[发明专利]一种人脸美丽等级预测方法、装置及存储介质

说明书

本发明公开了一种人脸美丽等级预测方法，包括如下步骤：采集人脸美丽数据库的美丽人脸图像，对所述美丽人脸图像进行预处理，提取所述美丽人脸图像的美丽特征向量，预处理能够使美丽人脸图像的数据进行统一，有利于数据的处理，提高检测的准确度；通过仿生模式识别模型识别特征空间中同类样本的连续特征，对美丽特征向量进行分类处理，得到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，受外界因素影响较小、检测的准确度较高。

技术领域

本发明涉及图像处理技术领域，具体涉及一种人脸美丽等级预测方法、装置及存储介质。

背景技术

人脸作为人的一种自然属性，其具有很强的稳定性和个体差异性，对于一个人最初的印象是基于人脸，而且人们对其最基本的判断是漂不漂亮，爱美之心，人皆有之，然而如何评价一张人脸图像的美丽程度是一个抽象的问题。评价人脸的美丽程度很有可能受到主观因素的影响，不同人，不同种族都有不同的评价标准。传统的技术主要是通过几何特征或表观特征对人脸美丽进行预测；几何特征的提取需要精确的特征点标定以及需要获取大规模的几何特征数据，而且人脸特征点的检测在训练阶段需由人工标注训练样本，但过多主观因素介入容易导致所获结果没有普适性，当待标注图像数目庞大时，标注工作量较大；而表观特征需要提取人脸局部或整体的纹理结构，但受样本背景噪声、姿态变化等影响较大，对于高层次更抽象的人脸纹理结构并未进行深入挖掘，造成人脸美丽预测效果较差。

发明内容

为解决上述问题，本发明的目的在于提供一种人脸美丽等级预测方法，能够检测图像中的人脸美丽图像，实现人脸美丽等级的预测，网络结构简单、受外界因素影响较小、检测的准确度较高。

本发明解决其问题所采用的技术方案是：第一方面，本发明实施例提出了一种人脸美丽等级预测方法，包括如下步骤：

采集人脸美丽数据库的美丽人脸图像，对所述美丽人脸图像进行预处理，提取所述美丽人脸图像的美丽特征向量；

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。

进一步，采集人脸美丽数据库的美丽人脸图像，对美丽人脸图像进行预处理，提取美丽人脸图像的美丽特征向量，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；

根据所述美丽人脸关键点对所述美丽人脸图像进行预处理，得到归一化的标准美丽人脸图像；

采用宽度学习网络对所述标准美丽人脸图像进行处理，提取所述标准美丽人脸图像的美丽特征向量。

进一步，根据美丽人脸关键点对美丽人脸图像进行预处理，得到归一化的标准美丽人脸图像，包括如下步骤：

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；

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。

进一步，采用宽度学习网络对标准美丽人脸图像进行处理，提取美丽人脸图像的美丽特征向量，包括如下步骤：

将所述标准美丽人脸图像输入到宽度学习网络，提取所述标准美丽人脸图像的美丽特征节点；

利用非线性激活函数计算所述美丽特征节点映射的美丽增强节点；