CN107194868A - 一种人脸图像生成方法及装置 - Google Patents
一种人脸图像生成方法及装置 Download PDFInfo
- Publication number
- CN107194868A CN107194868A CN201710355708.2A CN201710355708A CN107194868A CN 107194868 A CN107194868 A CN 107194868A CN 201710355708 A CN201710355708 A CN 201710355708A CN 107194868 A CN107194868 A CN 107194868A
- Authority
- CN
- China
- Prior art keywords
- facial image
- face
- age
- image
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001308 synthesis method Methods 0.000 title claims abstract description 28
- 230000001815 facial effect Effects 0.000 claims abstract description 158
- 239000013598 vector Substances 0.000 claims abstract description 63
- 230000015572 biosynthetic process Effects 0.000 claims description 18
- 238000003786 synthesis reaction Methods 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 28
- 238000005516 engineering process Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 11
- 230000032683 aging Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241000208125 Nicotiana Species 0.000 description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000539 dimer Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009759 skin aging Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种人脸图像生成方法及装置,通过获取用户的人脸图像;对人脸图像进行年龄估算,确定人脸图像对应用户的当前年龄组别向量;对人脸图像进行编码,获取人脸图像的隐性变量;结合隐性变量以及当前年龄组别向量,对用户的人脸进行还原;根据隐性变量以及目标年龄组别向量,生成用户在目标年龄的人脸图像。本发明所提供的人脸图像生成方法及装置,通过人脸年龄估计获得年龄组别向量,通过图像编码获取隐性变量,两者结合得到目标年龄段的人脸图像。与传统的特点年龄人脸估计的技术相比,本发明所提供的方法及装置准确率较高。
Description
技术领域
本发明涉及计算机图像处理技术领域,特别是涉及一种人脸图像生成方法及装置。
背景技术
人脸图像包含很多信息,如身份、表情、姿态、性别和年龄。当前已有很多关于人脸识别、表情、姿态分类的研究。在人脸识别中存在当人脸图像的年龄跨度较大时,人脸识别准确率下降的问题。针对该问题,很多人提出了各种跨年龄识别算法来解决这个问题。
基于人脸图像年龄估计的应用并不局限于跨年龄识别,年龄是人的中亚生物特征,可以应用于多种不同的场景。基于年龄的人机交互系统,根据用户的不同年龄,提供不同的交互界面,更好地为用户服务;给予年龄的访问控制,如禁止未成年人访问色情网站,购买烟酒等;电子商务中个性营销,针对不同年龄段的用户采用不同的营销手段;刑事案件中的年龄过滤等。
基于人脸图像的年龄估计又是一个难题,首先影响人脸变化因素很多,其中包含内因和外因。内因一般是指不同人的年龄特征变化模式不同,且性别也对年龄特征变换有影响。外因一般指后天的生活条件,工作环境的影响,如大量基础紫外线导致皮肤老化;长时间食用烟酒也容易衰老;长时间生活不如意,衰老速度也加快。获取的图像往往包含其他的信息,如光照、姿态和表情等。年龄变化是不可逆的,数据采集困难,缺少合适的人脸图像数据集是年龄估计困难的一个重要因素。
在很多时候,我们需要针对特定的人脸进行年龄识别,得到该人脸的年龄信息,然后预测和生成其在特定年龄段的人脸图像。这种技术不仅在日常生活中有着重要的应用,尤其在刑事侦查中更有不可替代的重要作用。但是由于该技术涉及到人脸年龄估计和特定年龄段人脸图像生成两种技术,如何将两种技术结合起来,并且保证较高的准确率是一个非常有挑战和有意义的课题。
