[发明专利]人脸关键属性识别方法、系统、存储介质及计算机设备

权利要求书

1.一种人脸关键属性识别方法，其特征在于，所述方法包括以下步骤：

步骤一：获取模糊图像数据集，并将所述模糊图像数据集输入至已训练的生成式对抗神经网络模型中进行超分辨率重建，以得到重建后的超分辨率图像；

步骤二：对所述重建后的超分辨率图像进行数据预处理，以得到对应的人脸图像；

步骤三：将所述人脸图像分别输入至多个卷积神经网络中，以使各所述卷积神经网络分别预测出所述人脸图像中的多个关键属性，并将各所述关键属性进行统一输出。

2.根据权利要求1所述的人脸关键属性识别方法，其特征在于，所述步骤一中获取模糊图像数据集的步骤包括：

获取若干开源实验的开源数据集、传感器所采集的实际数据集以及利用网络爬虫爬取网络数据集；

将所述开源数据集、所述实际数据集以及所述网络数据集作为所述模糊图像数据集。

3.根据权利要求1所述的人脸关键属性识别方法，其特征在于，所述步骤二中对所述重建后的超分辨率图像进行数据预处理的步骤包括：

利用直方图均衡化对所述重建后的超分辨率图像进行图像增强，以增强所述重建后的超分辨率图像的全局对比度；

通过级联卷积神经网络对图像增强后的超分辨率图像进行图像分割，以识别出所述图像增强后的超分辨率图像中的人脸图像数据；

利用几何归一化矫正所述人脸图像数据中的尺寸差异和角度倾斜，以得到对应的人脸图像。

4.根据权利要求3所述的人脸关键属性识别方法，其特征在于，利用直方图均衡化对所述重建后的超分辨率图像进行图像增强的步骤包括：

将所述重建后的超分辨率图像的RGB色彩空间转换为HIS色彩空间；

对所述HIS色彩空间的强度通道进行直方图均衡化处理，并将处理后的HIS色彩空间重新转换为RGB色彩空间，以增强所述重建后的超分辨率图像的全局对比度。

5.根据权利要求3所述的人脸关键属性识别方法，其特征在于，所述通过级联卷积神经网络对图像增强后的超分辨率图像进行图像分割的步骤包括：

将所述图像增强后的超分辨率图像的像素值进行归一化处理，并将归一化后的图像经过尺度缩放成不同大小的图像金字塔；

提取所述图像金字塔中所有的候选框，并筛选出所有的候选框中的人脸候选框；

根据各所述人脸候选框中人脸的位置信息回归出对应的人脸关键点的位置，以得到对应的人脸图像数据。

6.根据权利要求4所述的人脸关键属性识别方法，其特征在于，所述重建后的超分辨率图像的RGB色彩空间转换为HIS色彩空间的表达式为：

；

；

；

式中，为色调，为饱和度，为亮度；为转换角度；Where表示满足条件，min表示取最小值，RGB为光学三原色的标准，R、G、B三种成分的取值范围是0-255。

7.根据权利要求4所述的人脸关键属性识别方法，其特征在于，所述直方图均衡化的表达式为：

；

式中，为归一化的直方图对应的灰度级出现的相对频率，为图像中灰度级为的像素的个数，j为灰度色阶的像素数量，取值范围是0~k（0≤k≤255），为图像中像素的总数，为图像的变换函数，为经直方图均衡化后的图像灰度。

8.一种人脸关键属性识别系统，其特征在于，所述系统包括：

数据采集模块，用于获取模糊图像数据集，并将所述模糊图像数据集输入至已训练的生成式对抗神经网络模型中进行超分辨率重建，以得到重建后的超分辨率图像；

图像预处理模块，用于对所述重建后的超分辨率图像进行数据预处理，以得到对应的人脸图像；

属性识别模块，用于将所述人脸图像分别输入至多个卷积神经网络中，以使各所述卷积神经网络分别预测出所述人脸图像中的多个关键属性，并将各所述关键属性进行统一输出。

9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一所述的人脸关键属性识别方法。

10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一所述的人脸关键属性识别方法。