一种模型训练方法及系统、人脸图像去光方法及系统与流程

技术特征：
1.一种模型训练方法，其特征在于，包括：获取高清人脸图像数据集；从所述高清人脸图像数据集中，筛选出光照均匀的人脸图像，并将筛选出的光照均匀的人脸图像存储在真实人脸图像集中；对筛选出的光照均匀的人脸图像重光照，得到带有阴影和高光的人脸图像，生成人脸重光照图像集；将所述人脸重光照图像集中的人脸图像及真实人脸图像集中的人脸图像输入到预先构建的网络模型中进行训练，直至模型收敛，得到人脸图像去光模型，所述人脸图像去光模型用于对输入的人脸图像进行去光处理，得到光照均匀的人脸图像。2.根据权利要求1所述的方法，其特征在于，所述从所述高清人脸图像数据集中，筛选出光照均匀的人脸图像，包括：对所述高清人脸图像数据集中的每张高清人脸图像，进行人脸分割，获得人脸图像中的人脸区域；对每个分割出的人脸区域，根据所述人脸区域中的高光像素和阴影像素占比，判断该人脸区域对应的人脸图像是否为光照均匀的人脸图像。3.根据权利要求2所述的方法，其特征在于，所述根据所述人脸区域中的高光像素和阴影像素占比，判断该人脸区域对应的人脸图像是否为光照均匀的人脸图像，包括：在所述人脸区域中，将像素值高于第一预设像素值的像素标记为高光像素，将像素值低于第二预设像素值的像素标记为阴影像素；所述第二预设像素值低于第一预设像素值；计算阴影像素的数量和高光像素的数量两者之和占所述人脸区域所有像素数量的比重；若所述比重低于阈值，则将该人脸区域对应的人脸图像标记为光照均匀的人脸图像。4.根据权利要求1所述的方法，其特征在于，所述对筛选出的光照均匀的人脸图像重光照，包括：随机挑选球谐函数系数，将所述球谐函数系数所对应的光照方向和光照强度添加到筛选出的光照均匀的人脸图像中，通过调节所述球谐函数系数的缩放尺度，得到带有阴影和高光的人脸图像；将剪影数据作为外部阴影的轮廓或者通过添加柏林噪声仿造无固定形状的外部物体造成的阴影，添加到所述带有阴影和高光的人脸图像中。5.根据权利要求1所述的方法，其特征在于，所述将所述人脸重光照图像集中的人脸图像及真实人脸图像集中的人脸图像输入到预先构建的网络模型中进行训练，包括：定义所述网络模型的损失函数；更新所述网络模型的生成器和判别器，直至模型收敛；其中，所述生成器用于接收重光照后的人脸图像，并对重光照后的人脸图像进行去光处理，生成光照均匀的人脸图像；所述判别器用于接收生成器生成的人脸图像，或者真实的光照均匀的人脸图像，输出所述人脸图像属于真实的光照均匀的人脸图像的置信度。6.根据权利要求5所述的方法，其特征在于，所述网络模型的损失函数，至少包括：用于优化生成器的基于标准差的正则项；
所述正则项用于约束生成器生成的人脸图像的光照效果。7.根据权利要求5所述的方法，其特征在于，所述更新所述网络模型的生成器和判别器，包括：更新生成器，包括：固定判别器的网络参数，将所述人脸重光照图像集中的人脸图像分批送入生成器，输出光照均匀的人脸图像；根据判别器输出的该光照均匀的人脸图像的置信度，计算损失函数值，并对生成器各层的模型参数进行求导，得到生成器各层的梯度；根据所述梯度，使用梯度下降算法和反向传播算法更新生成器的网络参数；更新判别器，包括：将生成器生成的人脸图像和真实人脸图像集中的人脸图像，轮流输入到判别器中，分别得到输入的人脸图像属于真实的光照均匀的人脸图像的第一置信度和第二置信度；根据所述第一置信度和第二置信度，计算损失函数值，并使用链式法则计算判别器各个层的梯度；根据所述梯度，使用梯度下降算法和反向传播算法更新判别器的网络参数。8.根据权利要求7所述的方法，其特征在于，还包括：设置所述生成器和判别器的优化迭代次数，所述优化迭代次数达到预设次数，损失函数值不再减小，且测试集上测得的结构相似度不再提升时，判定模型收敛，将此时的生成器确定为人脸图像去光模型；所述测试集中存储有多张人脸图像及每张人脸图像对应的真值；所述真值是指人脸图像未被重光照时的像素值；所述结构相似度是指测试集中的人脸图像输入到生成器后，生成光照均匀的人脸图像，该光照均匀的人脸图像的预测值与对应真值的相似度；所述预测值是指该光照均匀的人脸图像的像素值。