CN111428261A - 照片信息处理方法、装置、设备及介质 - Google Patents
照片信息处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111428261A CN111428261A CN202010119680.4A CN202010119680A CN111428261A CN 111428261 A CN111428261 A CN 111428261A CN 202010119680 A CN202010119680 A CN 202010119680A CN 111428261 A CN111428261 A CN 111428261A
- Authority
- CN
- China
- Prior art keywords
- photo
- sensitive
- type
- information
- photos
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Storage Device Security (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种照片信息处理方法、装置、设备及介质,所述方法包括:获取所有未处理照片;通过预设的照片识别模型提取各未处理照片的纹理特征,识别出照片类型;识别敏感类型的未处理照片中的敏感信息和身份信息;将敏感信息进行脱敏并加密得到敏感照片,并与身份信息关联,及迁移至敏感文件夹和上传至云端文件夹;在接收到包含插入类型、插入身份和插入位置的照片插入指令时,在插入类型与本地数据库中的照片类型均不相匹配,或/和插入身份与照片类型相同的敏感照片的身份信息均不相同时,自云端数据库中查询与插入身份相同的敏感照片,并进行解密与去脱敏之后填充至插入位置。本发明实现了自动识别应用场景并自动填充照片,提升用户体验。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种照片信息处理方法、装置、计算机设备及存储介质。
背景技术
目前,随着社会数字化程度普及和互联网使用越来越智能,需要使用到用户敏感信息的照片场景越来越多,例如:银行在线申请信用卡需要上传用户身份证件照片,用户拍完照片后未删除,就直接存放在手机或本地电脑,缺乏安全性;在用户需要使用到敏感信息的照片的场景时,就需要用户在众多照片中自行查找选择,并手动上传,而且在手机或本地电脑以及身边无法获取照片时,就无法选择照片。因此,需要一种可以让具有敏感信息的照片更加安全和方便使用的方法。
发明内容
本发明提供一种照片信息处理方法、装置、计算机设备及存储介质,实现了自动识别应用场景并自动填充照片,提升了用户体验,提高了效率。
一种照片信息处理方法,包括:
在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片;
通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型;
在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息;
将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹;
在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同;
在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片;
对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
一种照片信息处理装置,包括:
获取模块,用于在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片;
第一识别模块,用于通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型;
第二识别模块,用于在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息;
加密模块,用于将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹;
接收模块,用于在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同;
插入模块,用于在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片;
填充模块,用于对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述照片信息处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述照片信息处理方法的步骤。
本发明提供的照片信息处理方法、装置、计算机设备及存储介质,通过在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片;通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型;在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息;将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹;在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同;在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片;对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置,如此,实现了通过获取未处理照片,自动识别未处理照片中的含有敏感信息的敏感照片,对敏感照片中的敏感信息进行脱敏并加密,更好地保障了用户敏感信息的安全性,而且通过将敏感照片迁移至本地数据库和上传云端数据库可以对敏感照片进行分类管理,以及在需要敏感照片的场景且本地数据库中无法获取敏感照片时,能够方便快捷地从云端数据库自动下载需要的敏感照片并自动进行填充,从而减少了用户根据使用场景在众多照片中查找所需照片,实现了自动识别应用场景并自动填充照片,方便用户使用,提升了用户体验,提高了效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中照片信息处理方法的应用环境示意图;
