[发明专利]一种基于生成对抗网络的微小人脸识别方法

权利要求书

1.一种基于生成对抗网络的微小人脸识别方法，其特征在于，包括：

步骤一，建立训练数据库；

步骤二，使用人脸检测器预测训练数据库中每一张图片的人脸位置，并截取得到第一高分辨率人脸图像和第一高分辨率非人脸图像；并处理所述第一高分辨率人脸图像以及第一高分辨率非人脸图像得到对应的低分辨率人脸图像以及低分辨率非人脸图像；

步骤三，构建生成对抗网络，所述生成对抗网络包括生成器和鉴别器；其中生成器的输入为步骤二得到的低分辨率人脸图像以及低分辨率非人脸图像，输出为第二高分辨率人脸图像以及第二高分辨率非人脸图像；鉴别器的输入为第一高分辨率人脸图像、第一高分辨率非人脸图像、第二高分辨率人脸图像、第二高分辨率非人脸图像，鉴别器的第一个输出为输入图像属于人脸图像的概率p₁，第二个输出为输入图像是真实图像的概率p₂；

步骤三中，生成器的网络结构为：

1个卷积核数目为64个、卷积核大小为3、卷积步长为1的卷积层；

8个卷积核数目为64个、卷积核大小为3、卷积步长为1的卷积层；

1个卷积核数目为64个、卷积核大小为3、卷积步长为1的卷积层；

1个卷积核数目为256个、卷积核大小为3、卷积步长为2的反卷积层；

1个卷积核数目为256个、卷积核大小为3、卷积步长为3的反卷积层；以及

1个卷积数目为3个、卷积核大小为1、卷积步长为1的卷积层；

鉴别器的网络结构为：

1个卷积核数目为64个、卷积核大小为3、卷积步长为2的卷积层；

1个卷积核数目为128个、卷积核大小为3、卷积步长为2的卷积层；

1个卷积核数目为256个、卷积核大小为3、卷积步长为2的卷积层；

1个卷积核数目为512个、卷积核大小为3、卷积步长为2的卷积层；

1个卷积核数目为512个、卷积核大小为3、卷积步长为1的卷积层；

以及2个平行的卷积层，具体为用于判别输入图像是真实的高分辨率图像还是由生成器合成的高分辨率图像的第一卷积层fc_GAN和用于判断输入图像是否为人脸的第二卷积层fc_clc；

生成对抗网络的损失函数为：

其中表示对抗损失函数，表示像素级损失函数，表示分类损失函数；θ,ω分别为鉴别器和生成器的网络参数，D_θ(),G_ω()分别是鉴别器和生成器的功能函数，分别是输入的低分辨率图像和对应的高分辨率图像，y_i为输入图像的标签，α,β是目标函数中对抗损失函数、像素级损失函数以及分类损失函数的权值分配系数，N是训练样本总数；

步骤四、使用步骤二中得到的第一高分辨率人脸图像、第一高分辨率非人脸图像、低分辨率人脸图像、低分辨率非人脸图像对所述生成对抗网络进行训练；

步骤五、将待测试的图像输入到所述人脸检测器，得到人脸候选区域，并将人脸候选区域输入到训练好的生成对抗网络中，得到每一个候选区域图像为人脸的概率p，并在输入图像中画出p大于预设阈值的区域。

2.根据权利要求1所述的基于生成对抗网络的微小人脸识别方法，其特征在于，步骤一中使用WIDER FACE数据库作为训练数据库。

3.根据权利要求1所述的基于生成对抗网络的微小人脸识别方法，其特征在于，步骤一中，使用WIDER FACE数据库中人脸图像的大小位于10至30像素之间的图像构建训练数据库。

4.根据权利要求1至3中任意一项所述的基于生成对抗网络的微小人脸识别方法，其特征在于，步骤二具体为：

使用人脸检测器预测训练数据库中每一张图片的人脸位置，得到预定数量的用于表示人脸位置的标记框，按照标记框的尺寸及位置在图片中进行截取得到第一高分辨率人脸图像和第一高分辨率非人脸图像；

使用双线性插值法进行4倍下采样处理所述第一高分辨率人脸图像以及第一高分辨率非人脸图像得到对应的低分辨率人脸图像以及低分辨率非人脸图像。

5.根据权利要求4所述的基于生成对抗网络的微小人脸识别方法，其特征在于，步骤二中，所述人脸检测器为ResNet-50结构的深度残差网络。