9.一种人脸图像去光方法，其特征在于，包括：将实时采集的人脸图像进行人脸对齐，以识别出人脸区域，并将识别出的人脸区域对齐到指定位置；将人脸对齐后的人脸图像，输入到所述人脸图像去光模型中进行去光处理，得到光照均匀的人脸图像；所述人脸图像去光模型为利用权利要求1～8中任一项所述的模型训练方法得到的。10.一种模型训练系统，其特征在于，包括：获取模块，用于获取高清人脸图像数据集；筛选模块，用于从所述高清人脸图像数据集中，筛选出光照均匀的人脸图像，并将筛选出的光照均匀的人脸图像存储在真实人脸图像集中；重光照模块，用于对筛选出的光照均匀的人脸图像重光照，生成人脸重光照图像集；训练模块，用于将所述人脸重光照图像集中的人脸图像及真实人脸图像集中的人脸图像输入到预先构建的网络模型中进行训练，直至模型收敛，得到人脸图像去光模型，所述人脸图像去光模型，用于对输入的人脸图像进行去光处理，得到光照均匀的人脸图像。11.根据权利要求10所述的系统，其特征在于，所述网络模型，包括：
生成器，用于接收重光照后的人脸图像，并对重光照后的人脸图像进行去光处理，生成光照均匀的人脸图像；判别器，用于接收生成器生成的人脸图像，或者真实的光照均匀的人脸图像，输出所述人脸图像属于真实的光照均匀的人脸图像的置信度。12.根据权利要求11所述的系统，其特征在于，所述生成器，包括：编码器，用于对重光照后的人脸图像进行特征提取，得到去除光照影响的人脸特征；解码器，用于将去除光照影响的人脸特征，还原为光照均匀的人脸图像。13.根据权利要求11所述的方法，其特征在于，所述判别器，包括：卷积层，用于对输入的光照均匀的人脸图像进行一次特征提取；残差模块，用于对卷积层提取的特征进行二次特征提取和下采样；全连接层，用于根据残差模块输出的特征，计算输入的光照均匀的人脸图像属于真实的光照均匀的人脸图像的置信度，并输出所述置信度。14.一种人脸图像去光系统，其特征在于，包括：对齐模块，用于将实时采集的人脸图像进行人脸对齐，以识别出人脸区域，并将识别出的人脸区域对齐到指定位置；去光模块，用于将人脸对齐后的人脸图像，输入到所述人脸图像去光模型中进行去光处理，得到光照均匀的人脸图像；所述人脸图像去光模型为利用权利要求1～8中任一项所述的模型训练方法得到的。15.一种电子设备，其特征在于，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；所述处理器通过调用所述存储器中存储的计算机程序，执行权利要求1～8任一项所述的模型训练方法，和/或，权利要求9所述的人脸图像去光方法。16.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；当所述计算机程序在计算机设备上运行时，使得所述计算机设备执行1～8任一项所述的模型训练方法，和/或，权利要求9所述的人脸图像去光方法。

技术总结
本发明涉及一种模型训练方法及系统、人脸图像去光方法及系统、电子设备及可读存储介质，该方法通过获取高清人脸图像数据集，从所述高清人脸图像数据集中，筛选出光照均匀的人脸图像，并对筛选出的光照均匀的人脸图像重光照，生成人脸重光照图像集，实现了模型训练数据的自生成，摆脱了对昂贵的数据采集设备的依赖，成本低、算法普及性更强。进一步地，相比现有技术，本发明提供的技术方案，无需2D到3D的转换，仅通过2D人脸图像就可以实现对人脸图像的去光，大大提升了人脸图像的去光效果。大大提升了人脸图像的去光效果。大大提升了人脸图像的去光效果。


技术研发人员：李士超
受保护的技术使用者：北京奇艺世纪科技有限公司
技术研发日：2022.06.28
技术公布日：2022/9/13