图2是本发明一实施例中照片信息处理方法的流程图;
图3是本发明另一实施例中照片信息处理方法的流程图;
图4是本发明一实施例中照片信息处理方法的步骤S20的流程图;
图5是本发明一实施例中照片信息处理方法的步骤S30的流程图;
图6是本发明一实施例中照片信息处理方法的步骤S40的流程图;
图7是本发明另一实施例中照片信息处理方法的步骤S40的流程图;
图8是本发明一实施例中照片信息处理方法的步骤S70的流程图;
图9是本发明一实施例中照片信息处理装置的原理框图;
图10是本发明一实施例中计算机设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的照片信息处理方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务器进行通信。其中,客户端包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、摄像头和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一实施例中,如图2所示,提供一种照片信息处理方法,其技术方案主要包括以下步骤S10-S70:
S10,在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片。
其中,所述扫描指令被触发的方式包括但不限定于以下的一种或多种:在应用管理程序提供一个可以通过点击或滑动等方式进行触发的触发按键、设定每间隔预设时间自动触发(也即定期自动触发),在检测到扫描指令时,对本地数据库中的照片进行扫描,对于经过扫描的照片或者历史扫描的照片都会标识为已扫描,与未扫描的照片进行区别,在扫描过程中对所述标识为已扫描的照片进行不做处理,从而获取所述本地数据库中未经过扫描的所有未处理照片。
在一实施例中,在所述本地数据库中,获取已扫描的照片中时间最新的照片时间,将已扫描的照片中时间最新的所述照片时间确定为扫描开始时间,对所有照片的照片日期在所述扫描开始时间之后的照片记录为未处理照片。如此,可以减少每个照片进行扫描的时间。
S20,通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型。
可理解地,所述照片识别模型包括训练完成的深度卷积神经网络模型,所述深度卷积神经网络模型的神经网络结构可以根据需要进行设计,作为优选,所述深度卷积神经网络模型的神经网络结构可以根据VGG神经网络模型的网络结构进行设计;因为所述深度卷积神经网络模型无需对照片进行复杂的图像处理及分析识别,只需要自学习地提取照片的纹理特征,而且所述纹理特征存在模糊不变性的特点,所以通过训练完成的所述深度卷积神经网络模型可以快速地、准确地识别出所述未处理照片的照片类型,如此,通过所述照片识别模型提高了识别效率和准确率。
也即,将所述未处理照片输入至所述照片识别模型中,通过所述照片识别模型提取所述未处理照片的纹理特征,因为通过图像分析,不同证件图像中存在一些比较显著的纹理特征,例如波光纹、异常斑纹等。所述照片识别模型根据提取的所述未处理照片的纹理特征输出识别结果,所述识别结果表征了所述未处理照片的照片类型,所述照片类型包括敏感类型和非敏感类型,所述照片类型可以根据需求进行设定,比如照片类型包括敏感身份证、敏感驾驶证、非敏感风景、非敏感动物、敏感银行卡等等,而所述敏感类型可以根据需求进行设定,比如敏感类型包括敏感身份证、敏感驾驶证、敏感银行卡等等,所述非敏感类型可以根据需求进行设定,比如非敏感类型包括非敏感风景、非敏感动物等等。
在一实施例中,如图4所示,所述步骤S20中,即所述通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型,包括:
S201,将所述未处理照片输入所述照片识别模型。
S202,对所述未处理照片进行灰度处理,生成所述未处理照片的灰度图像。
可理解地,所述未处理照片包括RGB三个通道的图像,即每个所述未处理照片中的每个像素点有三个通道的分量值,分别为R分量值、G分量值和B分量值,将所述未处理照片中的每个像素点进行灰度处理,通过加权平均法得出每个像素点的灰度值,从而生成所述未处理照片的灰度图像,如此,则将三个通道的所述未处理照片变换成一个通道的灰度图像,进而只对一个通道进行处理,减少了分别对各个通道的处理。
S203,通过边缘检测法对所述未处理照片的灰度图像进行识别,并提取出所述灰度图像中的区域图像。
可理解地,所述边缘检测法是为了标识出图像中亮度变化明显的点,如果所述未处理照片中包含证件照,则所述未处理照片中包含的证件的边缘两侧的亮度是明显不同而且通过灰度处理后的所有所述证件的边缘两侧变化差异更加明显,所以通过所述边缘检测法识别出所述未处理照片的灰度图像中所述灰度值变化明显的像素点,然后通过提取所述灰度值变化明显的像素点形成的区域(也即证件所在区域),并标记为所述灰度图像中的区域图像。
S204,通过局部二值模式法将所述区域图像转换成局部二值模式特征图。
可理解地,所述局部二值模式法(Local Binary Patterns,缩写为LBP)通过以每一个像素点为中心像素,该像素点对应的灰度值作为所述中心像素的阈值,将相邻区域内的像素点对应的灰度值与所述中心像素的阈值进行比较,若相邻的像素点的灰度值大于中心像素的阈值,则该像素点的位置被标记为二进制码1,否则为二进制码0,将所有相邻区域内的像素点对应的二进制码进行顺时针顺序组合成一组二进制数,所述二进制值为对应的局部二值模式特征值(LBP值)。优选地,所述相邻区域为3×3的8个像素点区域(去除中心像素),生成8位二进制数,所述局部二值模式特征值的范围为0至255的整数值。通过所述局部二值模式法得到每个所述证件区域图像中每个像素点对应的所述局部二值模式特征值,从而生成与所述区域图像对应的局部二值模式特征图,即将所有所述像素点的局部二值模式特征值按照对应像素点所在的位置进行排列,生成与所述区域图像对应的局部二值模式特征图,进而增强了所述区域图像中的纹理特征。
