[发明专利]人脸图像生成方法、电子装置及可读存储介质

说明书

本发明涉及人工智能中的图像处理技术领域，揭露了一种人脸图像生成方法，该方法包括：将m个第一随机向量输入人脸图像生成模型的特征分离区，得到高阶特征向量集；将n个第二随机向量输入所述模型的特征分离区，得到低阶特征向量集；将高阶特征向量集中的m个第一高阶特征向量与低阶特征向量集中的n个第二低阶特征向量逐一匹配，得到m*n个向量对，将每个向量对输入所述模型的图像生成区，得到m*n张人脸图像。本发明还提出一种电子装置以及一种计算机可读存储介质。本发明提升了训练集图像的纯净度和多样性。本发明还涉及区块链技术，同时本发明还可应用于智慧安防、智慧交通、智慧社区等智慧城市领域中，从而推动智慧城市的建设。

技术领域

本发明涉及人工智能中的图像处理技术领域，尤其涉及一种人脸图像方法、电子装置及可读存储介质。

背景技术

人脸识别是人工智能领域的一个重要方面，随着机器学习的发展，更多的是采用模型对人脸进行识别，而训练数据的纯净度和多样性对人脸识别模型的识别准确性产生决定性的影响，当前通常通过数据清洗及图像镜像、翻转、缩放等数据增强的方法来提高训练数据的纯净度和多样性，耗时、耗力，且数据泛化能力不足，当脸部有遮盖物(例如，戴眼镜、脸部有伤痕、雀斑)时，模型的识别能力较差。因此，亟需一种人脸图像生成方法，以提升人脸识别模型的训练集图像的纯净度和多样性。

发明内容

鉴于以上内容，有必要提供一种人脸图像生成方法，旨在提升人脸识别模型的训练集图像的纯净度和多样性。

本发明提供的人脸图像生成方法，包括：

请求步骤：响应客户端发出的人脸图像生成请求，所述请求包括待生成人脸图像的用户数量m、每个用户的人脸图像数量n，根据所述请求生成服从正态分布的m个第一随机向量及n个第二随机向量；

第一分离步骤：将所述m个第一随机向量依次输入训练好的人脸图像生成模型的特征分离区，得到m个第一高阶特征向量及m个第一低阶特征向量，将所述m个第一高阶特征向量的集合作为高阶特征向量集；

第二分离步骤：将所述n个第二随机向量依次输入所述人脸图像生成模型的特征分离区，得到n个第二高阶特征向量及n个第二低阶特征向量，将所述n个第二低阶特征向量的集合作为低阶特征向量集；

生成步骤：将所述高阶特征向量集中的m个第一高阶特征向量依次与所述低阶特征向量集中的n个第二低阶特征向量逐一匹配，得到m*n个向量对，依次将每个向量对输入所述人脸图像生成模型的图像生成区，得到m*n张人脸图像。

可选的，所述人脸图像生成模型还包括图像判别区，所述特征分离区包括第一数量的全连接模块，所述全连接模块包括1个全连接层、1个第一激活层；

所述图像生成区包括第二数量的第一卷积模块，所述第一卷积模块包括2个常规卷积层、1个转置卷积层，其中，转置卷积层位于两层常规卷积层中间；

所述图像判别区包括第三数量的第二卷积模块，所述第二卷积模块包括1个常规卷积层、1个归一化层、1个第二激活层、1个全连接层。

可选的，所述人脸图像生成模型的训练过程包括：

构建第一目标函数，对所述人脸图像生成模型进行第一训练，得到优化的人脸图像生成模型；

构建第二目标函数，对所述优化的人脸图像生成模型进行第二训练，得到训练好的人脸图像生成模型。

可选的，所述构建第一目标函数，对所述人脸图像生成模型进行第一训练，得到优化的人脸图像生成模型包括：

将从预设数据库中获取的第四数量的真实人脸图像的集合作为第一人脸图像集，将所述第一人脸图像集输入所述人脸图像生成模型的图像判别区，得到第一判别率；