[发明专利]一种面部形状预测方法、系统及电子设备

权利要求书

1.一种面部形状预测方法，其特征在于，包括如下步骤：

获取各年龄段人脸数据，预处理后得到源年龄段人脸数据和目标年龄段人脸数据；

构造循环生成对抗网络，将所述源年龄段人脸数据输入所述循环生成对抗网络，获得第一面部形状预测数据和第二面部形状预测数据；所述第一面部形状预测数据为所述源年龄段人脸数据经过所述循环生成对抗网络后预测得到的目标年龄段人脸数据，所述第二面部形状预测数据为所述第一面部形状预测数据经过所述循环生成对抗网络后预测得到的源年龄段人脸数据；

基于所述源年龄段人脸数据、所述目标年龄段人脸数据、所述第一面部形状预测数据和所述第二面部形状预测数据计算所述循环生成对抗网络的总体损失，基于总体损失阈值进行循环生成对抗网络训练；

训练成功后，将待预测的人脸数据输入训练成功的所述循环生成对抗网络，得到目标年龄段的预测人脸数据。

2.根据权利要求1所述的面部形状预测方法，其特征在于，所述基于总体损失阈值进行循环生成对抗网络训练，进一步包括如下步骤：

判断所述总体损失是否超过所述总体损失阈值，若低于所述总体损失阈值，则所述循环生成对抗网络训练成功；

若超过所述总体损失阈值，则采用后向梯度传播对所述循环生成对抗网络进行下一轮训练。

3.根据权利要求1所述的面部形状预测方法，其特征在于，所述预处理后得到源年龄段人脸数据和目标年龄段人脸数据，进一步包括如下步骤：

将所述各年龄段人脸数据按照预设年龄段进行划分，得到若干人脸图像数据组；

选取若干人脸图像数据组，将选取的人脸图像数据组的所述人脸图像数据均采用面部定位点检测算法计算面部器官、轮廓的位置，将得到的位置数据转换成人脸数据；

选取所述人脸数据并按照年龄段划分为源年龄段人脸数据和目标年龄段人脸数据。

4.根据权利要求1所述的面部形状预测方法，其特征在于，所述循环生成对抗网络包括第一生成对抗网络和第二生成对抗网络；所述第一生成对抗网络包括第一生成器和第一判别器，所述第二生成对抗网络包括第二生成器和第二判别器。

5.根据权利要求4所述的面部形状预测方法，其特征在于，所述将所述源年龄段人脸数据输入所述循环生成对抗网络，获得第一面部形状预测数据和第二面部形状预测数据，进一步包括如下步骤：

将所述源年龄段人脸数据输入所述第一生成对抗网络的第一生成器，得到第一面部形状预测数据；将所述第一面部形状预测数据输入所述第一判别器，得到第一判别数据；

将所述第一面部形状预测数据输入所述第二生成对抗网络的第二生成器，得到第二面部形状预测数据；将所述第二面部形状预测数据输入所述第二判别器，得到第二判别数据。

6.根据权利要求5所述的面部形状预测方法，其特征在于，所述总体损失包括特征损失、对抗损失和循环一致性损失；所述对抗损失包括第一对抗损失和第二对抗损失。

7.根据权利要求6所述的面部形状预测方法，其特征在于，所述基于所述源年龄段人脸数据、所述目标年龄段人脸数据、所述第一面部形状预测数据和所述第二面部形状预测数据计算所述循环生成对抗网络的总体损失，进一步包括如下步骤：

确定所述源年龄段人脸数据的特征点数据，基于所述源年龄段人脸数据的特征点数据、所述目标年龄段人脸数据和所述第一面部形状预测数据计算所述特征损失；

基于所述源年龄段人脸数据和所述第一判别数据计算所述第一对抗损失；

基于所述第二判别数据和所述第二面部形状预测数据计算所述第二对抗损失；

基于所述源年龄段人脸数据和所述第二面部形状预测数据计算所述循环一致性损失；

基于所述特征损失、所述第一对抗损失、所述第二对抗损失和所述循环一致性损失计算所述循环生成对抗网络的总体损失。