本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種人臉圖像預(yù)測(cè)方法及系統(tǒng)。

背景技術(shù)：

隨著現(xiàn)代生活水平的不斷提高和科技的不斷進(jìn)步，人們對(duì)于娛樂化、信息化的需求也越來越多樣化。為了適應(yīng)人們?nèi)找嬖鲩L(zhǎng)的物質(zhì)文化需求和高科技輔助社會(huì)管理的需要，通過圖像處理技術(shù)預(yù)測(cè)一個(gè)人以前或以后的長(zhǎng)相等需求越發(fā)強(qiáng)烈，尤其是輸入一張用戶照片預(yù)測(cè)用戶在相應(yīng)時(shí)間的長(zhǎng)相在娛樂方面有廣泛應(yīng)用，所述相應(yīng)時(shí)間如20歲或30歲或20年后等，具體應(yīng)用如電影的攝制中可以用于預(yù)測(cè)某明星的幼年或老年時(shí)的長(zhǎng)相，搜索相應(yīng)替身演員；又如在手機(jī)的應(yīng)用中預(yù)測(cè)用戶自己相應(yīng)時(shí)間的照片，增加手機(jī)應(yīng)用的娛樂性；當(dāng)然在其它領(lǐng)域也有相應(yīng)需求，如公共安全領(lǐng)域，對(duì)犯罪嫌疑人在多年后的長(zhǎng)相進(jìn)行預(yù)測(cè)，幫助警方進(jìn)行破案等。

現(xiàn)有的人臉圖像預(yù)測(cè)方法一般是基于人臉合成技術(shù)，預(yù)測(cè)人臉圖像時(shí)，使用三維重建方法合成相應(yīng)年齡段的人臉圖像，所述三維重建指對(duì)人臉進(jìn)行關(guān)鍵點(diǎn)檢測(cè)后，對(duì)輸入圖像進(jìn)行三維建模，將圖像中人臉紋理貼到三維模型上，對(duì)檢測(cè)到的關(guān)鍵點(diǎn)進(jìn)行三維形變，對(duì)三維貼圖進(jìn)行插值處理；最后將預(yù)先生成的相應(yīng)年齡段的皺紋添加到處理后的三維模型上，并進(jìn)行平滑處理，從而得到重建的相應(yīng)年齡段的人臉圖像，所述皺紋需要預(yù)先收集大量數(shù)據(jù)進(jìn)行模型訓(xùn)練，利用訓(xùn)練得到的模型模擬出來的。然而，由于每個(gè)人的人臉紋理變化存在較大差異，現(xiàn)有方法在合成相應(yīng)年齡段的人臉圖像時(shí)，使用預(yù)先生成好的相應(yīng)年齡段的皺紋添加到所述三維模型上，而預(yù)先生成的皺紋與當(dāng)前用戶輸入的人臉圖像并不相關(guān)，添加皺紋后的人臉圖像與用戶提供的人臉圖像往往差異性較大，尤其是添加皺紋的邊緣差異更明顯，從而使合成后的人臉圖像看起來較奇怪，真實(shí)感較差，用戶體驗(yàn)度較低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種人臉圖像預(yù)測(cè)方法及系統(tǒng)，以提高預(yù)測(cè)得到的人臉圖像的真實(shí)感，提升用戶體驗(yàn)度。

為此，本發(fā)明提供如下技術(shù)方案：

一種人臉圖像預(yù)測(cè)方法，包括：

獲取待預(yù)測(cè)的人臉圖像及預(yù)測(cè)人臉圖像的時(shí)間點(diǎn)；

從所述人臉圖像中提取人臉屬性特征；

利用所述人臉屬性特征確定對(duì)應(yīng)的人臉圖像預(yù)測(cè)模型；

將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到預(yù)測(cè)的人臉圖像。

優(yōu)選地，所述人臉圖像預(yù)測(cè)模型包括時(shí)光順流模型和/或時(shí)光逆流模型，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相；

所述方法還包括按以下方式構(gòu)建人臉圖像預(yù)測(cè)模型：

收集大量人臉圖像，構(gòu)建時(shí)光變換數(shù)據(jù)庫；

從所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中提取人臉屬性特征；

對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像進(jìn)行規(guī)整，得到規(guī)整后的人臉圖像；

根據(jù)提取的人臉屬性特征對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類，得到聚類后的人臉圖像；

根據(jù)聚類后的人臉圖像，構(gòu)建人臉預(yù)測(cè)模型。

優(yōu)選地，所述人臉屬性特征包括以下任意一種或多種：性別、表情、是否戴眼鏡、地域、職業(yè)；

所述從所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中提取人臉屬性特征包括：

對(duì)人臉圖像進(jìn)行人臉檢測(cè)及人臉特征點(diǎn)定位，得到圖像中人臉的局部特征點(diǎn)的位置；

根據(jù)各局部特征點(diǎn)的位置及預(yù)先訓(xùn)練的分類模型提取各人臉圖像的人臉屬性特征。

優(yōu)選地，所述對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像進(jìn)行規(guī)整包括：

對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中人臉的坐標(biāo)及尺度進(jìn)行規(guī)整。

優(yōu)選地，所述根據(jù)提取的人臉屬性特征對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類包括：

(1)選擇一種人臉屬性特征作為決策樹的根節(jié)點(diǎn)，根據(jù)所選擇的人臉屬性特征的取值確定所述根節(jié)點(diǎn)的各條邊，并將人臉圖像劃分為多類；

(2)利用提取的人臉屬性特征，計(jì)算每類人臉圖像中剩余的各人臉屬性特征取值的最小方差；

(3)判斷所述最小方差是否大于設(shè)定值；如果是，執(zhí)行步驟(4)；否則執(zhí)行步驟(5)；

(4)將所述最小方差對(duì)應(yīng)的類所屬的節(jié)點(diǎn)作為葉子節(jié)點(diǎn)，不再繼續(xù)劃分；然后執(zhí)行步驟(6)；

(5)將每類中所述最小方差對(duì)應(yīng)的屬性特征作為每類人臉圖像的上層節(jié)點(diǎn)，并根據(jù)所述上層節(jié)點(diǎn)的取值得到所述上層節(jié)點(diǎn)的邊，將每類人臉圖像繼續(xù)劃分為多類；

