[发明专利]一种基于多判别器的人脸合成方法及装置

权利要求书

1.一种基于多判别器的人脸合成方法，其特征在于，所述方法包括：

S1:获取真实人脸图像，并对所获取的真实人脸图像进行预处理，得到规范化的真实人脸图像，将规范化的真实人脸图像作为数据集1；

S2:构建生成器网络，利用生成器网络生成人脸图像，将所生成的人脸图像作为图像集2；

S3:将图像集1和图像集2中的图像分别输入到多个判别器中；

S4:按照AHP层次分析法对判别器进行赋权，根据判别器的层次权重，选取层次权重最高的判别器对输入图像的是否为人脸图像进行判断，并根据判断结果对生成器网络进行调整，利用调整后最优的生成器网络进行人脸图像生成；

所述按照AHP层次分析法对判别器进行赋权，根据判别器的层次权重，选取层次权重最高的判别器对输入图像的是否为人脸图像进行判断，包括：

S41:建立AHP层次模型结构，所建立的AHP层次模型结构的目标层为输入的图像集2图像是否为人脸图像，准则层为人脸肤色、人脸形状以及人脸各部位比例，措施层为卷积神经网络判别器以及KNN判别器；

S42:对准则层以及措施层建立判断矩阵，矩阵中的元素为两项指标重要程度的比较，对准则层建立判断，其中人脸肤色、人脸形状以及人脸各部位比例分别为，所建立的判断矩阵为：

其中：

即表示指标对指标的重要程度，其值越高，表明对目标层的影响程度越大；

S43:分别计算准则层判断矩阵的最大特征根和措施层判断矩阵的最大特征根，并分别计算其一致性指标，其中r为判断矩阵的阶数，并对一致性指标进行修正，其中为修正因子，当，则认为判断矩阵可信，否则需要修改判断矩阵；

S44:根据最终的判断矩阵，逐层确定措施层对目标结果的影响权重，将影响权重作为判别器的赋权；

利用卷积神经网络判别器对图像集2中图像进行判别的流程为：

A1:输入图像集1中的所有图像，利用4层卷积层分别提取不同人脸图像的颜色特征、形状特征以及人脸面部组件的比例特征；

A2:输入图像集2中的生成图像，利用4层卷积层分别提取每个生成图像的颜色特征、形状特征以及人脸面部组件的比例特征，对于任意生成图像，计算生成图像的颜色特征、形状特征以及人脸面部组件的比例特征与图像集1中对应维度特征的最大相似性，将颜色特征、形状特征以及人脸面部组件的比例特征的最大相似性，作为生成图像在人脸肤色、人脸形状、人脸各部位比例维度符合真实人脸图像标准的程度；

A3:计算图像集2中生成图像的特征图与图像集1中真实人脸图像的特征图进行相似性比较，生成图像x在真实人脸图像集合中最大相似性值即为生成图像x是人脸图像的概率；

利用KNN判别器对图像集2中图像进行判别的流程为：

B1:计算图像集2中生成图像x的像素矩阵与图像集1中所有真实人脸图像像素矩阵的差异值：

其中：

为图像集2中生成图像x的像素矩阵；

为图像集1中第k张真实人脸图像的像素矩阵；

为像素矩阵之间的差异，所述像素矩阵包括颜色值像素矩阵、人脸形状部分像素矩阵、人脸面部组件部分像素矩阵、人脸图像像素矩阵，计算方法为Mahattan距离计算法；

B2:将所计算的N个差异值进行归一化处理，将作为生成图像在人脸肤色、人脸形状、人脸各部位比例维度符合真实人脸图像标准的程度，以及生成图像x是人脸图像的概率，其中表示不同像素矩阵中生成图像与真实图像的最小差异值；

S5:选取层次权重最高的判别器对输入图像的是否为人脸图像进行判断。