发明内容
本发明的目的是提供一种人脸图像生成方法及装置,以将年龄估算以及特定年龄段人脸图像生成两种技术结合,生成准确率较高的目标年龄段的人脸图像。
为解决上述技术问题,本发明提供一种人脸图像生成方法,包括:
获取用户的人脸图像;
对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
可选地,在所述获取用户的人脸图像之后还包括:
对获取到的所述人脸图像进行图像预处理。
可选地,所述对获取到的所述人脸图像进行图像预处理包括:
将所述人脸图像的每个像素值转换为灰度值;
对所述人脸图像进行位置变换,并进行尺度归一化处理;
对所述人脸图像进行直方图均衡化处理。
可选地,所述对所述人脸图像进行年龄估算包括:
提取所述人脸图像中的特征信息;
将所述特征信息与预先建立的训练集中的各人脸图像的标准特征信息进行匹配,确定所述人脸图像所属的分类结果;
根据所述分类结果确定所述人脸图像对应的年龄向量组。
可选地,在所述对所述用户的人脸进行还原之后还包括:
将还原后的人脸与初始的人脸图像进行比较,判断还原后的人脸是否符合预设标准。
本发明还提供了一种人脸图像生成装置,包括:
人脸图像获取模块,用于获取用户的人脸图像;
年龄估算模块,用于对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
隐性变量获取模块,用于对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
人脸还原模块,用于结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
目标年龄人脸生成模块,用于根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
可选地,还包括:
预处理模块,用于在获取用户的人脸图像之后,对获取到的所述人脸图像进行图像预处理。
可选地,所述预处理模块包括:
灰度转换单元,用于将所述人脸图像的每个像素值转换为灰度值;
位置变换单元,用于对所述人脸图像进行位置变换,并进行尺度归一化处理;
均衡化处理单元,用于对所述人脸图像进行直方图均衡化处理。
可选地,所述年龄估算模块包括:
特征信息提取单元,用于提取所述人脸图像中的特征信息;
分类结果确定单元,用于将所述特征信息与预先建立的训练集中的各人脸图像的标准特征信息进行匹配,确定所述人脸图像所属的分类结果;
年龄向量组确定单元,用于根据所述分类结果确定所述人脸图像对应的年龄向量组。
可选地,所述人脸还原模块还用于:将还原后的人脸与初始的人脸图像进行比较,判断还原后的人脸是否符合预设标准。
本发明所提供的人脸图像生成方法及装置,通过获取用户的人脸图像;对人脸图像进行年龄估算,确定人脸图像对应用户的当前年龄组别向量;对人脸图像进行编码,获取人脸图像的隐性变量;结合隐性变量以及当前年龄组别向量,对用户的人脸进行还原;根据隐性变量以及目标年龄组别向量,生成用户在目标年龄的人脸图像。本发明所提供的人脸图像生成方法及装置,通过人脸年龄估计获得年龄组别向量,通过图像编码获取隐性变量,两者结合得到目标年龄段的人脸图像。与传统的特点年龄人脸估计的技术相比,本发明所提供的方法及装置准确率较高。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的人脸图像生成方法的一种具体实施方式的流程图;
图2为本发明实施例所提供的人脸图像生成方法中对所述人脸图像进行年龄估算的过程示意图;
图3为本发明所提供的人脸图像生成方法的另一种具体实施方式的流程图;
图4为对获取到的所述人脸图像进行图像预处理的过程示意图;
图5为本发明实施例提供的人脸图像生成装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的人脸图像生成方法的一种具体实施方式的流程图如图1所示,该方法包括:
步骤S101:获取用户的人脸图像;
本步骤中获取用户的人脸图像可以为摄像头通过直接拍摄获取,也可以为数据接口通过通信获取,当然也可以是其他可以获取图像信息的设备或装置,这均不影响本发明的实现。
步骤S102:对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
参照图2,本发明实施例所提供的人脸图像生成方法中对所述人脸图像进行年龄估算的过程可以具体包括:
步骤S1021:提取所述人脸图像中的特征信息;
步骤S1022:将所述特征信息与预先建立的训练集中的各人脸图像的标准特征信息进行匹配,确定所述人脸图像所属的分类结果;
步骤S1023:根据所述分类结果确定所述人脸图像对应的年龄向量组。
本实施例中用于进行匹配的训练集的建立过程包括:提取训练集中的各人脸图像的特征信息,建立特征信息与年龄信息的对应关系。这样,根据提取出的当前人脸图像的特征信息,即可在训练集中查找到匹配的标准特征信息,根据该标准特征信息即可得到对应的年龄信息,从而得到其年龄向量组。
