[发明专利]一种基于对抗神经网络的人脸有光去除方法

说明书

本发明公开了一种基于对抗神经网络的人脸有光去除方法，该方法包括：通过计算机图像学的方法合成人脸，建立虚拟人脸有光和人脸无光对应的虚拟人脸数据集，通过普通拍摄和利用偏振镜片拍摄获得真实人脸有光和人脸无光对应的真实人脸数据集；建立对抗神经网络，用数据集训练网络参数，获得有光去除的网络模型，将有光的人脸图像输入训练好的有光去除网络模型，得到该人脸的无光图像。本发明通过对抗神经网络能够实现更加自然、真实的人脸有光去除。

技术领域

本发明涉及模式识别领域，具体涉及一种基于对抗神经网络的人脸有光去除方法。

背景技术

皮肤表面会由于环境光源的照射而反射光线，在图像上表现为皮肤有光。皮肤表面有光掩盖了该部位原本的颜色和纹理，而人脸上的局部有光对计算机视觉、计算机图形学和医学检查等方面都有影响，在计算机视觉方面，人面部有光会对人脸检测、人脸识别等带来困难，造成检测不到，识别错误等问题；在计算机图形学方面，真实人脸有光需要与环境相一致，在不会产生有光的光源下，皮肤不应有高亮；在医学检查方面，对于人脸面部色素性皮肤病的检测造成干扰，皮肤有光覆盖的部分难以分辨是否存在该类皮肤病，对于病情判断和治疗方案的设计有阻碍作用。所以。人脸有光去除有其必要性。

由于皮肤的材质较为复杂性，所以一般的有光去除方法不适用，现有的去有光技术的研究还未能实现自然真实地消去人脸皮肤上的光，尤其是当脸上有雀斑之类的密集斑纹时，要在自然地去除有光的同时，尽可能的恢复有光部分的原本皮肤和皮肤上的斑、痣等特征。因此，人脸有光去除是一个复杂而有挑战性的问题。通过建立光照模型的光照去除方法，受限于物理光照模型，不能完全反映真实的光照环境，尤其是对于人脸、皮肤这种复杂材质，因此去除有光的效果不够真实。

随着人工智能技术的兴起，深度学习算法不断发展，和通过建立光照模型的去光照方法相比，用端到端的神经网络，直接根据有光的原图像预测出对应的无光图像，能够不受限于固定的光照模型，能够更好更真实的恢复人脸有光部分的皮肤。

发明内容

发明目的：本发明所要解决的技术问题是提出一种基于对抗神经网络的人脸有光去除方法，通过该方法能够利用端到端的神经网络实现对人脸有光区域的修复，达到自然真实地去除人脸有光区域，恢复对应部分的本来皮肤肤色和纹理，适用于各式各样的人脸有光。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：本发明设计了一种基于对抗神经网络的人脸有光去除方法。包括以下几个步骤：一种基于对抗神经网络的人脸有光去除方法，该方法包括以下步骤：

(1)通过计算机图像学的方法合成人脸，生成虚拟的人脸有光和人脸无光图像对，建立虚拟人脸数据集；

(2)通过普通拍摄和利用偏振镜片拍摄人脸，获得真实环境下人脸有光和人脸无光的图像对，建立真实人脸数据集；

(3)搭建生成式对抗神经网络模型；

(4)用虚拟人脸数据集预训练神经网络；

(5)用真实人脸数据集调整预训练的神经网络参数，得到最终的有光去除网络模型；

(6)将待去有光的人脸图像输入有光去除网络模型中，得到对应的无光人脸图像。

进一步的，所述步骤(1)建立虚拟人脸数据集的方法如下：

(1.1)在网络上搜集人正脸无光图像，作为生成三维人脸的素材；

(1.2)通过HeadShot生成图像对应的三维人脸，添加光源，给人脸材质设置不同的反射程度，并通过预设的人脸三维模型的表情得到该人脸不同表情下的不同有光图像，通过截取的方式，获得无光源环境下的人脸无光图像和有光源环境下的人脸有光图像，建立虚拟人脸数据集。

进一步的，步骤(2)中建立真实人脸数据集的方法如下：