，具體包括：

獲取編碼器結(jié)構(gòu)中每層輸出的高層特征；

將按照倒序排列的高層特征分別與所述解碼器結(jié)構(gòu)中每層的輸入數(shù)據(jù)進(jìn)行級聯(lián)解碼，得到對應(yīng)所述初始人臉圖像樣本的包含所述高層特征的實際人臉圖像樣本；

其中，所述解碼器第一層的輸入數(shù)據(jù)為編碼器結(jié)構(gòu)中第N層輸出的高層特征，所述編碼器和解碼器的結(jié)構(gòu)層數(shù)均為N。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

利用條件生成對抗網(wǎng)絡(luò)模型中訓(xùn)練好的生成網(wǎng)絡(luò)模型的編碼器，根據(jù)期望人臉圖像獲取預(yù)設(shè)的容貌信息。

7.根據(jù)權(quán)利要求1或5所述的方法，其特征在于，所述利用訓(xùn)練好的生成網(wǎng)絡(luò)模型的解碼器，根據(jù)所述神態(tài)信息和預(yù)設(shè)的容貌信息生成對應(yīng)所述待處理人臉圖像的目標(biāo)人臉圖像，具體包括：

獲取所述訓(xùn)練好的生成網(wǎng)絡(luò)模型的編碼器結(jié)構(gòu)中每層輸出的神態(tài)信息；

將按照倒序排列的神態(tài)信息分別與所述解碼器結(jié)構(gòu)中每層的輸入數(shù)據(jù)進(jìn)行級聯(lián)解碼，得到對應(yīng)所述待處理人臉圖像的目標(biāo)人臉圖像；

其中，所述解碼器第一層的輸入數(shù)據(jù)為預(yù)設(shè)的容貌信息，所述編碼器和解碼器的結(jié)構(gòu)層數(shù)均為N。