本发明属于人工智能的计算机视觉、图像处理、图像生成领域，具体涉及一种具有多样性的跨年龄人脸生成方法。
背景技术：
1、跨年龄人脸生成技术是计算机视觉和人工智能领域的一个研究热点，旨在通过技术手段模拟人脸随着时间推移所发生的自然变化。这项技术在数字娱乐、身份验证、失踪人口寻找以及生物学研究等场景中具有重要价值。
2、近年来，随着生成对抗网络(gan)等深度学习技术的发展，跨年龄人脸生成得到了显著的进展。gan框架包括一个生成网络和一个鉴别网络，生成网络负责产生面部图像，而鉴别网络则分辨图像是真实的还是由生成网络产生的，两者相互竞争，不断提高生成图像的真实性和质量。
3、跨年龄人脸生成模型通常需要考虑到年龄的生物学变化规律，如皮肤松弛、皱纹增多以及其他与年龄相关的面部特征变化。通过学习真实年龄面部图像的内在规律，模型能够预测并生成从婴儿到老年等不同年龄阶段的人脸图像。
4、目前的一些生成方法，如基于传统图像处理技术和简单的深度学习模型，虽然可以在一定程度上生成跨年龄的面部图像，但往往存在以下不足之处。首先，生成的图像质量不高，难以真实地反映年龄变化对面部特征的影响。其次，这些方法生成的图像缺乏多样性，无法充分模拟不同个体在不同年龄段的多样化变化。
技术实现思路
1、为解决上述问题，本发明公开了一种具有多样性的跨年龄人脸生成方法，有效利用不同的隐空间向量，生成目标年龄段下多样的面部关键点与多样的面部纹理结果，通过图像变形，最终得到输入图像在目标年龄段下，既具有纹理多样性又具有面部结构多样性的人脸图像。
2、为达到上述目的，本发明的技术方案如下：
3、一种具有多样性的跨年龄人脸生成方法，包含如下步骤：
4、步骤1：输入一张人脸图像，并利用预训练的面部关键点检测模型，得到输入图像81x2维的面部关键点的像素坐标；
5、步骤2：对步骤1中面部关键点像素坐标，进行主成分分析，由原本的81x2维降维成32x1维；
6、步骤3：随机采样一组cx16x1维的高斯噪声，输入到关键点映射网络模型，每个分支输出c个不同的64x1维的关键点隐空间向量；由于关键点映射网络模型是多分支输出结构，当分支个数为n，共有nxcx64x1维的关键点隐空间向量；
7、步骤4：根据目标年龄段，选择步骤3中关键点映射网络模型对应分支输出的关键点隐空间向量，并与步骤2中经过主成分分析降维后的面部关键点像素坐标，一同输入到关键点生成网络中，得到多个降维后的面部关键点像素坐标的偏移向量(x1，x2...，xc)；
8、步骤5：降维后的面部关键点像素坐标加上步骤4中的偏移向量，得到目标年龄下的32x1维面部关键点像素坐标，并进行逆主成分分析，输出c个不同的81x2维的面部关键点像素坐标；
9、步骤6：随机采样一组cx16x1维的高斯噪声，输入到纹理映射网络模型，每个分支输出c个不同的256x1维纹理隐空间向量；当纹理映射网络模型的分支个数为n时，共有nxcx256x1维纹理隐空间向量；
10、步骤7：根据目标年龄段，选择步骤6中纹理映射网络模型对应分支输出的纹理隐空间向量，并与步骤1中输入的人脸图像，一同输入纹理生成模型中，得到目标年龄下c个不同的面部纹理图像(i1，i2...，ic)；
11、步骤8：通过步骤5中生成的目标年龄下c个不同的81x2维的面部关键点像素坐标，对步骤7中生成的目标年龄下c个不同的面部纹理图像，进行图像变形，最终得到目标年龄下cxc个不同的人脸图像。
12、本发明的有益效果是：
13、本发明所述的一种具有多样性的跨年龄人脸生成方法，关键点映射网络模型和纹理映射网络模型均是多分支输出结构，分支个数由目标年龄段个数决定，每个分支输出对应年龄段的隐空间向量。多分支输出结构可以根据目标年龄段的个数要求，灵活地修改模型结构，每个分支的输出都可以单独优化，使得网络在训练过程中更易于优化，从而提高模型的性能，此外每个分支专注于一个特定的年龄段，使得网络可以更细致和准确地理解和表示不同年龄段的特性。并且，每个输出分支对应一个特定年龄段的映射编码，这种结构允许网络在一个模型中同时学习多个年龄段的风格，从而避免了需要为每个域单独训练模型的复杂性和计算成本。
14、本发明分为两个部分：关键点生成部分和纹理生成部分，在关键点生成部分中，关键点生成模型能够有效利用目标年龄段下不同的关键点隐空间向量，生成目标年龄段下多样的面部关键点，以增强最终结果的面部结构多样性。在纹理生成部分中，纹理生成模型能够有效利用目标年龄段下不同的纹理隐空间向量，生成目标年龄段下多样的面部纹理结果。通过生成的多样的面部关键点对多样的面部纹理结果进行图像变形，最终得到输入图像在目标年龄段下，既具有纹理多样性又具有面部结构多样性的人脸图像。这更符合真实人脸年龄变化的多样性和不确定性，适用于寻找失踪儿童、跨年龄人脸识别等应用场景。
1.一种具有多样性的跨年龄人脸生成方法，其特征在于：包含如下步骤：
2.根据权利要求1所述的一种具有多样性的跨年龄人脸生成方法，其特征在于：步骤(8)所述的图像变形使用的是连续的且可微的图像变形方法，先通过求解线性系统得到了插值函数s(x,y)的参数wi和v，插值函数公式如下：
3.根据权利要求1所述的一种具有多样性的跨年龄人脸生成方法，其特征在于：关键点生成部分网络模型训练组件包括：关键点映射网络mlmk、关键点生成网络glmk、关键点隐空间向量提取网络plmk和关键点鉴别器dlmk；
4.根据权利要求1所述的一种具有多样性的跨年龄人脸生成方法，其特征在于：纹理生成部分网络模型训练组件包括：纹理映射网络mimg、纹理生成网络gimg、纹理隐空间向量提取网络pimg和纹理鉴别器dimg；
