CN106485201A - 超复数加密域的彩色人脸识别方法 - Google Patents

Abstract

本发明提出一种超复数加密域的彩色人脸识别方法，包括以下步骤：使用二维Logistic调节的正弦映射生成双随机相位掩膜；将待识别彩色人脸图像表示为纯四元矩阵，并根据双随机相位掩膜和四元数傅里叶变换进行加密；提取密文数据的实部分量和虚部分量，并结合稀疏矩阵得到稀疏的密文分量，根据密文分量得到稀疏的密文并对其进行解密；根据解密得到的不可见彩色人脸图像构建四元数最小平均相关能量均值滤波器；将待识别彩色人脸图像与滤波器的乘积进行四元数傅里叶反变换，并计算峰值旁瓣比PSR值，将最大PSR值对应的滤波器的类别作为待识别彩色人脸的类别。本发明可以有效提高识别精度，而且可以隐藏人脸图像的内容，具有较高的安全性。

Description

超复数加密域的彩色人脸识别方法

技术领域

本发明涉及生物特征识别技术领域，特别涉及一种超复数加密域的彩色人脸识别方法。

背景技术

人脸识别作为生物特征识别的一个重要方面，在计算机视觉监控、人机交互和身份认证等领域得到了广泛的研究和应用。一般而言，人脸识别方法包括特征提取和识别两个阶段。

在无约束的自然环境下，人脸图像不可避免地存在尺度缩放、角度旋转、视角变换、遮挡和光照等问题，为了提高上述恶劣环境下的人脸识别率，一些基于相关滤波器的人脸识别方法得到了不断的发展，这种滤波器设计主要基于Fourier变换域的训练集人脸图像。比如，综合鉴别函数(Synthetic Discrimination Function，SDF)滤波器，可以实现较小畸变范围内的模式识别；为了提高SDF抵抗噪声的性能，最小方差综合鉴别函数(MinimumVariance Synthetic Discriminative Function,MVSDF)被提出。随后，基于最小平均相关能量(Minimum Average Correlation Energy，MACE)滤波器、无约束最小平均相关能量滤波器(Unconstrained Minimum Average Correlation Energy，UMACE)滤波器、最大平均相关高度(Maximum Average Correlation Height，MACH)滤波器、优化折中综合鉴别函数(Optimal Trade-off SDF，OTSDF)滤波器等相继出现。

相对于灰度人脸图像，彩色人脸图像可以提供丰富的信息和赏心悦目的视觉感。为了充分发挥彩色人脸图像包含的色彩信息，结合四元数表示方法，将彩色人脸图像表示成四元数矩阵的形式，可以有效利用颜色通道之间的关联性，实现多个颜色通道的整体处理。

当前信息社会处在大数据时代的背景下，人们在便利的使用计算机网络传输、使用海量数据的同时，由于“云环境”下开放式互联性，将不可避免的受到各种类型的攻击。因此，信息安全成为一个至关重要的问题，而目前相关的人脸识别方法为直接使用原始彩色人脸图像和四元数最小平均相关能量均值滤波器进行识别，这种方法的识别精度和安全性均不高，无法满足用户的需求。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的目的在于提出一种超复数加密域的彩色人脸识别方法，该方法可以有效提高识别精度，而且可以隐藏人脸图像的内容，具有较高的安全性。

为了实现上述目的，本发明的实施例提出了一种超复数加密域的彩色人脸识别方法，包括以下步骤：使用二维Logistic调节的正弦映射生成双随机相位掩膜；将待识别彩色人脸图像表示为纯四元矩阵，并根据所述双随机相位掩膜和四元数傅里叶变换进行加密；提取密文数据的实部分量和虚部分量，根据所述实部分量、虚部分量及稀疏矩阵得到稀疏的密文分量，并根据所述密文分量得到稀疏的密文，并对所述稀疏的密文进行解密；根据解密得到的不可见彩色人脸图像构建四元数最小平均相关能量均值滤波器；将所述待识别彩色人脸图像与所述滤波器的乘积进行四元数傅里叶反变换，并计算峰值旁瓣比(The Peak-to-Sidelobe Ratio，PSR)值，并将最大PSR值对应的滤波器的类别作为所述待识别彩色人脸的类别。