(6)判斷是否還有屬性特征未添加到?jīng)Q策樹中；如果有，執(zhí)行步驟(2)；否則，執(zhí)行步驟(7)；

(7)統(tǒng)計(jì)每個(gè)葉子節(jié)點(diǎn)下的人臉圖像數(shù)量，如果葉子節(jié)點(diǎn)中的人臉圖像數(shù)量小于設(shè)定的數(shù)量閾值，則刪除該葉子節(jié)點(diǎn)及其兄弟節(jié)點(diǎn)，并將該葉子節(jié)點(diǎn)及其兄弟節(jié)點(diǎn)中的人臉圖像添加到該葉子節(jié)點(diǎn)的父節(jié)點(diǎn)，決策樹構(gòu)建完成。

優(yōu)選地，所述根據(jù)聚類后的人臉圖像，構(gòu)建人臉預(yù)測(cè)模型包括：

針對(duì)所述決策樹中的每個(gè)葉子節(jié)點(diǎn)，構(gòu)建對(duì)應(yīng)該葉子節(jié)點(diǎn)的人臉預(yù)測(cè)模型，具體包括：

對(duì)時(shí)光變換數(shù)據(jù)庫中人臉圖像進(jìn)行排序，同一人的人臉圖像按照年齡先后進(jìn)行排序；

利用排序后的數(shù)據(jù)對(duì)人臉預(yù)測(cè)模型進(jìn)行初始化，得到初始化的人臉預(yù)測(cè)模型；

對(duì)所述初始化的人臉預(yù)測(cè)模型進(jìn)行增量訓(xùn)練，得到最終的人臉預(yù)測(cè)模型。

優(yōu)選地，所述利用所述人臉屬性特征確定對(duì)應(yīng)的人臉圖像預(yù)測(cè)模型包括：

根據(jù)所述人臉屬性特征，遍歷所述決策樹，找到對(duì)應(yīng)的葉子節(jié)點(diǎn)；

獲取所述葉子節(jié)點(diǎn)對(duì)應(yīng)的人臉預(yù)測(cè)模型。

優(yōu)選地，所述方法還包括：

根據(jù)所述人臉屬性特征，對(duì)所述預(yù)測(cè)的人臉圖像進(jìn)行還原，得到還原后的人臉圖像。

優(yōu)選地，所述方法還包括：

將所述預(yù)測(cè)的人臉圖像或所述還原后的人臉圖像與所述待預(yù)測(cè)的人臉圖像的背景進(jìn)行合成，得到合成后的人臉圖像。

優(yōu)選地，所述方法還包括：

將所述預(yù)測(cè)的人臉圖像、或還原后的人臉圖像、或合成后的人臉圖像反饋給用戶。

一種人臉圖像預(yù)測(cè)系統(tǒng)，包括：

接收模塊，用于獲取待預(yù)測(cè)的人臉圖像及預(yù)測(cè)人臉圖像的時(shí)間點(diǎn)；

特征提取模塊，用于從所述人臉圖像中提取人臉屬性特征；

模型選擇模塊，用于利用所述人臉屬性特征確定對(duì)應(yīng)的人臉圖像預(yù)測(cè)模型；

預(yù)測(cè)模塊，將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到預(yù)測(cè)的人臉圖像。

優(yōu)選地，所述人臉圖像預(yù)測(cè)模型包括時(shí)光順流模型和/或時(shí)光逆流模型，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相；

所述系統(tǒng)還包括，預(yù)測(cè)模型構(gòu)建模塊，所述預(yù)測(cè)模型構(gòu)建模塊包括：

圖像收集單元，用于收集大量人臉圖像，構(gòu)建時(shí)光變換數(shù)據(jù)庫；

特征提取單元，用于從所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中提取人臉屬性特征；

規(guī)整單元，用于對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像進(jìn)行規(guī)整，得到規(guī)整后的人臉圖像；

聚類單元，用于根據(jù)提取的人臉屬性特征對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類，得到聚類后的人臉圖像；

模型構(gòu)建單元，用于根據(jù)聚類后的人臉圖像，構(gòu)建人臉預(yù)測(cè)模型。

優(yōu)選地，所述人臉屬性特征包括以下任意一種或多種：性別、表情、是否戴眼鏡、地域、職業(yè)；

所述特征提取單元包括：

定位子單元，用于對(duì)人臉圖像進(jìn)行人臉檢測(cè)及人臉特征點(diǎn)定位，得到圖像中人臉的局部特征點(diǎn)的位置；

提取子單元，用于根據(jù)各局部特征點(diǎn)的位置及預(yù)先訓(xùn)練的分類模型提取各人臉圖像的人臉屬性特征。

優(yōu)選地，所述規(guī)整單元，具體用于對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中人臉的坐標(biāo)及尺度進(jìn)行規(guī)整。

優(yōu)選地，所述聚類單元具體用于按以下方式對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類：

(1)選擇一種人臉屬性特征作為決策樹的根節(jié)點(diǎn)，根據(jù)所選擇的人臉屬性特征的取值確定所述根節(jié)點(diǎn)的各條邊，并將人臉圖像劃分為多類；

(2)利用提取的人臉屬性特征，計(jì)算每類人臉圖像中剩余的各人臉屬性特征取值的最小方差；

(3)判斷所述最小方差是否大于設(shè)定值；如果是，執(zhí)行步驟(4)；否則執(zhí)行步驟(5)；

(4)將所述最小方差對(duì)應(yīng)的類所屬的節(jié)點(diǎn)作為葉子節(jié)點(diǎn)，不再繼續(xù)劃分；然后執(zhí)行步驟(6)；

(5)將每類中所述最小方差對(duì)應(yīng)的屬性特征作為每類人臉圖像的上層節(jié)點(diǎn)，并根據(jù)所述上層節(jié)點(diǎn)的取值得到所述上層節(jié)點(diǎn)的邊，將每類人臉圖像繼續(xù)劃分為多類；

