[發明專利]用于提升人臉生成性能的系統以及方法

有效

• 申請號: 201910944600.6
• 申請日: 2019-09-30
• 公開（公告）號: CN110688972B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 楊旭雷;李金寧;王慧嬌
• 申請（專利權）人: 上海依圖網絡科技有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/74
• 代理公司: 上海市匯業律師事務所 31325
• 代理人: 王函

本發明提供用于提升人臉生成性能的系統以及方法。所述方法包括：存儲真實人臉圖片；由對抗生成網絡GAN的生成器網絡生成虛假人臉圖片；由人臉識別模塊接收真實、虛假人臉圖片的圖像對，分別提取圖像對中的虛假、真實人臉圖片的人臉信息特征，并計算所提取的人臉信息特征的余弦相似度；以及由GAN的判別器網絡基于所提取的人臉信息特征判斷虛假人臉圖片是否屬于真實人臉圖片；其中對抗生成網絡基于人臉識別模塊所計算的余弦相似度最大化同源圖像對的相似性和最小化異源圖像對的相似性，以促進生成器網絡生成虛假人臉圖片的真實性，使得生成器網絡在生成虛假人臉圖片時能夠保留人臉身份特征，以便增強人臉識別率并獲得所述對抗生成網絡的訓練目標。

技術領域

本發明涉及人臉識別領域，特別涉及用于提升人臉生成性能的系統以及方法。

背景技術

對抗生成網絡(Generative Adversarial Network ,簡稱GAN)是由IanGoodfellow等人于2014年在論文《Generative Adversarial Networks》中提出的深度學習框架。

GAN正在成為人臉生成的主流研究技術，GAN由生成器網絡和判別器網絡組成，在人臉生成時，生成器網絡生成的虛假人臉圖片和輸入的真實人臉圖片一同輸入到判別器網絡,由判別器網絡判斷輸入的圖像是虛假圖片或者真實圖片，并確認生成器網絡與判別器網絡之間的對抗誤差，通過反向傳播算法訓練 GAN生成器網絡與判別器網絡，當GAN生成器網絡對抗誤差達到最小時，輸出生成圖像。

目前現有技術的方法大都使用預訓練的通用模型比如Vgg-16來提取圖像對的特征，并只是最大化同源圖像對的相似性。并且現有技術中生成人臉的真實性較低，以至識別效果低。

因此，尋找能提高人臉識別率的人臉生成技術已成為業內亟待解決的技術問題。

發明內容

針對現有技術的上述問題，本發明提出了一種用于提升人臉生成性能的系統，所述系統包括用于存儲真實人臉圖片的存儲器和對抗生成網絡。所述對抗生成網絡包括生成器網絡、人臉識別模塊和判別器網絡。所述生成器網絡用于生成虛假人臉圖片；所述人臉識別模塊用于接收由所述生成器網絡生成的所述虛假人臉圖片以及所述真實人臉圖片組成的圖像對，并分別提取所述圖像對中的虛假人臉圖片和真實人臉圖片的人臉信息特征，并計算所提取的所述虛假人臉圖片和所述真實人臉圖片的人臉信息特征的余弦相似度。所述判別器網絡基于所述人臉識別模塊識別出的所述虛假人臉圖片和所述真實人臉圖片的人臉信息特征判斷所述虛假人臉圖片是否屬于所述真實人臉圖片；其中所述對抗生成網絡基于所述人臉識別模塊所計算的余弦相似度最大化同源圖像對的相似性和最小化異源圖像對的相似性，以提高所述生成器網絡生成所述虛假人臉圖片的真實性，使得所述生成器網絡在生成虛假人臉圖片時能夠保留人臉身份特征，以便增強人臉識別率并獲得所述對抗生成網絡的訓練目標。

在一實施例中，所述同源圖像對中的虛假人臉圖片和真實人臉圖片為同一人的，所述異源圖像對中的虛假人臉圖片和真實人臉圖片為不同人的。

在一實施例中，所述人臉識別模塊包括人臉識別模型和分析模型，所述人臉識別模型包括基于人臉特征點的識別算法、基于整幅人臉圖像的識別算法或基于模板的識別算法，所述分析模型構造成計算所提取的所述虛假人臉圖片和所述真實人臉圖片的人臉信息特征的余弦相似度。

在一實施例中，所述對抗生成網絡包括更新模塊，所述更新模塊根據所述虛假人臉圖片和所述真實人臉圖片的人臉信息特征的余弦相似度生成損失函數，并基于所述損失函數利用反向傳播算法，更新所述生成器網絡的參數和所述判別器網絡的參數。