[发明专利]一种基于人脸部件提取和肤色编辑的人脸识别方法和系统

权利要求书

1.一种基于人脸部件提取和肤色编辑的人脸识别方法，其特征在于，所述方法包括：

通过人脸部件分割模型对自有人脸数据集进行面部部件分割提取，得到人脸面部部件和对应的肤色区域位置；

按照肤色对所述自有人脸数据集进行聚类之后，在所述自有人脸数据集中获取分布较小的稀缺人种样本；

根据所述肤色区域位置，将所述稀缺人种的人脸肤色迁移到所述面部部件上以生成大量稀缺人种样本包括：计算所述稀缺人种的人脸肤色在颜色空间索引下的肤色调整比例，依据所述肤色调整比例和所述肤色区域位置，调整所述面部部件的人脸肤色以生成大量稀缺人种样本，其中，生成的所述稀缺人种样本继续保存在所述自有人脸数据集中；

基于所述自有人脸数据集训练人脸识别模型，通过所述人脸识别模型进行人脸识别。

2.根据权利要求1所述的方法，其特征在于，所述通过人脸部件分割模型对自有人脸数据集进行面部部件分割提取之前，所述方法还包括：

构建轻量分割网络；

采用人脸部件提取数据集训练所述轻量分割网络，得到所述人脸部件分割模型。

3.根据权利要求2所述的方法，其特征在于，所述构建轻量分割网络包括：

通过重参数化方式构建所述轻量分割网络的特征提取层；

搭建双分支网络结构，所述双分支包括主干分支和辅助分支，其中，所述主干分支是语义信息分支，所述辅助分支是视觉信息分支；

设置所述主干分支采用第一损失函数进行迭代；

在所述辅助分支中添加所述第一损失函数，设置所述辅助分支同步采用所述第一损失函数进行迭代，其中，所述第一损失函数是深监督损失函数；

设置所述轻量分割网络采用第二损失函数作为总损失函数进行迭代。

4.根据权利要求3所述的方法，其特征在于，采用如下公式作为所述第一损失函数：

其中，loss是第一损失函数，N是输入的人脸图像的宽高乘积，i是损失函数的索引，j是图像中的像素点的索引，P是图像中像素点的预测值。

5.根据权利要求3所述的方法，其特征在于，采用如下公式作为所述第二损失函数：

其中，L是所述第二损失函数，X是所述轻量分割网络的输入，Y是所述轻量分割网络的输出，是所述主干分支的损失函数，是所述辅助分支的损失函数，K是分支数目，是平衡参数，用于控制所述主干分支和所述辅助分支的损失函数贡献程度。

6.根据权利要求1所述的方法，其特征在于，所述根据所述肤色区域位置，将所述稀缺人种的人脸肤色迁移到所述面部部件上，以生成大量稀缺人种样本的过程中：

通过颜色空间抖动法模拟人脸在真实环境下的光照分布，以增强肤色真实性和多样性，其中，所述颜色空间抖动法通过如下公式实现：

其中，X是人脸区域，i是颜色空间的索引，r是肤色调整的比例，是模拟光照的随机因子。

7.根据权利要求1所述的方法，其特征在于，所述按照肤色对所述自有人脸数据集进行聚类包括：

根据所述自有人脸数据集中的人种类别设置N个聚类中心，其中，一个所述聚类中心代表一个人种肤色；

通过非监督聚类算法，对所述自有人脸数据集中不同人种的人脸图像配置肤色标签；

根据所述肤色标签将所述人脸图像分配至对应的聚类中心以进行聚类。

8.根据权利要求7所述的方法，其特征在于，所述在所述自有人脸数据集中获取分布较小的稀缺人种样本包括：

基于所述聚类之后的自有人脸数据集，获取其中的所述肤色标签；

根据所述肤色标签，在所述自有人脸数据集中获取分布较小的所述稀缺人种样本。