(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210679353.3 (22)申请日 2022.06.15 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 郑喜民　周成昊　舒畅　陈又新　 (74)专利代理 机构 深圳市明日今典知识产权代 理事务所(普通 合伙) 44343 专利代理师 王杰辉　罗志强 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于人工智能的人脸替换方法、 装置、 设备 及存储介质 (57)摘要 本申请涉及人工智能技术领域， 揭示了一种 基于人工智 能的人脸替换方法、 装置、 设备及存 储介质， 其中方法包括： 获取待替换人脸图像和 目标人脸标识； 根据所述待替换人脸图像、 所述 目标人脸标识和预设的人脸替换模型进行人脸 替换， 得到高分辨率人脸图像； 其中， 所述人脸替 换模型依次包括： 编码单元、 人脸判别单元、 各个 解码单元和高分辨率处理单元。 从而最终输出的 人脸图像拥有更高的分辨率， 使本申请的人脸替 换模型可以对任意人脸进行替换， 在编码单元后 接入人脸判别单元， 使 得人脸判别单元能够监督 编码单元提取人脸的共性特征， 提高了本申请的 泛化能力， 训练时间短， 损失函数极易收敛。 权利要求书2页 说明书12页 附图2页 CN 114973382 A 2022.08.30 CN 114973382 A 1.一种基于人工智能的人脸 替换方法， 其特 征在于， 所述方法包括： 获取待替换 人脸图像和目标 人脸标识； 根据所述待替换人脸图像、 所述目标人脸标识和预设的人脸替换模型进行人脸替换， 得到高分辨 率人脸图像； 其中， 所述人脸替换模型依次包括： 编码单元、 人脸判别单元、 各个解码单元和高分辨 率处理单元。 2.根据权利要求1所述的基于人工智能的人脸替换方法， 其特征在于， 所述根据 所述待 替换人脸图像、 所述 目标人脸标识和预设的人脸替换模型进行人脸替换， 得到高分辨率人 脸图像的步骤， 包括： 将所述待替换 人脸图像输入所述编码单 元进行特征提取， 得到初始特 征； 将所述初始特 征输入所述人脸判别单 元进行人脸判别， 得到人脸判别概 率； 将所述初始特征和所述人脸判别概率输入所述人脸替换模型的融合单元进行融合处 理， 得到融合特 征； 将所述融合特征输入与所述目标人脸标识对应的所述解码单元进行解码， 得到已替换 人脸图像； 将所述已替换人脸图像输入所述高分辨率处理单元进行高分辨率重建， 得到所述高分 辨率人脸图像。 3.根据权利要求2所述的基于人工智能的人脸替换方法， 其特征在于， 所述将所述初始 特征和所述人脸判别概率输入所述人脸替换模 型的融合单元进行融合处理， 得到融合特征 的步骤， 包括： 将所述初始特征和所述人脸判别概率输入所述融合单元进行点乘计算， 得到所述融合 特征。 4.根据权利要求1所述的基于人工智能的人脸替换方法， 其特征在于， 所述获取待替换 人脸图像和目标 人脸标识的步骤之前， 还 包括： 获取待处 理图像； 从所述待处 理图像中提取 人脸图像及掩 模， 得到人脸图像集及掩 模集； 将所述人脸图像集中的任一张人脸图像作为所述待替换 人脸图像； 根据所述待替换 人脸图像， 从所述掩 模集中获取掩 模， 作为目标掩 模； 所述根据 所述待替换人脸图像、 所述目标人脸标识和预设的人脸替换模型进行人脸替 换， 得到高分辨 率人脸图像的步骤之后， 还 包括： 根据所述目标掩模和所述高分辨率人脸图像， 对所述待处理图像中的所述待替换人脸 图像进行替换处 理， 得到目标图像。 5.根据权利要求4所述的基于人工智能的人脸替换方法， 其特征在于， 所述将所述人脸 图像集中的任一张人脸图像作为所述待替换 人脸图像的步骤， 包括： 将所述人脸图像集中的任一张人脸图像作为待分析图像； 对所述待分析图像进行正 脸配准， 得到所述待替换 人脸图像和人脸对齐矩阵； 所述根据 所述目标掩模和所述高分辨率人脸图像， 对所述待处理图像中的所述待替换 人脸图像进行替换处 理， 得到目标图像的步骤， 包括： 根据所述人脸对齐矩阵， 对所述高分辨 率人脸图像进行转换， 得到已转换 人脸图像；权　利　要　求　书 1/2 页 2 CN 114973382 A 2根据所述目标掩模和所述已转换人脸图像， 对所述待处理图像中的所述待替换人脸图 像进行替换处 理， 得到所述目标图像。 6.根据权利要求1所述的基于人工智能的人脸替换方法， 其特征在于， 所述根据 所述待 替换人脸图像、 所述 目标人脸标识和预设的人脸替换模型进行人脸替换， 得到高分辨率人 脸图像的步骤之前， 还 包括： 获取所述目标 人脸标识对应的各个训练样本； 采用各个所述训练样本对预设的初始模型进行训练， 将训练结束的所述初始模型作为 所述人脸替换模 型， 其中， 所述初始模 型依次包括： 编码初始单元、 人脸判别 初始单元、 解码 初始单元和高分辨 率初始处 理单元。 7.根据权利要求6所述的基于人工智能的人脸替换方法， 其特征在于， 每个所述训练样 本包括： 人脸图像样本和人脸图像标签， 所述人脸图像标签是所述 目标人脸标识对应的人 脸图像； 所述采用各个所述训练样本对预设的初始模型进行训练， 将训练结束的所述初始模型 作为所述人脸 替换模型的步骤， 包括： 将各个所述训练样本中的任一个所述训练样本作为目标训练样本； 将所述目标训练样本中的所述人脸图像样本输入所述初始模型进行人脸替换， 得到人 脸替换结果； 根据所述人脸 替换结果和所述目标训练样本中的人脸图像标签进行损失值； 根据所述损失值更新所述初始模型的所述编码初始单元、 所述目标人脸标识对应的所 述解码初始单 元和所述高分辨 率初始处 理单元的网络参数； 重复执行所述将各个所述训练样本中的任一个所述训练样本作为目标训练样本的步 骤， 直至达到预设的训练结束条件； 将达到所述训练结束条件的所述初始模型作为所述人脸 替换模型。 8.一种基于人工智能的人脸 替换装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取待替换 人脸图像和目标 人脸标识； 人脸替换模块， 用于根据所述待替换人脸图像、 所述目标人脸标识和预设的人脸替换 模型进行人脸替换， 得到高分辨率人脸图像； 其中， 所述人脸替换模型依次包括： 编 码单元、 人脸判别单 元、 各个解码单 元和高分辨 率处理单元。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114973382 A 3