[发明专利]一种人脸识别训练数据的增广方法

说明书

本发明涉及深度学习领域，提出了一种人脸识别训练数据的增广方法，包括：对目标图片中的人脸进行识别并标示出人脸框及面部特征点位置；对所述人脸框中的人脸进行至少一项颜色维度调整；保存调整后的图片，成为增广人脸数据集。通过对人脸增加色斑、修改人脸的肤色、调整人脸的明亮度等方式，引入和颜色维度相关的新参数，从而可以提高数据的变化维度，增加数据量并提高神经网络的鲁棒性。

技术领域

本发明涉及深度学习领域，尤其涉及一种人脸识别训练数据的增广方法。

背景技术

在深度学习领域中，数据增广是一个常见的任务，对于普通的图片，进行旋转拉伸，截取可以起到对神经网络增强鲁棒性的作用。但是在人脸识别领域，如果对图像进行旋转或拉伸，会使得图像中的人脸扭曲变形，从而引入错误的人脸特征。因此对于人脸识别任务，普通的数据增广手段有效性会大打折扣。

在中国专利申请CN201810698470中揭露了一种对人脸识别图像处理的方法，包括：获取第一深度人脸图像数据、第二深度人脸图像数据；对第一、第二深度人脸图像数据进行坐标转换以获得第一人脸的第一向量和第二人脸的第二向量；根据第一向量以及第一变换参数确定第一变换矩阵，根据第二向量以及第二变换参数确定第二变换矩阵；根据第一变换矩阵对第一向量进行向量变换以获得第一差异向量，根据第二变换矩阵对第二向量进行向量变换以获得第二差异向量；根据第一差异向量和第二差异向量确定目标差异向量；将目标差异向量作为新的深度人脸图像数据。该方法用来解决三维拉伸时的人脸变形问题。

然而，现有技术依然主要依赖对图像进行几何变化来获取人脸识别训练用的数据增广，但是一方面这种几何变化对人脸图像的处理效率较低，对人脸识别的数据量需求较难满足，另一方面，在人脸识别领域，神经网络鲁棒性对于图像的维度要求较高，单纯的几何变化所能引入的参数变化较少，无法来满足高维度的要求。

因此，寻找一种新的数据增广方法，是人脸识别研究领域中一项的重要课题。

发明内容

有鉴于此，本发明的目的在于提供一种人脸识别训练数据的增广方法，通过对人脸增加色斑、修改人脸的肤色、调整人脸的明亮度等方式，引入和颜色维度相关的新参数，从而提高数据的变化维度，增加数据量并提高神经网络的鲁棒性。

为实现上述目的，本发明提出了一种人脸识别训练数据的增广方法，包括：

对目标图片中的人脸进行识别并标示出人脸框及面部特征点位置；

对所述人脸框中的人脸进行至少一项颜色维度调整；

保存调整后的图片，成为增广人脸数据集。

优选的，所述颜色维度调整包括修改人脸色斑、修改人脸肤色或修改人脸整体亮度中的一种或几种组合。

优选的，所述面部特征点包括两个眼睛、鼻尖和两个嘴角，所述修改人脸色斑包括：

分别在两个眼睛和嘴角之间、两个眼睛和鼻子之间做直线段；

以一侧眼睛和鼻子线段的中点处做垂线段，所述垂线段相交于同侧眼睛和嘴角之间的线段，得到相应的交点；

以所述交点为圆心，以所述垂线段长度位半径形成一个圆形区域；

在所述圆形区域添加色斑。

优选的，所述在圆形区域添加色斑包括：

在所述圆形区域内生成若干随机种子，所述随机种子分布位置随机；

以每个所述随机种子为圆心生成对应数量的斑点；

对每个斑点填充颜色，形成色斑；

其中所述斑点的半径不超过所述圆形区域半径的一半。

优选的，所述色斑的颜色包括褐色、红色、白色或紫色。