步骤S103:对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
本发明实施例中从输入层到隐藏层的过程中使用编码模块进行编码;从隐藏层到输入层的过程使用解码模块进行解码;同时,在隐藏层中获取隐性变量。
步骤S104:结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
本发明实施例在还原之后,还包括:将还原后的人脸与初始的人脸图像进行比较,判断还原后的人脸是否符合预设标准。
步骤S105:根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
本步骤通过修改年龄组别向量,即可生成目标年龄人脸。本实施例中年龄组别向量为多个不同的类别集合,比如:0-18,19-29,30-39,40-49,50-59,60+。
本发明所提供的人脸图像生成方法,通过获取用户的人脸图像;对人脸图像进行年龄估算,确定人脸图像对应用户的当前年龄组别向量;对人脸图像进行编码,获取人脸图像的隐性变量;结合隐性变量以及当前年龄组别向量,对用户的人脸进行还原;根据隐性变量以及目标年龄组别向量,生成用户在目标年龄的人脸图像。本发明所提供的人脸图像生成方法,通过人脸年龄估计获得年龄组别向量,通过图像编码获取隐性变量,两者结合得到目标年龄段的人脸图像。与传统的特点年龄人脸估计的技术相比,本发明所提供的方法准确率较高。
在上述实施例的基础上,本发明所提供的人脸图像生成方法在获取用户的人脸图像之后还包括:对获取到的所述人脸图像进行图像预处理。如图3本发明所提供的人脸图像生成方法的另一种具体实施方式的流程图所示,该方法包括:
步骤S201:获取用户的人脸图像;
步骤S202:对获取到的所述人脸图像进行图像预处理;
具体地,参照图4,对获取到的所述人脸图像进行图像预处理的过程可以包括:
步骤S2021:将所述人脸图像的每个像素值转换为灰度值;
步骤S2022:对所述人脸图像进行位置变换,并进行尺度归一化处理;
步骤S2023:对所述人脸图像进行直方图均衡化处理。
具体地,本发明实施例将获取的人脸图像的每个像素的RGB值转换为灰度值;旋转图片使两眼连线处于水平位置;固定两眼之间的距离及眼睛与鼻尖(包括嘴时)或眼睛与鼻子下端(不包括嘴)时的距离;进行直方图均衡化。
步骤S203:对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
输入的图像信息,经过图像预处理后,对预处理后的图像进行特征提取,然后发送给分类器。在进行年龄估算的过程中,训练集中预先存储有一定量的人脸图片作为训练集;通过提取训练集中的图片的特征,然后根据预先建立的年龄模型,对训练集中的图片提取的特征和输入的图片提取的特征进行匹配,根据匹配结果,将该人脸图片划分到不同的年龄向量组中。
面部特征提取的方法包括:进行特征点定位;获取形状信息向量;获取纹理信息向量。
在进行特征点定位的过程中,采用多尺度总和评估ASM方法,采用一系列的特征点来描述之前,首先针对特定目标建立形状模型之后,这称为点分布模型,然后对形状模型中的每个特征点,建立特征点附近的灰度模型,即建立模型和特征点匹配的过程。
在获取形状信息向量过程中,由上述过程得到的一组训练样本的特征点位置做主分量分析,得到的由前m维特征向量组成的矩阵,通过任意人脸形状在特征空间的投影,即该测试样本通过特征点的坐标向量在这m维主元空间上的投影,即可得到一组m维的表征形状信息的向量。
在获取纹理信息向量过程中,通过将训练样本的特征点位置拉伸到平均位置,可去除形状信息,此时,图像的灰度信息只包含了训练样本的纹理信息,再对它做主向量分析,可以得到的由前N维特征向量组成的矩阵,之后通过该测试样本通过特征点的坐标向量在N这维主元空间上的投影,即可得到一组维的表征纹理信息的向量。
步骤S204:对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
具体可以采用变分自编码器进行编码,隐性变量为变分自编码器对图像处理后的结果。变分自编码器首先通过编码层,把高维空间中的向量压缩成低维向量,然后通过解码层把低维向量解压重构出来。
步骤S205:结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
步骤S206:根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
在进行人脸还原合成的过程中,根据年龄向量组中的情况,生成年龄向量组中特定年龄的人脸图像,针对特定年龄向量组的不同情况,进行图像的纹理调整。
同时,在进行纹理增强的过程中,针对实际情况,因随着年龄的增大,人脸图像的脸部皱纹会逐渐增加,皮肤会逐渐松弛,眼袋会越来越严重,肤色会越来越暗淡,白发的比例会越来越高,根据这一衰老的规律和特性,进行纹理调整,实现衰老人脸图像的合成和还原。
与现有技术相比,本发明具有下述有益效果:
