CN111931145A - 人脸加密方法、识别方法、装置、电子设备及存储介质 - Google Patents
人脸加密方法、识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111931145A CN111931145A CN202010615997.7A CN202010615997A CN111931145A CN 111931145 A CN111931145 A CN 111931145A CN 202010615997 A CN202010615997 A CN 202010615997A CN 111931145 A CN111931145 A CN 111931145A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- encrypted
- features
- identification image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 98
- 230000001815 facial effect Effects 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 32
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 239000003550 marker Substances 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/36—User authentication by graphic or iconic representation
-
- 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
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Bioethics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供一种人脸加密方法、识别方法、装置、电子设备及存储介质,涉及信息安全技术领域。该方法包括:确定获得的图像中的人脸区域;提取所述人脸区域的人脸特征;对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;将所述图像中的人脸区域替换为所述标识图像。该方案通过将图像中的人脸区域替换为携带有加密的人脸特征的标识图像,从而通过该方式处理后获得的图像既可以用于进行人脸识别,又可以实现对用户隐私进行保护。
Description
技术领域
本申请涉及信息安全技术领域,具体而言,涉及一种人脸加密方法、识别方法、装置、电子设备及存储介质。
背景技术
随着互联网及智能硬件设备技术的不断发展,人脸识别技术已经应用于越来越多的领域,例如安防、金融、娱乐等等。为人们的生活提供了越来越多的便利和乐趣。通过人脸识别技术,可以对真实的人脸或者图片中的人脸进行识别,特别是在安防领域,人脸识别技术能够快速识别人的身份,从而有利于安防工作的开展。
而现有技术中为了实现人脸识别,是直接将采集的包含真实的人脸的图像输出,这种情况下,虽然可以利用图像进行人脸识别,但在一定程度上也侵犯了用户隐私。
发明内容
本申请实施例的目的在于提供一种人脸加密方法、识别方法、装置、电子设备及存储介质,用以改善现有技术侵犯了用户隐私的问题。
第一方面,本申请实施例提供了一种人脸加密方法,所述方法包括:
确定获得的图像中的人脸区域;
提取所述人脸区域的人脸特征;
对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;
将所述图像中的人脸区域替换为所述标识图像。
在上述实现过程中,通过将图像中的人脸区域替换为携带有加密的人脸特征的标识图像,从而通过该方式处理后获得的图像既可以用于进行人脸识别,又可以实现对用户隐私的保护。
可选地,所述标识图像为识别码图像,所述对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像,包括:
对所述人脸特征对应的特征值进行加密,并基于加密的人脸特征对应的特征值,生成携带有所述加密的人脸特征对应的特征值的识别码图像,从而利用识别码图像可以便于快速进行人脸识别。
可选地,所述对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像,包括:
确定所述人脸区域的大小;
对所述人脸特征进行加密,并基于加密的人脸特征生成与所述人脸区域的大小匹配的标识图像,所述标识图像携带有所述加密的人脸特征。
