一种基于生成对抗网络模型生成多角度人脸图像的方法.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CN109635745A(43)申请公布日2019.04.16(21)申请号201811528488.X(22)申请日2018.12.13(71)申请人广东工业大学地址510060广东省广州市越秀区东风东路729号大院(72)发明人程良伦赵志舜黄国恒(74)专利代理机构北京集佳知识产权代理有限公司11227代理人罗满(51)Int.Cl.G06K9/00(2006.01)权利要求书2页说明书7页附图3页(54)发明名称一种基于生成对抗网络模型生成多角度人脸图像的方法(57)摘要本发明公开了一种基于生成对抗网络模型生成多角度人脸图像的方法，能够获取基于原始人脸图像生成指定角度的人脸图像的请求，然后分别提取原始人脸图像的轮廓特征和五官特征，最后将指定角度、轮廓特征、以及五官特征输入预先训练得到的生成对抗网络模型，得到目标人脸图像。可见，该方法利用预先训练完成的生成对抗网络模型实现了基于人脸图像生成任意指定角度人脸图像的目的，避免了人脸姿态变化给身份识别带来的影响。此外，本发明还提供了一种基于生成对抗网络模型生成多角度人脸图像的装置、设备及计算机可读存储介质，其作用与上述方法相对应。CN109635745ACN109635745A权利要求书1/2页1.一种基于生成对抗网络模型生成多角度人脸图像的方法，其特征在于，所述方法包括：获取基于原始人脸图像生成指定角度的人脸图像的请求；分别提取所述原始人脸图像的轮廓特征和五官特征；将所述指定角度、所述轮廓特征、以及所述五官特征输入预先训练得到的生成对抗网络模型，得到目标人脸图像。2.如权利要求1所述的方法，其特征在于，所述分别提取所述原始人脸图像的轮廓特征和五官特征，具体包括：对所述原始人脸图像的目标区域进行裁剪，得到多个图像块；对各个所述图像块进行编码，得到五官特征。3.如权利要求1所述的方法，其特征在于，所述生成对抗网络模型包括轮廓图像生成器和五官图像生成器，所述将所述指定角度、所述轮廓特征、以及所述五官特征输入预先训练得到的生成对抗网络模型，得到目标人脸图像，具体包括：将所述指定角度和所述轮廓特征输入所述轮廓图像生成器，得到轮廓图像；将所述指定角度和所述五官特征输入所述五官图像生成器，得到五官图像；根据所述轮廓图像和所述五官图像，生成目标人脸图像。4.如权利要求3所述的方法，其特征在于，所述将所述指定角度和所述轮廓特征输入所述轮廓图像生成器，得到轮廓图像，具体包括：将所述指定角度、所述轮廓特征、以及预设维度的噪声向量输入所述轮廓图像生成器，得到轮廓图像。5.如权利要求1-4任意一项所述的方法，其特征在于，所述生成对抗网络模型的训练过程包括：获取真实人脸图像以及生成的目标人脸图像；根据所述目标人脸图像与所述真实人脸图像，计算模型损失值；判断所述模型损失值是否满足预设条件；若不满足，则调整所述生成对抗网络模型的模型参数。6.如权利要求5所述的方法，其特征在于，所述根据所述目标人脸图像与所述真实人脸图像，计算模型损失值，具体包括：根据所述目标人脸图像与所述真实人脸图像，分别计算身份损失值、像素损失值、以及对抗损失值；根据所述身份损失值、所述像素损失值、所述对抗损失值、以及各个损失值的预设超参数，计算模型损失值。7.一种基于生成对抗网络模型生成多角度人脸图像的装置，其特征在于，所述装置包括：请求获取模块：用于获取基于原始人脸图像生成指定角度的人脸图像的请求；特征提取模块：用于分别提取所述原始人脸图像的轮廓特征和五官特征；图像生成模块：用于将所述指定角度、所述轮廓特征、以及所述五官特征输入预先训练得到的生成对抗网络模型，得到目标人脸图像。8.如权利要求7所述的装置，其特征在于，所述特征提取模块具体包括：2CN109635745A权利要求书2/2页裁剪单元：用于对所述原始人脸图像的目标区域进行裁剪，得到多个图像块；编码单元：用于对各个所述图像块进行编码，得到五官特征。9.一种基于生成对抗网络模型生成多角度人脸图像的设备，其特征在于，包括：存储器：用于存储计算机程序；处理器：用于执行所述计算机程序，以实现如权利要求1-6任意一项所述的一种基于生成对抗网络模型生成多角度人脸图像的方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述的一种基于生成对抗网络模型生成多角度人脸图像的方法的步骤。3CN109635745A说明书1/7页一种基于生成对抗网络模型生成多角度人脸图像的方法技术领域[0001]本发明涉及图像处理领域，特别涉及一种基于生成对抗网络模型生成多角度人脸图像的方法、装置、设备及计算机可读存储介质。背景技术[0002]人脸