[发明专利]基于多任务对抗生成网络的强化人脸属性识别方法及系统

权利要求书

1.一种基于多任务对抗生成网络的强化人脸属性识别方法，其特征在于，包括：

步骤S1，获取多属性目标输入矢量和人脸输入影像信息；

步骤S2，对所述多属性目标输入矢量和人脸输入影像信息进行矢量分析，得到多属性描述矢量；

步骤S3，对所述多属性描述矢量的属性数值进行判断，当属性数值不为零时，按照所述属性数值进行影像生成；

步骤S4，将所述多属性描述矢量和人脸输入影像信息输入预先建立的多属性生成模型，按照属性排列顺序对所述人脸输入影像信息进行属性设置，得到目标人脸图像，所述多属性生成模型通过对抗生成网络学习法建立；

通过对抗生成网络学习法建立所述多属性生成模型，具体为：

获取人脸属性标注信息和人脸无标注信息；

根据所述人脸属性标注信息和人脸无标注信息，生成来源资料库；

对所述人脸属性标注信息和人脸无标注信息进行正脸校正，得到校正后的人脸信息；

根据所述校正后的人脸信息，通过对抗生成网络训练生成网络模型，所述网络模型为用来描述正脸外形的流形；

通过所述网络模型可得到与所述来源资料库中相近的人脸辅助信息；

根据所述来源资料库和所述人脸辅助信息，通过一个多任务的对抗生成网络联级架构生成多属性生成模型。

2.根据权利要求1所述的基于多任务对抗生成网络的强化人脸属性识别方法，其特征在于，

还包括：

根据所述来源资料库和所述人脸辅助信息，生成人脸跨属性辅助信息；

对所述人脸属性标注信息，通过预先建立的第一深度学习模型进行训练，得到第一图像表示特征，所述第一深度学习模型通过所述人脸属性标注信息训练得到的；

对所述人脸跨属性辅助信息，通过预先建立的第二深度学习模型进行训练，得到第二图像表示特征，所述第二深度学习模型通过所述人脸辅助信息训练得到的；

根据所述第一图像表示特征和所述第二图像表示特征，进行融合处理，得到属性线性分类。

3.根据权利要求1所述的基于多任务对抗生成网络的强化人脸属性识别方法，其特征在于，

所述步骤S4中，按照属性排列顺序对所述人脸输入影像信息进行属性设置得到目标人脸图像，具体为：

获取所述多属性描述矢量中的至少一个人脸属性；

根据所述人脸输入影像信息和所述多属性描述矢量对应的目标属性，生成属性排列顺序，每次生成的属性排列顺序是唯一的；

根据所述属性排列顺序，依次进行属性设置，每次设置输出得到的人脸属性作为下一顺序属性设置的输入；

按照所述属性排列顺序进行属性设置后，得到目标人脸图像。

4.根据权利要求1所述的基于多任务对抗生成网络的强化人脸属性识别方法，其特征在于，

对所述人脸属性标注信息和人脸无标注信息进行正脸校正，得到校正后的人脸信息，具体为：

通过关键点的侦测与Headpose评估法对所述人脸属性标注信息和人脸无标注信息中无法检测到关键点和角度过大的人脸信息进行过滤，得到过滤后的人脸信息；

通对对抗生成网络学习法对所述过滤后的人脸信息中不同角度的人脸信息进行校正，得到校正后的人脸信息。