技术特征：
1.一种戴口罩的人脸图像生成方法，其特征在于，包括：获取n个具有不同材质和颜色的口罩的图像，任一口罩图像记为p
i
；提取每一口罩图像中的口罩的左上、左下、中上、中下、右上和右下的六个特征点；获取m个人员的不戴口罩的人脸图像，任一不戴口罩人脸图像记为p
j
；检测每一人脸图像的关于脸颊左上点、脸颊左下点、鼻子中间点、下巴中间点、脸颊右上点和脸颊右下点的六个特征点；根据图像p
j
的人脸的大小和人脸的倾斜度，对任一口罩图像p
i
的六个特征点和任一不戴口罩人脸图像p
j
的六个特征点进行对应点匹配合成戴口罩人脸图像p
ij
；根据不戴口罩人脸图像p
j
的光照强度调整戴口罩人脸图像p
ij
中口罩区域的亮度；其中，提取的口罩图像p
i
的六个特征点的形成的轮廓与不戴口罩人脸图像p
j
的六个特征点形成的轮廓相匹配。2.如权利要求1所述的戴口罩的人脸图像生成方法，其特征在于，根据图像p
j
的人脸的大小和人脸的倾斜度，对任一口罩图像p
i
的六个特征点和任一不戴口罩人脸图像p
j
的六个特征点进行对应点匹配合成戴口罩人脸图像p
ij
的步骤包括：计算不戴口罩人脸图像p
j
的倾斜角；根据不戴口罩人脸图像p
j
的倾斜角对口罩图像p
i
透视变换，以保证口罩图像p
i
与不戴口罩人脸图像p
j
具有相同倾斜角；计算不戴口罩人脸图像p
j
的六个特征点形成的需口罩人脸区域的大小a；根据大小a对倾斜校正后的口罩图像p
i
的六个特征点形成的口罩区域进行缩放；寻找倾斜校正和缩放后的口罩图像p
i
的六个特征点在不戴口罩人脸图像p
j
的六个特征点中的对应匹配点，将对应的匹配点进行贴合形成戴口罩人脸图像p
ij
。3.如权利要求2所述的戴口罩的人脸图像生成方法，其特征在于，记不戴口罩人脸图像p
i
的倾斜角为α，连接不戴口罩人脸图像p
i
的鼻子中间点和下巴中间点，计算鼻子中间点和下巴中间点的连线与图像坐标系的x轴方向的夹角θ，η为：η＝90-θ，θ＝arctan((y2-y1)/(x2-x1))；其中(x1，y1)和(x2，y2)分别为检测的不带口罩人脸图像的鼻子中间点和下巴中间点两个特征点的坐标。4.如权利要求2所述的戴口罩的人脸图像生成方法，其特征在于，寻找倾斜校正后的口罩图像p
i
的六个特征点在不戴口罩人脸图像p
j
的六个特征点中的对应匹配点为：计算不戴口罩人脸图像p
j
的六个特征点与经过倾斜校正和缩放后的口罩图像p
i
的六个特征点的匹配度s，当匹配度s值最小值时，则完成倾斜校正和缩放后后的口罩图像p
i
的六个特征点在不戴口罩人脸图像p
j
的六个特征点中的对应匹配点；其中，ω为不戴口罩人脸图像p
j
的六个特征点的集合，(x
k
，y
k
)为集合ω中的任一特征点；ω
′
为口罩图像p
i
的六个特征点的集合，(x
′
k
，y
′
k
)为集合ω
′
中的任一特征点；1≤k≤6，∑表示求和。5.如权利要求1所述的戴口罩的人脸图像生成方法，其特征在于，戴口罩人脸图像中属
于口罩区域的像素点的像素值为f1，调整戴口罩人脸图像p
ij
中属于口罩区域像素点的像素值为f2；根据不戴口罩人脸图像p
j
的光照强度调整戴口罩人脸图像p
ij
中口罩区域的亮度的步骤包括：计算不戴口罩人脸图像p
j
的光照强度β1，计算口罩图像p
i
的光照强度β2，调整戴口罩人脸图像p
ij
中口罩区域的像素点的像素值：f2＝f1+(β
1-β2)；其中，max(p
i
(r，g，b))、min(p
i
(r，g，b))表示图像p
i
的所有像素点的绿色通道均值、红色通道均值和蓝色通道均值中的最大值和最小值；max(p