如此,由于所述局部二值模式法具有旋转不变性和灰度不变性的优点,因而局部二值模式特征图对光照具有很强的鲁棒性。通过图像分析,不同证件图像中存在一些比较显著的纹理特征,例如波光纹、异常斑纹等。所以通过所述局部二值模式法识别纹理特征进行证件类型检测提高了识别准确率和可靠性。
S205,将所述局部二值模式特征图输入至所述照片识别模型中的训练完成的VGG神经网络模型,通过所述VGG神经网络模型对所述局部二值模式特征图进行纹理特征的提取,并获取所述VGG神经网络模型根据所述纹理特征输出的识别结果,所述识别结果表征了所述未处理照片的照片类型。
可理解地,所述VGG神经网络模型为基于VGG Net模型设计的深度卷积神经网络模型,其中,所述VGG Net模型的网络结构模型可以根据需求进行选择,比如可以选择VGG16的网络结构模型,亦可以选择VGG19的网络结构模型,作为优选,所述VGG Net模型选择VGG16的网络结构模型,所述照片识别模型中的VGG神经网络模型为训练完成的深度卷积神经网络模型,将所述局部二值模式特征图输入所述VGG神经网络模型,通过所述VGG神经网络模型提取所述局部二值模式特征图的纹理特征,根据所述纹理特征输出识别结果,并且获取所述识别结果,所述识别结果为所述未处理照片的照片类型,所述照片类型可以根据需求进行设定,比如照片类型包括敏感身份证、敏感驾驶证、非敏感风景、非敏感动物、敏感银行卡等等。
如此,通过所述VGG神经网络模型提高了识别效率和准确率。
S30,在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息。
其中,所述敏感类型可以根据需求进行设定,比如敏感类型包括敏感身份证、敏感驾驶证、敏感银行卡等等,在所述照片类型为敏感类型时,例如如果所述照片类型为敏感身份证,所述敏感类型包括敏感身份证,则所述照片类型为敏感类型,通过对所有敏感类型的所述未处理照片进行图像分析,识别出所有敏感类型的所述未处理照片中的敏感信息和身份信息,其中,所述敏感信息中可能包含所述身份信息,而且所述敏感信息可以为多个,所述身份信息中可能包含所述敏感信息,比如识别出敏感身份证中的敏感信息为身份证号和身份信息为姓名,识别出敏感驾驶证中的敏感信息为驾驶证号和身份信息为姓名。
在一实施例中,获取所述未处理照片中的敏感信息,通过在数据库中查询并获取与所述未处理照片中的敏感信息相匹配的归属信息,将所述归属信息确定为所述未处理照片中的身份信息。例如:未处理照片中的敏感信息为银行卡号,通过在数据库中查询并获取出与所述未处理照片中的银行卡号相匹配的账户名,将账户名确定为所述未处理照片中的身份信息。
在一实施例中,如图5所示,所述步骤S30中,即所述在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息,包括:
S301,通过OCR识别模型对所述未处理照片中的信息进行识别,得出识别信息。
可理解地,所述OCR识别模型包括版面分析、预处理、行列切割、字符识别、后处理识别矫正和识别结果输出,将敏感类型的所述未处理照片输入所述OCR识别模型,所述未处理照片中的信息在经过所述OCR识别模型中的版面分析、预处理、行列切割、字符识别、后处理识别矫正和识别结果输出的步骤顺序处理后,得到所述未处理照片的识别信息。
S302,根据所述敏感类型,确定预设的与所述敏感类型匹配的信息模板;所述信息模板包括敏感位置和身份位置。
可理解地,根据所述未处理照片的敏感类型确定预设的与所述敏感类型匹配的信息模板,即一种所述敏感类型对应一种所述信息模板,其中,所述信息模板包括敏感位置和身份位置,所述敏感位置为提供敏感信息的位置,所述身份位置为提供身份信息的位置。
S303,根据所述识别信息和所述信息模板中的敏感位置确定所述未处理照片中的敏感信息;根据所述识别信息和所述信息模板中的身份位置确定所述未处理照片中的身份信息。
可理解地,在所述识别信息中根据所述信息模板中的敏感位置找到所述识别信息中的敏感信息,在所述识别信息中根据所述信息模板中的身份位置找到所述识别信息中的身份信息。
如此,通过不同的敏感类型匹配不同的信息模板,进而快速确定所述识别信息中的敏感位置和身份位置,从而获取所述未处理照片中的敏感信息和身份信息,提高了识别效率和减少了执行时间。
S40,将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹。
可理解地,将所述未处理照片中包含的敏感信息进行脱敏并加密,根据需要可以根据不同的所述未处理照片的敏感类型确定不同的脱敏规则和加密方法,所述脱敏规则脱敏遮盖方式和脱敏权限密码,所述加密方法可以为对称加密方法或非对称加密方法,将脱敏并加密之后的所述未处理照片记录为敏感照片,并将所述敏感照片与所述未处理照片中的所述身份信息进行关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,即将所述敏感照片剪切至与该敏感照片的敏感类型相关联的敏感文件夹中,例如:将脱敏并加密之后的敏感身份证的敏感照片迁移至敏感身份证关联的敏感身份证文件夹中,其中,所述敏感文件夹为所述本地数据库中的文件夹;同时,将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹,通过登录信息可以访问所述云端数据库,其中,所述云端文件夹为云端数据库中的文件夹。
如此,通过对敏感信息进行脱敏并加密,即双重保障,更好地保障了用户敏感信息的安全性,而且通过迁移至本地数据库和上传云端数据库可以对敏感照片进行分类管理,以及通过上传云端数据库可以避免信息丢失和用户信息泄露。
在一实施例中,如图6所示,所述步骤S40中,即将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,包括:
S401,根据所述敏感类型,确定预设的与所述敏感类型匹配的脱敏规则;所述脱敏规则包括脱敏遮盖方式和脱敏权限密码。
可理解地,根据所述敏感类型确定预设的与所述敏感类型匹配的脱敏规则,即一种所述敏感类型对应一种所述脱敏规则,其中,所述脱敏规则包括所述脱敏遮盖方式和所述脱敏权限密码,所述脱敏遮盖方式可以根据需求进行设定,比如仅保留显示字符串中的前4位和后4位,所有字符串信息显示为乱码,所有字符串信息打上马赛克等等,所述脱敏权限密码为脱敏操作中授权与否的钥匙,在脱敏操作中赋予脱敏权限密码,将作为后续的去脱敏操作中的钥匙,所述脱敏权限密码的获取可以为用户预先设定数据库中指定的密码区域获取,亦可以为用户输入之后的密码指令中获取。