1、使用方便:本发明所提供的人脸图像生成方法及装置,直接通过获取人图像,自动生成该人脸在特定年龄对应的图像;整个过程包含:获取图像、年龄估计、提取隐性变量和生成特定年龄对应的人脸图像,但无需人为操作,使用非常方便。
2、智能化程度高:本发明所提供的人脸图像生成方法及装置,能够针对需求,生成各个年龄范围段的人脸图像,智能化程度较高,相较于传统的电子成像系统,智能化程度更高,可以提供更为宽泛的年龄段选择。
3、准确率高:本发明所提供的人脸图像生成方法及装置,利用年龄组别向量,通过图像编码获取隐性变量,两者结合得到目标年龄段的人脸图像,相较于传统的特定年龄人脸估计和生成系统,准确率更高。
下面对本发明实施例提供的人脸图像生成装置进行介绍,下文描述的人脸图像生成装置与上文描述的人脸图像生成方法可相互对应参照。
图5为本发明实施例提供的人脸图像生成装置的结构框图,参照图5人脸图像生成装置可以包括:
人脸图像获取模块100,用于获取用户的人脸图像;
年龄估算模块200,用于对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
隐性变量获取模块300,用于对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
人脸还原模块400,用于结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
目标年龄人脸生成模块500,用于根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
作为一种具体实施方式,本发明所提供的人脸图像生成装置还可以进一步包括:
预处理模块,用于在获取用户的人脸图像之后,对获取到的所述人脸图像进行图像预处理。
其中,所述预处理模块可以具体包括:
灰度转换单元,用于将所述人脸图像的每个像素值转换为灰度值;
位置变换单元,用于对所述人脸图像进行位置变换,并进行尺度归一化处理;
均衡化处理单元,用于对所述人脸图像进行直方图均衡化处理。
在上述任一实施例的基础上,本发明所提供的人脸图像生成装置中,年龄估算模块可以具体包括:
特征信息提取单元,用于提取所述人脸图像中的特征信息;
分类结果确定单元,用于将所述特征信息与预先建立的训练集中的各人脸图像的标准特征信息进行匹配,确定所述人脸图像所属的分类结果;
年龄向量组确定单元,用于根据所述分类结果确定所述人脸图像对应的年龄向量组。
可选地,所述人脸还原模块还用于:将还原后的人脸与初始的人脸图像进行比较,判断还原后的人脸是否符合预设标准。
本实施例的人脸图像生成装置用于实现前述的人脸图像生成方法,因此人脸图像生成装置中的具体实施方式可见前文中的人脸图像生成方法的实施例部分,例如,人脸图像获取模块100,年龄估算模块200,隐性变量获取模块300,人脸还原模块400,目标年龄人脸生成模块500,分别用于实现上述人脸图像生成方法中步骤S101,S102,S103,S104和S105,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明所提供的人脸图像生成装置,通过获取用户的人脸图像;对人脸图像进行年龄估算,确定人脸图像对应用户的当前年龄组别向量;对人脸图像进行编码,获取人脸图像的隐性变量;结合隐性变量以及当前年龄组别向量,对用户的人脸进行还原;根据隐性变量以及目标年龄组别向量,生成用户在目标年龄的人脸图像。本发明所提供的人脸图像生成方法及装置,通过人脸年龄估计获得年龄组别向量,通过图像编码获取隐性变量,两者结合得到目标年龄段的人脸图像。与传统的特点年龄人脸估计的技术相比,本发明所提供的装置准确率较高。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的人脸图像生成方法以及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种人脸图像生成方法,其特征在于,包括:
获取用户的人脸图像;
对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
2.如权利要求1所述的人脸图像生成方法,其特征在于,在所述获取用户的人脸图像之后还包括:
对获取到的所述人脸图像进行图像预处理。
3.如权利要求2所述的人脸图像生成方法,其特征在于,所述对获取到的所述人脸图像进行图像预处理包括:
将所述人脸图像的每个像素值转换为灰度值;
对所述人脸图像进行位置变换,并进行尺度归一化处理;
对所述人脸图像进行直方图均衡化处理。
4.如权利要求1至3任一项所述的人脸图像生成方法,其特征在于,所述对所述人脸图像进行年龄估算包括:
提取所述人脸图像中的特征信息;
将所述特征信息与预先建立的训练集中的各人脸图像的标准特征信息进行匹配,确定所述人脸图像所属的分类结果;
根据所述分类结果确定所述人脸图像对应的年龄向量组。
5.如权利要求4所述的人脸图像生成方法,其特征在于,在所述对所述用户的人脸进行还原之后还包括:
将还原后的人脸与初始的人脸图像进行比较,判断还原后的人脸是否符合预设标准。
