[發明專利]一種人臉圖像隨年齡變化的圖像處理方法

在審

• 申請號: 201910920174.2
• 申請日: 2019-09-26
• 公開（公告）號: CN110852935A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 魏平;張雪香;宋潔;鄭南寧
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T3/00
• 分類號: G06T3/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 姚詠華

1.一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，包括以下步驟：

步驟1：獲取人臉圖像以及與該人臉圖像相對應的年齡標簽信息；

步驟2：提取人臉圖像的人臉圖像特征并將獲取的人臉圖像特征編碼得到隱向量；

步驟3：將人臉圖像與第一次重建人臉圖像之間的差圖重編碼為相同長度的殘差隱向量，將殘差隱向量與隱向量構成殘差特征隱向量，然后將殘差特征隱向量和年齡標簽信息輸入生成器網絡，建立初始重建人臉圖像；

步驟4：利用訓練的判別器網絡判別初始重建人臉圖像與真實人臉圖像的相似概率，若相似概率滿足判斷閾值，則初始重建人臉圖像滿足人臉隨年齡變化圖像，進行下一步，否則進行重建人臉圖像；

步驟5：通過在重建的人臉流圖上改變年齡標簽，得到對應年齡的人臉變化圖像，即可完成人臉圖像隨年齡變化的圖像處理。

2.根據權利要求1所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，人臉圖像特征包括人臉輪廓、眼睛大小、鼻子大小和嘴巴大小。

3.根據權利要求1所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，輸入的人臉圖像的表象特征的隱向量為z,那么：

z＝E(x)

隱向量z包括人臉圖像的年齡標簽信息和身份信息。

4.根據權利要求1所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，對隱向量進行優化具體過程為：將人臉圖像與第一次重建人臉圖像之間的差圖重編碼為相同長度的殘差隱向量，將殘差隱向量與隱向量構成殘差特征隱向量

式中λ為標量參數，z為隱向量，為殘差隱向量。

5.根據權利要求4所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，生成器網絡采用帶有上采樣層的卷積層加深網絡，隱向量和年齡標簽信息作為生成器網絡的輸入，經過生成器網絡輸出生成初始重建人臉圖像。

6.根據權利要求4所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，生成年齡標簽信息的one-hot向量，將殘差特征隱向量和one-hot向量組合作為生成器網絡的輸入矩陣，生成器網絡根據輸入矩陣得到輸出全連接層和卷積層，將輸出的全連接層轉換為矩陣，對輸出的全連接層和卷積層進行多次上采樣加卷積操作，得到與輸入圖像相同大小的初始重建人臉圖像。

7.根據權利要求6所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，生成器網絡根據輸入矩陣得到輸出大小為512*4*4的全連接層和大小為3*3*512的卷積層，并將輸出的全連接層轉換為矩陣，對輸出的全連接層和卷積層進行多次上采樣加卷積操作，卷積層的通道數越來越小，特征圖越來越大，最終通過一個大小為3*3*3的卷積層得到了與輸入圖像相同大小的初始重建人臉圖像。

8.根據權利要求1所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，判別器網絡具體訓練過程：獲取訓練人臉圖像以及對應的訓練用人臉圖像的重建人臉圖像，與輸入圖像緊挨著的卷積層的卷積核大小為1*1*16,其中16表示卷積層通道數，與卷積層緊接著的是6組由卷積層和均值池化層構成的提取特征的中間層，中間層的通道數越來越大，且在池化層的作用下，特征圖越來越小，最終輸出為一個表示概率值的2維向量。

9.根據權利要求8所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，在訓練判別器網絡時，當輸入是真實人臉圖像的時候，判別器網絡給出的判別概率值為1，當輸入假的人臉圖像的時，判別器給出的判別概率值為0；判別器網絡同時將判斷結果傳到生成器網絡，當判別器網絡判斷重建人臉圖像與真實人臉圖像不滿足判斷閾值時，更新生成器網絡的參數，反向傳播調正參數的大小，進行再次重建人臉圖像，將再次重建人臉圖像通過判別器網絡進行再次判斷，重復上述步驟進行交替迭代判斷，直到判別網絡判斷的結果滿足判斷閾值。

10.根據權利要求9所述的一種人臉圖像隨年齡變化的圖像處理方法，其特征在于，判斷閾值為0.45-0.55。