基于产生式模型的人脸正面化研究

发布时间：2020-11-01 10:08

　　 随着视频监控网络在国内广泛的建设与应用,通过视频监控快速确定行人的身份信息成为了公安工作智能化的关键因素。在实际情况下,视频监控获取的人脸大多为非正面人脸,影响人脸识别的准确率以及后续的使用。人脸正面化为多角度人脸识别提供了有效的预处理方法。人脸正面化是指根据侧面人脸生成正面人脸,可以显著提高多角度人脸识别情况下的准确率。同时,合成的正面人脸可以用于公安工作的后续开展。因此,人脸正面化具有广泛的应用前景。本文提出了新的基于产生式模型的人脸正面化方法。通过对目前基于深度学习的产生式模型进行研究和分析,在生成对抗学习GAN网络框架下对生成器和判别器网络进行改进,设计出两个能较好实现人脸正面化任务的产生式模型。本文主要工作如下:一、对生成器网络进行改进,分别采用变分自编码器VAE和流模型GLOW作为生成器。对于基于VAE的生成器网络,设计了条件β-VAE网络以增强人脸生成的解耦性。对于基于GLOW的生成器网络,设计出基于条件批归一化层CBN的条件流网络以实现对生成方向的控制。二、对判别器网络进行改进,分别加入身份、角度损失函数和互信息限制对目标函数进行改进。加入身份、角度损失函数的判别器网络不再是传统的二分类器,而是多输出分类器,不仅判别图片真假,同时判别身份和角度。加入互信息限制的判别器网络对原始数据和潜在空间变量的互信息进行限制,平衡网络的训练。三、提出了两个人脸正面化模型。分别是采用条件β-VAE生成器和加入身份、角度损失函数判别器的βVAE-GAN模型和采用条件流生成器和加入互信息限制判别器的Cflow-GAN模型。通过发挥对抗学习框架的优点,实现人脸正面化的任务。四、通过多种评估方式进行对提出的两个人脸正面化模型进行分析。在定量分析中,βVAE-GAN和Cflow-GAN在FID、IS、PSNR和SSIM等评估标准下的成绩都要比基准模型好。在人脸正面化识别实验评估中,βVAE-GAN和Cflow-GAN的识别准确率得到提高。本文通过以上工作,设计出了两个人脸正面化模型并且通过多方面的评估标准进行分析,可以生成质量较高的正面人脸,提升了多角度人脸识别的准确率。
【学位单位】：中国人民公安大学
【学位级别】：硕士
【学位年份】：2020
【中图分类】：TP391.41
【部分图文】：

中国人民公安大学硕士学位论文-4-方法。通过建立形变模型，利用线性仿射变换等操作可以较好地实现正面人脸生成侧面人脸。但是当问题变为从侧面人脸生成正面人脸时，难度大大增加，因为这是要恢复侧面人脸中不存在的纹理特征。因此，使用2D图像学方法在直接对侧面人脸进行线性或非线性的几何变换时，会导致生成正面人脸存在扭曲的情况。如LGBP[20]方法，采用局部Gabor二进制模型对侧面人脸进行建模，生成人脸图像的直方序列，但是与原图像的相似度不高。根据前人的研究可以看出，利用简单的2D图形学方法进行线性或非线性的几何变换很难生成质量较高的正面人脸。3D图形学的方法是根据侧面人脸建立3D的人脸模型，进而获得正面人脸。例如由Blanz等人提出的三维形变模型法（3DMorphableModel,3DMM）[21]，需要大量3D人脸样本进行构造模型，对纹理细节和形状分布建模合成正面人脸。基于三维形变模型方法的改进模型有很多，如Grupp等人[22]采用isomap算法对人脸纹理表示的学习方法进行了改进，效果如图1.1所示。此外，3D图形学的方法还有光流法[23]、非刚体模型法[24]。光流法计算复杂度相对较小，但当人脸角度变化较大时，合成的图像会存在较多像素损失。非刚体模型法模型相对简单，但生成的正面人脸畸变较大，应用范围较为受限。3D图形学的方法整体而言需要的样本信息较大，训练过程较为复杂，而且从图1.1可以看出生成的图片存在畸变，与真实图像存在一定差距。图1.1三维形变模型法的人脸正面化效果[22]综上所述，基于传统图形学的方法中2D的方法难以完成人脸正面化的任务，3D的方法利用了三维模型对人脸角度变化的鲁棒性可以解决人脸正面化的问题，但是生成的正面人脸畸变较大。

用AAM方法的效果要好，但是因为选择进行全局合成，假设不同角度间人脸存在全局相似一致性，忽视了局部的不相似性，致使生成图片存在一定缺陷。除此之外，近期使用统计学方法取得较好人脸正面化效果的是Sagonas等人提出了一种可变形的TILT（TransformInvariantLow-rankTexture）统计学模型[28]实现人脸关键点定位和人脸正面化，根据在线性空间中正面人脸的秩较其他不同角度人脸是最小的，建立一个低秩且稀疏的统计学模型实现人脸正面化的鲁棒性。虽然没有使用AAM方法，但是使用自行设计的方法对图片进了预处理。其实验效果如图1.2所示，可以看出生成的正面人脸较传统图形学方法会比较平滑，但是生成图像仅为中心区域，而且面部细节有所缺失。图1.2可变形的TILT模型的人脸正面化效果[28]