S402,将所述未处理照片中包含的敏感信息根据所述脱敏遮盖方式生成敏感遮盖层,并将所述敏感遮盖层与所述未处理照片进行叠加,生成合成照片。
可理解地,根据所述脱敏遮盖方式将所述未处理照片中包含的敏感信息生成所述敏感遮盖层,所述敏感遮盖层为将所述敏感信息经过所述脱敏遮盖方式进行加工之后的图像,将所述敏感遮盖层与所述未处理照片进行叠加处理,将所述敏感遮盖层与所述未处理照片叠加处理之后的照片确定为所述合成照片。
S403,根据RSA非对称加密方法,对所述合成照片进行加密,生成所述未处理照片的敏感照片。
可理解地,所述RSA非对称加密方法实现加密的基本过程为生成一对密钥并将公钥公开,需要使用该公钥信息进行加密,在需要使用时,再用私钥对加密后的信息方可解密。其中,所述敏感照片对应的私钥存储在本地数据库中,并且可以将所述脱敏权限密码确定为所述敏感照片对应的私钥,由于RSA非对称加密方法的算法强度复杂,其安全性依赖于密钥(公钥和私钥),可以保证安全性,所以选择RSA非对称加密方法对所述未处理照片进行加密,使在脱敏基础上增加多一层保障,起到双重保障的作用。
S404,将所述敏感照片与所述身份信息进行关联,以及将所述敏感照片与所述合成照片进行关联。
可理解地,对所述敏感照片与所述身份信息建立关联关系,并且对所述敏感照片与所述合成照片建立关联关系。
如此,实现了双重保障保证了用户的敏感照片的安全性,避免了不法分子盗用用户的敏感照片。
在一实施例中,所述步骤S40中,即所述将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,包括:
S405,根据所述敏感照片的照片类型获取与所述照片类型关联的敏感文件夹的路径。
可理解地,在本地数据库中每一个所述敏感文件夹都有其路径,根据所述敏感照片的照片类型可以确定关联的所述敏感文件夹,从而可以获取所述敏感文件夹的路径。
S406,将所述敏感照片迁移至与所述敏感文件夹的路径对应的所述敏感文件夹中,并将所述敏感照片关联的合成照片作为所述敏感文件夹下的所述敏感照片的显示图标。
可理解地,将所述敏感照片迁移至所述敏感文件夹下,并且将与所述敏感照片关联的所述合成照片作为所述敏感文件夹下的所述敏感照片的显示图标,即将所述合成照片提供给用户作为预览的照片,如此,通过迁移至本地数据库可以对敏感照片进行分类管理,也可以方便用户查看和防止信息泄露。
在一实施例中,如图7所示,所述步骤S40中,即所述将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹,包括:
S407,获取与所述照片类型关联的云端文件夹的登录信息,以及与所述照片类型关联的云端文件夹的路径。
其中,所述登录信息包括登录用户名和登录密码,通过所述登录用户名和所述登录密码才可以访问所述云端数据库中的所述云端文件夹,在云端数据库中每一个所述云端文件夹都有其路径,根据所述敏感照片的照片类型可以确定关联的所述云端文件夹,从而可以获取所述云端文件夹的路径。
S408,根据所述登录信息和与所述照片类型关联的所述云端文件夹的路径,将所述敏感照片上传至所述云端文件夹中,并且将所述敏感照片关联的合成照片作为所述云端文件夹下的所述敏感照片的显示图标。
可理解地,通过所述登录信息访问与所述照片类型关联的所述云端文件夹,将所述敏感照片上传至所述云端文件夹下,并且将与所述敏感照片关联的所述合成照片作为所述云端文件夹下的所述敏感照片的显示图标,即将所述合成照片提供给用户作为预览的照片。
如此,上传云端数据库可以对敏感照片进行分类管理,以及通过上传云端数据库可以避免信息丢失和用户信息泄露。
S50,在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同。
可理解地,所述插入类型可以为身份证、驾驶证、银行卡等等;所述插入身份可以为用户名字;在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,获取所述照片插入指令中的插入类型,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,所述插入类型与所述照片类型的匹配关系可以根据需求进行设定,也即,所述匹配关系可以为一种插入类型与一种照片类型建立匹配关系,例如所述插入类型为身份证与所述照片类型为敏感身份证匹配,所述匹配关系也可以为多种插入类型与一种照片类型建立匹配关系,例如所述插入类型为身份证号、身份证、居民证都与所述照片类型为敏感身份证匹配;若所述插入类型与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配时,例如所述插入类型为身份证,即在所述本地数据库中可以找到匹配的照片类型为敏感身份证的所述敏感文件夹,则获取所述照片插入指令中的插入身份,判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同。
在一实施例中,如图3所示,所述步骤S50之后,即所述在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同之后,包括:
S80,在所述插入类型与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,且所述插入身份与照片类型相同的所述敏感文件夹中的至少一个所述敏感照片的身份信息相同时,则获取自与所述插入类型相同的所述敏感文件夹中与所述插入身份相同的所述敏感照片,并记录为待插入敏感照片。
可理解地,在所述插入类型与所述本地数据库中的所述敏感文件夹关联的照片类型相同匹配,即在所述本地数据库中可以找到与所述插入类型相匹配的照片类型的所述敏感文件夹,且在所述敏感文件夹中可以找到至少一个所述敏感照片的身份信息与所述插入身份相同的所述敏感照片时,则将该敏感照片记录为所述待插入敏感照片。
如此,实现了在本地数据库找到所需敏感照片时,不需要访问云端数据库去获取所需敏感照片,减少了执行步骤和提高了效率。
S60,在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片。
