基于面部特征图对称的人脸正面化生成对抗网络算法

摘要：

目前人脸正面化研究主要解决人脸偏转问题,而对监控视频等现实场景中同时受偏转和俯仰变化影响的侧脸的正面化生成关注较少,针对这个问题和多角度侧脸生成的正面人脸图存在身份信息保留不全的问题,提出了一种基于特征图对称模块和眼周特征保留损失的生成对抗网络(GAN).首先,根据人脸对称性先验,提出特征图对称模块,先使用人脸关键点检测器检测出侧脸鼻尖点位置,再将编码器提取到的特征图依照鼻尖位置进行镜像对称,从而在特征层面上缓解面部信息缺失的问题.其次,借鉴眼周识别思想,在现有的生成图身份保留方法中加入了眼周特征保留损失以训练生成器生成逼真的且保留身份信息的人脸正面图像.实验结果表明,所提算法得到的生成图面部细节保留较好,且在CAS-PEAL-R1数据集的所有俯角下人脸的平均Rank-1识别率为99.03％,可见该算法能够有效解决多角度侧脸的正面化问题.

关键词：人脸识别、人脸正面化、生成对抗网络、深度学习、眼周识别

所属期刊栏目：41

分类号：TP389.1(计算技术、计算机技术)

资助基金：山西省重点研发项目201803D31212-1

在线出版日期：2021-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：714-720