[发明专利]人脸影像增益方法与系统在审

专利信息
申请号: 202211445172.0 申请日: 2022-11-18
公开(公告)号: CN115909452A 公开(公告)日: 2023-04-04
发明(设计)人: 黄柏瑞 申请(专利权)人: 业成科技(成都)有限公司;业成光电(深圳)有限公司;业成光电(无锡)有限公司;英特盛科技股份有限公司
主分类号: G06V40/16 分类号: G06V40/16;G06V10/764;G06V10/82;G06N3/0475;G06N3/094
代理公司: 成都希盛知识产权代理有限公司 51226 代理人: 李蓉
地址: 611730 四川*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 影像 增益 方法 系统
【权利要求书】:

1.一种人脸影像增益方法,适用于电脑系统,其特征在于,所述人脸影像增益方法包括:撷取人脸影像,并判断所述人脸影像属于正脸方向或是侧脸方向;

将所述人脸影像转换为特征向量;

根据所述特征向量执行脸部属性编辑演算法以产生第一生成向量,其中所述第一生成向量与所述人脸影像对应的至少一个属性不相同;

若所述人脸影像属于所述侧脸方向,根据所述特征向量执行人脸姿态转换演算法以产生第二生成向量,其中所述第二生成向量与所述人脸影像对应的姿态角度不相同;

将所述第一生成向量或所述第二生成向量输入至生成对抗网路以输出至少一个生成人脸影像;以及

将所述人脸影像与所述至少一个生成人脸影像加入至资料库中。

2.如权利要求1所述的人脸影像增益方法,其特征在于,其中判断所述人脸影像属于所述正脸方向或是所述侧脸方向的步骤包括:

将所述人脸影像沿着中心线翻转以得到翻转影像;

计算所述人脸影像与所述翻转影像之间的结构相似度指标;以及

若所述结构相似度指标小于门槛值,判断所述人脸影像属于所述侧脸方向,否则属于所述正脸方向。

3.如权利要求1所述的人脸影像增益方法,其特征在于,其中将所述人脸影像转换为所述特征向量的步骤包括:

将所述人脸影像输入至编码器以得到初始特征向量;

将所述初始特征向量与杂讯向量输入至生成器以得到重建影像;

计算所述人脸影像与所述重建影像的损失函数;以及

根据所述损失函数调整所述初始特征向量与所述杂讯向量并迭代多次,将所述损失函数的最小值所对应的所述初始特征向量设定为所述特征向量。

4.如权利要求1所述的人脸影像增益方法,其特征在于,还包括:

根据第一分类器判断所述至少一个生成人脸影像是否属于人脸,若不属于人脸则删除所述至少一个生成人脸影像;以及

根据识别器判断所述人脸影像与所述至少一个生成人脸影像是否为同一人,若不是同一人则删除所述至少一个生成人脸影像。

5.如权利要求1所述的人脸影像增益方法,其特征在于,还包括:

根据第二分类器判断所述至少一个生成人脸影像是否具有预设的所述至少一个属性,若否则删除所述至少一个生成人脸影像。

6.一种人脸影像增益系统,其特征在于,包括:

影像撷取装置,用以取得人脸影像;以及

电脑系统,通讯连接至所述影像撷取装置,用以执行多个步骤:

判断所述人脸影像属于正脸方向或是侧脸方向;

将所述人脸影像转换为特征向量;

根据所述特征向量执行脸部属性编辑演算法以产生第一生成向量,其中所述第一生成向量与所述人脸影像对应的至少一个属性不相同;

若所述人脸影像属于所述侧脸方向,根据所述特征向量执行人脸姿态转换演算法以产生第二生成向量,其中所述第二生成向量与所述人脸影像对应的姿态角度不相同;

将所述第一生成向量或所述第二生成向量输入至生成对抗网路以输出至少一个生成人脸影像;以及

将所述人脸影像与所述至少一个生成人脸影像加入至资料库中。

7.如权利要求6所述的人脸影像增益系统,其特征在于,其中判断所述人脸影像属于所述正脸方向或是所述侧脸方向的步骤包括:

将所述人脸影像沿着中心线翻转以得到翻转影像;

计算所述人脸影像与所述翻转影像之间的结构相似度指标;以及

若所述结构相似度指标小于门槛值,判断所述人脸影像属于所述侧脸方向,否则属于所述正脸方向。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于业成科技(成都)有限公司;业成光电(深圳)有限公司;业成光电(无锡)有限公司;英特盛科技股份有限公司,未经业成科技(成都)有限公司;业成光电(深圳)有限公司;业成光电(无锡)有限公司;英特盛科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211445172.0/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top