可理解地,在所述本地数据库中不可以找到与所述插入类型相匹配的照片类型的所述敏感文件夹,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,通过所述登录信息访问所述云端数据库,在所述云端数据库中查找与所述插入类型相匹配的照片类型关联的所述云端文件夹,并且在找到的与所述插入类型相匹配的照片类型关联的所述云端文件夹中查询出与所述插入身份相同的所述敏感照片,并且将与所述插入身份相同的所述敏感照片记录为所述待插入敏感照片。
如此,实现了用户在需要敏感照片的场景时,且本地数据库中无法获取敏感照片的情况下,能够方便快捷地下载需要的敏感照片以供使用。
S70,对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
可理解地,通过对所述待插入敏感照片进行解密与去脱敏操作之后,自动填充至所述插入位置,即在所述插入位置插入所述待插入敏感照片,如此,减少了用户根据使用场景在众多照片中查找所需照片,实现了自动识别应用场景并自动填充照片,方便用户使用,提高了效率。
本发明实现了通过获取未处理照片,自动识别照片中的含有敏感信息的敏感照片,对敏感照片中的敏感信息进行脱敏并加密,更好地保障了用户敏感信息的安全性,而且通过将敏感照片迁移至本地数据库和上传云端数据库可以对敏感照片进行分类管理,以及在需要敏感照片的场景且本地数据库中无法获取敏感照片时,能够方便快捷地从云端数据库自动下载需要的敏感照片并填充,从而减少了用户根据使用场景在众多照片中查找所需照片,实现了自动识别应用场景并自动填充照片,方便用户使用,提升了用户体验,提高了效率。
在一实施例中,如图8所示,所述步骤S70中,即所述对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置,包括:
S701,判断所述待插入敏感照片是否唯一。
可理解地,对所述待插入敏感照片进行判断,统计所述待插入敏感照片是否只有一个照片。
S702,若所述待插入敏感照片唯一,则对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
可理解地,如果所述待插入敏感照片中只有一个照片,则对所述待插入敏感照片进行解密与去脱敏操作,即通过所述RSA非对称加密方法,以及获取用户输入的所述待插入敏感照片对应的私钥的私钥指令中的私钥内容,对所述待插入敏感照片进行解密,并且通过获取用户输入的所述待插入敏感照片对应的脱敏权限密码的脱敏权限密码指令中的脱敏权限密码内容,对所述待插入敏感照片进行去脱敏操作,将解密与去脱敏操作之后的所述待插入敏感照片自动填充至所述插入位置,如此,减少了用户根据使用场景在众多照片中查找所需照片,实现了自动识别应用场景并自动填充照片,方便用户使用,提高了效率。
S703,若所述待插入敏感照片为至少两个,则在插入界面显示所有所述待插入敏感照片的显示图标,并接收在所述插入界面中选择所述待插入敏感照片之后生成的插入确定指令,并根据所述插入确定指令将已选择的所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
可理解地,如果所述待插入敏感照片中至少有两个照片,则在插入界面显示所有所述待插入敏感照片的显示图标,即显示所有所述待插入敏感照片的合成照片,以供用户在所有所述待插入敏感照片中选择确定的所述待插入敏感照片,从而接收在所述插入界面中选择所述待插入敏感照片之后生成的插入确定指令,根据所述插入确定指令将已选择的所述待插入敏感照片进行解密与去脱敏操作,即通过所述RSA非对称加密方法,以及获取用户输入的已选择的所述待插入敏感照片对应的私钥的私钥指令中的私钥内容,对已选择的所述待插入敏感照片进行解密,并且通过获取用户输入的已选择的所述待插入敏感照片对应的脱敏权限密码的脱敏权限密码指令中的脱敏权限密码内容,对已选择的所述待插入敏感照片进行去脱敏操作,将解密与去脱敏操作之后的已选择的所述待插入敏感照片自动填充至所述插入位置,如此,减少了用户根据使用场景在众多照片中查找所需照片,实现了自动识别应用场景并自动填充照片,方便用户使用,提高了效率。
在一实施例中,提供一种照片信息处理装置,该照片信息处理装置与上述实施例中照片信息处理方法一一对应。如图9所示,该照片信息处理装置包括获取模块11、第一识别模块12、第二识别模块13、加密模块14、接收模块15、插入模块16和填充模块17。各功能模块详细说明如下:
获取模块11,用于在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片;
第一识别模块12,用于通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型;
第二识别模块13,用于在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息;
加密模块14,用于将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹;
接收模块15,用于在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同;
插入模块16,用于在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片;
填充模块17,用于对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
在一实施例中,所述接收模块15包括:
本地插入模块,用于在所述插入类型与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,且所述插入身份与照片类型相同的所述敏感文件夹中的至少一个所述敏感照片的身份信息相同时,则获取自与所述插入类型相同的所述敏感文件夹中与所述插入身份相同的所述敏感照片,并记录为待插入敏感照片。
在一实施例中,所述第一识别模块12包括:
输入单元,用于将所述未处理照片输入所述照片识别模型;
第一生成单元,用于对所述未处理照片进行灰度处理,生成所述未处理照片的灰度图像;
提取单元,用于通过边缘检测法对所述未处理照片的灰度图像进行识别,并提取出所述灰度图像中的区域图像;
转换单元,用于通过局部二值模式法将所述区域图像转换成局部二值模式特征图;
