信息与产业的结合日渐紧密,医学美容产业蓬勃发展也不落人后,头部姿态的检测与人脸角度的预测,有助于人脸识别与人脸重建。医学美容手术的术前分析是极重要的一环,好的术前分析可以缩短大部分的手术时间,人脸精密分析也相对重要,针对小型诊所的设备不足,或是当客户繁忙或身处国外的状况下,无法参与术前的信息搜集时,势必会影响到正确的手术流程,客户参与手术的意愿也因此降低,整个时间流程也相继增长,一套完整的人脸分析生成系统则会带来相当大的便利。脸部校正、识别与重建等等的问题往往相互关联着,人脸识别在情绪检测、门禁系统与人脸支付等应用随处可见。好的人脸校正能带来更好的人脸识别,好的人脸重建能在有效的识别下保持良好的人脸信息,并以重建结果做人脸信息的预测。本文改进了生成对抗网络的模型,并且采用双路径训练为基础的生成对抗网络,用来生成双维度的人脸结合人脸对准校正达到三维度的人脸生成校正系统,并对结果做人脸校正,生成正面化标准角度人脸。本论文使用生成对抗网络,研发高精度的多视角人脸校正与标准人脸生成系统;通过训练不同侧面角度与俯仰角度的人脸图像文件,即能输入单一人脸图像生成特定标准角度的人脸图像。论文主要工作及创新点如下:第一,从输入的图像序列中分辨并获取特定角度的人脸,以此制作双维度人脸数据集;第二,提出了由双维度人脸信息扩充姿态以达到多维姿态的权重与特征分享,并优化生成对抗网络框架;第三,提出单姿态强化的训练模式,有效的保留特定的姿态信息;最后,通过人脸角度校正,可以依需求生成任意角度的人脸。将生成的特定标准角度人脸图像与实际图像进行对比,并以Facenet的人脸识别模型进行测试;本论文所提出的方法其脸部特征点的平均L2误差为0.654,明显优于文献中CR-GAN方法的平均L2误差0.820。