(6)判斷是否還有屬性特征未添加到?jīng)Q策樹中；如果有，執(zhí)行步驟(2)；否則，執(zhí)行步驟(7)；

(7)統(tǒng)計(jì)每個(gè)葉子節(jié)點(diǎn)下的人臉圖像數(shù)量，如果葉子節(jié)點(diǎn)中的人臉圖像數(shù)量小于設(shè)定的數(shù)量閾值，則刪除該葉子節(jié)點(diǎn)及其兄弟節(jié)點(diǎn)，并將該葉子節(jié)點(diǎn)及其兄弟節(jié)點(diǎn)中的人臉圖像添加到該葉子節(jié)點(diǎn)的父節(jié)點(diǎn)，決策樹構(gòu)建完成。

優(yōu)選地，所述模型構(gòu)建單元，具體用于針對(duì)所述決策樹中的每個(gè)葉子節(jié)點(diǎn)，構(gòu)建對(duì)應(yīng)該葉子節(jié)點(diǎn)的人臉預(yù)測(cè)模型；所述模型構(gòu)建單元具體包括：

排序子單元，用于對(duì)時(shí)光變換數(shù)據(jù)庫中人臉圖像進(jìn)行排序，同一人的人臉圖像按照年齡先后進(jìn)行排序；

初始化子單元，用于利用排序后的數(shù)據(jù)對(duì)人臉預(yù)測(cè)模型進(jìn)行初始化，得到初始化的人臉預(yù)測(cè)模型；

增量訓(xùn)練子單元，用于對(duì)所述初始化的人臉預(yù)測(cè)模型進(jìn)行增量訓(xùn)練，得到最終的人臉預(yù)測(cè)模型。

優(yōu)選地，所述模型選擇模塊包括：

遍歷單元，用于根據(jù)所述人臉屬性特征，遍歷所述決策樹，找到對(duì)應(yīng)的葉子節(jié)點(diǎn)；

模型獲取單元，用于獲取所述葉子節(jié)點(diǎn)對(duì)應(yīng)的人臉預(yù)測(cè)模型。

優(yōu)選地，所述系統(tǒng)還包括：

還原模塊，用于根據(jù)所述人臉屬性特征，對(duì)所述預(yù)測(cè)的人臉圖像進(jìn)行還原，得到還原后的人臉圖像。

優(yōu)選地，所述系統(tǒng)還包括：

合成模塊，用于將所述預(yù)測(cè)的人臉圖像或所述還原后的人臉圖像與所述待預(yù)測(cè)的人臉圖像的背景進(jìn)行合成，得到合成后的人臉圖像。

優(yōu)選地，所述系統(tǒng)還包括：

反饋模塊，用于將所述預(yù)測(cè)的人臉圖像、或還原后的人臉圖像、或合成后的人臉圖像反饋給用戶。

本發(fā)明實(shí)施例提供的人臉圖像預(yù)測(cè)方法及系統(tǒng)，預(yù)先構(gòu)建人臉圖像預(yù)測(cè)模型，所述人臉圖像預(yù)測(cè)模型可以包括：時(shí)光順流模型和/或時(shí)光逆流模型，其中，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相。對(duì)待預(yù)測(cè)的人臉圖像，提取與人臉長(zhǎng)相或人臉變化相關(guān)的人臉屬性特征，然后利用提取的人臉屬性特征確定對(duì)應(yīng)的人臉預(yù)測(cè)模型，然后將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到所述時(shí)間點(diǎn)的人臉圖像，從而使預(yù)測(cè)得到的人臉圖像與待預(yù)測(cè)的人臉圖像的相關(guān)性較大，真實(shí)感較強(qiáng)，給用戶一種代入感，大大提高了用戶體驗(yàn)。

附圖說明

為了更清楚地說明本申請(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實(shí)施例中構(gòu)建人臉圖像預(yù)測(cè)模型的流程圖；

圖2是本發(fā)明實(shí)施例中利用決策樹對(duì)人臉圖像進(jìn)行聚類的流程圖；

圖3是本發(fā)明實(shí)施例中每個(gè)葉子節(jié)點(diǎn)對(duì)應(yīng)的人臉預(yù)測(cè)模型構(gòu)建流程圖；

圖4是本發(fā)明實(shí)施例提供的人臉圖像預(yù)測(cè)方法的流程圖；

圖5是本發(fā)明實(shí)施例人臉圖像預(yù)測(cè)系統(tǒng)的一種結(jié)構(gòu)示意圖；

圖6是本發(fā)明實(shí)施例中預(yù)測(cè)模型構(gòu)建模塊的結(jié)構(gòu)示意圖；

圖7是本發(fā)明實(shí)施例人臉圖像預(yù)測(cè)系統(tǒng)的另一種結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明實(shí)施例的方案，下面結(jié)合附圖和實(shí)施方式對(duì)本發(fā)明實(shí)施例作進(jìn)一步的詳細(xì)說明。

本發(fā)明實(shí)施例提供的人臉圖像預(yù)測(cè)方法及系統(tǒng)，預(yù)先構(gòu)建人臉圖像預(yù)測(cè)模型，具體構(gòu)建時(shí)，利用決策樹對(duì)大量圖像提取的人臉屬性特征進(jìn)行聚類，根據(jù)聚類后落到?jīng)Q策樹中每個(gè)葉子節(jié)點(diǎn)的人臉圖像屬性特征構(gòu)建人臉圖像預(yù)測(cè)模型。所述人臉圖像預(yù)測(cè)模型可以包括：時(shí)光順流模型和/或時(shí)光逆流模型，其中，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相。對(duì)待預(yù)測(cè)的人臉圖像，提取人臉屬性特征，然后利用提取的人臉屬性特征獲取相應(yīng)的人臉預(yù)測(cè)模型，利用該人臉預(yù)測(cè)模型預(yù)測(cè)指定時(shí)間點(diǎn)的人臉圖像。

下面首先對(duì)本發(fā)明實(shí)施例中人臉圖像預(yù)測(cè)模型的構(gòu)建過程進(jìn)行詳細(xì)說明。

如圖1所示，是本發(fā)明實(shí)施例中構(gòu)建人臉圖像預(yù)測(cè)模型的流程圖，包括以下步驟：

步驟101，收集大量人臉圖像，構(gòu)建時(shí)光變換數(shù)據(jù)庫。

具體地，收集同一人臉圖像在不同年齡的多張人臉圖像，不同人臉的多張不同年齡的人臉圖像構(gòu)成時(shí)光變換數(shù)據(jù)庫。需要說明的是，在構(gòu)建時(shí)光變換數(shù)據(jù)庫時(shí)，可以通過人臉檢測(cè)技術(shù)將收集的人臉圖像中大面積缺失的人臉圖像丟棄，以免影響人臉圖像預(yù)測(cè)模型參數(shù)的準(zhǔn)確性。