第一识别单元,用于将所述局部二值模式特征图输入至所述照片识别模型中的训练完成的VGG神经网络模型,通过所述VGG神经网络模型对所述局部二值模式特征图进行纹理特征的提取,并获取所述VGG神经网络模型根据所述纹理特征输出的识别结果,所述识别结果表征了所述未处理照片的照片类型。
在一实施例中,所述第二识别模块13包括:
第二识别单元,用于通过OCR识别模型对所述未处理照片中的信息进行识别,得出识别信息;
第一确定单元,用于根据所述敏感类型,确定预设的与所述敏感类型匹配的信息模板;所述信息模板包括敏感位置和身份位置;
第二确定单元,用于根据所述识别信息和所述信息模板中的敏感位置确定所述未处理照片中的敏感信息;根据所述识别信息和所述信息模板中的身份位置确定所述未处理照片中的身份信息。
在一实施例中,所述加密模块14包括:
第三确定单元,用于根据所述敏感类型,确定预设的与所述敏感类型匹配的脱敏规则;所述脱敏规则包括脱敏遮盖方式和脱敏权限密码;
第二生成单元,用于将所述未处理照片中包含的敏感信息根据所述脱敏遮盖方式生成敏感遮盖层,并将所述敏感遮盖层与所述未处理照片进行叠加,生成合成照片;
关联单元,用于将所述敏感照片与所述身份信息进行关联,以及将所述敏感照片与所述合成照片进行关联。
在一实施例中,所述加密模块14还包括:
获取单元,用于获取与所述照片类型关联的云端文件夹的登录信息,以及与所述照片类型关联的云端文件夹的路径;
上传单元,用于根据所述登录信息和与所述照片类型关联的所述云端文件夹的路径,将所述敏感照片上传至所述云端文件夹中,并且将所述敏感照片关联的合成照片作为所述云端文件夹下的所述敏感照片的显示图标。
在一实施例中,所述填充模块17包括:
判断单元,用于判断所述待插入敏感照片是否唯一;
解密单元,用于若所述待插入敏感照片唯一,则对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置;
填充单元,用于若所述待插入敏感照片为至少两个,则在插入界面显示所有所述待插入敏感照片的显示图标,并接收在所述插入界面中选择所述待插入敏感照片之后生成的插入确定指令,并根据所述插入确定指令将已选择的所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种照片信息处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中照片信息处理方法。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中照片信息处理方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种照片信息处理方法,其特征在于,包括:
在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片;
通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型;
在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息;
将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹;
在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同;
在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片;
对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
2.如权利要求1所述的照片信息处理方法,其特征在于,所述在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同之后,包括:
在所述插入类型与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,且所述插入身份与照片类型相同的所述敏感文件夹中的至少一个所述敏感照片的身份信息相同时,则获取自与所述插入类型相同的所述敏感文件夹中与所述插入身份相同的所述敏感照片,并记录为待插入敏感照片。
3.如权利要求1所述的照片信息处理方法,其特征在于,所述通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型,包括:
将所述未处理照片输入所述照片识别模型;
对所述未处理照片进行灰度处理,生成所述未处理照片的灰度图像;
通过边缘检测法对所述未处理照片的灰度图像进行识别,并提取出所述灰度图像中的区域图像;
通过局部二值模式法将所述区域图像转换成局部二值模式特征图;
将所述局部二值模式特征图输入至所述照片识别模型中的训练完成的VGG神经网络模型,通过所述VGG神经网络模型对所述局部二值模式特征图进行纹理特征的提取,并获取所述VGG神经网络模型根据所述纹理特征输出的识别结果,所述识别结果表征了所述未处理照片的照片类型。
4.如权利要求1所述的照片信息处理方法,其特征在于,所述在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息,包括:
通过OCR识别模型对所述未处理照片中的信息进行识别,得出识别信息;
根据所述敏感类型,确定预设的与所述敏感类型匹配的信息模板;所述信息模板包括敏感位置和身份位置;
根据所述识别信息和所述信息模板中的敏感位置确定所述未处理照片中的敏感信息;根据所述识别信息和所述信息模板中的身份位置确定所述未处理照片中的身份信息。
5.如权利要求1所述的照片信息处理方法,其特征在于,所述将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,包括:
根据所述敏感类型,确定预设的与所述敏感类型匹配的脱敏规则;所述脱敏规则包括脱敏遮盖方式和脱敏权限密码;
将所述未处理照片中包含的敏感信息根据所述脱敏遮盖方式生成敏感遮盖层,并将所述敏感遮盖层与所述未处理照片进行叠加,生成合成照片;
将所述敏感照片与所述身份信息进行关联,以及将所述敏感照片与所述合成照片进行关联。
6.如权利要求1所述的照片信息处理方法,其特征在于,所述将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹,包括:
获取与所述照片类型关联的云端文件夹的登录信息,以及与所述照片类型关联的云端文件夹的路径;
