[发明专利]一种人脸美丽等级预测方法、装置及存储介质

权利要求书

1.一种人脸美丽等级预测方法，其特征在于：包括如下步骤：

采集人脸美丽数据库的美丽人脸图像，利用神经网络提取所述美丽人脸图像的美丽人脸关键点；

建立多级回归预测公式对所述美丽人脸关键点进行回归预测，得到美丽人脸预测关键点；其中，多级回归预测公式为：n表示n级级联，x表示美丽人脸预测关键点，x₁表示美丽人脸关键点的值，l_i表示x₁在第i级中的预测值个数；

根据所述美丽人脸预测关键点对所述美丽人脸图像进行脸部水平对齐处理，得到水平美丽人脸图像；

对所述水平美丽人脸图像进行归一化处理，得到标准美丽人脸图像；

将所述标准美丽人脸图像输入到宽度学习网络，利用计算公式Z_i＝φ(XW_ei+β_ei)得到标准美丽人脸图像的数据映射的美丽特征节点；其中，i＝1,2,...,n，W_ei是权重系数，β_ei是偏置项，X为标准美丽人脸图像的数据，φ(·)是一个可选择的非线性激活函数；Zⁿ≡[Z₁,...,Z_n]表示n个美丽特征节点的集合；

利用非线性激活函数H_m≡ξ(ZⁿW_hm+β_hm)得到美丽特征节点映射的美丽增强节点；其中，m＝1,2,...,p，p表示美丽增强节点的个数，H^p≡[H₁,...,H_p]，W_hm是权重系数，β_hm是偏置项，ξ(·)是一个可选择的非线性激活函数；

利用计算公式Y＝[Zⁿ|H^m]W^m，将未知的权重参数连接所述美丽特征节点和所述美丽增强节点，得到美丽特征向量；其中，Y为美丽特征向量，W^m为未知的权重参数；

将给定的美丽特征向量输入到所述美丽特征向量的计算公式中，对所述美丽特征向量的计算公式进行伪逆和岭回归算法处理，得到权重参数的计算公式W^m＝[Zⁿ|H^m]⁺Y；

利用所述权重参数连接所述美丽特征节点与所述美丽增强节点，得到美丽特征向量；

利用仿生模式识别模型对所述美丽特征向量进行分类处理，得到训练完成的人脸美丽等级预测模型；

采集待识别的人脸图像，将所述待识别的人脸图像输入到所述人脸美丽等级预测模型进行人脸美丽等级预测，得到所述待识别的人脸图像的美丽等级。

2.根据权利要求1所述的一种人脸美丽等级预测方法，其特征在于：所述仿生模式识别模型包括超香肠神经元模型。

3.根据权利要求1所述的一种人脸美丽等级预测方法，其特征在于：利用仿生模式识别模型对所述美丽特征向量进行分类处理，得到训练完成的人脸美丽等级预测模型，包括如下步骤：

将所述美丽特征向量输入到超香肠神经元模型中进行处理，将所述美丽特征向量划分为不同美丽等级的若干个超香肠神经元，所述不同美丽等级的若干个超香肠神经元形成不同美丽等级的超香肠链，得到训练完成的人脸美丽等级预测模型。

4.根据权利要求3所述的一种人脸美丽等级预测方法，其特征在于：采集待识别的人脸图像，将待识别的人脸图像输入到所述人脸美丽等级预测模型进行人脸美丽等级预测，得到识别的人脸图像的美丽等级，包括如下步骤：

采集待识别的人脸图像，利用神经网络提取待识别的人脸图像的待识别人脸关键点；

根据所述待识别人脸关键点对所述待识别的人脸图像进行预处理，得到归一化的标准待识别人脸图像；

利用宽度学习网络提取所述标准待识别人脸图像的待识别特征节点和待识别增强节点，利用所述权重参数连接所述待识别特征节点和所述待识别增强节点，得到待识别特征向量；

提取所述待识别特征向量到不同美丽等级的超香肠链的距离的最小值，若距离的最小值小于阈值，则待识别特征向量属于该超香肠链的美丽等级，得到所述待识别的人脸图像的美丽等级。