6.一种人脸图像生成装置,其特征在于,包括:
人脸图像获取模块,用于获取用户的人脸图像;
年龄估算模块,用于对所述人脸图像进行年龄估算,确定所述人脸图像对应用户的当前年龄组别向量;
隐性变量获取模块,用于对所述人脸图像进行编码,获取所述人脸图像的隐性变量;
人脸还原模块,用于结合所述隐性变量以及所述当前年龄组别向量,对所述用户的人脸进行还原;
目标年龄人脸生成模块,用于根据所述隐性变量以及目标年龄组别向量,生成所述用户在目标年龄的人脸图像。
7.如权利要求6所述的人脸图像生成装置,其特征在于,还包括:
预处理模块,用于在获取用户的人脸图像之后,对获取到的所述人脸图像进行图像预处理。
8.如权利要求7所述的人脸图像生成装置,其特征在于,所述预处理模块包括:
灰度转换单元,用于将所述人脸图像的每个像素值转换为灰度值;
位置变换单元,用于对所述人脸图像进行位置变换,并进行尺度归一化处理;
均衡化处理单元,用于对所述人脸图像进行直方图均衡化处理。
9.如权利要求6至8任一项所述的人脸图像生成装置,其特征在于,所述年龄估算模块包括:
特征信息提取单元,用于提取所述人脸图像中的特征信息;
分类结果确定单元,用于将所述特征信息与预先建立的训练集中的各人脸图像的标准特征信息进行匹配,确定所述人脸图像所属的分类结果;
年龄向量组确定单元,用于根据所述分类结果确定所述人脸图像对应的年龄向量组。
10.如权利要求9所述的人脸图像生成装置,其特征在于,所述人脸还原模块还用于:将还原后的人脸与初始的人脸图像进行比较,判断还原后的人脸是否符合预设标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710355708.2A CN107194868A (zh) | 2017-05-19 | 2017-05-19 | 一种人脸图像生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710355708.2A CN107194868A (zh) | 2017-05-19 | 2017-05-19 | 一种人脸图像生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107194868A true CN107194868A (zh) | 2017-09-22 |
Family
ID=59874298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710355708.2A Pending CN107194868A (zh) | 2017-05-19 | 2017-05-19 | 一种人脸图像生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194868A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977629A (zh) * | 2017-12-04 | 2018-05-01 | 电子科技大学 | 一种基于特征分离对抗网络的人脸图像衰老合成方法 |
CN108021882A (zh) * | 2017-12-01 | 2018-05-11 | 宁波高新区锦众信息科技有限公司 | 一种基于时段的机器人的人脸识别系统 |
CN108416310A (zh) * | 2018-03-14 | 2018-08-17 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108573227A (zh) * | 2018-04-09 | 2018-09-25 | 深圳竹信科技有限公司 | 心电图数据质量评价方法及装置 |
CN108959551A (zh) * | 2018-06-29 | 2018-12-07 | 北京百度网讯科技有限公司 | 近邻语义的挖掘方法、装置、存储介质和终端设备 |
CN109325549A (zh) * | 2018-10-25 | 2019-02-12 | 电子科技大学 | 一种人脸图像融合方法 |
CN109685087A (zh) * | 2017-10-18 | 2019-04-26 | 富士通株式会社 | 信息处理方法和装置以及信息检测方法和装置 |
CN109730637A (zh) * | 2018-12-29 | 2019-05-10 | 中国科学院半导体研究所 | 一种人脸面部图像定量分析系统及方法 |
CN109829071A (zh) * | 2018-12-14 | 2019-05-31 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN110222588A (zh) * | 2019-05-15 | 2019-09-10 | 合肥进毅智能技术有限公司 | 一种人脸素描图像衰老合成方法、装置及存储介质 |
