[发明专利]人脸训练样本图像的生成方法、系统、计算机设备及存储介质

权利要求书

1.一种人脸训练样本图像的生成方法，其特征在于，包括以下步骤：

获取真实图像和随机噪声特征图；

将所述随机噪声特征图经过高斯同分布后得到同分布噪声特征图，将所述同分布噪声特征图送入生成模型得到虚拟图像；

将所述真实图像和所述虚拟图像输入判别模型进行判别；

依据判别结果对所述判别模型和所述生成模型进行训练优化，得到对抗生成网络模型；

随机挑选一真实样本图像，送入所述对抗生成网络模型，输出若干训练样本图像。

2.根据权利要求1所述的人脸训练样本图像的生成方法，其特征在于，所述将所述随机噪声特征图经过高斯同分布后得到同分布噪声特征图，具体包括以下内容：

对真实图像进行人眼关键点检测，得到多个关键点；

使用高斯核函数分别将各个关键点分布在特征图上，在所有关键点分布后生成高斯分布特征图；

根据所述高斯分布特征图和随机噪声特征图生成同分布噪声特征图。

3.根据权利要求2所述的人脸训练样本图像的生成方法，其特征在于，所述将所述随机噪声特征图经过高斯同分布后得到同分布噪声特征图，还包括以下内容：

当不同关键点分布在特征图上发生重叠时，重叠部分取较大值作为标准值。

4.根据权利要求2所述的人脸训练样本图像的生成方法，其特征在于，所述高斯核函数为Y＝exp(-(x²+y²))，其中，x为关键点的横坐标，y为关键点的纵坐标，关键点的标签值为1，周围标签值呈散射递减。

5.根据权利要求1所述的人脸训练样本图像的生成方法，其特征在于，所述依据判别结果对所述判别模型和所述生成模型进行训练优化，得到对抗生成网络模型，具体包括以下步骤：

将判别结果接入欧式间隔损失函数对所述判别模型和所述生成模型进行训练优化，得到对抗生成网络模型；

所述欧式间隔损失函数为：

其中，x₁表示为假的概率值，x₂表示为真的概率值，x₁,x₂＝D(X,GI)，X表示为真实图像，GI表示为虚拟图像，y₁表示为真的标签值，y₁＝1，y₂表示为假的标签值，y₂＝0，margin表示为常数，取值为0.3～0.7。

6.根据权利要求1所述的人脸训练样本图像的生成方法，其特征在于，所述获取真实图像，包括以下步骤：

获取真实图像域的一张人脸图像；

检测所述人脸图像中的人脸关键点，根据人脸关键点将所述人脸图像经过裁剪扩充得到真实图像。

7.根据权利要求6所述的人脸训练样本图像的生成方法，所述根据人脸关键点经过裁剪扩充得到真实图像，具体包括以下步骤：

检测出图像中人脸左上关键点和右下关键点，根据左上关键点和右下关键点坐标裁剪人脸图像，生成人脸矩形框图像；

根据预设图像对人脸矩形框图像进行缩放；

缩放后的图像与预定图像进行重叠大小对比；

将未覆盖预定图像的区域填充0像素，填充后生成真实图像。

8.一种人脸训练样本图像的生成系统，其特征在于，包括获取单元、生成单元、判别单元、优化单元及样本单元，其中：

所述获取单元，用于获取真实图像和随机噪声特征图；

所述生成单元，用于将所述随机噪声特征图经过高斯同分布后得到同分布噪声特征图，将所述同分布噪声特征图送入生成模型得到虚拟图像；

所述判别单元，用于将所述真实图像和所述虚拟图像输入判别模型进行判别；

所述优化单元，用于依据判别结果对所述判别模型和所述生成模型进行训练优化，得到对抗生成网络模型；

所述样本单元，用于随机挑选一真实样本图像，送入所述对抗生成网络模型，输出若干训练样本图像。