步驟102，從所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中提取人臉屬性特征。

首先，對(duì)人臉圖像進(jìn)行人臉檢測(cè)及人臉特征點(diǎn)定位，以得到圖像中人臉的局部特征點(diǎn)的位置；然后，根據(jù)各局部特征點(diǎn)的位置及預(yù)先訓(xùn)練的分類模型提取各人臉圖像的人臉屬性特征。

其中，所述人臉檢測(cè)主要是為了找到圖像中人臉?biāo)谖恢?，具體做法與現(xiàn)有技術(shù)相同，如通過預(yù)先收集大量包含人臉的圖像，提取SIFT(Scale-invariant feature transform，尺度不變特征變換)特征，訓(xùn)練人臉與非人臉的分類模型，利用所述分類模型對(duì)數(shù)據(jù)庫中人臉圖像進(jìn)行人臉檢測(cè)。所述人臉特征點(diǎn)定位主要是為了在人臉檢測(cè)的基礎(chǔ)上，進(jìn)一步確定臉部的局部位置，如眼睛、眉毛、鼻子、嘴巴、臉部外輪廓等，具體定位時(shí)，主要通過人臉的紋理特征和各特征點(diǎn)之間的位置約束結(jié)合，如可以采用ASM(Active Shape Model，主動(dòng)形狀模型)或AAM(Active Appreance Model，主動(dòng)外觀模型)算法進(jìn)行人臉特征點(diǎn)定位，得到圖像中人臉的局部特征點(diǎn)位置。

在本發(fā)明實(shí)施例中，所述人臉屬性特征主要指與人臉長(zhǎng)相或人臉變化相關(guān)的屬性特征，提取的人臉屬性特征可以包括以下任意一種或多種：年齡、性別、人臉表情、是否戴眼鏡、地域、職業(yè)等。各屬性特征的取值如下：

年齡：以固定年份為跨度，將年齡劃分為多個(gè)區(qū)間，如以5年為跨度，0到99歲的年齡可以劃分為20個(gè)區(qū)間，提取年齡特征時(shí)，直接給出人臉圖像所屬的年齡區(qū)間；

性別：男性、女性；

表情：可以將人臉表情大致劃分為喜、怒、哀、樂；

是否戴眼鏡：是、否；

地域：可以將地域按照省份劃分，預(yù)測(cè)得到圖像中人臉?biāo)鶎俚氖》荩?/p>

職業(yè)：可以劃分幾種不同的職業(yè)，如一種劃分為嬰幼兒、學(xué)生、農(nóng)民、辦公人員等。

具體提取時(shí)，可以預(yù)先為每種特征訓(xùn)練一個(gè)分類模型，利用所述分類模型對(duì)每種特征的屬性取值進(jìn)行預(yù)測(cè)。所述分類模型可以采用深度神經(jīng)網(wǎng)絡(luò)描述，具體提取方法與現(xiàn)有技術(shù)相同，在此不再詳述。

步驟103，對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像進(jìn)行規(guī)整，得到規(guī)整后的人臉圖像。

所述規(guī)整主要包括對(duì)人臉圖像中人臉的坐標(biāo)及尺度的規(guī)整，如按照鼻尖點(diǎn)為中心點(diǎn)，雙眼連線為x軸，以經(jīng)過鼻尖點(diǎn)與x軸垂直的直線為y軸，對(duì)人臉坐標(biāo)及尺度進(jìn)行規(guī)整；同時(shí)對(duì)于存在遮擋或戴眼鏡的人臉圖像，使用圖像平滑技術(shù)預(yù)測(cè)出無遮擋、無眼鏡的圖像，將預(yù)測(cè)后的圖像代替數(shù)據(jù)庫中原來的圖像，所述平滑技術(shù)如基于深度神經(jīng)網(wǎng)絡(luò)的圖像重構(gòu)，或基于稀疏表達(dá)的求解方法。

步驟104，根據(jù)提取的人臉屬性特征對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類，得到聚類后的人臉圖像。

在本發(fā)明實(shí)施例中，可以利用決策樹對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類，決策樹的節(jié)點(diǎn)表示每種人臉屬性特征，每條邊表示人臉屬性特征的具體取值，具體聚類過程將在后面詳細(xì)描述。當(dāng)然，也可以利用現(xiàn)有技術(shù)中的一些其它聚類方法對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類，對(duì)此本發(fā)明實(shí)施例不做限定。

步驟105，根據(jù)聚類后的人臉圖像，構(gòu)建人臉預(yù)測(cè)模型。

人臉圖像聚類完成后，得到完整的決策樹，每張人臉圖像根據(jù)其人臉屬性特征的取值情況，落到?jīng)Q策樹的葉子節(jié)點(diǎn)中，落到同一葉子節(jié)點(diǎn)的人臉圖像共享同一模型，不同葉子節(jié)點(diǎn)的人臉圖像分別訓(xùn)練不同的人臉預(yù)測(cè)模型。所述人臉預(yù)測(cè)模型具體可以采用深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行模型訓(xùn)練，模型訓(xùn)練時(shí)采用增量式訓(xùn)練的方法，具體構(gòu)建過程將在后面詳細(xì)描述。

如圖2所示，是本發(fā)明實(shí)施例中利用決策樹對(duì)人臉圖像進(jìn)行聚類的流程圖，包括以下步驟：

步驟201，選擇一種人臉屬性特征作為決策樹的根節(jié)點(diǎn)，根據(jù)所選擇的人臉屬性特征的取值確定所述根節(jié)點(diǎn)的各條邊，并將人臉圖像劃分為多類。

決策樹的節(jié)點(diǎn)表示每種屬性特征，每條邊表示屬性特征的具體取值。具體地，可以將區(qū)分性較強(qiáng)的人臉屬性特征作為決策樹的根節(jié)點(diǎn)，根據(jù)該人臉屬性特征的取值得到根節(jié)點(diǎn)的各條邊，從而將人臉圖像劃分為多個(gè)類。比如，根據(jù)性別屬性特征的取值即男或女，將人臉圖像劃分成兩類，即分別為男人臉圖像和女人臉圖像。