另外，根据本发明上述实施例的超复数加密域的彩色人脸识别方法还可以具有如下附加的技术特征：

在一些示例中，所述二维Logistic调节的正弦映射为：

其中，δ∈[0,1]，生成的所述双随机相位掩膜为P₁(x,y)、P₂(x,y)。

在一些示例中，所述将待识别彩色人脸图像表示为纯四元矩阵，具体为：

f_q(x,y)＝if_R(x,y)+jf_G(x,y)+kf_B(x,y)，

其中，下标{R,G,B}分别表示红、绿、蓝颜色分量。

在一些示例中，所述四元数傅里叶变换为：

其中，μ为单位纯四元数。

在一些示例中，所述根据所述双随机相位掩膜和四元数傅里叶变换进行加密，具体为：

e(x,y)＝F{F{f_q(x,y)·P₁(x,y)}·P₂(x,y)}，

其中，e(x,y)为得到的密文数据。

在一些示例中，所述对所述稀疏的密文进行解密，具体为：

其中，F^-1{·}表示四元数傅里叶反变换，表示P_t(x,y)的共轭，e^s(x,y)为稀疏的密文。

在一些示例中，所述稀疏矩阵为随机产生，且仅由{0，1}构成。

在一些示例中，所述四元数最小平均相关能量均值滤波器为：

h＝D^-1m，

其中，D表示训练样本的平均功率，m表示训练样本的平均傅里叶变换，所述不可见彩色人脸图像为{x₁,x₂,…,x_N}，其中，

在一些示例中，所述将所述待识别彩色人脸图像与所述滤波器的乘积进行四元数傅里叶反变换，具体为：

其中，F_test(u,v)表示所述待识别彩色人脸经过四元数傅里叶加密域稀疏约束的解密结果。

在一些示例中，所述四元数傅里叶变换为左边型四元数傅里叶变换。

根据本发明实施例的超复数加密域的彩色人脸识别方法，具有以下优点：

1)仅对很少一部分密文数据进行解密，得到的解密人脸图像在视觉上不可见，可以隐藏人脸图像的内容，具有较高的安全性。

2)使用不可见的彩色人脸图像构建四元数最小平均相关能量均值滤波器，可以得到更高的识别精度。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明实施例的超复数加密域的彩色人脸识别方法的流程；

图2是根据本发明一个实施例的超复数加密域的彩色人脸识别方法的详细流程示意图；

图3是根据本发明一个具体实施例的彩色人脸数据库示意图；

图4是根据本发明一个具体实施例的加密的人脸图像和相应的解密结果示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

以下结合附图描述根据本发明实施例的超复数加密域的彩色人脸识别方法。

图1是根据本发明一个实施例的超复数加密域的彩色人脸识别方法的流程图。图2是根据本发明一个实施例的超复数加密域的彩色人脸识别方法的详细流程示意图。如图1所示，并结合图2，该方法包括以下步骤：

步骤S1：使用二维Logistic调节的正弦映射生成双随机相位掩膜。

其中，二维Logistic调节的正弦映射例如为：

其中，δ∈[0,1]，生成的双随机相位掩膜分别为P₁(x,y)、P₂(x,y)。

步骤S2：将待识别彩色人脸图像表示为纯四元矩阵，并根据双随机相位掩膜和四元数傅里叶变换进行加密。

具体地，将待识别彩色人脸图像表示为纯四元矩阵，具体为：

f_q(x,y)＝if_R(x,y)+jf_G(x,y)+kf_B(x,y)，

其中，下标{R,G,B}分别表示红、绿、蓝颜色分量。

其中，四元数傅里叶变换例如为左边型四元数傅里叶变换，具体表示为：

其中，μ为单位纯四元数。

进一步地，根据双随机相位掩膜和四元数傅里叶变换进行加密，具体加密过程表示为：

e(x,y)＝F{F{f_q(x,y)·P₁(x,y)}·P₂(x,y)}，

其中，e(x,y)为得到的密文数据。

步骤S3：提取密文数据e(x,y)的实部分量和虚部分量，根据实部分量、虚部分量及稀疏矩阵得到稀疏的密文分量，并根据密文分量得到稀疏的密文，并对稀疏的密文进行解密。具体地，将提取到的密文数据的实部分量和虚部分量分别与稀疏矩阵相乘得到稀疏的密文分量，最后得到稀疏的密文e^s(x,y)。其中，稀疏矩阵为随机产生的，且仅由{0，1}构成，设非零元素所占比例为η。