CN110661617A (zh) * | 2018-06-28 | 2020-01-07 | 厦门本能管家科技有限公司 | 一种基于人脸识别的私钥生成与解密的方法及系统 |
CN113516020A (zh) * | 2021-04-23 | 2021-10-19 | 郑州大学 | 一种与年龄变化相关的身份核验方法及系统 |
CN115050087A (zh) * | 2022-08-16 | 2022-09-13 | 之江实验室 | 一种人脸关键点身份和表情解耦方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1522048A (zh) * | 2003-02-12 | 2004-08-18 | ŷķ����ʽ���� | 图像编辑装置 |
WO2006005917A1 (en) * | 2004-07-08 | 2006-01-19 | University Of Kent | Plausible ageing of the human face |
CN101533468A (zh) * | 2009-04-27 | 2009-09-16 | 东南大学 | 基于数字人脸图像的人类年龄自动估计方法 |
CN101556699A (zh) * | 2008-11-07 | 2009-10-14 | 浙江大学 | 一种基于脸型的人脸衰老图像合成方法 |
CN103544486A (zh) * | 2013-10-31 | 2014-01-29 | 东南大学 | 基于自适应标记分布的人类年龄估计方法 |
CN103984948A (zh) * | 2014-06-03 | 2014-08-13 | 南京大学 | 一种基于人脸图像融合特征的软双层年龄估计方法 |
CN104537630A (zh) * | 2015-01-22 | 2015-04-22 | 厦门美图之家科技有限公司 | 一种基于年龄估计的图像美颜方法和装置 |
CN105513125A (zh) * | 2014-10-08 | 2016-04-20 | 韩国科学技术研究院 | 合成图像生成装置及方法、用于执行该方法的记录介质 |
CN105516585A (zh) * | 2015-11-30 | 2016-04-20 | 努比亚技术有限公司 | 一种自动调整肤色的装置和方法 |
CN105550641A (zh) * | 2015-12-04 | 2016-05-04 | 康佳集团股份有限公司 | 基于多尺度线性差分纹理特征的年龄估计方法和系统 |
CN106295499A (zh) * | 2016-07-21 | 2017-01-04 | 北京小米移动软件有限公司 | 年龄估计方法及装置 |
CN106469298A (zh) * | 2016-08-31 | 2017-03-01 | 乐视控股(北京)有限公司 | 基于人脸图像的年龄识别方法及装置 |
CN106651978A (zh) * | 2016-10-10 | 2017-05-10 | 讯飞智元信息科技有限公司 | 人脸图像预测方法及系统 |
CN106650653A (zh) * | 2016-12-14 | 2017-05-10 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于深度学习的人脸识别和年龄合成联合模型的构建方法 |
-
2017
- 2017-05-19 CN CN201710355708.2A patent/CN107194868A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1522048A (zh) * | 2003-02-12 | 2004-08-18 | ŷķ����ʽ���� | 图像编辑装置 |
WO2006005917A1 (en) * | 2004-07-08 | 2006-01-19 | University Of Kent | Plausible ageing of the human face |
CN101556699A (zh) * | 2008-11-07 | 2009-10-14 | 浙江大学 | 一种基于脸型的人脸衰老图像合成方法 |
CN101533468A (zh) * | 2009-04-27 | 2009-09-16 | 东南大学 | 基于数字人脸图像的人类年龄自动估计方法 |
CN103544486A (zh) * | 2013-10-31 | 2014-01-29 | 东南大学 | 基于自适应标记分布的人类年龄估计方法 |
CN103984948A (zh) * | 2014-06-03 | 2014-08-13 | 南京大学 | 一种基于人脸图像融合特征的软双层年龄估计方法 |
CN105513125A (zh) * | 2014-10-08 | 2016-04-20 | 韩国科学技术研究院 | 合成图像生成装置及方法、用于执行该方法的记录介质 |
CN104537630A (zh) * | 2015-01-22 | 2015-04-22 | 厦门美图之家科技有限公司 | 一种基于年龄估计的图像美颜方法和装置 |