步驟202，利用提取的人臉屬性特征，計(jì)算每類人臉圖像中剩余的各人臉屬性特征取值的最小方差。

具體地，針對(duì)每類人臉圖像，先針對(duì)每個(gè)人計(jì)算其各人臉圖像的剩余人臉屬性特征取值的方差；然后針對(duì)每類中的所有人計(jì)算每個(gè)剩余人臉屬性特征取值的方差和(每個(gè)屬性對(duì)應(yīng)一個(gè)方差和)；最后再選這些屬性取值的方差和中的一個(gè)最小方差和作為該類中的屬性取值最小方差。

例如，將性別屬性特征作為根節(jié)點(diǎn)，則剩余的人臉屬性特征分別為年齡、表情、是否戴眼鏡、地域、及職業(yè)。針對(duì)每個(gè)人的多個(gè)不同人臉圖像，分別計(jì)算各圖像的剩余各人臉屬性特征取值的方差，即得到每個(gè)人的不同人臉圖像的剩余人臉屬性特征取值的方差。例如，對(duì)應(yīng)張三，有4個(gè)圖像，則分別計(jì)算這4個(gè)圖像在年齡、表情、是否戴眼鏡、地域、及職業(yè)這5個(gè)屬性特征上取值的方差(為了描述方便，將其稱為屬性方差)；同樣，對(duì)應(yīng)李四，有3個(gè)圖像，則分別計(jì)算這3個(gè)圖像在年齡、表情、是否戴眼鏡、地域、及職業(yè)這5個(gè)屬性特征上取值的方差。然后，針對(duì)每類中，所有人的每種人臉屬性特征，將得到的所有人的人臉圖像的相應(yīng)屬性特征取值的方差求和，即得到每類中所有人的剩余各人臉屬性特征取值的方差和。

需要說明的是，考慮到方差較大，則對(duì)應(yīng)的人臉屬性特征的取值偏差較大，即特征提取時(shí)，預(yù)測(cè)的偏差較大。因此，如果計(jì)算得到某人的屬性方差大于設(shè)定閾值，則在計(jì)算該人所屬類的最小方差時(shí)，可以不考慮該人相應(yīng)人臉屬性特征的取值。

步驟203，判斷所述最小方差是否大于設(shè)定值。如果是，則執(zhí)行步驟204；否則，執(zhí)行步驟205。

步驟204，將所述最小方差對(duì)應(yīng)的類所屬的節(jié)點(diǎn)作為葉子節(jié)點(diǎn)，不再繼續(xù)劃分；然后執(zhí)行步驟206。

步驟205，將每類中所述最小方差對(duì)應(yīng)的屬性特征作為每類人臉圖像的上層節(jié)點(diǎn)，根據(jù)每類上層節(jié)點(diǎn)的取值得到每類上層節(jié)點(diǎn)相應(yīng)的邊，將每類人臉圖像繼續(xù)劃分為多類。

步驟206，判斷是否還有屬性特征未添加到?jīng)Q策樹中；如果是，執(zhí)行步驟202；否則，執(zhí)行步驟207。

步驟207，統(tǒng)計(jì)每個(gè)葉子節(jié)點(diǎn)下的人臉圖像數(shù)量，如果葉子節(jié)點(diǎn)中的人臉圖像數(shù)量小于設(shè)定的數(shù)量閾值，則刪除該葉子節(jié)點(diǎn)及其兄弟節(jié)點(diǎn)，并將該葉子節(jié)點(diǎn)及其兄弟節(jié)點(diǎn)中的的人臉圖像添加到該葉子節(jié)點(diǎn)的父節(jié)點(diǎn)中，決策樹構(gòu)建完成，同時(shí)人臉圖像聚類結(jié)束。

如圖3所示，是本發(fā)明實(shí)施例中每個(gè)葉子節(jié)點(diǎn)對(duì)應(yīng)的人臉預(yù)測(cè)模型構(gòu)建過程，包括以下步驟：

步驟301，對(duì)時(shí)光變換數(shù)據(jù)庫中人臉圖像進(jìn)行排序，同一人的人臉圖像按照年齡先后進(jìn)行排序。

步驟302，利用排序后的數(shù)據(jù)對(duì)人臉預(yù)測(cè)模型進(jìn)行初始化，得到初始化的人臉預(yù)測(cè)模型。

對(duì)于時(shí)光順流模型的訓(xùn)練，將最低年齡區(qū)間人臉圖像作為輸入，如以5年作為一個(gè)年齡區(qū)間，將下一年齡區(qū)間內(nèi)的人臉圖像作為輸出，進(jìn)行模型的訓(xùn)練，得到具有短時(shí)預(yù)測(cè)重構(gòu)功能的時(shí)光順流模型；

對(duì)于時(shí)光逆流模型的訓(xùn)練，將最低年齡區(qū)間人臉圖像作為模型的輸出，將下一年齡區(qū)間內(nèi)的人臉圖像作為輸入，進(jìn)行模型的訓(xùn)練，得到具有短時(shí)回推重構(gòu)功能的時(shí)光逆流模型。

步驟303，對(duì)所述初始化的人臉預(yù)測(cè)模型進(jìn)行增量訓(xùn)練，得到最終的人臉預(yù)測(cè)模型。

依次增加年齡區(qū)間的人臉圖像，對(duì)步驟302中時(shí)光順流模型和時(shí)光逆流模型進(jìn)行增量訓(xùn)練，具體地如下所述：

對(duì)于時(shí)光順流模型，首先將最低年齡區(qū)間的人臉圖像作為輸入，預(yù)測(cè)得到下一年齡區(qū)間的人臉圖像，再將預(yù)測(cè)得到的下一年齡區(qū)間的人臉圖像作為輸入，預(yù)測(cè)得到第三年齡區(qū)間的人臉圖像，最小化預(yù)測(cè)得到的第三年齡區(qū)間的人臉圖像與真實(shí)第三年齡區(qū)間的人臉圖像的誤差，對(duì)時(shí)光順流模型參數(shù)進(jìn)行更新訓(xùn)練，所述真實(shí)第三年齡區(qū)間的人臉圖像為時(shí)光轉(zhuǎn)換數(shù)據(jù)庫中人臉圖像；依次增加人臉圖像的年齡區(qū)間，每次增加一個(gè)或多個(gè)年齡區(qū)間，對(duì)時(shí)光順流模型進(jìn)行訓(xùn)練，每增加一次年齡區(qū)間，對(duì)時(shí)光順流模型進(jìn)行一次更新，直到所有年齡區(qū)間增加結(jié)束，得到最終的時(shí)光順流模型；