中国人民公安大学硕士学位论文-6-综上所述，基于统计学的方法从学习侧面人脸和正面人脸之间的规律出发，生成的正面人脸较传统图形学方法会比较自然平滑，但是在面部细节的处理上依旧存在不足。1.2.3基于产生式模型的人脸正面化方法随着深度学习方法的不断发展，基于产生式模型的人脸正面化方法取得了显著的成绩。为了更好地分析目前主流的人脸正面化方法，在本节中所研究的产生式模型都是基于深度学习的方法，根据深度学习技术的不同，可以将其分为基于各类卷积神经网络方法、基于自动编码器AE模型和基于GAN模型的人脸正面化方法。基于各类卷积神经网络的方法利用了深度神经网络强大的拟合能力，根据自行设计的产生式模型来生成正面人脸。例如，Zhu等人提出了FIP（FaceIdentity-Preserving）[29]方法利用卷积神经网络学习人脸中具有身份一致性的特征，克服光照和角度的影响，从而生成正面人脸。随后又提出了MVP（Multi-ViewPerceptron）[30]方法设计多视角感知网络分别学习身份和角度特征，使其具有足够的区分性和鲁棒性，从而根据给定人脸重建正面人脸。Yim[31]等人提出了多任务学习框架实现在保持身份一致性的情况下将输入人脸旋转为任意角度。其实验效果如图1.3所示，最左侧为输入，其余几列为生成的指定角度人脸。可以看出实验效果较传统图形学和统计学的方法要好，生成人脸比较完整，但是在面部细节上处理有待提高。图1.3多任务学习人脸正面化框架效果[31]基于AE模型的人脸正面化方法往往采用自动编码器的变体来完成人脸正面化任务。例如，MeinaKan等人提出了堆叠渐进式自编码器SPAE，以渐进的方式通过堆叠自编
【相似文献】

相关期刊论文 前10条

1 张鹏升;;基于变分自编码器的人脸正面化产生式模型[J];软件导刊;2018年12期

2 孔环环;石洪波;;产生式与判别式分类方法比较研究[J];科技情报开发与经济;2010年08期

3 索红军;奚建荣;;关于ε-产生式消除算法的改进[J];渭南师范学院学报;2006年02期

4 ;产生式语言[J];电子计算机参考资料;1974年Z1期

5 李庶巾;;不良情绪要疏泄[J];半月选读;2009年14期

6 黄永忠;陈左宁;周蓓;;产生式重构代理的轻量级移动模型[J];计算机工程;2008年16期

7 王泓皓,董韫美;基于产生式集划分的上下文无关语言句子生成[J];软件学报;2000年08期

8 王文义,张行进,王若雨;产生式外部形态对算术表达式翻译的影响及其解决办法[J];郑州工业大学学报;1999年01期

9 廖湖声，姚峰;一个产生式部件系统的设计与实现[J];北京工业大学学报;1995年01期

10 刘少英;李友仁;;产生式软件开发工具[J];计算机研究与发展;1990年06期

相关博士学位论文 前10条

1 姜嘉言;用于人脸识别的产生式模型和判别式模型中若干问题的研究[D];复旦大学;2009年

2 任志宏;Web服务复合的若干关健问题研究[D];中国科学院研究生院（软件研究所）;2004年

3 梁海华;一种结合Agent技术的产生式领域工程方法[D];浙江大学;2008年

4 陈帅均;基于专家系统的飞行器评估系统研究[D];中国科学院研究生院（光电技术研究所）;2014年

5 欧阳林寒;模型不确定下的稳健参数设计研究[D];南京理工大学;2016年

6 郝春艳;网络容量扩张中的成本效益模型研究[D];华中科技大学;2006年

7 刘展;基于广义比例优势模型的加速寿命试验统计分析与优化设计[D];西南财经大学;2016年

8 李钦;面向模型的组合理论研究[D];华东师范大学;2011年

9 尚文朋;加法与乘法风险模型的广义矩估计方法[D];华中科技大学;2017年

10 周伊佳;带有共享不确定参数的鲁棒优化模型[D];大连理工大学;2017年

相关硕士学位论文 前10条

1 张鹏升;基于产生式模型的人脸正面化研究[D];中国人民公安大学;2020年

2 江雪莲;产生式/判别式混合分类方法研究[D];山西财经大学;2011年

3 田海;基于产生式编程的矩阵计算库的设计与实现[D];大连理工大学;2008年

4 彭翔;基于离散事件系统的产生式推理故障诊断建模方法的研究[D];华侨大学;2015年

5 徐燕平;产生式理论在高中有机化学教学中的应用研究[D];华东师范大学;2007年

6 邓哲;虚拟现实系统中自然植物模拟的研究与实现[D];湖南大学;2010年

7 朱光菊;基于领域本体的产生式框架知识表示的研究及其应用[D];云南师范大学;2007年

8 雷丽竹;现代汉语词汇正面义研究[D];西南科技大学;2020年

9 封冲;正面文化工作坊在青少年社会工作中的应用[D];南京大学;2013年

10 王珊;基于3D重建的人脸正面化研究[D];中国人民公安大学;2020年

本文编号：2865390