*

（1.中北大学大数据学院，太原 030051；2.山西省医学影像与数据分析工程研究中心（中北大学），太原 030051；3.山西警察学院刑事科学技术系，太原 030401）

0 引言

随着深度学习的发展，人脸正面识别的性能有了很大提升，而监控视频中获得的人脸图像往往同时受到偏转角和俯仰角的影响，对于这种包含多角度变化的侧脸图像，现有人脸识别系统的识别准确率较低。目前针对多角度侧脸识别主要有两种方法：一种是学习不受姿态影响的人脸身份特征［1-2］；另一种是利用单一侧脸图像恢复出保留身份的逼真正脸图像，也称为人脸正面化［3-8］。就第一种方法而言，由于现有人脸数据集呈现长尾分布，在姿态变化上分布不均匀，因此很难学习到较为鲁棒的姿态不变性人脸特征［3］。第二种方法人脸正面化可以作为一种预处理操作部署在人脸识别系统中，使得现有性能强的识别系统不需要重新训练也可以在一定程度上提升识别准确率，同时在某些场景中，正面化的结果可以作为关键的参考材料，例如在刑侦领域，可以为办案人员提供参考。此外，人脸正面化在其他领域也具有重要的实用意义。

目前针对监控摄像头得到的侧脸进行正面化主要有两方面的困难：被遮挡信息的补全和保留身份问题。

对于解决多角度侧脸被遮挡信息补全的问题，现有方法可以分为两种：基于二维方法［4-8］和基于三维方法［9-11］。

基于三维的方法需要二维图像到三维模型的映射，这一过程会引入较大误差，且三维方法得到的正面化图像通常不够真实，会出现人工伪影和严重的面部纹理信息丢失情况，并且在大角度姿态下，三维方法的性能会严重下降［4］。……