[發明專利]一種基于身份約束的生成對抗網絡人臉校正方法及系統

有效

• 申請號: 202110605400.5
• 申請日: 2021-05-31
• 公開（公告）號: CN113239870B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 劉芳;李玲玲;李任鵬;焦李成;劉旭;黃欣研;陳璞華;鮑騫月
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/82;G06N3/0475;G06N3/045;G06N3/094;G06N3/0464
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.一種基于身份約束的生成對抗網絡人臉校正方法，其特征在于，包括以下步驟：

S1、構建不同偏轉角下成對的側臉圖像I_p和正臉圖像I_f圖像對作為訓練集；

S2、構造基于身份約束的生成對抗網絡并使用步驟S1中成對的側臉I_p和正臉I_f圖像對進行訓練，生成對抗網絡包括生成器網絡G、判別器網絡D和人臉特征提取網絡B，對構造的基于身份約束的生成對抗網絡進行訓練具體為：

S201、構造角度姿態分類模塊M_p的姿態分類損失函數L_{cls_p}、身份約束識別模塊M_i的身份分類損失函數L_{cls_i}、針對側臉的身份編碼特征f_i^p和其正臉的身份編碼特征f_i^f的特征損失函數L_f、針對生成的正臉圖像和真實的正臉圖像I_f的像素損失函數L_pixel、針對生成的正臉圖像的對稱損失函數的L_sym、針對生成的正臉圖像的正則項L_tv、對抗損失函數L_adv、針對生成的正臉圖像和真實的正臉圖像I_f的身份損失函數L_ip和整體損失函數L_total；

S202、通過構造的損失函數、側臉I_p和正臉I_f圖像對，結合批隨機梯度下降方法，對生成器網絡G和判別器網絡D依次進行交替訓練，得到生成器網絡G和判別器網絡D訓練后權值，借助批隨機梯度下降方法對判別器網絡D、生成器網絡G依次進行交替訓練的具體步驟為：

S2021、設置訓練批次大小n＝32和迭代次數t＝200，損失函數中包含的八種權重參數λ₁＝10、λ₂＝1、λ₃＝1、λ₄＝10、λ₅＝0.1、λ₆＝100、λ₇＝0.3，λ₈＝0.0001；

S2022、側臉-正臉圖像對中隨機采樣一個批次n個樣本；

S2023、通過批隨機梯度下降的方法更新判別器網絡D；

S2024、通過批隨機梯度下降的方法更新生成器網絡G：

S2025、重復S2022至S2024，直到達到迭代次數t；

S2026、輸出訓練完成的生成器網絡G的權值θ_G、判別器網絡D的權值θ_D；

S3、將側臉圖像輸入步驟S2完成訓練的生成對抗網絡的生成器G中，生成正臉圖像用于人臉校正。

2.根據權利要求1所述的方法，其特征在于，步驟S1中，側臉圖像I_p的偏轉角由-90°以15°為間隔變化至+90°，共包含13種人臉偏轉角，將偏轉角為0°的人臉圖像作為正臉圖像I_f。

3.根據權利要求1所述的方法，其特征在于，步驟S2中，生成器網絡G包含編碼器G_enc、角度姿態分類模塊M_p、身份約束識別模塊M_i和解碼器G_dec，編碼器G_enc的輸入為側臉圖像I_p，輸出為初始編碼特征f，角度姿態分類模塊M_p的輸入為編碼器G_enc輸出的初始編碼特征f，第一全連接層的輸出為姿態編碼特征f_p，第二全連接層的輸出為姿態分類結果，身份約束識別模塊M_i的輸入為編碼器G_enc輸出的初始編碼特征f，第一全連接層的輸出為身份編碼特征f_i，第二全連接層的輸出為身份分類結果，解碼器G_dec的輸入為身份約束識別模塊M_i輸出的身份編碼特征f_i，輸出為正臉圖像