[发明专利]网纹人脸图像识别装置

摘要

本发明涉及图像处理技术领域，具体提供了一种网纹人脸图像识别装置，旨在解决如何提高包含网纹的人脸图像的识别准确性的技术问题。为此目的，本发明中图像识别装置的循环生成对抗网络模型包括正向生成器、反向生成器和优化训练模块。正向生成器可以依据网纹人脸图像预测清晰人脸图像。反向生成器可以依据预测的清晰人脸图像，重建新的网纹人脸图像；以及，依据清晰人脸图像预测网纹人脸图像。基于此，正向生成器还可以依据预测的网纹人脸图像，重建新的清晰人脸图像。通过上述正反生成器构成的循环对抗网络，能够得到清晰的人脸图像，进而提高网纹人脸图像的识别准确性。

主权项

1.一种网纹人脸图像识别装置，其特征在于，所述装置包括循环生成对抗网络模型，其配置为获取网纹人脸图像，并对所获取的网纹人脸图像进行人脸识别；所述循环生成对抗网络模型包括正向生成器、反向生成器和优化训练模块；所述正向生成器，配置为依据所述循环生成对抗网络模型所获取的网纹人脸图像，预测清晰人脸图像；所述反向生成器，配置为依据所述正向生成器所预测的清晰人脸图像，重建新的网纹人脸图像；以及，依据所述循环生成对抗网络模型所获取的清晰人脸图像，预测网纹人脸图像；所述正向生成器，进一步配置为依据所述反向生成器所预测的网纹人脸图像，重建新的清晰人脸图像；所述优化训练模块，配置为依据预设训练集，并按照下式所示的损失函数LHRCycleGAN对所述循环生成对抗网络模型进行网络训练，得到优化后的循环生成对抗网络模型：LHRCycleGAN＝Lgan+λLcyc+λ1Lhr+λ2Lip其中，所述Lgan为对抗损失函数，所述Lcyc为循环一致性损失函数，所述Lhr为高阶关系损失函数，所述Lip为身份特征损失函数，所述λ、λ1和λ2均为预设的权重参数；所述对抗损失函数Lgan＝LGAN1+LGAN2，所述LGAN1为预设训练集中网纹人脸图像与所述反向生成器所预测的网纹人脸图像之间的对抗损失函数，所述LGAN2为所述预设训练集中清晰人脸图像与所述正向生成器所预测的清晰人脸图像之间的对抗损失函数；所述循环一致性损失函数Lcyc＝LCYC1+LCYC2，所述LCYC1为预设训练集中网纹人脸图像与所述反向生成器所重建的网纹人脸图像之间的一致性损失函数，所述LCYC2为所述预设训练集中清晰人脸图像与所述正向生成器所重建的清晰人脸图像之间的一致性损失函数；所述高阶关系损失函数Lhr＝LHR1+LHR2，所述LHR1为预设训练集中网纹人脸图像与所述反向生成器所重建的网纹人脸图像之间的高阶损失函数，所述LHR2为所述预设训练集中清晰人脸图像与所述正向生成器所重建的清晰人脸图像之间的高阶损失函数；所述身份特征损失函数Lip＝Lg_ip+Ll_ip，所述Lg_ip为全局身份特征损失函数，所述Ll_ip为局部身份特征损失函数。