在上述实现过程中,通过生成与人脸区域大小匹配的标识图像,从而可在将人脸区域替换为标识图像后,可避免图像中的其他特征也被标识图像所遮挡的情况。
可选地,所述将所述图像中的人脸区域替换为所述标识图像,包括:
确定所述人脸区域的大小;
基于所述人脸区域的大小对所述标识图像的大小进行调整,获得与所述人脸区域的大小匹配的标识图像;
将所述图像中的人脸区域替换为大小调整后的标识图像。
在上述实现过程中,通过对标识图像的大小进行调整,使得标识图像的大小与人脸区域的大小匹配,从而可在将人脸区域替换为标识图像后,可避免图像中的其他特征也被标识图像所遮挡的情况。
可选地,所述对所述人脸特征进行加密,包括:
从所述人脸特征中筛选出关键部位特征;
对所述关键部位特征进行加密。
在上述实现过程中,通过只对关键部位特征进行加密,而无需对全部的人脸特征进行加密,则可有效减少加密算法的计算量。
可选地,所述提取所述人脸区域的人脸特征,包括:
对所述人脸区域中的关键部位进行检测以及特征提取,获得至少一个关键部位特征,所述人脸特征包括所述至少一个关键部位特征;
所述对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像,包括:
对至少一个关键部位特征进行加密,并基于加密的至少一个关键部位特征生成携带有加密的至少一个关键部位特征的关键部位标识图像;
将所述关键部位标识图像确定为携带有所述加密的人脸特征的标识图像。
在上述实现过程中,通过从图像中识别出关键部位,然后只需提取关键部位特征,对关键部位特征进行加密,而无需对全部的人脸特征进行提取和加密,则可有效减少数据处理量。
第二方面,本申请实施例提供了一种人脸识别方法,所述方法包括:
提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的;
对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征;
对所述加密的人脸特征进行解密,获得解密后的人脸特征;
根据所述解密后的人脸特征对所述图像中的人脸进行识别。
在上述实现过程中,通过对标识图像中提取的加密的人脸特征进行解密,即可实现对人脸的识别,从而在保护用户隐私的同时也可实现对人脸的识别。
第三方面,本申请实施例提供了一种人脸加密装置,所述装置包括:
人脸区域确定模块,用于确定获得的图像中的人脸区域;
人脸特征提取模块,用于提取所述人脸区域的人脸特征;
特征加密模块,用于对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;
图像替换模块,用于将所述图像中的人脸区域替换为所述标识图像。
可选地,所述标识图像为识别码图像,所述特征加密模块,用于对所述人脸特征对应的特征值进行加密,并基于加密的人脸特征对应的特征值,生成携带有所述加密的人脸特征对应的特征值的识别码图像。
可选地,所述特征加密模块,用于确定所述人脸区域的大小;对所述人脸特征进行加密,并基于加密的人脸特征生成与所述人脸区域的大小匹配的标识图像,所述标识图像携带有所述加密的人脸特征。
可选地,所述图像替换模块,用于确定所述人脸区域的大小;基于所述人脸区域的大小对所述标识图像的大小进行调整,获得与所述人脸区域的大小匹配的标识图像;将所述图像中的人脸区域替换为大小调整后的标识图像。
可选地,所述特征加密模块,用于从所述人脸特征中筛选出关键部位特征;对所述关键部位特征进行加密。
可选地,所述人脸特征提取模块,用于对所述人脸区域中的关键部位进行检测以及特征提取,获得至少一个关键部位特征,所述人脸特征包括所述至少一个关键部位特征;
所述特征加密模块,用于对对至少一个关键部位特征进行加密,并基于加密的至少一个关键部位特征生成携带有加密的至少一个关键部位特征的关键部位标识图像;将所述关键部位标识图像确定为携带有所述加密的人脸特征的标识图像。
第四方面,本申请实施例提供了一种人脸识别装置,所述装置包括:
标识图像提取模块,用于提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的;
图像识别模块,用于对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征;
解密模块,用于对所述加密的人脸特征进行解密,获得解密后的人脸特征;
人脸识别模块,用于根据所述解密后的人脸特征对所述图像中的人脸进行识别。
第五方面,本申请实施例提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上述第一方面提供的所述方法中的步骤。
第六方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种用于执行人脸加密方法或人脸识别方法的电子设备的结构示意图;
