[发明专利]基于姿态分离生成对抗网络的人物识别方法

权利要求书

1.一种基于姿态分离生成对抗网络的人物识别方法，其特征在于：

将人物图像输入姿态分离生成对抗网络，提取人物图像中人物的人脸身份特征，该人脸身份特征提取至人物图像中人脸的正脸图像或基于人物图像中人脸的非正脸图像生成的正脸图像；

利用人脸识别算法对所述姿态分离生成对抗网络提取的人脸身份特征进行人物识别；

所述姿态分离生成对抗网络包括生成器和判别器；

其中，所述生成器包括：

编码器，用于提取人物图像中的人脸特征，并将人脸特征拆分为人脸身份特征和人脸姿态特征；

解码器，用于根据所述解码器提取的人脸身份特征生成相应的正脸图像；

所述判别器，用于完成数据真伪分类任务和基于人脸姿态特征的正侧脸分类任务，正侧脸分类任务使判别器和生成器之间形成对抗性，迫使解码器生成正脸图像。

2.根据权利要求1所述的基于姿态分离生成对抗网络的人物识别方法，其特征在于：

所述编码器的网络结构采用卷积神经网络，包含14个卷积层和2个全连接层，每个卷积层使用尺寸为3×3的卷积核；

所述解码器的网络结构采用了反卷积神经网络，包含14个反卷积层；

编码器和解码器网络参数使用均值为0，方差为0.02的正态分布进行初始化；

所述判别器的网络结构采用卷积神经网络，包含14个卷积层和2个全连接层，每个卷积层使用尺寸为3×3的卷积核；判别器的网络参数使用均值为0，方差为0.02的正态分布进行初始化。

3.根据权利要求1所述的基于姿态分离生成对抗网络的人物识别方法，其特征在于：

生成器G为使判别器D将合成样本分类为真实和正脸样本所使用的损失函数如下：

其中代表判别器中的真伪分类任务，代表判别器中的正侧脸分类任务,p_d(x，y)，代表真实数据分布，Arcface代表人脸识别任务，PoseCls代表生成器中的正侧脸分类任务，y_i代表输入样本的身份标签，y_p代表输入样本的姿势标签，y_f代表输入样本的真伪标签。

4.根据权利要求1所述的基于姿态分离生成对抗网络的人物识别方法，其特征在于：判别器D的损失函数如下：

其中代表判别器中的真伪分类任务，代表判别器中的正侧脸分类任务,p_d(x，y)，代表真实数据分布，y_i代表输入样本的身份标签，y_p代表输入样本的姿势标签，y_f代表输入样本的真伪标签。

5.一种基于姿态分离生成对抗网络的人物识别装置，其特征在于：

特征提取模块，用于将人物图像输入姿态分离生成对抗网络，提取人物图像中人脸的人脸身份特征，该人脸身份特征提取至人物图像中的正脸图像或基于人物图像中的非正脸图像生成的正脸图像；

人物识别模块，用于利用人脸识别算法对所述姿态分离生成对抗网络提取的人脸身份特征进行人物识别；

所述姿态分离生成对抗网络包括生成器和判别器；

其中，所述生成器包括：

编码器，用于提取人物图像中的人脸特征，并将人脸特征拆分为人脸身份特征和人脸姿态特征；

解码器，用于根据所述解码器提取的人脸身份特征生成相应的正脸图像；

所述判别器，用于完成数据真伪分类任务和基于人脸姿态特征的正侧脸分类任务，正侧脸分类任务使判别器和生成器之间形成对抗性，迫使解码器生成正脸图像。

6.根据权利要求5所述的基于姿态分离生成对抗网络的人物识别装置，其特征在于：

所述编码器的网络结构采用卷积神经网络，包含14个卷积层和2个全连接层，每个卷积层使用尺寸为3×3的卷积核；

所述解码器的网络结构采用了反卷积神经网络，包含14个反卷积层；

编码器和解码器网络参数使用均值为0，方差为0.02的正态分布进行初始化；

所述判别器的网络结构采用卷积神经网络，包含14个卷积层和2个全连接层，每个卷积层使用尺寸为3×3的卷积核；判别器的网络参数使用均值为0，方差为0.02的正态分布进行初始化。