基于可调节风格迁移的低质量人脸识别方法、装置及设备

本技术涉及图像识别，特别涉及一种基于可调节风格迁移的低质量人脸识别方法、装置及设备。

背景技术：

1、随着信息技术的飞速发展，人脸识别技术在安防监控、刑事侦查、智能门禁等多个领域得到了广泛应用。尤其是在刑事侦查中，对监控摄像头拍摄的嫌疑人照片进行人脸识别，已成为破案的重要手段。然而，尽管人脸识别技术近年来取得了显著进展，其识别效果依然极大地依赖于照片的清晰程度，在实际应用中，由于监控拍摄环境复杂、设备质量参差不齐等因素，常常会产生大量低质量图像，这些图像可能受到运动模糊、噪声干扰、光照不足等多种降质因素的影响，给人脸识别带来了巨大挑战。

2、相关技术中的低质量人脸识别方法通常通过下采样、模糊、加噪、压缩等方式模拟低质量图像，以减小高质量图像与低质量图像之间的模态差异。然而，这些方法需要大量的人工调参，且生成的降质图像与真实场景中的低质量图像仍存在较大差距，难以满足实际需求。例如，在刑事侦查中，监控摄像头捕捉到的嫌疑人照片可能因环境复杂而质量较差，相关技术无法准确模拟这些复杂的降质过程，导致识别效果不佳。

技术实现思路

1、本技术提供一种基于可调节风格迁移的低质量人脸识别方法、装置及设备，以解决相关技术难以模拟复杂的降质过程，导致识别效果不佳的问题，生成更接近真实低质量人脸降质效果的风格化图像，利用该图像作为低质量人脸识别算法的输入，可以提高人脸识别模型对真实低质量人脸图像的识别效果。

2、本技术第一方面实施例提供一种基于可调节风格迁移的低质量人脸识别方法，包括以下步骤：

3、获取高清人脸的内容图数据集和低质量人脸的风格图数据集；

4、利用所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集对初始可调节风格迁移网络模型进行训练得到训练后的可调节风格迁移网络模型；

5、将所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集输入至所述目标可调节风格迁移网络模型得到风格化降质人脸数据集；

6、利用所述风格化降质人脸数据集构建查询数据库，获取待识别人脸图像，通过所述查询数据库查询所述待识别人脸图像得到人脸识别序列。

7、可选地，在一些实施例中，在获取高清人脸的内容图数据集和低质量人脸的风格图数据集之后，包括：

8、对所述高清人脸的内容图数据集和低质量人脸的风格图数据集进行预处理，并计算每个人脸图像的混淆度值。

9、可选地，在一些实施例中，所述将所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集输入至所述训练后的可调节风格迁移网络模型得到风格化降质人脸数据集，包括：

10、利用预设的特征提取单元从每个高清人脸的内容图中提取每个人脸图像对应的身份特征，并从所述每个低质量人脸的风格图中提取每个人脸图像对应的风格特征；

11、将所述每个人脸图像对应的身份特征和所述每个人脸图像对应的风格特征输入至预设的编码器单元得到每个人脸图像对应的内容编码特征和每个人脸图像对应的风格编码特征；

12、将所述每个人脸图像对应的身份特征、所述每个人脸图像对应的对应的风格特征和所述每个人脸图像的混淆度值输入至预设的损失权重预测单元得到内容-风格损失权重；

13、将所述每个人脸图像对应的身份特征、所述每个人脸图像对应的风格特征和所述内容-风格损失权重输入至预设的解码器调节单元得到所述风格化降质人脸数据集。

14、可选地，在一些实施例中，在利用所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集对所述初始可调节风格迁移网络模型进行训练得到训练后的可调节风格迁移网络模型之后，包括：

15、判断整体损失函数是否达到预设收敛条件；

16、若所述整体损失函数达到所述预设收敛条件，根据所述整体损失函数更新可调节风格迁移网络模型的网络参数。

17、可选地，在一些实施例中，所述整体损失函数为：

18、

19、其中，表示身份对抗损失，表示风格损失，表示动态权重预测一致性损失，λ为风格损失的权重，w为约束损失的权重。

20、本技术第二方面实施例提供一种基于可调节风格迁移的低质量人脸识别装置，包括：

21、获取模块，用于获取高清人脸的内容图数据集和低质量人脸的风格图数据集；

22、训练模块，用于利用所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集对初始可调节风格迁移网络模型进行训练得到训练后的可调节风格迁移网络模型；

23、输入模块，用于将所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集输入至所述训练后的可调节风格迁移网络模型得到风格化降质人脸数据集；

24、识别模块，用于利用所述风格化降质人脸数据集构建查询数据库，获取待识别人脸图像，通过所述查询数据库查询所述待识别人脸图像得到人脸识别序列。

25、可选地，在一些实施例中，在获取高清人脸的内容图数据集和低质量人脸的风格图数据集之后，所述获取模块，包括：

26、预处理单元，用于对所述高清人脸的内容图数据集和低质量人脸的风格图数据集进行预处理，并计算每个人脸图像的混淆度值。

27、可选地，在一些实施例中，所述输入模块，包括：

28、提取单元，用于利用预设的特征提取单元从每个高清人脸的内容图中提取每个人脸图像对应的身份特征，并从所述每个低质量人脸的风格图中提取每个人脸图像对应的风格特征；

29、编码单元，用于将所述每个人脸图像对应的身份特征和所述每个人脸图像对应的风格特征输入至预设的编码器单元得到每个人脸图像对应的内容编码特征和每个人脸图像对应的风格编码特征；

30、损失权重预测单元，用于将所述每个人脸图像对应的身份特征、所述每个人脸图像对应的对应的风格特征和所述每个人脸图像的混淆度值输入至预设的损失权重预测单元得到内容-风格损失权重；

31、解码单元，用于将所述每个人脸图像对应的身份特征、所述每个人脸图像对应的风格特征和所述内容-风格损失权重输入至预设的解码器调节单元得到所述风格化降质人脸数据集。

32、可选地，在一些实施例中，在利用所述高清人脸的内容图数据集和所述低质量人脸的风格图数据集对所述初始可调节风格迁移网络模型进行训练得到训练后的可调节风格迁移网络模型之后，所述训练模块，包括：

33、判断单元，用于判断整体损失函数是否达到预设收敛条件；

34、更新单元，用于在所述整体损失函数达到所述预设收敛条件的情况下，根据所述整体损失函数更新可调节风格迁移网络模型的网络参数。

35、可选地，在一些实施例中，所述整体损失函数为：

36、

37、其中，表示身份对抗损失，表示风格损失，表示动态权重预测一致性损失，λ为风格损失的权重，w为约束损失的权重。

38、本技术第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的基于可调节风格迁移的低质量人脸识别方法。

39、本技术第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以用于实现如上述实施例所述的基于可调节风格迁移的低质量人脸识别方法。

40、由此，通过获取高清人脸的内容图数据集和低质量人脸的风格图数据集，并对初始可调节风格迁移网络模型进行训练得到训练后的可调节风格迁移网络模型，并将高清人脸的内容图数据集和低质量人脸的风格图数据集输入至训练后的可调节风格迁移网络模型得到风格化降质人脸数据集，利用风格化降质人脸数据集构建查询数据库，获取待识别人脸图像，通过查询数据库查询待识别人脸图像得到人脸识别序列。由此，解决了相关技术难以模拟复杂的降质过程，导致识别效果不佳的问题，生成更接近真实低质量人脸降质效果的风格化图像，从而提高人脸识别模型对真实低质量人脸图像的识别效果。

41、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。