图2为本申请实施例提供的一种人脸加密方法的流程图;
图3为本申请实施例提供的一种人脸区域替换为标识图像的示意图;
图4为本申请实施例提供的另一种人脸区域替换为标识图像的示意图;
图5为本申请实施例提供的一种人脸区域替换为二维码图像的示意图;
图6为本申请实施例提供的一种人脸识别方法的流程图;
图7为本申请实施例提供的一种人脸加密装置的结构框图;
图8为本申请实施例提供的一种人脸识别装置的结构框图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供一种人脸加密方法,该方法通过提取图像中的人脸区域的人脸特征,然后对人脸特征进行加密,生成携带有人脸特征的标识图像,并将图像中的人脸区域替换为该标识图像,从而通过该方式处理后获得的图像既可以用于进行人脸识别,又可以实现对用户隐私的保护。
请参照图1,图1为本申请实施例提供的一种用于执行人脸加密方法或人脸识别方法的电子设备的结构示意图,所述电子设备可以包括:至少一个处理器110,例如CPU,至少一个通信接口120,至少一个存储器130和至少一个通信总线140。其中,通信总线140用于实现这些组件直接的连接通信。其中,本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器,也可以是非易失性的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令,当所述计算机可读取指令由所述处理器110执行时,电子设备执行下述图2所示方法过程,例如,存储器130可用于存储图像,以及人脸特征等信息,处理器110可在进行人脸加密时,从存储器130中获取人脸特征进行加密,利用加密的人脸特征生成对应的标识图像,然后将图像中的人脸区域替换为标识图像,以达到保护用户隐私的同时也能将图像用于进行人脸识别的目的。或者,处理器110也可以从标识图像中提取加密的人脸特征,然后对加密的人脸特征进行解密,以利用解密后的人脸特征对图像中的人脸进行识别。
上述的电子设备可以是具有图像处理能力的设备,如电子设备可以为移动终端、服务器、监控摄像头、监控系统等设备,在电子设备为服务器时,其可以与图像采集设备(如终端、摄像头等)进行通信连接,图像采集设备可将采集获得的图像发送给电子设备,由电子设备对接收到的图像进行相应处理。
可以理解,图1所示的结构仅为示意,所述电子设备还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2为本申请实施例提供的一种人脸加密方法的流程图,该方法包括如下步骤:
步骤S110:确定获得的图像中的人脸区域。
本申请提供的方法可应用在多个领域,如安防、金融等,为了便于描述,以安防领域为例进行说明。
在安防领域,为了实现对用户进行智能监控或跟踪,电子设备可以为监控设备(如带有监控摄像头的监控设备),监控摄像头可以实时采集监控场景的图像,采集的图像可以包含有一个或多个用户的图像,然后传输给电子设备内部的处理器,由处理器对图像中的用户人脸进行识别。但是这种情况下若不需要对图像中的用户人脸进行任何处理,那可能就会造成用户隐私泄露的风险,所以,为了避免这种情况,本申请实施例中还需对图像中的用户人脸进行相应处理后,再将图像输出用于进行人脸识别。
可以理解地,电子设备获得图像的方式有多种,如通过安装于特定场所出入口的摄像头随机抓拍获得的,或者电子设备获得的图像也可以是电子设备所拍摄的监控画面,该监控画面中包含有监控场景中的用户。当然,电子设备获得图像的方式还可以有其他方式,如可以通过人工在电子设备中输入图像,或者电子设备直接获取图像,在此不一一列举。
电子设备在获得图像后,可以先从图像中确定出人脸区域,其中,图像中的人脸区域是指能够反映出人的脸部特征的图像。确定人脸区域的方式可以通过深度神经网络模型对人脸区域进行检测,从而可确定出图像中的人脸区域,深度神经网络模型可以为卷积神经网络模型等,其具体的实现过程可参考现有技术的相关实现过程,在此不过多描述。
或者,确定人脸区域的方式还可以为:对图像进行边缘检测,获得图像中多个闭合边缘的区域,然后可对每个区域进行纹理识别,如提取每个区域中的纹理特征,将提取的纹理特征与预先设定的人脸模型进行匹配,从而可获得与人脸模型匹配的区域,然后可将匹配的区域作为人脸区域。
可以理解地,上述确定人脸区域的方式还可以有其他方式,在此不一一说明。
需要说明的是,若图像中存在多个用户,则确定出的人脸区域可能不止一个,可能为多个,在为多个时,每个人脸区域中包括一个人脸,而对于每个人脸区域,均可按照本申请实施例中提供的方式进行相同处理。
步骤S120:提取所述人脸区域的人脸特征。
其中,提取人脸区域的人脸特征的方式有多种,如基于神经网络模型的特征提取方法、基于小波多分辨率的特征提取方法、基于模板的特征提取方法等,其各个特征提取方法的详细实现过程可参照现有技术中的相关实现过程,在此不详细描述。
