[发明专利]一种基于卷积神经网络的人脸图像颜值计算方法

摘要

本发明公开了一种基于卷积神经网络的人脸图像颜值计算方法。采集人脸图像，包括不带有颜值标签的和已带有颜值标签的；进行前期预处理，获取人脸的关键点并提取全局和局部人脸图像块；预训练卷积神经网络然后进行微调，提取人脸的深度特征，提取形状特征，两者组合作为颜值特征；将颜值特征输入到分类器中训练得颜值分类器；将被测人脸图像依次再进行上述步骤得到其颜值特征，用颜值分类器对被测人脸图像的颜值特征计算得其颜值。本发明利用卷积神经网络提取出全局脸和局部脸图像的深度特征，并结合人脸形状特征，克服了在复杂情况下的颜值计算不确定性，鲁棒性高，在工程应用具有良好效果。

主权项

一种基于卷积神经网络的人脸图像颜值计算方法，其特征在于包括以下步骤：1）采集不同人的人脸图像，对于每个人采集不带有颜值标签的不同人脸图像和已带有颜值标签的不同人脸图像作为图像样本，颜值标签为颜值等级标记；2）对所有人脸图像进行前期预处理，然后获取人脸的关键点并提取每张人脸图像的全局人脸图像块和局部人脸图像块；3）对于不带有颜值标签的人脸图像，针对各个全局人脸图像块和局部人脸图像块，预训练卷积神经网络；4）对于带有颜值标签的人脸图像，微调上述步骤3）预训练得到的卷积神经网络；5）提取微调后的卷积神经网络结构末端的全连接层输出作为人脸图像的深度特征，提取人脸图像的形状特征，组合深度特征和形状特征作为颜值特征；所述步骤5）具体为：对于每一张带有颜值标签的人脸图像，提取所有的全局人脸图像块和局部人脸图像块输入到对应的微调后的卷积神经网络中，再把每个卷积神经网络末端的全连接层的输出串联起来构成深度特征，提取带有颜值标签的人脸图像的形状特征，并与深度特征串联构成最后的颜值特征，再采用主成分分析方法对颜值特征进行降维；6）将步骤5）降维后得到的颜值特征输入到支持向量机分类器中进行训练，得到颜值分类器；7）将被测人脸图像依次再进行上述步骤2）和5）得到其颜值特征，用步骤6）训练后的颜值分类器对被测人脸图像的颜值特征进行计算得到其颜值。