一种基于数据分析的图像处理方法及其系统与流程

本发明涉及图像处理领域，尤其涉及一种基于数据分析的图像处理方法及其系统。

背景技术：

随着人工智能的发展，对抗神经网络技术越来越发达，如何把对抗神经网络技术应用到人脸识别和人脸变换上，是现时需要解决的问题。

技术实现要素：

针对现有技术的不足，本发明的目的在于提供一种满足用户个性化需求，基于数据分析的图像处理方法及其系统。

为实现上述目的，本发明采用的技术方案如下：一种基于数据分析的图像处理方法，该方法基于对抗神经网络，包括以下步骤：

s1、构建年龄分类网络，把年龄按预设的年龄段进行分类，使用带年龄标签的人脸图像训练所述年龄分类网络，用于获取人物特征以及计算输出图像的年龄误差；

s2、优化生成器以及判别器权值和参数，使用人脸图像迭代训练条件生成式对抗神经网络，优化生成器以及判别器的权值和参数，使生成器能生成近似真实的图像而判别器尽可能识别图像来自生成器还是训练集，两者在对抗中达到均衡；

s3、构建年龄变换的神经网络，获取优化后生成器的权值和参数，输入图像和期望年龄数值后，生成器根据优化后的权值和参数输出期望年龄所对应的图像。

进一步，所述步骤s1中把年龄按预设的年龄段进行分类的具体操作是：把年龄从零开始，按每十岁分为一类。

进一步，所述步骤s2中优化生成器以及判别器权值和参数的具体操作是：以最小化人物特征损失、年龄误差以及图像真实性误差进行优化。

为了实现本发明另一目的，本发明还采用如下技术方案：一种基于数据分析的图像处理系统，该系统基于对抗神经网络，所述系统包括：

年龄分类网络单元，把年龄按预设的年龄段进行分类，使用带年龄标签的人脸图像训练所述年龄分类网络，用于获取人物特征以及计算输出图像的年龄误差；

优化单元，优化生成器以及判别器权值和参数，使用人脸图像迭代训练条件生成式对抗神经网络，优化生成器以及判别器的权值和参数，使生成器能生成近似真实的图像而判别器尽可能识别图像来自生成器还是训练集，两者在对抗中达到均衡；

年龄变换的神经网络单元，获取优化后生成器的权值和参数，输入图像和期望年龄数值后，生成器根据优化后的权值和参数输出期望年龄所对应的图像。

进一步，所述年龄分类网络单元把年龄从零开始，按每十岁分为一类。

进一步，所述优化单元以最小化人物特征损失、年龄误差以及图像真实性误差进行优化。

相对于现有技术，本发明开发经优化的具备保留身份特征的生成式对抗神经网络(gans)，利用带年龄标签的人脸数据集，并对抗式地训练图像生成器和图像判别器，要求图像生成器能尽可能根据输入图像生成指定年龄段的输出图像而使判别器无法识别输出图像来自生成器输出还是训练集。网络训练收敛后可用生成器部分用于指定年龄段的人脸变换图像生成，满足用户的个性化需求。

为了充分地了解本发明的目的、特征和效果，以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明。

附图说明

图1是本发明基于数据分析的图像处理系统的模块示意图；

图2是本发明基于数据分析的图像处理方法的流程图。

具体实施方式

下面将结合附图以及具体实施方法来详细说明本发明，在本发明的示意性实施及说明用来解释本发明，但并不作为对本发明的限定。

实施例

如图1所示，一种基于数据分析的图像处理系统，该系统基于对抗神经网络，所述系统包括：

年龄分类网络单元，把年龄按预设的年龄段进行分类，使用带年龄标签的人脸图像训练所述年龄分类网络，把年龄从零开始，按每十岁分为一类，于获取人物特征以及计算输出图像的年龄误差；

优化单元，优化生成器以及判别器权值和参数，使用人脸图像迭代训练条件生成式对抗神经网络，优化生成器以及判别器的权值和参数，以最小化人物特征损失、年龄误差以及图像真实性误差进行优化，生成器能生成近似真实的图像而判别器尽可能识别图像来自生成器还是训练集，两者在对抗中达到均衡；

年龄变换的神经网络单元，获取优化后生成器的权值和参数，输入图像和期望年龄数值后，生成器根据优化后的权值和参数输出期望年龄所对应的图像。

如图2示，一种基于数据分析的图像处理方法，该方法基于对抗神经网络，包括以下步骤：

s101：构建年龄分类网络，把年龄从零开始，按每十岁分为一类，使用带年龄标签的人脸图像训练所述年龄分类网络，用于获取人物特征以及计算输出图像的年龄误差；

s102：优化生成器以及判别器权值和参数，使用人脸图像迭代训练条件生成式对抗神经网络，优化生成器以及判别器的权值和参数，以最小化人物特征损失、年龄误差以及图像真实性误差进行优化，使生成器能生成近似真实的图像而判别器尽可能识别图像来自生成器还是训练集，两者在对抗中达到均衡；

s103：构建年龄变换的神经网络，获取优化后生成器的权值和参数，输入图像和期望年龄数值后，生成器根据优化后的权值和参数输出期望年龄所对应的图像。

生成式对抗神经网络是通过生成器和判别器两部分对抗式训练而达到可以生成接近真实的图片，而人脸年龄功能的技术难点在于：第一，生成图像必须真实；第二，生成图像必须与输入图像(近似)为同一个人；第三，必须能根据指定年龄标签去生成目标年龄段的图像。因此，算法实现主体是可以控制输出特征的条件生成式对抗神经网络(cgans)，而为保证输入输出人物身份特征一致以及输出图像能落到目标年龄段，另外预训练一个年龄段分类器，用以获取输入输出人物特征并进行匹配，以及计算输出图像与目标年龄段的误差。

开发经优化的具备保留身份特征的生成式对抗神经网络(gans)，利用带年龄标签的人脸数据集，并对抗式地训练图像生成器和图像判别器，要求图像生成器能尽可能根据输入图像生成指定年龄段的输出图像而使判别器无法识别输出图像来自生成器输出还是训练集。网络训练收敛后可用生成器部分用于指定年龄段的人脸变换图像生成。

本实施例所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。