[发明专利]一种基于合成图像和深度学习的虚拟人脸识别方法

说明书

本发明公开了一种基于合成图像和深度学习的虚拟人脸识别方法，利用图像合成技术生成图像库，再将生成的图像库作为训练数据集来建立深度学习模型，用成功训练的模型识别输入的人脸照片。本方法实现了特征人脸照片的智能合成和实际人脸照片的智能识别，有效、精准地完成人脸的合成和识别。

技术领域

本发明属于图像合成和人脸识别方法技术领域，特别是涉及一种基于合成图像和深度学习的虚拟人脸识别方法。

背景技术

当今社会儿童走失，拐卖儿童现象十分严重，孩子的丢失对于一个家庭来说是一个沉痛的打击，为了寻回自己的孩子，父母竭尽所能，即使行万里路走访全国各地，寻找孩子的步伐也不曾停歇，一年，两年……无数个岁月指缝间流逝，但孩子的下落依旧杳无音信，当初幼小的儿童也成长为了另一幅模样。

为了帮助父母寻回自己的孩子，同时也让走失孩子找到自己的亲生父母，本文基于图像合成和深度学习提出了一种虚拟人脸识别的方法，目前寻亲方法主要是在寻子网上上传照片发布寻亲消息和百度寻人提供的人脸识别方法，百度寻人虽然运用了人工智能的人脸识别方法，但是其人脸数据库是由基于现实存在的人脸照片组成，可随着走失的时间增长，人的模样在不断变化，识别长大后的照片与儿童走丢时的照片进行对比，相似度是不容乐观的。

发明内容

为了解决上述技术问题，本发明提供了一种基于图像合成和深度学习的虚拟人脸识别方法。一种基于合成图像和深度学习的虚拟人脸识别方法，其特征在于，包括以下步骤：

步骤1：图像合成；

具体包括以下子步骤：

步骤1.1：给定父亲照片F和母亲照片M，计算中间照片C关键点坐标；

步骤1.2：合成中间照片C；

具体包括以下子步骤：

步骤1.2.1：对合成照片进行三角剖分；

步骤1.2.2：对取样照片进行相同位置的三角剖分；

步骤1.2.3：计算三角剖分后合成照片与取样照片中各个对应的小三角形的仿射变换矩阵；

步骤1.2.4：将取样照片小三角形中各个像素点按照各自的仿射变换矩阵映射到合成照片相对应的三角形内；

步骤2：构建人脸识别模型；

具体包括以下子步骤：

步骤2.1：照片预处理，将预处理的照片分成两大类，分别为训练集和测试集，训练集用来训练卷积神经网络模型，将训练后的模型在测试集上进行测试；

步骤2.2：训练深度卷积神经网络模型；

具体包括以下子步骤：

步骤2.2.1：构建卷积神经网络结构；

步骤2.2.2：使用反向传播算法训练卷积神经网络模型；

步骤3：使用模型进行人脸识别。

本发明与背景技术相比，具有的有益的效果是：

(1)准确性。运用合成的虚拟人脸照片构建训练集来高强度训练卷积神经网络模型，使得模型的识别率更高、更精准。

(2)高效性。通过卷积神经网络模型不仅可以从样本照片中构建出合成照片，也可以从合成照片追寻其参考的样本照片。

附图说明

图1为本发明实施例的流程图。

具体实施方式