[發明專利]一種基于人臉正面化的多姿態人臉識別方法

在審

• 申請號: 202110292442.8
• 申請日: 2021-03-19
• 公開（公告）號: CN113553895A
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 江游;胡瑞敏;王曉晨;劉洋
• 申請（專利權）人: 武漢大學深圳研究院;深圳市新一代信息技術研究院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣東德而賽律師事務所 44322
• 代理人: 柴吉峰

本發明公開了一種基于人臉正面化的多姿態人臉識別方法，針對實際應用中的人臉姿態變化問題，提出了一種合成正面人臉圖像的新方法。本發明利用編碼器和解碼器構成的生成器提取特征并合成正面人臉圖像；利用特征判別器和圖像判別器判斷特征域和圖像真假；利用特征提取器提取合成正臉圖像和目標合成圖像的特征；通過設計的損失函數，交替訓練基于生成對抗網絡設計的網絡，直到損失函數的值穩定收斂。本發明可以將各種姿態的人臉圖像校正為正臉圖像，有助于減少人臉姿態變換給人臉識別帶來的不利影響，有利于人臉識別在非限制條件下的實際應用。

技術領域

本發明屬于人臉識別技術領域，具體涉及一種基于人臉正面化的多姿態人臉識別方法。

背景技術

人臉識別技術具有非接觸性，易于獲取且獲取過程不會造成強烈的侵略性等優點，在各個領域都得到了廣泛地應用，社區管理中的刷臉門禁，手機移動端的刷臉解鎖，超市商場中的刷臉支付，生活中處處可見人臉識別技術的影子。。近年來，，基于深度神經網絡的人臉識別系統的性能已經顯著地超過了基于手工設計特征的人臉識別系統。因此，研究基于深度學習的人臉識別系統符合當前的研究趨勢，具有良好的應用前景。

在理想的實驗條件下，正面人臉識別技術獲得了較高的識別精度，但這種技術的應用通常是在被識別人員的配合下完成的。隨著人臉識別技術的不斷成熟，人們希望人臉識別技術能更好地應用于非受控環境中。在非受控環境下，采集到的人臉圖像具有不確定性，大概率具有一定的頭部旋轉。在這種情況下，直接利用采集到的人臉圖像提取特征進行識別，人臉識別準確率會大幅度下降。。針對人臉識別中的姿態問題，現有的處理方法通常可以分為兩類。一種方法如文獻[1,2]等是直接從非正面人臉圖像中學習具有魯棒性的特征，但在偏轉角度較大時提取魯棒性特征很困難。另一種方法如文獻[3,4,5]等是人臉正面化，即利用非正面人臉圖像合成同一身份的正面人臉圖像，然后利用合成圖像進行人臉識別。這種方法一般可以處理偏轉較小角度的側面人臉，但當偏轉角度逐漸增大時，超過60°的側臉合成正面人臉存在嚴重變形并且可能丟失身份特征，導致后續人臉識別準確率的下降。

相比于其他基于生成對抗網絡的多姿態人臉識別方法，本發明利用生成對抗網絡進行了人臉轉正，采用了不同的網絡結構和損失函數。即使輸入偏轉角度較大的人臉圖像，本發明也能夠合成逼真的人臉正面圖像并且保留更多的人物身份信息，大幅度提高了后續人臉識別工作的效率

[1]Chen D,Cao X,Wen F,et al.Blessing of dimensionality:High-dimensional feature and its efficient compression for face verification[C]//Proceedings of the IEEE conference on computer vision and patternrecognition.2013:3025-3032.

[2]Schroff F,Kalenichenko D,Philbin J.Facenet:A unified embedding forface recognition and clustering[C]//Proceedings of the IEEE conference oncomputer vision and pattern recognition.2015:815-823.

[3]Zhu Z,Luo P,Wang X,et al.Multi-view perceptron:a deep model forlearning face identity and view representations[C]//Advances in NeuralInformation Processing Systems.2014:217-225.