基于生成对抗网络的有遮挡人脸修复方法

摘要

【目的】实现有遮挡人脸图像修复,以提升人脸识别系统中有遮挡条件下人脸识别的准确率。【应用背景】在无感人脸识别场景中,人脸图像常因帽子、口罩等遮挡物影响,现有人脸识别算法出现准确率下降甚至无法识别现象。【方法】本文综合考虑图像内容相似性、真实性和生成的图像连贯性,提出一种由单一生成器和双判别器组成的生成对抗网络,将生成器生成的人脸被遮挡部分输入局部判别器,并将其与去除遮挡部分的原始人脸图像融合后输入全局判别器,提升生成器的稳定性及精确性。【结果】采用LFW人脸数据集实验分析可知,本文方法更好地实现了有遮挡的人脸图像修复,在图像结构相似度(SSIM)和峰值信噪比(PSNR)上,较经典DCGAN提高了67%和40%。【结论】针对实际应用场景,以图像内容相似性为生成对抗网络输入条件,提高了网络的收敛效率和稳定性,可进一步优化网络结构、降低层间损失以提升生成图像的质量。