公开(公告)号：CN110059602A

公开(公告)日：2019-07-26

申请号：CN201910285207.0

申请日：2019-04-10

Applicant: 武汉大学

Inventor： 王中元 ,  王南西 ,  梁超 ,  傅佑铭

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于正投影特征变换的俯视人脸矫正方法，结合生成对抗网络(GAN)的思想，通过正投影特征变换(OFT)将俯视角度下的人脸转换成正脸。先利用OFT替代生成对抗网络中的生成器来生成假脸，为了将正脸分布的先验知识结合到训练过程中，再利用鉴别器来区分真实正面脸与合成正面脸，通过交替训练方式优化正投影特征变换网络的参数，使得最终产生更精确的正面人脸图像。本发明方法有效克服了现有多姿态人脸矫正方法对缺乏左右对称性可利用的俯角人脸效果差的局限，为公共视频监控环境下普遍存在的俯角人脸辨识提供了新的思路。

公开(公告)号：CN111291669B

公开(公告)日：2023-08-04

申请号：CN202010075862.6

申请日：2020-01-22

Applicant: 武汉大学

Inventor： 王中元 ,  黄宝金 ,  王南西 ,  吴浩 ,  任延珍 ,  涂卫平

IPC: G06V10/24 ,  G06V10/82 ,  G06V40/16 ,  G06T3/40 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种双通道俯角人脸融合校正GAN网络及人脸融合校正方法，本发明的GAN网络利用低分辨率正脸的全局结构和高分辨率俯角脸的局部纹理重建清晰的正面人脸，提高人脸识别系统的精度。建立的GAN网络包括超分辨率重建网络、姿态校正网络、头部姿态估计模块、人脸配准模块、人脸综合模块等主要功能模块。首先通过超分辨率重建网络将低分辨率正脸提升到高分辨率俯角脸同等分辨率，接着通过姿态校正网络完成高分辨率人脸的俯视姿态校正，然后使用光流配准方法实现二者的像素级对齐，最后将估计出的头部俯视角转换为融合权重，进行角度自适应的人脸合成。本发明能够精确地重建清晰的正面人脸，为监控视频人脸识别提供了新的思路。

公开(公告)号：CN110059602B

公开(公告)日：2022-03-15

申请号：CN201910285207.0

申请日：2019-04-10

Applicant: 武汉大学

Inventor： 王中元 ,  王南西 ,  梁超 ,  傅佑铭

IPC: G06V40/16 ,  G06V20/52 ,  G06K9/62

Abstract: 本发明公开了一种基于正投影特征变换的俯视人脸矫正方法，结合生成对抗网络(GAN)的思想，通过正投影特征变换(OFT)将俯视角度下的人脸转换成正脸。先利用OFT替代生成对抗网络中的生成器来生成假脸，为了将正脸分布的先验知识结合到训练过程中，再利用鉴别器来区分真实正面脸与合成正面脸，通过交替训练方式优化正投影特征变换网络的参数，使得最终产生更精确的正面人脸图像。本发明方法有效克服了现有多姿态人脸矫正方法对缺乏左右对称性可利用的俯角人脸效果差的局限，为公共视频监控环境下普遍存在的俯角人脸辨识提供了新的思路。

公开(公告)号：CN111291669A

公开(公告)日：2020-06-16

申请号：CN202010075862.6

申请日：2020-01-22

Applicant: 武汉大学

Inventor： 王中元 ,  黄宝金 ,  王南西 ,  吴浩 ,  任延珍 ,  涂卫平

IPC: G06K9/00 ,  G06T3/40 ,  G06T5/00

Abstract: 本发明公开了一种双通道俯角人脸融合校正GAN网络及人脸融合校正方法，本发明的GAN网络利用低分辨率正脸的全局结构和高分辨率俯角脸的局部纹理重建清晰的正面人脸，提高人脸识别系统的精度。建立的GAN网络包括超分辨率重建网络、姿态校正网络、头部姿态估计模块、人脸配准模块、人脸综合模块等主要功能模块。首先通过超分辨率重建网络将低分辨率正脸提升到高分辨率俯角脸同等分辨率，接着通过姿态校正网络完成高分辨率人脸的俯视姿态校正，然后使用光流配准方法实现二者的像素级对齐，最后将估计出的头部俯视角转换为融合权重，进行角度自适应的人脸合成。本发明能够精确地重建清晰的正面人脸，为监控视频人脸识别提供了新的思路。