對(duì)于時(shí)光逆流模型，首先將增加年齡區(qū)間后的人臉圖像作為輸入，如將第三年齡區(qū)間的人臉圖像作為輸入，利用時(shí)光逆流模型回推重構(gòu)得到的前一年齡區(qū)間的人臉圖像，再將回推重構(gòu)的前一年齡區(qū)間作為時(shí)光逆流模型的輸入，回推重構(gòu)最低年齡區(qū)間的人臉圖像，最小化回推重構(gòu)的最低年齡區(qū)間的人臉圖像與真實(shí)最低年齡區(qū)間的人臉圖像之間的誤差，對(duì)時(shí)光逆流模型參數(shù)進(jìn)行更新訓(xùn)練，所述真實(shí)最低年齡區(qū)間的人臉圖像為時(shí)光轉(zhuǎn)換數(shù)據(jù)庫中人臉圖像，依次人臉圖像的增加年齡區(qū)間，每次增加一個(gè)或多個(gè)年齡區(qū)間，對(duì)時(shí)光逆流模型進(jìn)行訓(xùn)練，每增加一次年齡區(qū)間，對(duì)時(shí)光逆流模型進(jìn)行一次更新，直到所有年齡區(qū)間增加結(jié)束，得到最終的時(shí)光逆流模型。

利用上述人臉預(yù)測(cè)模型，本發(fā)明實(shí)施例提供的人臉圖像預(yù)測(cè)方法的流程圖如圖4所示，包括以下步驟：

步驟401，獲取待預(yù)測(cè)的人臉圖像及預(yù)測(cè)人臉圖像的時(shí)間點(diǎn)。

所述圖像可以為用戶直接上傳的圖像，也可以是直接通過攝像頭拍攝得到的圖像。

所述預(yù)測(cè)人臉圖像的時(shí)間點(diǎn)指用戶想預(yù)測(cè)得到的人臉圖像的時(shí)間點(diǎn)，具體可以使用年齡表示，如當(dāng)前人臉圖像預(yù)測(cè)得到的年齡為20歲，用戶想得到30歲時(shí)的人臉圖像。所述時(shí)間點(diǎn)可以由用戶輸入或選擇。

步驟402，從所述人臉圖像中提取人臉屬性特征。

所述人臉屬性特征可以包括以下任意一種或多種：性別、表情、是否戴眼鏡、地域、職業(yè)。人臉屬性特征的提取方法可以參考前面人臉圖像模型構(gòu)建時(shí)，對(duì)大量人臉圖像提取人臉屬性特征的方法，即，首先，對(duì)人臉圖像進(jìn)行人臉檢測(cè)及人臉特征點(diǎn)定位，以得到圖像中人臉的局部特征點(diǎn)的位置；然后，根據(jù)各局部特征點(diǎn)的位置及預(yù)先訓(xùn)練的分類模型提取各人臉圖像的人臉屬性特征。當(dāng)然，如果用戶提供的圖像上不僅有人臉，還帶有背景以及與人臉無關(guān)的附加信息(比如耳環(huán)、眼鏡等)，則需要先去除背景及這些無關(guān)信息。

步驟403，利用所述人臉屬性特征確定對(duì)應(yīng)的人臉圖像預(yù)測(cè)模型。

具體地，可以根據(jù)所述人臉屬性特征，遍歷決策樹，找到這些人臉屬性特征對(duì)應(yīng)的葉子節(jié)點(diǎn)位置，然后獲取所述葉子節(jié)點(diǎn)對(duì)應(yīng)的人臉預(yù)測(cè)模型。

步驟404，將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到預(yù)測(cè)的人臉圖像。

如果所述時(shí)間點(diǎn)在當(dāng)前接收人臉圖像的時(shí)間點(diǎn)之后，則使用時(shí)光順流模型進(jìn)行預(yù)測(cè)，如果所述時(shí)間點(diǎn)在當(dāng)前圖像的時(shí)間點(diǎn)之前，則使用時(shí)光逆流模型對(duì)圖像進(jìn)行回推重構(gòu)。如用戶輸入20年后，則在當(dāng)前人臉圖像對(duì)應(yīng)的時(shí)間點(diǎn)之后，如果用戶輸入20年前，則在當(dāng)前人臉圖像對(duì)應(yīng)的時(shí)間點(diǎn)之前，或者用戶直接輸入當(dāng)前年齡和預(yù)測(cè)后的年齡。比如當(dāng)前人臉圖像的年齡為30歲，用戶想得到30到99歲時(shí)的任意時(shí)間點(diǎn)對(duì)應(yīng)的人臉圖像，則使用時(shí)光順流模型對(duì)當(dāng)前圖像進(jìn)行預(yù)測(cè)，用戶想得到0到29歲時(shí)的任意時(shí)間點(diǎn)對(duì)應(yīng)的人臉圖像，則使用時(shí)光逆流模型對(duì)當(dāng)前圖像進(jìn)行回推重構(gòu)。

具體預(yù)測(cè)時(shí)，可以根據(jù)預(yù)劃分的年齡區(qū)間，確定當(dāng)前人臉圖像所屬年齡區(qū)間與用戶想得到人臉圖像的年齡區(qū)間；然后將當(dāng)前人臉圖像作為人臉預(yù)測(cè)模型的輸入，每次預(yù)測(cè)或重構(gòu)一個(gè)年齡區(qū)間的人臉圖像，隨后將預(yù)測(cè)或重構(gòu)的人臉圖像作為輸入繼續(xù)預(yù)測(cè)或重構(gòu)下一年齡區(qū)間的人臉圖像，直到用戶想得到的人臉圖像所在年齡區(qū)間；最后將預(yù)測(cè)或重構(gòu)的人臉圖像作為最終生成人臉圖像。