进一步地，对稀疏的密文进行解密，具体过程表示为：

其中，F^-1{·}表示四元数傅里叶反变换，表示P_t(x,y)的共轭，e^s(x,y)为稀疏的密文。

步骤S4：根据解密得到的不可见彩色人脸图像构建四元数最小平均相关能量均值滤波器。

具体地，例如，令训练集中的不可见彩色人脸图像为{x₁,x₂,…,x_N}，对不可见彩色人脸图像进行四元数Fourier变换，则四元数最小平均相关能量均值滤波器表示为：

h＝D^-1m，

其中，D表示训练样本的平均功率，m表示训练样本的平均傅里叶变换，不可见彩色人脸图像表示为{x₁,x₂,…,x_N}，其中，需要说明的是，结合图2所示，本步骤中需要对每个个体分别构建四元数最小平均相关能量均值滤波器。

步骤S5：将待识别彩色人脸图像与四元数最小平均相关能量均值滤波器的乘积进行四元数傅里叶反变换，并计算峰值旁瓣比PSR值，并将最大PSR值对应的滤波器的类别作为待识别彩色人脸的类别。

其中，将待识别彩色人脸图像与四元数最小平均相关能量均值滤波器的乘积进行四元数傅里叶反变换，具体过程表示为：

其中，F_test(u,v)表示待识别彩色人脸经过四元数傅里叶加密域稀疏约束的解密结果。进一步地，通过计算PSR值，将最大PSR值对应的滤波器的类别作为待识别彩色人脸图像的类别。

因此，本发明实施例的超复数加密域的彩色人脸识别方法，将稀疏约束的策略和彩色人脸识别结合，从而能够有效提高识别精度，而且可以隐藏人脸图像的内容，具有较高的安全性，可应用于“云环境”下的彩色人脸识别与身份认证领域。

作为具体的示例，为了验证本发明实施例的方法的有效性和可行性，使用如图3中的彩色人脸数据库进行实验。其中，图3(a)为Aberdeen彩色人脸数据库，图3(b)为Faces94彩色人脸数据库，所有图像大小均为128×128像素。其中，Aberdeen彩色人脸数据库包含29个人、每个人13幅不同光照、表情下的图像，共377幅图像；Faces94彩色人脸数据库包含100个人、每个人20幅不同光照、表情及戴眼镜的图像，共2000幅图像。其中，二维Logistic调节的正弦映射的参数δ＝0.8156，初始值为{x₀,y₀}＝{0.6089,0.0365}；N_train表示训练集中每个人的人脸图像数量。在本示例中，实验结果采用识别率进行评价。

具体地说，首先，对超复数域中加密人脸图像的稀疏表示及解密的结果进行测试，以确定合适的参数η，在达到较高识别精度的同时可以隐藏彩色人脸图像的内容。结合图4所示，对图4(a)所示的彩色人脸图像进行加密，加密结果的四个分量如图4(b)至图4(e)所示，不同η得到的解密结果如图4(f)至图4(h)所示，从图中可以看出：当η<40％时，解密的彩色人脸图像可以隐藏原图像的内容。其中，图4(a)为原始人脸图像，图4(b)至图4(e)分别为密文图像的四个分量，图4(f)为η＝40％时的解密结果，图4(g)为η＝30％时的解密结果，图4(h)为η＝20％时的解密结果。

进一步地，为了客观评价本发明实施例的方法的识别性能，将本发明实施例的方法在不同稀疏约束下的识别精度与基于原始彩色人脸图像和四元数最小平均相关能量均值滤波器的识别精度进行比较。统计结果如下表1所示，可以看出：在不同的彩色人脸数据库使用不同数量的训练样本进行测试，本发明实施例的方法的识别精度均高于直接使用原始彩色人脸图像进行识别的方法的精度；特别是，在稀疏约束度η＝20％时，即使解密的彩色人脸图像完全隐藏了原始彩色人脸图像信息，但是达到了最高的识别精度。

表1

由此说明，本发明采用基于混沌序列的双随机相位和四元数Fourier变换对彩色人脸图像进行加密，并对稀疏的密文进行解密，可以有效的隐藏原人脸图像的内容，起到保护隐私的作用；而且，密文域中的人脸识别精度远远高于直接使用原始彩色人脸图像的识别精度。

综上，根据本发明实施例的超复数加密域的彩色人脸识别方法，具有以下优点：

1)仅对很少一部分密文数据进行解密，得到的解密人脸图像在视觉上不可见，可以隐藏人脸图像的内容，具有较高的安全性。

2)使用不可见的彩色人脸图像构建四元数最小平均相关能量均值滤波器，可以得到更高的识别精度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。