CN105516585A (zh) * | 2015-11-30 | 2016-04-20 | 努比亚技术有限公司 | 一种自动调整肤色的装置和方法 |
CN105550641A (zh) * | 2015-12-04 | 2016-05-04 | 康佳集团股份有限公司 | 基于多尺度线性差分纹理特征的年龄估计方法和系统 |
CN106295499A (zh) * | 2016-07-21 | 2017-01-04 | 北京小米移动软件有限公司 | 年龄估计方法及装置 |
CN106469298A (zh) * | 2016-08-31 | 2017-03-01 | 乐视控股(北京)有限公司 | 基于人脸图像的年龄识别方法及装置 |
CN106651978A (zh) * | 2016-10-10 | 2017-05-10 | 讯飞智元信息科技有限公司 | 人脸图像预测方法及系统 |
CN106650653A (zh) * | 2016-12-14 | 2017-05-10 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于深度学习的人脸识别和年龄合成联合模型的构建方法 |
Non-Patent Citations (1)
Title |
---|
ZHIFEI ZHANG ET AL: ""Age Progression/Regression by Conditional Adversarial Autoencoder"", 《ARXIV.ORG》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109685087B (zh) * | 2017-10-18 | 2022-11-01 | 富士通株式会社 | 信息处理方法和装置以及信息检测方法 |
CN109685087B9 (zh) * | 2017-10-18 | 2023-02-03 | 富士通株式会社 | 信息处理方法和装置以及信息检测方法 |
CN109685087A (zh) * | 2017-10-18 | 2019-04-26 | 富士通株式会社 | 信息处理方法和装置以及信息检测方法和装置 |
CN108021882A (zh) * | 2017-12-01 | 2018-05-11 | 宁波高新区锦众信息科技有限公司 | 一种基于时段的机器人的人脸识别系统 |
CN108021882B (zh) * | 2017-12-01 | 2021-12-21 | 宁波高新区锦众信息科技有限公司 | 一种基于时段的机器人的人脸识别系统 |
CN107977629A (zh) * | 2017-12-04 | 2018-05-01 | 电子科技大学 | 一种基于特征分离对抗网络的人脸图像衰老合成方法 |
CN108416310B (zh) * | 2018-03-14 | 2022-01-28 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108416310A (zh) * | 2018-03-14 | 2018-08-17 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108573227B (zh) * | 2018-04-09 | 2022-04-29 | 深圳竹信科技有限公司 | 心电图数据质量评价方法及装置 |
CN108573227A (zh) * | 2018-04-09 | 2018-09-25 | 深圳竹信科技有限公司 | 心电图数据质量评价方法及装置 |
CN110661617A (zh) * | 2018-06-28 | 2020-01-07 | 厦门本能管家科技有限公司 | 一种基于人脸识别的私钥生成与解密的方法及系统 |
CN110661617B (zh) * | 2018-06-28 | 2022-11-25 | 本无链科技(深圳)有限公司 | 一种基于人脸识别的私钥生成与解密的方法及系统 |
CN108959551A (zh) * | 2018-06-29 | 2018-12-07 | 北京百度网讯科技有限公司 | 近邻语义的挖掘方法、装置、存储介质和终端设备 |
CN109325549B (zh) * | 2018-10-25 | 2022-03-04 | 电子科技大学 | 一种人脸图像融合方法 |
CN109325549A (zh) * | 2018-10-25 | 2019-02-12 | 电子科技大学 | 一种人脸图像融合方法 |
CN109829071A (zh) * | 2018-12-14 | 2019-05-31 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN109829071B (zh) * | 2018-12-14 | 2023-09-05 | 平安科技(深圳)有限公司 | 人脸图像搜索方法、服务器、计算机设备及存储介质 |
