[发明专利]生成对抗网络模型的光照人脸图像识别预处理系统及方法

权利要求书

1.一种生成对抗网络模型的光照人脸图像识别预处理系统的方法，其特征在于，包括如下步骤：

步骤1：收集形成训练数据集；

步骤2：根据得到最优的生成对抗网络模型这样的训练目标对训练数据集进行预处理；

步骤3：根据得到最优的生成对抗网络模型这样的训练目标来构造生成对抗网络模型；

步骤4：在训练数据集上对生成对抗网络模型进行训练；

步骤5：使用训练完成的生成对抗网络的最优模型在测试集上验证经过光照预处理后的人脸识别精度。

2.根据权利要求1所述的生成对抗网络模型的光照人脸图像识别预处理系统的方法，其特征在于，所述步骤1中的收集训练数据集的方法，包括收集大量的人脸图像数据，并将它们分成两个数据集：数据集A和数据集B，其中数据集A中均为光照不均匀的人脸图片，数据集B中均为光照均匀的人脸图片。

3.根据权利要求1所述的生成对抗网络模型的光照人脸图像识别预处理系统的方法，其特征在于，所述训练数据集是没有配对的训练集。

4.根据权利要求1所述的生成对抗网络模型的光照人脸图像识别预处理系统的方法，其特征在于，所述步骤2中的根据训练目标对训练数据集进行预处理的方法，包括首先通过人脸检测器检测到每张图片中的人脸框，再通过人脸关键点检测器检测出每张人脸的5个关键点，最后根据检测到的人脸框和关键点对图像进行仿射变换，得到具有相同大小的人脸图像。

5.根据权利要求1所述的生成对抗网络模型的光照人脸图像识别预处理系统的方法，其特征在于，所述生成对抗网络模型包括两个生成器和两个判别器，其中生成器用来生成图像以此构成生成模型，并且使其生成的图像不断接近训练数据集中的图像；判别器用来不断提升自己的分辨能力，能够更加准确地判断图像是来自生成器还是来自数据集，这样的结果就构成了判别模型；生成模型和判别模型互相对抗博弈，使生成模型具有更强的学习能力，使判别模型具有更强的判断能力。

6.根据权利要求5所述的生成对抗网络模型的光照人脸图像识别预处理系统的方法，其特征在于，所述生成器包括编码器、转换器和解码器，所述编码器和转换器通信连接，所述转换器和解码器通信连接；

所述编码器的编码方法，包括：首先利用卷积神经网络从训练数据集中输入的人脸图像中提取特征，将人脸图像压缩成256个64*64的特征向量构成作为源数据的DA域；

所述转换器的转换方法，包括：通过组合从人脸图像中提取出的特征中的不相近特征，将图像在DA域中的特征向量转换为作为目标数据的DB域中的特征向量；该转换器包括6层Reset模块，每个Reset模块是一个由两个卷积层构成的神经网络层，能够达到在在转换时同时保留人脸图像的原始图像特征的目标；

所述解码器的解码方法，包括：利用反卷积层完成从DB域中的特征向量中还原出低级特征的工作，最后得到的人脸图像为输出的生成图像；

所述判别器用来随机的从训练数据集中的作为原始图像的光照不均匀的人脸图像和生成器输出的生成图像中将一张人脸图像作为输入，并尝试预测其为训练数据集中的原始图像或是生成器的输出图像；所述判别器本身属于卷积网络，需要从人脸图像中提取特征，再通过添加产生一维输出的卷积层来确定提取的特征是否属于特定类别。