[发明专利]网纹人脸图像识别装置

权利要求书

1.一种网纹人脸图像识别装置，其特征在于，所述装置包括循环生成对抗网络模型，其配置为获取网纹人脸图像，并对所获取的网纹人脸图像进行人脸识别；所述循环生成对抗网络模型包括正向生成器、反向生成器和优化训练模块；

所述正向生成器，配置为依据所述循环生成对抗网络模型所获取的网纹人脸图像，预测清晰人脸图像；

所述反向生成器，配置为依据所述正向生成器所预测的清晰人脸图像，重建新的网纹人脸图像；以及，依据所述循环生成对抗网络模型所获取的清晰人脸图像，预测网纹人脸图像；所述正向生成器，进一步配置为依据所述反向生成器所预测的网纹人脸图像，重建新的清晰人脸图像；

所述优化训练模块，配置为依据预设训练集，并按照下式所示的损失函数L_HRCycleGAN对所述循环生成对抗网络模型进行网络训练，得到优化后的循环生成对抗网络模型：

L_HRCycleGAN＝L_gan+λL_cyc+λ₁L_hr+λ₂L_ip

其中，所述L_gan为对抗损失函数，所述L_cyc为循环一致性损失函数，所述L_hr为高阶关系损失函数，所述L_ip为身份特征损失函数，所述λ、λ₁和λ₂均为预设的权重参数；

所述对抗损失函数L_gan＝L_GAN1+L_GAN2，所述L_GAN1为预设训练集中网纹人脸图像与所述反向生成器所预测的网纹人脸图像之间的对抗损失函数，所述L_GAN2为所述预设训练集中清晰人脸图像与所述正向生成器所预测的清晰人脸图像之间的对抗损失函数；所述循环一致性损失函数L_cyc＝L_CYC1+L_CYC2，所述L_CYC1为预设训练集中网纹人脸图像与所述反向生成器所重建的网纹人脸图像之间的一致性损失函数，所述L_CYC2为所述预设训练集中清晰人脸图像与所述正向生成器所重建的清晰人脸图像之间的一致性损失函数；所述高阶关系损失函数L_hr＝L_HR1+L_HR2，所述L_HR1为预设训练集中网纹人脸图像与所述反向生成器所重建的网纹人脸图像之间的高阶损失函数，所述L_HR2为所述预设训练集中清晰人脸图像与所述正向生成器所重建的清晰人脸图像之间的高阶损失函数；所述身份特征损失函数L_ip＝L_{g_ip}+L_{l_ip}，所述L_{g_ip}为全局身份特征损失函数，所述L_{l_ip}为局部身份特征损失函数；

所述高阶损失函数L_HR1如下式所示：

所述高阶损失函数L_HR2如下式所示：

其中，所述x_i,j为网纹人脸图像x中位置(i,j)处的像素值，所述y_i,j为清晰人脸图像y中位置(i,j)处的像素值，所述为网纹人脸图像中位置(i,j)处的像素值，所述为清晰人脸图像中位置(i,j)处的像素值；所述x与y分别为所述预设训练集中的网纹人脸图像与清晰人脸图像，所述为所述反向生成器所重建的网纹人脸图像，所述为所述正向生成器所重建的清晰人脸图像；所述HR表示所述循环生成对抗网络模型中预设的高阶关系提取器，所述n₁为网纹人脸图像的像素总数，所述n₂为清晰人脸图像的像素总数，且n₁＝n₂；

所述预设的高阶关系提取器HR，配置为按照下式所示的方法提取预设图像Z中位置(i,j)处像素值Z_i,j的高阶特征：

其中，所述h为高阶关系提取器的阶数，所述表示组合数，所述Z_i+h-k-1,j为预设图像Z中位置(i+h-k-1,j)处像素值，所述Z_i,j+h-k-1为预设图像Z中位置(i,j+h-k-1)处像素值。