[發明專利]一種戴口罩人臉圖像生成方法及相關裝置

在審

• 申請號: 202010594885.8
• 申請日: 2020-06-28
• 公開（公告）號: CN111932439A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 唐健;潘國峰;陶昆;祝嚴剛
• 申請（專利權）人: 深圳市捷順科技實業股份有限公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06K9/00;G06K9/62
• 代理公司: 深圳騰文知識產權代理有限公司 44680
• 代理人: 王娟

本申請公開了一種戴口罩人臉圖像生成方法及相關裝置，用于解決戴口罩人臉圖像數據匱乏的問題。本申請方法包括：獲取口罩圖像；獲取目標人臉圖像；將所述口罩圖像與所述目標人臉圖像通過預設模型生成目標口罩模板圖像，所述目標口罩模板圖像包含所述口罩圖像的內容信息與所述目標人臉圖像的環境信息；確定所述目標人臉圖像中的口罩覆蓋區域；根據所述口罩覆蓋區域將所述目標口罩模板圖像和所述目標人臉圖像進行圖像合成，生成戴口罩人臉圖像。

技術領域

本申請實施例涉及圖像處理技術領域，尤其涉及一種戴口罩人臉圖像生成方法及相關裝置。

背景技術

目前，深度學習的快速發展與完善以及各種場景中對人臉識別的需求的增加，人臉識別技術取得了巨大的進步，并被廣泛應用于小區，商場，寫字樓等場所以實現非接觸式監控和安全認證。

人臉識別主要依賴于對人臉數據的采集和匹配，對戴口罩人臉識別主要依靠深度學習網絡對數據進行訓練和匹配得到穩定的識別模型，對模型的訓練需要前期輸入大量的戴口罩人臉數據，現有技術中，主要通過現場錄制拍攝的方式采集數據，然而由于戴口罩人臉存在大量關鍵點被遮擋，采集到的數據識別度極差，難以用于對識別模型的訓練，而通過網絡直播平臺獲取到的數據風格較為單一，豐富性低。因此，現有技術中，能夠用于人臉識別模型訓練的戴口罩人臉數據較為缺乏。

發明內容

本申請提供了一種戴口罩人臉圖像生成方法及相關裝置，用于解決在人臉識別模型的訓練中戴口罩人臉圖像數據匱乏的問題。

本申請實施例第一方面提供一種戴口罩人臉圖像生成方法，包括：

獲取口罩圖像；

獲取目標人臉圖像；

將所述口罩圖像與所述目標人臉圖像通過預設模型生成目標口罩模板圖像，所述目標口罩模板圖像包含所述口罩圖像的內容信息與所述目標人臉圖像的環境信息；

確定所述目標人臉圖像中的口罩覆蓋區域；

根據所述口罩覆蓋區域將所述目標口罩模板圖像和所述目標人臉圖像進行圖像合成，生成戴口罩人臉圖像。

可選地，所述獲取口罩圖像之前，所述戴口罩人臉圖像生成方法還包括：

訓練預設模型，所述預設模型采用VGG19深度卷積神經網絡提取圖像的風格特征和內容特征。

可選地，所述訓練預設模型，包括：

將第一樣本對輸入到原始模型中生成初始口罩模板圖像，并標記輸入次數值，所述第一樣本對為樣本集中任意一組樣本對，所述第一樣本對包含一張口罩圖像和一張人臉圖像；

通過總損失函數計算第一總損失值，所述第一總損失值由內容損失值和風格損失值組成；

當所述第一總損失值大于預設值時，根據所述第一總損失值反向傳播更新所述原始模型，將所述第一樣本對輸入更新后的原始模型，更新輸入次數值并重新計算第一總損失值；

當所述第一總損失值小于或等于所述預設值時，將第二樣本對輸入更新后的原始模型，標記輸入次數值并重新計算得到第二總損失值；

當所述第二總損失值小于或等于所述預設值且所述第二樣本對的訓練次數值為1時，確定更新后的原始模型為預設模型。

可選地，所述訓練預設模型還包括：

當所述第二總損失值大于所述預設值時，根據所述第二總損失值反向傳播更新所述原始模型，將所述第二樣本對輸入更新后的原始模型，更新輸入次數值并重新計算第二總損失值。

可選地，所述將第一樣本對輸入到原始模型中生成初始口罩模板圖像，包括：

將第一樣本對輸入到原始模型；