根据所述登录信息和与所述照片类型关联的所述云端文件夹的路径,将所述敏感照片上传至所述云端文件夹中,并且将所述敏感照片关联的合成照片作为所述云端文件夹下的所述敏感照片的显示图标。
7.如权利要求1所述的照片信息处理方法,其特征在于,所述对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置,包括:
判断所述待插入敏感照片是否唯一;
若所述待插入敏感照片唯一,则对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置;
若所述待插入敏感照片为至少两个,则在插入界面显示所有所述待插入敏感照片的显示图标,并接收在所述插入界面中选择所述待插入敏感照片之后生成的插入确定指令,并根据所述插入确定指令将已选择的所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
8.一种照片信息处理装置,其特征在于,包括:
获取模块,用于在检测到扫描指令时,获取本地数据库中未经扫描的所有未处理照片;
第一识别模块,用于通过预设的照片识别模型提取各所述未处理照片的纹理特征,识别出各所述未处理照片的照片类型;所述照片类型包括敏感类型和非敏感类型;
第二识别模块,用于在所述照片类型为敏感类型时,识别敏感类型的所述未处理照片中的敏感信息和身份信息;
加密模块,用于将所述未处理照片中包含的敏感信息进行脱敏并加密,将脱敏并加密之后的所述未处理照片定义为敏感照片并将其与所述身份信息关联,将所述敏感照片迁移至与该敏感照片的照片类型关联的敏感文件夹,同时将所述敏感照片上传至与该敏感照片的照片类型关联的云端文件夹;所述敏感文件夹为所述本地数据库中的文件夹;所述云端文件夹为云端数据库中的文件夹;
接收模块,用于在接收到包含待插入照片的插入类型、插入身份和插入位置的照片插入指令时,判断所述插入类型是否与所述本地数据库中的所述敏感文件夹关联的照片类型相匹配,并判断所述插入身份是否与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息相同;
插入模块,用于在所述插入类型与所述本地数据库中的所有所述敏感文件夹关联的照片类型均不相匹配,或/和所述插入身份与照片类型相同的所述敏感文件夹中的所述敏感照片的身份信息均不相同时,自所述云端数据库中查询照片类型与所述插入类型相匹配的所述云端文件夹,并自照片类型与所述插入类型相同的所述云端文件夹中查询与所述插入身份相同的所述敏感照片,并将该云端文件夹中查询到的与所述插入身份相同的所述敏感照片记录为待插入敏感照片;
填充模块,用于对所述待插入敏感照片进行解密与去脱敏之后,填充至所述插入位置。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述照片信息处理方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述照片信息处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010119680.4A CN111428261A (zh) | 2020-02-26 | 2020-02-26 | 照片信息处理方法、装置、设备及介质 |
PCT/CN2020/103393 WO2021169159A1 (zh) | 2020-02-26 | 2020-07-22 | 照片信息处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010119680.4A CN111428261A (zh) | 2020-02-26 | 2020-02-26 | 照片信息处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111428261A true CN111428261A (zh) | 2020-07-17 |
Family
ID=71547185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010119680.4A Pending CN111428261A (zh) | 2020-02-26 | 2020-02-26 | 照片信息处理方法、装置、设备及介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111428261A (zh) |
WO (1) | WO2021169159A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329757A (zh) * | 2020-10-20 | 2021-02-05 | 安诚迈科(北京)信息技术有限公司 | 票据信息脱敏采集方法、装置及系统 |
CN113285960A (zh) * | 2021-07-21 | 2021-08-20 | 湖南轻悦健康管理有限公司 | 一种服务数据共享云平台的数据加密方法及系统 |
WO2021169159A1 (zh) * | 2020-02-26 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 照片信息处理方法、装置、设备及介质 |
CN115439795A (zh) * | 2022-11-08 | 2022-12-06 | 浙江慧享信息科技有限公司 | 一种涉及人像的视频打码方法、介质及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305071B (zh) * | 2023-03-18 | 2023-09-26 | 广州锦拓信息科技有限公司 | 一种基于人工智能的账号密码安全系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942469A (zh) * | 2014-04-14 | 2014-07-23 | 小米科技有限责任公司 | 图片处理方法、装置及终端 |
CN108647262B (zh) * | 2018-04-27 | 2021-03-09 | 平安科技(深圳)有限公司 | 一种图片管理方法、装置、计算机设备及存储介质 |