在得到預(yù)測(cè)的人臉圖像后，可以將該人臉圖像直接反饋給用戶。

前面提到，用戶提供的待預(yù)測(cè)的人臉圖像中除了包含人臉信息外，還可能會(huì)包含與人臉無關(guān)的附加信息，因此，針對(duì)這類人臉圖像，還需要根據(jù)提取的人臉屬性特征，對(duì)預(yù)測(cè)的人臉圖像進(jìn)行相應(yīng)屬性特征的還原，比如，表情、是否配戴眼鏡等。具體地，可以利用邊緣信息檢測(cè)出接收?qǐng)D像中眼鏡等附屬物，并將該眼睛區(qū)域像素直接替換到生成的人臉圖像對(duì)應(yīng)位置上；對(duì)于表情特征，可以利用人臉關(guān)鍵點(diǎn)控制生成的人臉圖像面部區(qū)域的形變，擬合接收?qǐng)D像對(duì)應(yīng)的人臉表情，具體方法與現(xiàn)有技術(shù)相同，在此不再詳述。通過還原處理，可以使還原后的人臉圖像更具真實(shí)感，將還原后的人臉圖像反饋給用戶，可以進(jìn)一步提高用戶體驗(yàn)。

另外，如果用戶提供的待預(yù)測(cè)的人臉圖像中還包括背景，則還需要將預(yù)測(cè)的人臉圖像與所述待預(yù)測(cè)的人臉圖像的背景進(jìn)行合成，生成與待預(yù)測(cè)的人臉圖像相同背景的圖像。具體地，首先對(duì)預(yù)測(cè)的人臉圖像進(jìn)行尺度規(guī)整，即根據(jù)待預(yù)測(cè)人臉圖像的面部朝向信息對(duì)后所述預(yù)測(cè)的人臉圖像進(jìn)行縮放，得到縮放后的人臉圖像；然后將縮放后的人臉圖像與待預(yù)測(cè)的人臉圖像的背景進(jìn)行插值，得到合成后的人臉圖像，具體方法與現(xiàn)有技術(shù)相同，在此不再詳述。通過合成處理，可以使合成后的人臉圖像畫面更豐富，將合成后的人臉圖像反饋給用戶，可以進(jìn)一步提高用戶體驗(yàn)。

本發(fā)明實(shí)施例提供的人臉圖像預(yù)測(cè)方法，預(yù)先構(gòu)建人臉圖像預(yù)測(cè)模型，所述人臉圖像預(yù)測(cè)模型可以包括：時(shí)光順流模型和/或時(shí)光逆流模型，其中，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相。對(duì)待預(yù)測(cè)的人臉圖像，提取與人臉長(zhǎng)相或人臉變化相關(guān)的人臉屬性特征，然后利用提取的人臉屬性特征確定對(duì)應(yīng)的人臉預(yù)測(cè)模型，然后將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到所述時(shí)間點(diǎn)的人臉圖像，從而使預(yù)測(cè)得到的人臉圖像與待預(yù)測(cè)的人臉圖像的相關(guān)性較大，真實(shí)感較強(qiáng)，給用戶一種代入感，大大提高了用戶體驗(yàn)。

相應(yīng)地，本發(fā)明實(shí)施例還提供一種人臉圖像預(yù)測(cè)系統(tǒng)，如圖5所示，是本發(fā)明實(shí)施例人臉圖像預(yù)測(cè)系統(tǒng)的一種結(jié)構(gòu)示意圖，包括以下各模塊：

接收模塊501，用于獲取待預(yù)測(cè)的人臉圖像及預(yù)測(cè)人臉圖像的時(shí)間點(diǎn)；

特征提取模塊502，用于從所述人臉圖像中提取人臉屬性特征；

模型選擇模塊503，用于利用所述人臉屬性特征確定對(duì)應(yīng)的人臉圖像預(yù)測(cè)模型；

預(yù)測(cè)模塊504，將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到預(yù)測(cè)的人臉圖像。

上述待預(yù)測(cè)的人臉圖像及預(yù)測(cè)人臉圖像的時(shí)間點(diǎn)可以是用戶直接輸入的，所述人臉屬性特征可以包括以下任意一種或多種：性別、表情、是否戴眼鏡、地域、職業(yè)。相應(yīng)地，特征提取模塊502可以先對(duì)人臉圖像進(jìn)行人臉檢測(cè)及人臉特征點(diǎn)定位，以得到圖像中人臉的局部特征點(diǎn)的位置；然后，根據(jù)各局部特征點(diǎn)的位置及預(yù)先訓(xùn)練的分類模型提取各人臉圖像的人臉屬性特征。

所述模型選擇模塊503可以根據(jù)人臉圖像預(yù)測(cè)模型訓(xùn)練時(shí)構(gòu)建的決策樹來獲取相應(yīng)的人臉圖像預(yù)測(cè)模型，該模塊具體可以包括以下兩個(gè)單元：

遍歷單元，用于根據(jù)所述人臉屬性特征，遍歷所述決策樹，找到對(duì)應(yīng)的葉子節(jié)點(diǎn)；

模型獲取單元，用于獲取所述葉子節(jié)點(diǎn)對(duì)應(yīng)的人臉預(yù)測(cè)模型。

本發(fā)明實(shí)施例的人臉圖像預(yù)測(cè)系統(tǒng)利用預(yù)先構(gòu)建的人臉圖像預(yù)測(cè)模型進(jìn)行人臉圖像預(yù)測(cè)，所述人臉圖像預(yù)測(cè)模型可以包括：時(shí)光順流模型和/或時(shí)光逆流模型，其中，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相。所述人臉圖像預(yù)測(cè)模型可以由相應(yīng)的預(yù)測(cè)模型構(gòu)建模塊來構(gòu)建，對(duì)應(yīng)于不同的人臉屬性特征，需要構(gòu)建相應(yīng)的人臉圖像預(yù)測(cè)模型。在實(shí)際應(yīng)用中，所述預(yù)測(cè)模型構(gòu)建模塊可以通過聚類的方法來構(gòu)建針對(duì)各種不同人臉屬性特征的人臉預(yù)測(cè)模型。而且，所述預(yù)測(cè)模型構(gòu)建模塊可以作為本發(fā)明系統(tǒng)的一部分，也可以獨(dú)立于本發(fā)明系統(tǒng)，即作為一個(gè)獨(dú)立的實(shí)體，對(duì)此本發(fā)明實(shí)施例不做限定。

如圖6所示，是本發(fā)明實(shí)施例中預(yù)測(cè)模型構(gòu)建模塊的結(jié)構(gòu)示意圖，包括以下各單元：

圖像收集單元61，用于收集大量人臉圖像，構(gòu)建時(shí)光變換數(shù)據(jù)庫，具體地，可以收集同一人臉圖像在不同年齡的多張人臉圖像，不同人臉的多張不同年齡的人臉圖像構(gòu)成時(shí)光變換數(shù)據(jù)庫；

特征提取單元62，用于從所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中提取人臉屬性特征；

規(guī)整單元63，用于對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像進(jìn)行規(guī)整，得到規(guī)整后的人臉圖像，具體可以對(duì)所述時(shí)光變換數(shù)據(jù)庫中的人臉圖像中人臉的坐標(biāo)及尺度進(jìn)行規(guī)整；

聚類單元64，用于根據(jù)提取的人臉屬性特征對(duì)所述規(guī)整后的人臉圖像進(jìn)行聚類，得到聚類后的人臉圖像；

模型構(gòu)建單元65，用于根據(jù)聚類后的人臉圖像，構(gòu)建人臉預(yù)測(cè)模型。

上述特征提取單元62可以包括：定位子單元和提取子單元，其中，定位子單元用于對(duì)人臉圖像進(jìn)行人臉檢測(cè)及人臉特征點(diǎn)定位，得到圖像中人臉的局部特征點(diǎn)的位置；提取子單元用于根據(jù)各局部特征點(diǎn)的位置及預(yù)先訓(xùn)練的分類模型提取各人臉圖像的人臉屬性特征。

上述聚類單元64具體可以按照?qǐng)D2所示方式對(duì)規(guī)整后的人臉圖像進(jìn)行聚類。

上述模型構(gòu)建單元65需要針對(duì)所述決策樹中的每個(gè)葉子節(jié)點(diǎn)，構(gòu)建對(duì)應(yīng)該葉子節(jié)點(diǎn)的人臉預(yù)測(cè)模型；所述模型構(gòu)建單元65的一種具體結(jié)構(gòu)可以包括以下各子單元：

排序子單元，用于對(duì)時(shí)光變換數(shù)據(jù)庫中人臉圖像進(jìn)行排序，同一人的人臉圖像按照年齡先后進(jìn)行排序；

初始化子單元，用于利用排序后的數(shù)據(jù)對(duì)人臉預(yù)測(cè)模型進(jìn)行初始化，得到初始化的人臉預(yù)測(cè)模型；

增量訓(xùn)練子單元，用于對(duì)所述初始化的人臉預(yù)測(cè)模型進(jìn)行增量訓(xùn)練，得到最終的人臉預(yù)測(cè)模型。

如圖7所示，在本發(fā)明人臉圖像預(yù)測(cè)系統(tǒng)的另一實(shí)施例中，所述系統(tǒng)還可包括：

還原模塊701，用于根據(jù)所述人臉屬性特征，對(duì)所述預(yù)測(cè)的人臉圖像進(jìn)行還原，得到還原后的人臉圖像。

進(jìn)一步地，所述系統(tǒng)還可包括：

合成模塊702，用于將所述預(yù)測(cè)的人臉圖像或所述還原后的人臉圖像與所述待預(yù)測(cè)的人臉圖像的背景進(jìn)行合成，得到合成后的人臉圖像。

進(jìn)一步地，所述系統(tǒng)還可包括：

反饋模塊703，用于將所述預(yù)測(cè)的人臉圖像、或還原后的人臉圖像、或合成后的人臉圖像反饋給用戶。

需要說明的是，在實(shí)際應(yīng)用中，根據(jù)用戶提供的待預(yù)測(cè)圖像中是否帶有背景、以及圖像中是否還包含與人臉無關(guān)的一些附加信息等，上述還原模塊701和合成模塊702可以根據(jù)需要來選擇。而且，反饋模塊703也可以通過多種方式將最終得到的人臉圖像反饋給用戶，比如，在屏幕上直接展現(xiàn)、或者將圖像保存在相應(yīng)的文件中等，對(duì)此本發(fā)明實(shí)施例不做限定。

本發(fā)明實(shí)施例提供的人臉圖像預(yù)測(cè)系統(tǒng)，預(yù)先構(gòu)建人臉圖像預(yù)測(cè)模型，所述人臉圖像預(yù)測(cè)模型可以包括：時(shí)光順流模型和/或時(shí)光逆流模型，其中，所述時(shí)光順流模型用于預(yù)測(cè)人臉未來的長(zhǎng)相情況，所述時(shí)光逆流模型用于預(yù)測(cè)人臉過去的長(zhǎng)相。對(duì)待預(yù)測(cè)的人臉圖像，提取與人臉長(zhǎng)相或人臉變化相關(guān)的人臉屬性特征，然后利用提取的人臉屬性特征確定對(duì)應(yīng)的人臉預(yù)測(cè)模型，然后將所述人臉圖像的像素點(diǎn)輸入所述人臉預(yù)測(cè)模型，得到所述時(shí)間點(diǎn)的人臉圖像，從而使預(yù)測(cè)得到的人臉圖像與待預(yù)測(cè)的人臉圖像的相關(guān)性較大，真實(shí)感較強(qiáng)，給用戶一種代入感，大大提高了用戶體驗(yàn)。

本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，各個(gè)實(shí)施例之間相同相似的部分互相參見即可，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處。尤其，對(duì)于系統(tǒng)實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述得比較簡(jiǎn)單，相關(guān)之處參見方法實(shí)施例的部分說明即可。以上所描述的系統(tǒng)實(shí)施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部模塊來實(shí)現(xiàn)本實(shí)施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性勞動(dòng)的情況下，即可以理解并實(shí)施。

以上對(duì)本發(fā)明實(shí)施例進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體實(shí)施方式對(duì)本發(fā)明進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及系統(tǒng)；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。