[发明专利]人脸遮挡物去除及其模型构建的方法、设备及介质

说明书

本发明公开了一种人脸遮挡物去除及其模型构建的方法、设备及介质，该人脸遮挡物去除模型的构建方法包括：获取训练数据集，训练数据集包括多张真实无遮挡人脸图像与被遮挡人脸图像；将真实无遮挡人脸图像与被遮挡人脸图像进行预处理；将经过预处理的被遮挡人脸图像输入生成网络，以得到对应于被遮挡人脸图像的仿真无遮挡人脸图像；将仿真无遮挡人脸图像与经过预处理的真实无遮挡人脸图像共同输入对抗网络进行区别分类，并更新生成网络和对抗网络的参数数值；重复第三和第四步骤，直至达到预定目标后记录参数数据。本发明不需要人工设计特征提取方式，图像的特征表示为人工神经网络的自动学习，扩展性好，模型可扩展用于任何类型的人脸遮挡物。

技术领域

本发明涉及人工神经网络领域，特别是涉及一种人脸遮挡物去除及其模型构建的方法、设备及介质。

背景技术

人脸遮挡物主要指对人脸造成遮挡，影响人脸身份认定的日常佩戴物，如口罩和墨镜等。人脸遮挡物去除方法就是通过图像分析处理方式，将图像中的人脸遮挡物去除，生成五官清晰可见的人脸图像，并保留人脸原有的身份信息。现有技术的去除人脸遮挡物的方法，一方面是通过人工观察图像，并通过想象,近似描绘出被遮挡人脸的五官信息；另一方面是基于传统机器学习的方法来实现，即人工构造相应的人脸特征,并利用传统的机器学习方法，如稀疏表达和字典学习等，来重建人脸被遮挡的区域。

现有技术的缺点是：人工方法耗时耗力，并且受工作人员自身经验的影响很大。基于传统机器学习的方法将特征提取和模型学习分为两个独立的阶段，但是这两个过程无法进行统一优化，使得最终结果无法达到最优。另外，人工构造的特征提取方式依赖于人的经验，无法从海量数据中挖掘更加有效的特征。传统机器学习模型总的来说比较简单，难以有效学习高维数据之间高度复杂的变换关系。

发明内容

本发明实施例主要提供一种人脸遮挡物去除及其模型构建的方法、设备及介质，以解决现有技术在去除人脸遮挡物中，人工方法耗时耗力，而传统机器学习的方法又难以有效学习高维数据之间高度复杂的变换关系，导致去除人脸遮挡物耗时耗力并且处理过程比较复杂的问题。

为解决上述技术问题，本发明实施例采用的一技术方案如下：

一种人脸遮挡物去除模型的构建方法，其特征在于，该构建方法基于生成对抗网络所形成，所述生成对抗网络包括生成网络及对所述生成网络进行调优的对抗网络，该构建方法包括以下步骤：

1)获取训练数据集，所述训练数据集包括多张真实无遮挡人脸图像与被遮挡人脸图像；2)将所述真实无遮挡人脸图像与所述被遮挡人脸图像进行预处理；3)将经过预处理的所述被遮挡人脸图像输入所述生成网络，以得到对应于所述被遮挡人脸图像的仿真无遮挡人脸图像；4)将所述仿真无遮挡人脸图像与经过预处理的所述真实无遮挡人脸图像共同输入所述对抗网络，以让所述对抗网络对其进行区别分类，并更新生成网络和对抗网络的参数数值；5)重复第3)和第4)两个步骤，直至达到预定目标后，记录并保存此时的所述生成网络的网络结构与参数数值，并将其作为所述人脸遮挡物去除模型的网络结构与参数数值。

为解决上述技术问题，本发明实施例采用的另一技术方案如下：

一种人脸遮挡物的去除方法，其基于上述的人脸遮挡物去除模型的构建方法所构建的人脸遮挡物去除模型来实现，其包括以下步骤：

接收待去除遮挡物的人脸遮挡物图像的处理信号，并对所述人脸遮挡物图像进行预处理；读取预先保存的所述人脸遮挡物去除模型的网络结构与参数数值，以恢复生成对所述人脸遮挡物图像的处理信号进行处理的目标生成网络；将所述人脸遮挡物图像输入所述目标生成网络进行处理，以输出无遮挡物且保留所述人脸遮挡物图像原有脸部信息的人脸图像。

为解决上述技术问题，本发明实施例采用的又一技术方案如下：