[发明专利]基于自编码器的人脸图像旋转方法

说明书

技术领域

本发明涉及一种基于自编码器的人脸图像旋转方法，属于计算机图像处理技术领域。

背景技术

随着信息技术的发展，高科技以数字化的形式融入了我们的生活，带来了很多的便利，同样又促进了数字化生活的发展。识别与验证技术也发生了巨大的变化，由传统的密码验证方式，更多的转换为数字证书和生物认证识别等新兴技术。尤其是生物识别技术，由于它是利用人体自身所固有的生理或行为特征作为识别依据来进行个体验证的方法，克服了传统认证手段易于丢失、遗忘，易被仿造盗用等缺点，越来越受到国内外研究者的广泛关注。生物识别系统中，虹膜和指纹的研究较为成熟，也有了很好的实验效果，但它们是被动采集的过程，需要人工的辅助和配合，具有一定的侵犯性。人脸识别是具有较友好的非接触性的交互方式，具有作为识别特征的普遍性、唯一性、稳定性和易采集性等特点，并且更能符合人类的认知过程。人脸识别凭借着其自然性、高可接受性，在国家安全、金融安全及人机交互领域有着广阔的应用前景。

人脸识别同样也面临着很多的问题和难点，正面的标准的人脸往往具有较高的识别性，但是侧面人脸，不同表情的人脸，给人脸识别带来了巨大的挑战。如何将侧面人脸旋转为标准的正面人脸是当前人脸自动识别系统面临最主要的挑战。

目前用于侧面人脸图像旋转为正面人脸图像的方法主要是通过对人脸图像进行三维人脸建模，虽然这种方法有其优点，但是，在较大规模的人脸图像数据库上的识别结果仍不能让人满意，其主要原因是计算量较大，处理时间很长，不同姿势需要不同的模型，给进一步的人脸识别带来了很多的不便。因此，寻找一种高效的人脸修正方法，具有重要的新颖性、创造性和实用价值。

发明内容

基于自编码器的人脸图像旋转方法首先将侧面人脸图像非线性降维，然后将降维后的图像还原，将图像重建成原始大小的正面人脸图像，该方法不需要事先知道人脸的姿势，一定旋转角度内的人脸图像都可以重建成正面的人脸图像；

为实现上述目的，本发明采用的技术方案为一种基于自编码器的人脸旋转方法，依次包括以下步骤：

步骤1、建立人脸图像模板库，定义有N个用户，使用图像采集设备，为每一个用户拍摄正面和侧面原始人脸图像，拍摄侧面图像时，让人脸以正前方为基准，旋转一定角度进行拍摄；设人脸旋转的角度为α，-45°≤α≤45°；获得原始人脸图像后，手工选择图像中只包含人脸部分构成纯人脸图像，每个用户选一张正面图像作为目标图像模板和m张侧面图像作为侧面图像模板，第c个用户的正面图像和侧面图像分别用P_c和表示，1≤c≤N，1≤m≤100，(c-1)m+1≤t≤cm，用H_c和W_c分别表示正面图像的高和宽，和分别表示侧面图像的高和宽，用表示N个用户的纯人脸图像模板库，把N个用户的人脸图像模板SOF分成两部分，一部分为训练人脸库D1，包含每个用户的一幅正面图像和m幅侧面图像，用于训练自编码器；剩余用户的正面图像和侧面图像作为测试人脸库D2，用于测试训练后的自编码器；

步骤2、如果纯人脸图像模板是彩色图像，则首先将彩色图像转换成灰度图像，用R_c(h,w)、G_c(h,w)和B_c(h,w)分别表示第c用户正面人脸图像中第(h,w)个像素的红色分量、绿色分量和蓝色分量，根据著名灰度化心理学公式计算其灰度值如下：

g_c(h,w)＝(R_c(h,w)×299+G_c(h,w)×587+B_c(h,w)×114+500)/1000灰度化后的人脸图像分别用P_c＝{g_c(h,w)}，表示；

步骤3、使用训练人脸库D1中每个用户经过灰度化后的侧面图像为训练图像，每个用户对应的灰度化后的正面图像为目标输出，训练自编码器；

定义自编码器包含2r-1个隐含层，输入层的节点数为l，l＝H_c×W_c；第k个隐含层的节点数分别为l_k(1≤k≤2r-1)，输出层的节点数和输入层的节点数相同，都为l，网络的参数为各个层的权值和偏置；