[发明专利]人脸图像生成方法及装置、计算机可读介质和电子设备

权利要求书

1.一种人脸图像生成方法，其特征在于，包括：

获取包含真实身份信息的原始人脸图像；

将所述原始人脸图像输入到预训练的人脸匿名化模型中，生成目标人脸图像；

其中，所述目标人脸图像不包含所述真实身份信息，且所述目标人脸图像与所述原始人脸图像的相似度大于或者等于相似度阈值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本批次，所述训练样本批次包括各真实身份信息对应的至少一张样本原始人脸图像；

通过所述样本原始人脸图像对初始的人脸匿名化模型进行模型训练，直到输出的样本虚拟人脸图像不包含所述真实身份信息且所述样本虚拟人脸图像与所述样本原始人脸图像的相似度大于或者等于相似度阈值，得到训练完成的人脸匿名化模型。

3.根据权利要求2所述的方法，其特征在于，所述人脸匿名化模型包括人脸操纵网络、人脸识别网络和对抗判别网络；所述模型训练包括：

将所述样本原始人脸图像输入到所述人脸操纵网络中，得到具有虚拟身份信息的样本虚拟人脸图像；

通过所述样本原始人脸图像、所述样本虚拟人脸图像以及所述人脸识别网络，确定距离损失函数；

通过所述样本原始人脸图像、所述样本虚拟人脸图像以及所述对抗判别网络，确定对抗损失函数；

基于所述距离损失函数和所述对抗损失函数调整所述人脸操纵网络的网络权重，实现对所述人脸操纵网络的模型训练。

4.根据权利要求3所述的方法，其特征在于，所述样本原始人脸图像包括第一真实身份信息对应的第一原始人脸图像以及第二真实身份信息对应的第二原始人脸图像，所述样本虚拟人脸图像包括第一虚拟身份信息对应的第一虚拟人脸图像和第二虚拟身份信息对应的第二虚拟人脸图像；

所述通过所述样本原始人脸图像、所述样本虚拟人脸图像以及所述人脸识别网络，确定距离损失函数，包括：

将所述第一原始人脸图像、所述第二原始人脸图像、所述第一虚拟人脸图像和所述第二虚拟人脸图像分别输入到所述人脸识别网络中，得到第一特征矩阵、第二特征矩阵、第三特征矩阵和第四特征矩阵；

通过所述到第一特征矩阵、所述第二特征矩阵、所述第三特征矩阵和所述第四特征矩阵，确定所述距离损失函数。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述目标人脸图像输入到人脸图像重建模型中，得到包含所述真实身份信息的原始人脸图像；

其中，所述人脸图像重建模型包括重建损失函数，所述重建损失函数是由原始人脸图像以及目标人脸图像的人脸特征图构建的均方误差损失函数。

6.根据权利要求3所述的方法，其特征在于，所述人脸操纵网络是全卷积网络。

7.根据权利要求2所述的方法，其特征在于，所述模型训练包括：

确定训练样本集中样本原始人脸图像对应的真实身份特征向量；

对所述真实身份特征向量进行统计，得到真实身份特征分布；

从所述真实身份特征分布中随机采样得到虚拟身份特征向量；

将所述虚拟身份特征向量作为所述样本原始人脸图像的标签数据，对初始的人脸匿名化模型进行回归训练，得到训练完成的人脸匿名化模型。

8.一种人脸图像生成装置，其特征在于，包括：

原始人脸图像获取模块，用于获取包含真实身份信息的原始人脸图像；

目标人脸图像生成模块，用于将所述原始人脸图像输入到预训练的人脸匿名化模型中，生成目标人脸图像；

其中，所述目标人脸图像不包含所述真实身份信息，且所述目标人脸图像与所述原始人脸图像的相似度大于相似度阈值。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7任一项所述的方法。