[发明专利]实现用户隐私保护的人脸图像生成方法及装置

说明书

本说明书实施例提供一种实现用户隐私保护的人脸图像生成方法，该方法包括：首先，获取与目标用户的真实人脸图像对应的真实特征向量，该真实特征向量基于预先训练的人脸识别模型中的特征表示层而确定；接着，将该真实特征向量输入图像生成网络，得到可以识别为该目标用户的虚拟人脸图像。如此，使得无需对刷脸业务中产生的原始人脸图像进行存储，而只需存储识别该原始人脸图像对应的特征向量，就可以实现对刷脸业务的历史回溯，从而大大节省存储空间，降低因直接存储原始人脸图像而带来的用户隐私泄露风险，并带给用户良好的隐私保护体验。

技术领域

本说明书实施例涉及计算机技术领域，具体地，涉及一种实现用户隐私保护的人脸图像生成方法及装置。

背景技术

当下，机器学习技术已被广泛应用于许多领域，例如，将机器学习技术应用于人脸图像的生成领域。该生成领域关注的重点通常为，如何提高生成的人脸图像的真实感，也就是尽可能让人们在看到这些机器生成的人脸图像时，以为该人脸图像是在现实生活中对真人进行拍摄而得到。

然而，目前尚不存在一种方案，可以生成包含特定身份人脸、且真实感强的人脸图像，也即，肉眼可以识别出该人脸图像中的人脸所具有的特定身份，同时人脸识别模型也可以识别出该人脸图像对应的该特定身份，以满足人脸图像生成领域的更多需求，如实现对用户隐私的保护，等等。

发明内容

本说明书中的一个或多个实施例提供一种人脸图像生成方法及装置，可以生成包含特定身份人脸的人脸图像，用于实现对用户隐私的保护。

第一方面，提供一种实现用户隐私保护的人脸图像生成方法，该方法包括：获取与第一用户的真实人脸图像对应的真实特征向量，所述真实特征向量基于预先训练的人脸识别模型中的特征表示层而确定；将所述真实特征向量输入图像生成网络，所述图像生成网络至少包括N个处理单元和输出层；其中第i+1个处理单元利用所述真实特征向量和预先获取的随机噪声向量，将第i个处理单元输出的第一特征图转化为第二特征图，再利用其对应包括的卷积层对所述第二特征图进行卷积处理，得到第三特征图，作为第i+1个处理单元的输出；其中输出层根据第N个处理单元输出的特征图，输出用于识别为所述第一用户的虚拟人脸图像；其中N和i为正整数，且i＜N；将所述虚拟人脸图像输入所述特征表示层中，得到对应的虚拟特征向量；基于所述真实特征向量和虚拟特征向量，确定第一损失；将所述虚拟人脸图像输入判别网络中，得到第一判别结果，并基于所述第一判别结果和所述虚拟人脸图像对应的第一类别标签，确定第二损失；确定生成综合损失，所述生成综合损失分别与所述第一损失和所述第二损失正相关；利用所述生成综合损失，训练所述图像生成网络，用于生成与目标用户对应的目标虚拟人脸图像。

在一个实施例中，所述N个处理单元中的第1个处理单元将所述真实特征向量从向量空间映射到特征图空间，得到映射特征图，并利用其对应包括的卷积层对所述映射特征图进行卷积处理，得到转化特征图，作为第1个处理单元的输出。

在一个实施例中，所述图像生成网络还包括调制单元，所述调制单元对所述真实特征向量进行升维处理，得到升维特征向量；其中第i+1个处理单元利用所述真实特征向量和预先获取的随机噪声向量，将第i个处理单元输出的第一特征图转化为第二特征图，包括：第i+1个处理单元利用所述升维特征向量和所述随机噪声向量，将所述第一特征图转化为所述第二特征图。

在一个具体的实施例中，所述调制单元包括第一全连接层；其中，所述调制单元对所述真实特征向量进行升维处理，得到升维特征向量，包括：将所述真实特征向量输入所述第一全连接层中，输出所述升维特征向量。

在一个实施例中，其中第i+1个处理单元利用所述真实特征向量和预先获取的随机噪声向量，将第i个处理单元输出的第一特征图转化为第二特征图，包括：对所述真实特征向量和随机噪声向量进行融合处理，得到融合向量；利用所述融合向量，将所述第一特征图转化为所述第二特征图。