Claims (10)

1.一种超复数加密域的彩色人脸识别方法，其特征在于，包括以下步骤：

使用二维Logistic调节的正弦映射生成双随机相位掩膜；

将待识别彩色人脸图像表示为纯四元矩阵，并根据所述双随机相位掩膜和四元数傅里叶变换进行加密；

提取密文数据的实部分量和虚部分量，根据所述实部分量、虚部分量及稀疏矩阵得到稀疏的密文分量，并根据所述密文分量得到稀疏的密文，并对所述稀疏的密文进行解密；

根据解密得到的不可见彩色人脸图像构建四元数最小平均相关能量均值滤波器；

将所述待识别彩色人脸图像与所述滤波器的乘积进行四元数傅里叶反变换，并计算峰值旁瓣比值，并将最大峰值旁瓣比值对应的滤波器的类别作为所述待识别彩色人脸的类别。

2.根据权利要求1所述的超复数加密域的彩色人脸识别方法，其特征在于，所述二维Logistic调节的正弦映射为：

$\left\{\begin{array}{c}{x}_{i+1}=\sin \left(\mathrm{\&pi;}\mathrm{\&delta;}\right(y_i+3\left)x_i\right(1-x_i\left)\right),\\ y_{i+1}=\sin \left(\mathrm{\&pi;}\mathrm{\&delta;}\right(x_{i+1}+3\left)y_i\right(1-y_i\left)\right),\end{array}\right.,$

其中，δ∈[0,1]，生成的所述双随机相位掩膜为P₁(x,y)、P₂(x,y)。

3.根据权利要求1所述的超复数加密域的彩色人脸识别方法，其特征在于，所述将待识别彩色人脸图像表示为纯四元矩阵，具体为：

f_q(x,y)＝if_R(x,y)+jf_G(x,y)+kf_B(x,y)，

其中，下标{R,G,B}分别表示红、绿、蓝颜色分量。

4.根据权利要求3所述的超复数加密域的彩色人脸识别方法，其特征在于，所述四元数傅里叶变换为：

$F(u,v)={\&Integral;}_{-\mathrm{\&infin;}}^{\mathrm{\&infin;}}{\&Integral;}_{-\mathrm{\&infin;}}^{\mathrm{\&infin;}}{e}^{-\mathrm{\&mu;}(ux+vy)}{f}_q(x,y)dxdy,$

其中，μ为单位纯四元数。

5.根据权利要求4所述的超复数加密域的彩色人脸识别方法，其特征在于，所述根据所述双随机相位掩膜和四元数傅里叶变换进行加密，具体为：

e(x,y)＝F{F{f_q(x,y)·P₁(x,y)}·P₂(x,y)}，

其中，e(x,y)为得到的密文数据。

6.根据权利要求5所述的超复数加密域的彩色人脸识别方法，其特征在于，所述对所述稀疏的密文进行解密，具体为：

$f^s(x,y)=F^{-1}\left\{F^{-1}\right\{e^s(x,y)\}\&CenterDot;P_2^{*}(x,y)\}\&CenterDot;P_1^{*}(x,y),$

其中，F^-1{·}表示四元数傅里叶反变换，P_t ^*(x,y)(t＝1,2)表示P_t(x,y)的共轭，e^s(x,y)为稀疏的密文。

7.根据权利要求6所述的超复数加密域的彩色人脸识别方法，其特征在于，所述稀疏矩阵为随机产生，且仅由{0，1}构成。

8.根据权利要求6所述的超复数加密域的彩色人脸识别方法，其特征在于，所述四元数最小平均相关能量均值滤波器为：

h＝D^-1m，

其中，D表示训练样本的平均功率，m表示训练样本的平均傅里叶变换，所述不可见彩色人脸图像为{x₁,x₂,…,x_N}，其中，

9.根据权利要求8所述的超复数加密域的彩色人脸识别方法，其特征在于，所述将所述待识别彩色人脸图像与所述滤波器的乘积进行四元数傅里叶反变换，具体为：

其中，F_test(u,v)表示所述待识别彩色人脸经过四元数傅里叶加密域稀疏约束的解密结果。

10.根据权利要求1所述的超复数加密域的彩色人脸识别方法，其特征在于，所述四元数傅里叶变换为左边型四元数傅里叶变换。