人脸图像生成方法及装置、人脸识别方法、设备、介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114255502A(43)申请公布日2022.03.29(21)申请号202111590994.3(22)申请日2021.12.23(71)申请人中国电信股份有限公司地址100033北京市西城区金融大街31号(72)发明人邹航刘巧俏张琦(74)专利代理机构北京律智知识产权代理有限公司11438代理人王辉阚梓瑄(51)Int.Cl.G06V40/16(2022.01)G06N3/08(2006.01)权利要求书2页说明书14页附图5页(54)发明名称人脸图像生成方法及装置、人脸识别方法、设备、介质(57)摘要本公开提供了一种人脸图像生成方法及装置、人脸识别方法、设备、介质，涉及人工智能技术领域。该人脸图像生成方法包括：获取原始域人脸图像；将原始域人脸图像输入到多域人脸图像转换网络中，生成原始域人脸图像对应的至少一个目标域人脸图像；其中，原始域人脸图像和目标域人脸图像的域类型不同，多域人脸图像转换网络是通过预训练过程生成的。本公开实施例的技术方案中只需输入采集到的原始域人脸图像，即可在不依赖特殊的采集硬件情况下，转换生成多目标域人脸图像，减少硬件成本，并且相比于相关技术方案中一个模型仅能生成一种目标域的人脸图像，生成效率更高，节省资源。CN114255502ACN114255502A权利要求书1/2页1.一种人脸图像生成方法，其特征在于，包括：获取原始域人脸图像；将所述原始域人脸图像输入到多域人脸图像转换网络中，生成所述原始域人脸图像对应的至少一个目标域人脸图像；其中，所述原始域人脸图像和各所述目标域人脸图像的域类型不同，所述多域人脸图像转换网络是通过预训练过程生成的。2.根据权利要求1所述的方法，其特征在于，所述预训练过程包括：获取样本人脸图像以及所述样本人脸图像对应的至少一个样本域人脸图像，所述样本人脸图像和所述样本域人脸图像的域类型不同，并根据所述样本人脸图像和所述样本域人脸图像构建训练样本集；构建初始多域人脸图像转换网络，其中，初始多域人脸图像转换网络包括注意力机制模块、多域生成模块、人脸相似度监督模块和图像特征相似度监督模块；通过所述训练样本集对所述初始多域人脸图像转换网络进行网络训练，直到所述初始多域人脸图像转换网络对应的损失函数收敛，得到完成训练的多域人脸图像转换网络。3.根据权利要求2所述的方法，其特征在于，通过所述训练样本集对所述初始多域人脸图像转换网络进行网络训练，包括：将所述样本人脸图像输入到所述多域生成模块中，生成具有不同于所述样本人脸图像的域类别的中间人脸图像；其中，所述多域生成模块以所述样本域人脸图像为标签数据进行训练，使生成的所述中间人脸图像的图像特征与所述样本域人脸图像的图像特征之间的相似度大于相似度阈值；所述多域生成模块包括支持多域输出的生成对抗网络或者多域变分自编码器。4.根据权利要求3所述的方法，其特征在于，将所述样本人脸图像输入到所述多域生成模块中，生成具有不同于所述样本人脸图像的域类别的中间人脸图像，包括：通过设置在所述多域生成模块中的注意力机制模块提取所述样本人脸图像的关键图像区域，以约束所述多域生成模块生成包含所述关键图像区域的所述中间人脸图像；其中，所述注意力机制模块包括CBAM网络或者SE网络。5.根据权利要求2所述的方法，其特征在于，通过所述训练样本集对所述初始多域人脸图像转换网络进行网络训练，包括：提取所述样本人脸图像对应的第一人脸特征，提取所述中间人脸图像对应的第二人脸特征；将所述第一人脸特征和所述第二人脸特征输入到人脸相似度监督模块中，确定第一损失，并通过所述第一损失约束所述多域生成模块的训练。6.根据权利要求2所述的方法，其特征在于，通过所述训练样本集对所述初始多域人脸图像转换网络进行网络训练，包括：提取所述样本人脸图像对应的第一图像特征，提取所述中间人脸图像对应的第二图像特征；将所述第一图像特征和所述第二图像特征输入到图像特征相似度监督模块中，确定第二损失，并通过所述第二损失约束所述多域生成模块的训练。7.一种人脸识别方法，其特征在于，包括：2CN114255502A权利要求书2/2页获取待识别的当前人脸图像；通过权利要求1至权利要求6任一项所述的人脸图像生成方法，生成所述当前人脸图像对应的至少一个目标域人脸图像；对所述当前人脸图像和所述目标域人脸图像进行人脸识别，确定至少一个识别结果；若检测到所述识别结果中目标识别结果的数量大于或者等于数量阈值，则将所述目标识别结果作为所述当前人脸图像的人脸识别结果。8.一种人脸图像生成装置，其特征在于，包括：人脸图像获取模块，用于获取原始域人脸图像；人脸图像生成模块，用于将所述原始域人脸图像输入到多域人脸图像转换网络中，生成所述原始域人脸图像对应的至少一