j
(r，g，b))、min(p
j
(r，g，b))图像p
j
的所有像素点的绿色通道均值、红色通道均值和蓝色通道均值中的最大值和最小值。6.如权利要求1所述的戴口罩的人脸图像生成方法，其特征在于，基于sdm人脸特点检测方法检测脸颊左上点、脸颊左下点、鼻子中间点、下巴中间点、脸颊右上点和脸颊右下点的六个特征点；其中，基于sdm人脸特点检测方法的训练过程中的损失函数为：l＝a1×
loss1+a2×
loss2；其中，loss1为原始sdm人脸特征点检测模型的损失函数，t
k
为基于sdm人脸特点检测方法检测的第k个特征点，x
′
k
为口罩图像p
i
的六个特征点的第k个特征点，a1和a2为加权系数且a1+a2＝1。7.如权利要求1所述的戴口罩的人脸图像生成方法，其特征在于，利用人工标注方法提取每一口罩图像的关于左上、左下、中上、中下、右上和右下的六个特征点，或者利用yolov5深度学习模型进行每一口罩图像的六个特征点的检测。8.一种戴口罩人脸的识别方法，其特征在于，包括：训练集选择和标注：选择不戴口罩的人脸图像和由如权利要求1至7任意一项权利要求所述的戴口罩的人脸图像生成方法生成的待口罩人脸图像，对不戴口罩的人脸图像和戴口罩的人脸图像进行代表人脸身份id的标注；训练facenet模型：将训练集的所有图像输入facenet模型中，利用facenet模型的特征层提取人脸特征向量；针对训练集中不同id标签的图像，计算两两不同id标签的图像的人脸特征向量之间的欧式距离h1；针对训练集中的相同id标签的图像，计算两两相同id标签的图像的人脸特征向量之间的欧式距离h2；构建facenet模型训练的损失函数l＝h2-h1，每一训练过程中通过损失函数l的值更新facenet模型的特征层的权重系数，直至损失函数l的值最小；戴口罩人脸识别：输入待识别的戴口罩的人脸图像至训练好的facenet模型中进行人脸身份id识别。9.如权利要求8所述的戴口罩人脸的识别方法，其特征在于，在选择的训练集中，针对n个人员，不同人员的不带口罩人脸图像的数量相同，不同人员的戴口罩人脸图像的数量相同，且同一人员的不带口罩和戴口罩人脸图像的数量相同。10.一种戴口罩人脸的识别装置，其特征在于，包括：口罩图像获取单元：用于获取n个具有不同材质和颜色的口罩的图像；口罩关键点提取单元：用于提取每一口罩图像中的口罩的左上、左下、中上、中下、右上
和右下的六个特征点；人脸图像获取单元：用于获取m个人员的不戴口罩的人脸图像；人脸关键点提取单元：用于检测每一人脸图像的关于脸颊左上点、脸颊左下点、鼻子中间点、下巴中间点、脸颊右上点和脸颊右下点的六个特征点；戴口罩人脸合成单元：用于根据图像pj的人脸的大小和人脸的倾斜度，并对任一口罩图像pi的六个特征点和任一不戴口罩人脸图像pj的六个特征点匹进行对应点配合成戴口罩人脸图像pij；亮度调节单元：用于根据不戴口罩人脸图像pj的光照强度调整戴口罩人脸图像pij中口罩区域的亮度；人脸识别单元：用于将所有合成的戴口罩人脸图像加入训练集，并基于facenet模型进行人脸识别。
技术总结
本申请提供一种戴口罩的人脸图像生成方法，其包括：获取n个具有不同材质和颜色的口罩的图像，任一口罩图像记为；提取每一口罩图像的关于左上、左下、中上、中下、右上和右下的六个特征点；获取m个人员的不戴口罩的人脸图像,任一不戴口罩人脸图像记为P
技术研发人员：欧阳一村 罗富章 朱光强 陈昌全 莫家源 李希
受保护的技术使用者：盛视科技股份有限公司
技术研发日：2021.11.04
技术公布日：2022/1/28