[发明专利]一种面部形状预测方法、系统及电子设备

说明书

本发明公开了一种面部形状预测方法、系统及电子设备，包括如下步骤：第一步，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；第二步，构造循环生成对抗网络，将源年龄段人脸数据输入循环生成对抗网络，获得第一面部形状预测数据和第二面部形状预测数据；第三步，基于源年龄段人脸数据、目标年龄段人脸数据、第一面部形状预测数据和第二面部形状预测数据计算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；第四步，将待预测的人脸数据输入训练成功的循环生成对抗网络，得到目标年龄段的预测人脸数据；通过上述方式，本发明保留了个性化特征，使得预测数据更加真实。

技术领域

本发明涉及人工智能与深度学习技术领域，特别是涉及一种面部形状预测方法、系统及电子设备。

背景技术

利用计算机技术分析人脸图像中随时间变化的年龄特征，合成在美学上呈现具有自然衰老或年轻化的面部图像的技术，被称为面部生长(Face Aging，FA)；婴幼儿面部图像的面部生长技术作为全年龄段面部生长技术中最重要的一环，可以通过自适应地生成儿童长大后的样貌作为参考信息，为失踪儿童寻找案件的侦破提供线索；在婴幼儿面部生长技术中，面部形状的变化是婴幼儿面部成长中最重要因素之一；为了真实地模拟预测中面部形状变化，方法应尊重人类面部普适性生长规律，也包含个体面部的个性化特征发展。

研究者们使用几何物理类方法对面部衰老建模；这类方法将面部肌肉或皮肤分解为或三维的几何单元，使用心源性转换模型、三维形状模型、人体测量学模型、颅面生长模型等来表示面部形状的位置信息；这些方法虽然满足了面部生长的普遍性规律，但同时不可避免的带来了个性化特征的流失；因此，此类方法通常只在非真实的衰老渲染中使用，例如素描人脸图像的面部形状合成等专业领域，在真实世界人脸照片图像中并不适用。

发明内容

本发明主要解决的技术问题是提供一种面部形状预测方法、系统及电子设备，能够解决只考虑面部生长的普遍性规律，带来的个性化特征流失的问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种面部形状预测方法，包括如下步骤：

第一步，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；

第二步，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；

第三步，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；

第四步，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。

作为一种改进方案，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。

作为一种改进方案，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；