摘 要

人脸图像的年龄变化处理一直是图像处理领域的一个重要研究课题。尽管该研究面对着的是极大的难点，但仍吸引着国内外无数学者的目光。随着社会的发展和科学技术的进步，人脸图像年龄处理方面已经取得了很大的进步，尤其是在公安部门的刑侦勘察、个人身份的验证、娱乐影视中模拟不同年龄阶段的人脸等领域中得到了较为广泛的应用，并且行之有效。

基于国内外已有的研究成果，本文在人脸图像年龄重构方面做了大量研究和实验，取得了一定的成果。本文主要研究工作如下：

（1）采用了生成式对抗网络（GAN，Generative Adversarial Networks）的思想，设计了一种以条件对抗式自动编码器（CAAE，conditional adversarial auto encoder）进行人脸老化及退龄的方法。

（2）在基于TensorFlow的机器学习环境下使用Python语言进行程序的设计与实现。首先调用UTK人脸数据集进行机器训练，得到人脸图像老化及退龄的模型；接着输入人脸图片对此模型进行测试，得到人脸图像处理结果，通过观察老化与退龄效果验证以CAAE进行人脸图像老化及退龄的可行性。

关键词：人脸图像老化；人脸图像退龄；条件对抗式自动编码器；TensorFlow

Abstract

The age change processing of face image has always been an important research subject in the field of image processing. Although the research confronts a lot of formidable difficulties, it still attracts the eyes of numerous scholars both at home and abroad. With the development of the society, the progress of science and technology, the age change of face image processing has made great progress, especially in the area of public security department of forensic investigation, personal identity authentication, entertainment, simulation of different ages in the film and television, it has been widely used effectively.

Based on the existing researches at home and abroad, this paper has done a lot of research and experiments in the age reconstruction of face images and achieved certain results. The main research work of this article is as follows:

(1) Using the idea of Generative Adversarial Networks (GAN), a conditional adversarial auto encoder (CAAE) was designed to perform facial age progression and regression.

(2) Design and implementation of programs using Python language under the TensorFlow-based machine learning environment. Firstly, call UTK face data set for machine training to obtain a model of aging face images; then input the face picture to test this model to obtain the results of face image processing, and verify the aging effect by CAAE.

Key Words：face age progression；face age regression；conditional adversarial auto encoder；TensorFlow

目录

第1章 绪论 1

1.1 人脸图像老化与退龄研究的目的及意义 1

1.2 人脸图像老化与退龄研究的发展及现状 2

1.3 本文研究内容及章节安排 3

第2章 基于CAAE的人脸图像老化及退龄算法研究 4

2.1 生成式对抗网络GAN 4

2.2 条件对抗式自动编码器CAAE的框架设计 5

2.3 人脸面部年龄流形及其遍历 6

2.3.1 人脸面部年龄流形 6

2.3.2 年龄流形的遍历 7

2.4 人脸面部年龄流形的生成 8

2.5 鉴别器网络 9

2.6 本章小结 11

第3章 基于TensorFlow的人脸图像老化及退龄实现 12

3.1 TensorFlow简介 12

3.2 Python编程实现 12

3.2.1 人脸图像库的选取 12

3.2.2 CAAE的实现 13

3.3 实验结果展示 14

3.3.1 训练结果 14

3.3.2 测试结果 17

3.4 本章小结 18

第4章 基于CAAE的人脸老化及退龄算法评估 19

4.1 图像老化及退龄结果比较 19

4.1.1 与事实照片的比较 19

4.1.2 与其他算法的比较 20

4.2 对姿势、表情和遮挡的容忍度 21

4.3 本章小结 22

第5章 总结与展望 23

5.1 本文工作的总结 23

5.2 未来研究的展望 24

参考文献 25

致谢 26

绪论

1.1 人脸图像老化与退龄研究的目的及意义

人脸图像的处理一直是图像处理领域的重要的课题研究方向，随着各种新兴科技与理论的发展和成熟，人的面部图像的截取、识别、美化等技术都得到了不同程度的提高。其中人脸图像的老化过程模拟引起了国内外学者们的广泛关注。它对于犯罪侦查、化妆辅助设计及数字娱乐产业等领域具有非常重要的意义。

一个人的年龄变换是一个随时间变化的长期过程，正如人脸轮廓的变化、人脸皮肤的变化等^[1]。年龄增长引起人脸外貌的变化，而且通常变化较大，这是无法避免也无法逆转的正常生理现象。人脸是人类视觉中最常见的模式，对于人与人之间的沟通交往，其重要性远大于人体的其他部位。人们在日常的生活与工作中主要依据人脸特征的来识别不同的个体。脸部的老化和退龄过程模拟，对于提高人脸识别系统性能、刑事侦察以及多媒体特技、影视娱乐、人机交互等方面都有着广阔的应用前景^[2]。

在法医应用中，法医通常根据警方收集的多年前的案件相关人照片绘制合成在外逃亡多年的嫌疑人或走失多年的儿童当前的相貌重构；在电影电视的制作中，化妆师使用各种化妆技术，并参照被化妆演员不同年龄段亲属的相貌，为演员创造出其他年龄段的化妆效果^[2]，并且这种化妆技巧的年龄跨度可达七、八十岁之多。