CN109730637A (zh) * | 2018-12-29 | 2019-05-10 | 中国科学院半导体研究所 | 一种人脸面部图像定量分析系统及方法 |
CN109730637B (zh) * | 2018-12-29 | 2021-04-23 | 中国科学院半导体研究所 | 一种人脸面部图像定量分析系统及方法 |
CN110222588A (zh) * | 2019-05-15 | 2019-09-10 | 合肥进毅智能技术有限公司 | 一种人脸素描图像衰老合成方法、装置及存储介质 |
CN113516020A (zh) * | 2021-04-23 | 2021-10-19 | 郑州大学 | 一种与年龄变化相关的身份核验方法及系统 |
CN113516020B (zh) * | 2021-04-23 | 2022-12-13 | 郑州大学 | 一种与年龄变化相关的身份核验方法及系统 |
CN115050087A (zh) * | 2022-08-16 | 2022-09-13 | 之江实验室 | 一种人脸关键点身份和表情解耦方法及装置 |
CN115050087B (zh) * | 2022-08-16 | 2022-11-18 | 之江实验室 | 一种人脸关键点身份和表情解耦方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194868A (zh) | 一种人脸图像生成方法及装置 | |
Liu et al. | Attribute-aware face aging with wavelet-based generative adversarial networks | |
CN108701216B (zh) | 一种人脸脸型识别方法、装置和智能终端 | |
CN108520503A (zh) | 一种基于自编码器和生成对抗网络修复人脸缺损图像的方法 | |
CN106068514B (zh) | 用于在不受约束的媒体中识别面孔的系统和方法 | |
Suo et al. | A concatenational graph evolution aging model | |
CN111242841B (zh) | 一种基于语义分割和深度学习的图片背景风格迁移方法 | |
Li et al. | Age progression and regression with spatial attention modules | |
WO2019050808A1 (en) | SCANNING AVATAR FROM A SINGLE IMAGE FOR REAL TIME REALIZATION | |
CN108875511A (zh) | 图像生成的方法、装置、系统及计算机存储介质 | |
Wang et al. | Combining tensor space analysis and active appearance models for aging effect simulation on face images | |
US10860755B2 (en) | Age modelling method | |
Zhang et al. | Detail-preserving cyclegan-adain framework for image-to-ink painting translation | |
CA3137297C (en) | Adaptive convolutions in neural networks | |
Tsai et al. | Human face aging with guided prediction and detail synthesis | |
CN114077891A (zh) | 风格转换模型的训练方法及虚拟建筑检测模型的训练方法 | |
CN114529785A (zh) | 模型的训练方法、视频生成方法和装置、设备、介质 | |
CN112862672B (zh) | 刘海生成方法、装置、计算机设备和存储介质 | |
Roy et al. | Tips: Text-induced pose synthesis | |
CN109409305A (zh) | 一种人脸图像清晰度评价方法及装置 | |
CN112613445A (zh) | 人脸图像生成方法、装置、计算机设备和存储介质 | |
CN116310008A (zh) | 一种基于少样本学习的图像处理方法及相关设备 | |
Fang et al. | Facial makeup transfer with GAN for different aging faces | |
CN113239867B (zh) | 一种基于掩码区域自适应增强的光照变化人脸识别方法 | |
CN111275778B (zh) | 人脸简笔画生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170922 |