买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：平安科技(深圳)有限公司

摘要：本申请涉及人工智能和图像处理领域，提供了一种基于人工智能的换脸方法、装置、设备及存储介质，该方法包括：根据第一样本数据集对第一生成式对抗网络模型进行训练；根据第二样本数据集对第二生成式对抗网络模型进行训练；运行第一生成式对抗网络模型对源人像和目标人像进行处理；确定第一人脸图像的关键点特征向量，并从目标人像中提取第一目标面部图像和从第一人脸图像提取第二目标面部图像；运行第二生成式对抗网络模型，利用关键点特征向量、第一目标面部图像和第二目标面部图像对第一人脸图像进行处理；对第二人脸图像和目标人像进行融合。本申请提高了换脸的真实度。上述存储介质可存储根据区块链节点的使用所创建的数据。

主权项：1.一种基于人工智能的换脸方法，其特征在于，包括：获取第一样本数据集，并根据所述第一样本数据集对第一生成式对抗网络模型进行迭代训练，直至所述第一生成式对抗网络模型收敛；获取第二样本数据集，并根据所述第二样本数据集对第二生成式对抗网络模型进行迭代训练，直至所述第二生成式对抗网络模型收敛；获取源人像和目标人像，并运行收敛后的所述第一生成式对抗网络模型对所述源人像和所述目标人像进行处理，得到第一人脸图像；确定所述第一人脸图像的关键点特征向量，并从所述目标人像中提取第一目标面部图像和从所述第一人脸图像提取第二目标面部图像；运行收敛后的第二生成式对抗网络模型，利用所述关键点特征向量、第一目标面部图像和第二目标面部图像对所述第一人脸图像进行朝向校正和边缘补充处理，得到与所述目标人像的面部朝向更贴合以及面部轮廓更接近的第二人脸图像；对所述第二人脸图像和所述目标人像进行融合，得到目标换脸人像；其中，所述第一生成式对抗网络模型包括面部特征提取网络、属性特征提取网络和第一生成式对抗网络，所述第一样本数据集包括多个人像对，所述人像对包括第一源人像和第二目标人像，所述根据所述第一样本数据集对第一生成式对抗网络模型进行迭代训练，直至所述第一生成式对抗网络模型收敛，包括：从所述第一样本数据集中选择一个人像对作为目标人像对；将所述目标人像对中的第一源人像输入所述面部特征提取网络进行面部特征提取，得到第一面部特征向量；将所述目标人像对中的第一目标人像输入所述属性特征网络进行属性特征提取，得到第一属性特征向量；将所述第一面部特征向量和第一属性特征向量输入第一生成式对抗网络进行处理，得到第一预测人脸图像；确定所述第一预测人脸图像的第二面部特征向量以及所述第一预测人脸图像的第二属性特征向量；根据所述第一面部特征向量、第一属性特征向量、第二面部特征向量、第二属性特征向量、第一源人像和第一预测人脸图像，计算第一模型损失值；根据第一模型损失值确定所述第一生成式对抗网络模型是否收敛；若第一生成式对抗网络模型未收敛，则更新第一生成式对抗网络模型的模型参数；返回执行所述从所述第一样本数据集中选择一个人像对作为目标人像对的步骤，直至所述第一生成式对抗网络模型收敛；所述第二生成式对抗网络模型包括第二生成式对抗网络，所述第二样本数据集包括多个样本数据，所述根据所述第二样本数据集对第二生成式对抗网络模型进行迭代训练，直至所述第二生成式对抗网络模型收敛，包括：从所述第二样本数据集中选择一个样本数据作为目标样本数据；将所述目标样本数据中的样本人脸图像输入所述关键点检测网络进行关键点检测，得到所述样本人脸图像的关键点特征向量；从所述样本人脸图像中分割得到第一面部图像，并从所述目标样本数据中的样本人像内分割得到第二面部图像；将所述样本人脸图像、所述样本人脸图像的关键点特征向量、所述第一面部图像和第二面部图像输入所述第二生成式对抗网络进行处理，得到第二预测人脸图像；根据所述第二预测人脸图像与所述目标样本数据中的标注的人脸图像，计算第二模型损失值；根据所述第二模型损失值确定所述第二生成式对抗网络是否收敛；若所述第二生成式对抗网络未收敛，则更新所述第二生成式对抗网络的模型参数；返回执行所述从所述第二样本数据集中选择一个样本数据作为目标样本数据的步骤，直至所述第二生成式对抗网络收敛。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 基于人工智能的换脸方法、装置、设备及存储介质