人脸数据生成方法及电子设备与流程
本发明实施例涉及人工智能及数字图像处理,具体涉及一种人脸数据生成方法及电子设备。
背景技术:
1、随着人工智能技术的快速发展,人脸识别系统已广泛应用于安防、金融、医疗、交通等关键领域。现有人脸识别系统在投入应用前,需通过大规模、多样化的人脸数据样本进行充分测试与验证,以评估其在不同人群、环境条件下的识别精度与鲁棒性。
2、相关技术中,主要通过以下两种方式获取人脸数据样本:
3、第一种,通过线下或线上渠道招募不同性别、年龄、民族的志愿者,在受控或半受控环境下采集其人脸图像,并经人工清洗与标注后构建人脸数据样本。但是该方式受限于物理世界的客观约束,存在采集成本高、效率低、样本多样性差的问题。
4、第二种,采用基于生成模型的合成方式,例如以生成对抗网络为代表的深度生成模型,合成人脸图像以扩充人脸数据样本。但是该方式存在面部特征调控精度不足的问题。
5、因此,亟需一种能够低成本、高效率、且面部特征精确可控的多样化人脸数据生成方案。
技术实现思路
1、鉴于上述问题,本发明实施例提供了一种人脸数据生成方法及电子设备,用于改善现有技术中存在的采集成本高、效率低、样本多样性差、面部特征调控精度不足的问题。
2、根据本发明实施例的一个方面,提供了一种人脸数据生成方法,包括:
3、获取目标人脸参数,目标人脸参数包含多个可独立调控的语义参数维度,语义参数维度用于描述人脸的面部特征;
4、根据目标人脸参数,从参数化人脸模板库中确定对应的三维基底模型;
5、根据目标人脸参数,对三维基底模型进行相应的模型属性调整,生成与目标人脸参数对应的人脸数据。
6、在一种可选的方式中,参数化人脸模板库中各语义参数维度关联有非对称控制标识,非对称控制标识用于指示语义参数维度是否允许针对左侧面部和右侧面部独立取值。
7、在一种可选的方式中,获取目标人脸参数,包括:
8、通过人机交互界面接收用户输入的多个语义参数维度的目标取值,并将用户未输入取值的语义参数维度设置为默认值,形成目标人脸参数;
9、或者,获取真实人脸图像;通过预先训练的参数估计网络,将真实人脸图像映射至参数化人脸模板库所定义的参数空间中,输出真实人脸图像在各语义参数维度上的估计值,形成目标人脸参数。
10、在一种可选的方式中,参数化人脸模板库中还包括缺陷模式库,缺陷模式库中预置有多个缺陷模式模板,各缺陷模式模板包含多个语义参数维度的预设取值组合;获取目标人脸参数,包括:
11、响应于用户针对缺陷模式库中目标缺陷模式模板的选择操作,加载目标缺陷模式模板对应的预设参数组合;
12、将预设参数组合作为初始值;
13、响应于用户对初始值中任一语义参数维度的取值的修改操作,更新对应的取值,并将更新后的参数组合作为目标人脸参数。
14、在一种可选的方式中,语义参数维度包括以下至少一种:
15、五官形态参数;
16、肤色纹理参数;
17、发型参数;
18、面部缺陷特征参数。
19、在一种可选的方式中,模型属性调整包括几何形变和/或纹理映射,根据目标人脸参数,对三维基底模型进行相应的模型属性调整,生成与目标人脸参数对应的人脸数据,包括:
20、基于参数化人脸模板库中预置的语义参数维度与模型驱动参数间的映射关系,确定目标人脸参数中各语义参数维度对应的几何驱动参数和/或纹理驱动参数;
21、根据几何驱动参数以及语义参数维度的目标取值,驱动三维基底模型上对应区域的顶点发生位移,以实现几何形变;和/或,根据纹理驱动参数以及语义参数维度的目标取值,在三维基底模型的uv空间上合成对应的纹理贴图,以实现纹理映射;
22、基于经过几何形变和/或纹理映射后的三维基底模型,生成人脸数据。
23、在一种可选的方式中,基于经过几何形变和/或纹理映射后的三维基底模型,生成人脸数据,包括:
24、将经过几何形变和/或纹理映射后的三维基底模型,作为人脸数据;
25、或者,对经过几何形变和/或纹理映射后的三维基底模型进行渲染,得到二维人脸图像;将二维人脸图像作为人脸数据。
26、在一种可选的方式中,在生成人脸数据之后,还包括:
27、响应于用户对人脸数据的编辑操作,对人脸数据进行局部修改,生成衍生人脸数据,编辑操作包括局部微调、变形和变异中至少一种;
28、建立并存储人脸数据与目标人脸参数之间的关联关系。
29、在一种可选的方式中,在根据目标人脸参数,从参数化人脸模板库中确定对应的三维基底模型之前,还包括以下至少一项:
30、根据参数化人脸模板库中各语义参数维度的取值范围,校验目标人脸参数中各语义参数维度的目标取值是否均在对应的取值范围内;若存在目标取值不在对应的取值范围,则生成提示信息并终止流程,或者,将超出取值范围的目标取值修正为对应的取值范围边界值;
31、校验目标人脸参数中各语义参数维度之间是否存在冲突,若存在冲突,则根据预设的冲突解决策略调整对应的目标取值。
32、在一种可选的方式中,在人脸数据为三维人脸模型的情况下,还包括:
33、对三维人脸模型进行特征提取,得到对应的结构化特征向量;和/或,向人脸识别系统发送人脸数据和结构化特征向量,以供人脸识别系统基于人脸数据和结构化特征向量进行验证。
34、根据本发明实施例的另一方面,提供了一种人脸数据生成装置,包括:
35、获取模块,用于获取目标人脸参数,目标人脸参数包含多个可独立调控的语义参数维度,语义参数维度用于描述人脸的面部特征;
36、确定模块,用于根据目标人脸参数,从参数化人脸模板库中确定对应的三维基底模型;
37、人脸构造模块,用于根据目标人脸参数,对三维基底模型进行相应的模型属性调整,生成与目标人脸参数对应的人脸数据。
38、根据本发明实施例的另一方面,提供了一种电子设备,包括:包括:存储器,处理器;
39、存储器存储计算机执行指令;
40、处理器执行存储器存储的计算机执行指令,使得处理器执行上述的人脸数据生成方法。
41、根据本发明实施例的又一方面,提供了一种计算机可读存储介质,存储介质中存储有至少一可执行指令,可执行指令使电子设备/装置执行上述人脸数据生成方法的操作。
42、根据本发明实施例的又一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时,使得电子设备/装置执行上述人脸数据生成方法的操作。
43、本发明实施例,通过设置多个可独立调控的语义参数维度对人脸特征进行结构化、参数化的数字描述,使得人脸样本的构造不再依赖真实人员的物理采集,而是转化为可量化、可编程的参数调节过程,从而优化了样本采集成本,显著提升了样本的获取效率与规模扩展性。基于该机制,在定向构造人脸样本的过程中,可针对面部特征独立解析并响应各自的参数指令,使得单一特征维度的调节不会牵连或扰动其他区域的几何结构与纹理分布,保证了面部特征调节的局部性与精确性;并且,同一组人脸参数在多次构造中可始终产生一致的输出结果,消除了人脸数据生成过程的随机波动,确保了样本的可复现性与后续验证结果的可回溯性。由此,本方案能够以低成本、高效率的方式生成覆盖边界条件与长尾分布的多样化测试样本,为人脸识别系统在复杂场景下的鲁棒性评估与公平性验证提供了可靠的数据基础。
44、上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com