[发明专利]基于人脸分割的视频预测方法及装置、介质、电子设备

权利要求书

1.一种基于人脸分割的视频预测方法，其特征在于，包括：

根据深度卷积神经网络的当前网络参数值提取人脸图像的第一特征向量以及人脸分割标签的第二特征向量；

配置第二损失函数，并根据所述第一特征向量、第二特征向量以及所述第二损失函数计算所述损失函数值；并判断所述损失函数值是否小于预设阈值；

如果所述损失函数值小于所述预设阈值，则确定所述当前网络参数值对应的深度卷积神经网络为人脸分割模型；

如果所述损失函数值大于所述预设阈值，则利用梯度回传算法调整所述深度卷积神经网络的网络参数值的大小；

利用所述人脸分割模型对无标注的人脸视频数据集进行预测得到所述人脸视频数据集中每帧图像的真伪人脸分割标签；

根据所述人脸视频数据集中的每相邻两帧图像以及所述相邻两帧图像对应的真伪人脸分割标签构建输入数据集；

利用第一损失函数以及所述输入数据集对所述人脸分割模型进行调整得到目标分割模型；所述第一损失函数包括：

L＝L₁(f₁-f₂)+w*(J₁+J₂)；

其中，L为第一损失函数；f₁为所述每相邻两帧图像中的第一帧图像在所述深度卷积神经网络中的特征；f₂为所述每相邻两帧图像中的第二帧图像在所述深度卷积神经网络中的特征；L₁为f₁与f₂之间的距离；w为权重；J₁所述每相邻两帧图像中的第一帧图像的损失函数值；J₂为所述每相邻两帧图像中的第二帧图像的损失函数值；

对待预测人脸图像进行人脸检测，利用所述目标分割模型对所述待预测人脸图像进行分割得到分割结果，并对多个所述分割结果按顺序进行组合得到人脸预测视频。

2.根据权利要求1所述的基于人脸分割的视频预测方法，其特征在于，所述第二损失函数包括：

其中，J为第二损失函数；C为所述人脸分割标签的数量；y_c为第一特征向量；p_c为第二特征向量。

3.根据权利要求1或2中任一项所述的基于人脸分割的视频预测方法，其特征在于，所述人脸分割标签包括人脸、左眼眉、右眼眉、左眼、右眼、鼻子、上嘴唇、牙齿、下嘴唇、头发以及背景中的多种。