[发明专利]一种基于深度学习的人脸重建矫正方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，特别是涉及一种基于深度学习的人脸重建矫正方法及装置。

背景技术

随着科学技术的进步和各种场景中对人脸识别的需求的增加，人脸识别技术逐渐发展起来。基于人脸识别技术的人脸识别设备已被广泛应用于小区、商场、写字楼等场所，通过人脸识别可以实现非接触式的便捷监控和安全认证。

在对人脸图像进行识别的过程中，一般要求待识别的图像为正脸图像，这样才能进行准确识别。但是，在实际应用中，采集到的人脸图像可能为侧脸，具有一定角度，使得人脸识别准确率不高。

所以，如何有效地解决对有角度的人脸图像进行正确识别的问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种基于深度学习的人脸重建矫正方法及装置，以提高人脸识别准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种基于深度学习的人脸重建矫正方法，包括：

获得初始人脸图像；

对所述初始人脸图像进行预处理，获得所述初始人脸图像的精定位人脸图像；

将所述精定位人脸图像输入到基于深度学习预先训练的卷积神经网络中，进行前向传播，获得所述精定位人脸图像对应的正脸图像；

对所述正脸图像进行人脸识别。

在本发明的一种具体实施方式中，所述对所述初始人脸图像进行预处理，获得所述初始人脸图像的精定位人脸图像，包括：

检测所述初始人脸图像中人脸的粗定位区域；

对所述粗定位区域进行灰度化处理，获得人脸灰度图像；

提取所述人脸灰度图像中预设数量的关键点；

根据所述关键点，确定所述初始人脸图像对应的精定位人脸图像。

在本发明的一种具体实施方式中，所述根据所述关键点，确定所述初始人脸图像对应的精定位人脸图像，包括：

基于所述卷积神经网络，扩大提取到的关键点区域，并调整扩大后的所述关键点区域的大小，获得所述初始人脸图像对应的精定位人脸图像。

在本发明的一种具体实施方式中，通过以下步骤预先训练所述卷积神经网络：

获得多个人的样本图像集，每个人的样本图像集中包含该人的多个不同角度的人脸的样本图像；

针对每个人的样本图像集，从该样本图像集中选择一个正脸图像，将该正脸图像分别与该样本图像集中每个样本图像组成一个图像对，获得多个图像对；

针对第1个图像对，将该图像对中样本图像输入到预先建立的初始卷积神经网络中，进行前向传播，获得该样本图像对应的输出图像；

将该图像对中正脸图像和该输出图像进行对比，确定所述初始卷积神经网络最后一层的输出损失；

将所述初始卷积神经网络最后一层的输出损失进行反向传播，调整所述初始卷积神经网络中每层的网络参数；

针对第j个图像对，重复执行所述将该图像对中样本图像输入到预先建立的初始卷积神经网络中，进行前向传播，获得该样本图像对应的输出图像的步骤，直至该图像对对应的输出图像与该图像对中正脸图像具有相同的拟合能力，获得训练后的所述卷积神经网络，其中，j≥2。

在本发明的一种具体实施方式中，所述将该图像对中正脸图像和该输出图像进行对比，确定所述初始卷积神经网络最后一层的输出损失，包括：

将该图像对中正脸图像和该输出图像的相应像素点相减；

根据相减结果，确定该图像对中正脸图像与该输出图像的欧氏距离；

根据所述欧氏距离，确定所述初始卷积神经网络最后一层的输出损失。

一种基于深度学习的人脸重建矫正装置，包括：

初始人脸图像获得模块，用于获得初始人脸图像；

精定位人脸图像获得模块，用于对所述初始人脸图像进行预处理，获得所述初始人脸图像的精定位人脸图像；

正脸图像获得模块，用于将所述精定位人脸图像输入到基于深度学习预先训练的卷积神经网络中，进行前向传播，获得所述精定位人脸图像对应的正脸图像；

人脸识别模块，用于对所述正脸图像进行人脸识别。

在本发明的一种具体实施方式中，所述精定位人脸图像获得模块，具体用于：

检测所述初始人脸图像中人脸的粗定位区域；

对所述粗定位区域进行灰度化处理，获得人脸灰度图像；

提取所述人脸灰度图像中预设数量的关键点；

根据所述关键点，确定所述初始人脸图像对应的精定位人脸图像。