[发明专利]一种基于解纠缠表示学习的跨年龄人脸图像识别方法

权利要求书

1.一种基于解纠缠表示学习的跨年龄人脸图像识别方法，其特征在于，包括以下步骤：

S1、构建解纠缠表示学习网络；

S2、构建解纠缠表示学习网络的损失函数；

S3、根据损失函数对解纠缠表示学习网络进行训练；

S4、通过解纠缠表示学习网络生成待识别图像在其他年龄段的图像，得到其他年龄的预测图像；

S5、采集与预测图像相似的人脸图像，并将采集的图像输入解纠缠表示学习网络与待识别图像进行跨年龄验证，得到跨年龄人脸图像识别结果；

所述步骤S1中解纠缠表示学习网络包括第一输入端、编码器E、生成器G、年龄鉴别器D_A、身份鉴别器D_I、第二输入端和VGG-Face；

所述第一输入端用于输入原始人脸图像，其分别与编码器E和VGG-Face连接；所述编码器E分别与生成器G、年龄鉴别器D_A和身份鉴别器D_I连接；所述生成器G用于生成原始人脸图像在其他年龄的预测图像；所述第二输入端用于输入与预测图像相似的图像，其与VGG-Face连接；

所述编码器E包括依次连接的第一卷积层、第一归一化层、第一指数线性单元、第二卷积层、第二归一化层、第二指数线性单元、第三卷积层、第三归一化层、第三指数线性单元、第四卷积层、第四归一化层、第四指数线性单元、第五卷积层、第五归一化层、第五指数线性单元、平均池化层和输出卷积层；

所述年龄鉴别器D_A和身份鉴别器D_I的结构均包括依次连接的编码器E、两个连续的卷积层和两个连续的全连接层；

所述生成器G包括依次连接的全连接层、第五反卷积层、第四反卷积层、第三反卷积层、第二反卷积层和第一反卷积层；

所述步骤S2中损失函数包括生成器损失函数、年龄损失函数和身份损失函数；

所述生成器损失函数具体为：

其中，λ_FV表示第一组合权重值，λ_age表示第二组合权重值，表示人脸图像损失值，表示重建损失函数值；

所述人脸图像损失值具体为：

其中，φ_l(x_j)表示由生成器G合成的人脸图像x_j在VGG-Face中第l层的激活值，φ_l(x_i)表示输入第i个人脸图像x_i时，VGG-Face中第l层的激活值；||||₂表示2范数；

所述重建损失函数值具体为：

其中，i和j均为数据的索引，y_i表示输入人脸图像x_i的身份标签，y_j表示由生成器G合成的人脸图像x_j的身份标签，s_j表示合成人脸图像x_j的年龄特征对应的one-hot向量，s′_i表示人工设定的目标年龄对应的one-hot向量；G(E(x_i),s′_i)表示生成器G以编码器E编码后的潜在特征E(x)和目标年龄s′_i为输入，得到的合成人脸图像，其与输入数据x_i有相同的身份特征以及年龄标签为s′_i；s′_i＝s_i时，生成器G尝试重建原始输入数据x_i，s′_i≠s_i时，生成器G生成与x_i身份相同的，年龄由s′_i决定的合成人脸图像x_j，s_i表示原始输入数据x_i的年龄对应的one-hot向量。