[發明專利]一種無需標注的人臉分割方法及系統

有效

• 申請號: 202210087333.7
• 申請日: 2022-01-25
• 公開（公告）號: CN114445441B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 褚一平;張雪妮;朱華山;陳建勇;鄭義;郁星星;陳士春;唐志學;潘翔;趙小敏;鄭河榮;黃葉玨
• 申請（專利權）人: 杭州海量信息技術有限公司
• 主分類號: G06T7/136
• 分類號: G06T7/136;G06T3/40
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 方亞兵

1.一種無需標注的人臉分割方法，其特征在于，包括以下步驟：

基于標準證件照片的特點，構建先驗知識模型，生成訓練數據集，所述訓練數據集用于作為適合人臉分割任務的網絡模型的輸入數據，對所述網絡模型進行訓練，其中，所述先驗知識模型用于自動對所述標準證件照片進行標注，生成用于構建所述訓練數據集的標簽圖像；

構建適合人臉分割任務的所述網絡模型，所述網絡模型用于通過對所述訓練數據集進行訓練，生成人臉分割網絡模型；

將所述訓練數據集作為所述網絡模型的所述輸入數據，對所述網絡模型進行訓練，構建所述人臉分割網絡模型，所述人臉分割網絡模型用于將普通照片生成標準的證件照片；

根據標準證件照片的先驗知識，構造圖像標簽生成和過濾規則，對證件照片圖像數據進行處理生成第一訓練數據集，設計高容錯的人臉分割網絡結構和損失函數，在第一訓練數據集上訓練，并集成各階段的訓練結果構建第一集成人臉分割網絡模型；

利用第一集成人臉分割網絡模型對標準人臉圖像數據進行分割，采用最優閾值搜索的方法生成第二訓練數據集，使用第二訓練數據集對人臉分割網絡進行訓練，并集成其各階段的訓練結果構造第二集成人臉分割網絡模型；

利用第二集成人臉分割網絡模型對標準人臉圖像數據進行分割，采用最優閾值搜索的方法生成第三訓練數據集，利用第一集成人臉分割網絡模型對標準證件照片圖像數據進行分割，采用最優閾值搜索的方法生成第四訓練數據集，把第三訓練數據集和第四訓練數據集按一定比例混合，對人臉分割網絡進行訓練直至收斂，得到統一人臉分割網絡模型。

2.根據權利要求1所述一種無需標注的人臉分割方法，其特征在于：

根據標準證件照片的先驗知識，構造圖像標簽生成和過濾規則過程中，將所述標準證件照片轉化為灰度圖像；

根據所述灰度圖像，獲取所述灰度圖像的直方圖；

根據所述直方圖，搜索其相鄰單元數值變化最大處的下標作為圖像分割的閾值；

通過所述閾值，對所述標準證件照片進行分割，生成所述標簽圖像。

3.根據權利要求2所述一種無需標注的人臉分割方法，其特征在于：

統計所述標簽圖像的每一行中值為255的像素個數，生成投影數據，在投影數據中設計過濾規則，判斷標簽圖像是否符合訓練數據的標準；

對于未被過濾的標簽圖像，定位每行中第一個和最后一個值為255的像素位置，并把它們之間的所有像素值設為255；

對證件照片圖像數據進行上述處理，符合規則的標簽圖像及其對應的標準證件照片圖像構成第一訓練數據集。

4.根據權利要求1所述一種無需標注的人臉分割方法，其特征在于：

人臉分割網絡在第一訓練數據集上訓練20輪次，得到20個網絡的模型參數；

通過對后16個模型參數的網絡實例的預測結果進行加權，產生第一集成分割網絡，輸入一張人臉圖像，第一集成分割網絡的預測結果為16個網絡預測結果加權之后的值。

5.根據權利要求1所述一種無需標注的人臉分割方法，其特征在于：

把普通人臉圖像按標準證件照片的尺寸對齊，得到標準人臉圖像；

利用第一集成人臉分割網絡模型對所述標準人臉圖像數據進行分割，采用最優閾值搜索的方法生成第二訓練數據集；

使用第二訓練數據集對人臉分割網絡進行訓練，并集成其各階段的訓練結果構造第二集成人臉分割網絡模型。

6.根據權利要求5所述一種無需標注的人臉分割方法，其特征在于：

最優閾值是通過評價整個圖像數據集來得到；

采用規則測試的方式評價一張標簽圖像是否合格，統計標簽圖像的第一行和最后一行中值為255的像素個數，記作n1和n2；分別統計標簽圖像R的上半部分的第一列和最后一列中值為255的像素個數，記作n3和n4；

如果同時滿足四條規則，則該標簽圖像符合要求，否則認為不符合要求，sw為所述標準人臉圖像的寬；

閾值在0.1到1.0的范圍內以0.1的步長在整個數據集中進行搜索，統計整個數據集中不同閾值產生的標簽圖像符合要求的總數量，取使符合要求的總數量最大的閾值作為最終的分割閾值。

7.一種無需標注的人臉分割系統，其特征在于，包括：

證件照片先驗規則自動標注模塊，根據標準證件照片的先驗知識，構造圖像標簽生成和過濾規則，對證件照片圖像數據進行處理生成第一訓練數據集；

人臉分割網絡及訓練模塊，設計高容錯的人臉分割網絡結構和損失函數，在數據集上訓練，并集成各階段的訓練結果構建集成人臉分割網絡模型用于實現人臉分割；

普通人臉照片自動標注模塊，把普通人臉圖像按標準證件照片的尺寸對齊，得到標準人臉圖像；

在所述第一訓練數據集上訓練，并集成各階段的訓練結果構建第一集成人臉分割網絡模型；

利用所述第一集成人臉分割網絡模型對標準人臉圖像數據進行分割，采用最優閾值搜索的方法生成第二訓練數據集，使用第二訓練數據集對人臉分割網絡進行訓練，并集成其各階段的訓練結果構造第二集成人臉分割網絡模型；

利用所述第二集成人臉分割網絡模型對標準人臉圖像數據進行分割，采用最優閾值搜索的方法生成第三訓練數據集；

利用所述第一集成人臉分割網絡模型對標準證件照片圖像數據進行分割，采用最優閾值搜索的方法生成第四訓練數據集；

統一人臉分割網絡訓練和預測模塊，把第三訓練數據集和第四訓練數據集按一定比例混合，對人臉分割網絡進行訓練直至收斂，得到統一人臉分割網絡模型，該網絡模型用于實現將普通照片生成標準的證件照片。