US11157646B2 (en) * | 2018-09-27 | 2021-10-26 | Intel Corporation | Systems and methods for processing and handling privacy-sensitive image data |
CN109598138B (zh) * | 2018-11-15 | 2023-07-11 | 创新先进技术有限公司 | 图片中敏感信息识别、掩盖和感知是否查看的方法及装置 |
CN111428261A (zh) * | 2020-02-26 | 2020-07-17 | 深圳壹账通智能科技有限公司 | 照片信息处理方法、装置、设备及介质 |
-
2020
- 2020-02-26 CN CN202010119680.4A patent/CN111428261A/zh active Pending
- 2020-07-22 WO PCT/CN2020/103393 patent/WO2021169159A1/zh active Application Filing
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169159A1 (zh) * | 2020-02-26 | 2021-09-02 | 深圳壹账通智能科技有限公司 | 照片信息处理方法、装置、设备及介质 |
CN112329757A (zh) * | 2020-10-20 | 2021-02-05 | 安诚迈科(北京)信息技术有限公司 | 票据信息脱敏采集方法、装置及系统 |
CN113285960A (zh) * | 2021-07-21 | 2021-08-20 | 湖南轻悦健康管理有限公司 | 一种服务数据共享云平台的数据加密方法及系统 |
CN113285960B (zh) * | 2021-07-21 | 2021-10-01 | 湖南轻悦健康管理有限公司 | 一种服务数据共享云平台的数据加密方法及系统 |
CN115439795A (zh) * | 2022-11-08 | 2022-12-06 | 浙江慧享信息科技有限公司 | 一种涉及人像的视频打码方法、介质及设备 |
CN115439795B (zh) * | 2022-11-08 | 2023-10-13 | 浙江慧享信息科技有限公司 | 一种涉及人像的视频打码方法、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2021169159A1 (zh) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111428261A (zh) | 照片信息处理方法、装置、设备及介质 | |
EP3048773B1 (en) | System and method for image based location specific password construction and authentication | |
US11615176B2 (en) | Registration and verification of biometric modalities using encryption techniques in a deep neural network | |
Sajjad et al. | Robust image hashing based efficient authentication for smart industrial environment | |
CN105824875A (zh) | 一种照片共享方法及移动终端 | |
US8260060B2 (en) | Comparison method, comparison system, computer, and program | |
CN106303599B (zh) | 一种信息处理方法、系统及服务器 | |
KR100737974B1 (ko) | 이미지 분리 합성 장치 및 방법, 그리고 그것을 이용한이미지 검색방법 | |
WO2013153122A1 (en) | Method and device for generating a code | |
CN105740426A (zh) | 基于人脸识别的照片发送方法及装置 | |
CN109783667B (zh) | 一种图像存储和检索的方法、客户端及系统 | |
CN111612476B (zh) | 二次校验防伪方法、装置、设备及存储介质 | |
CN111275102A (zh) | 多证件类型同步检测方法、装置、计算机设备及存储介质 | |
JPWO2013145383A1 (ja) | 照合結果表示装置、照合結果表示方法、プログラムおよび記録媒体 | |
CN107330848A (zh) | 图片处理方法、移动终端和存储设备 | |
CN101625752A (zh) | 图像处理设备和图像处理方法 | |
CN114329012A (zh) | 一种基于图像识别的数据存储方法及系统 | |
CN108648189B (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
CN113239339A (zh) | 证件拍摄方法、装置、计算机设备及存储介质 | |
CN112733169A (zh) | 一种基于区块链的数据管理方法、系统及终端设备 | |
CN116627272A (zh) | 触摸控制方法、装置以及计算机设备 | |
CN114398647A (zh) | 一种数据加密存储方法、加密终端和解密终端 | |
CN115861020A (zh) | 图像处理方法及装置 | |
US20180124034A1 (en) | Image based method, system and computer program product to authenticate user identity | |
CN112287325A (zh) | 操作验证方法、装置和存储介质及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40033545 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |