[发明专利]一种基于人脸特征的汉语文本描述人脸图像生成方法

摘要

本发明公开了一种基于人脸特征的汉语文本描述人脸图像生成方法，其特点是该方法对描述人脸特征的中文文本经分句、分词、词性分析、过滤和字典映射，从文本的句子、词语中抽取特征向量，实现中文文本序列到数学表示的转换，将抽取的特征表示与面部图像模版结合，并输入到深度神经网络模型中，生成与文本描述相匹配的人脸图像。本发明与现有技术相比生成符合相应汉语文本所描述特征的人脸图像具有较强的针对性，在处理描述文本的过程中应用了词性过滤操作，并通过自动编码器进行语义过滤以及融合，有效消除了描述文本中与任务无关以及无意义文本的干扰，方法简单、易行，较好的解决了自然语言描述的随意性。

主权项

1.一种基于人脸特征的汉语文本描述人脸图像生成方法，其特征在于该方法对描述人脸特征的中文文本经分句、分词、词性分析、过滤和字典映射，从文本的句子、词语中抽取特征向量，实现中文文本序列到数学表示的转换，将抽取的特征表示与面部图像模版结合，并输入到深度神经网络模型中，生成与文本描述相匹配的人脸图像，其具体实现过程包括以下步骤：包括以下具体步骤：a、获取描述面部特征的汉语言文本输入；b、提取文本中可以切分短句的分隔符位置，选择定位短句的分隔符；c、使用上述选择的分隔符，将描述面部特征的汉语言文本分割成描述短句列表S，且分割后的短句中不包含上述分隔符；d、对短句列表S中的每个短句S_i进行中文分词以及词性标注，并过滤部分词性词语，保留具备特征描述能力的词或短语，得到对应的分词结果S(e)_i，对应短句列表S得到分词结果列表S(e)；所述短句S_i为短句列表S中的第i个短句；e、利用word2vec词向量工具对每个S(e)_i中的每个单词S(e)_ij进行向量化，得到短句S(e)_i对应的向量化结果为V_i；单词S(e)_ij对应的向量化结果为V_ij；短句列表S对应的向量化结果为V；所述单词S(e)_ij为短句S_i分词列表S(e)_i中的第j个单词；f、将每个短句S(e)_i对应的向量化结果V_i输入第一个递归自动编码器(Recursive AutoEncoder)，将输出的单一向量VS_i作为句子的表示向量，得到短句列表S所对应的向量列表VS；g、将向量列表VS输入第二个递归自动编码器(Recursive AutoEncoder)，并将中间层输出的单一向量VF作为整个面部特征描述文本的最终向量表示；h、将上述步骤获取的向量VF与面部图像模版组合后输入系统中的面部图像生成模型中，得到与输入文本描述相符的人脸图像，所述生成模型基于深度神经网络。