其中,人脸特征的表现形式包括但不限于:特征向量、特征图等,其人脸特征可以是指用于表征用户的人脸的相关特征。
步骤S130:对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像。
本申请实施例中,为了既可以实现人脸识别,又可以实现保护用户隐私的目的,所以还需对人脸特征进行加密,然后基于加密的人脸特征生成携带有加密的人脸特征的标识图像。
其中,加密的方式有多种,如数据加密算法(Data Encryption Algorithm,DES)、高级加密标准(Advanced Encryption Standard,AES)算法或者椭圆曲线密码编码学(Elliptic Curves Cryptography,ECC)算法等,具体利用对应的加密算法对人脸特征进行加密的过程在此不详细介绍,在对人脸特征进行加密后,可获得加密的人脸特征,从而可实现对原始人脸特征的隐私保护。
在获得加密的人脸特征后,为了实现对图像中的人脸区域进行遮挡,也达到用户隐私保护的同时也可以实现人脸识别的目的,所以,还可以基于加密的人脸特征生成对应的标识图像,该标识图像携带有该加密的人脸特征。
其中,生成标识图像的方式可以为:按照一定的编码规则对加密后的人脸特征进行编码,将其转换为图像中各个像素点的像素值,如此可生成标识图像,标识图像中各个像素点的像素值即用于表征对加密后的人脸特征进行编码后获得的值。
当然,为了进一步提高用户隐私的安全性,还可以在生成标识图像时加入其他一些预设数据,然后将预设数据与加密后的人脸特征按照一定的规则进行编码,从而可生成相应的标识图像,这样在对标识图像进行解析时,可对标识图像进行解码,然后从中筛选掉预设数据,提取出加密后的人脸特征即可。
另外,标识图像的生成方式也可以还有其他方式,例如,可以将加密后的人脸特征对应的数据输入图像生成器中,由图像生成器生成标识图像,可以理解地,对于图像的生成方式应该有多种,为了描述的简洁,对于其他方式在此不一一列举。
可以理解地,标识图像可以是指不同于用户人脸的图像,如其可以为字符图像、数字图像、黑白图像等,标识图像可以为任意表现形式的图像,只需要标识图像中携带有加密的人脸特征,在后续进行人脸识别时,对标识图像进行解析,可以从中获取加密的人脸特征即可。
步骤S140:将所述图像中的人脸区域替换为所述标识图像。
在上述获得标识图像后,为了对图像中的人脸区域进行保护,从而保护用户的隐私,则还需在图像在用于进行人脸识别之前,还需将图像中的人脸区域替换为标识图像。
在具体实现过程中,可以将图像中的人脸区域进行标注(如采用相应尺寸的标注框来对人脸区域进行标注),然后将标识图像覆盖在图像中标注的人脸区域上即可,此时标识图像覆盖掉原来的人脸区域,使得原来的人脸区域被遮挡,然后将标识图像与原有的图像生成一张新的图像输出,新的图像中的人脸区域为标识图像,如图3所示,图像a中的虚线所标注的区域即为上述步骤确定出的人脸区域,将人脸区域替换为标识图像后的效果图像如图像b所示。
或者,也可以将图像中的人脸区域中与标识图像大小对应的区域先裁剪掉(如图4中图像a变为图像b的过程),然后再将标识图像与图像中的人脸区域进行融合,生成新的图像,即图像c,此时标识图像并不是直接覆盖在人脸区域上,而是与人脸区域进行融合,这样即使攻击者破坏标识图像后也无法获得用户的人脸图像。
在上述实现过程中,通过将图像中的人脸区域替换为携带有加密的人脸特征的标识图像,从而通过该方式处理后获得的图像既可以用于进行人脸识别,又可以实现对用户隐私的保护。
作为一种实施方式,为了便于后续实现对人脸特征的识别,上述的标识图像可以为识别码图像,则生成标识图像时,可以是对人脸特征对应的特征值进行加密,然后基于加密的人脸特征对应的特征值生成对应的识别码图像,该识别码图像携带有加密的人脸特征对应的特征值。
例如,在上述提取人脸特征后,还可以获得各个人脸特征对应的特征值,然后对这些特征值进行加密,其加密的方式也可以采用上述举例的几种加密算法进行加密。其中,识别码图像可以为二维码图像、一维码图像或其他可以识别的标识码图像等。若识别码图像为二维码图像,由于二维码图像是用特定的几何图像按照一定规律在屏幕上分布的黑白相间的图像。在生成二维码图像时,可以采用相应的二维码码制技术来将加密后的特征值转换成二维码图像的方式,其中,二维码码制技术包括但不限于:QR Code、Code 49、PDF147、Code 16K等,也就是说,在具体实现过程中,可以将加密的特征值输入至二维码生成器中,由二维码生成器基于相应的二维码码制技术生成对应的二维码图像。
应理解,对于其他识别码图像,如一维码图像,其也可以采用相应的码制技术将加密的特征值转换为对应的识别码图像,在不一一详细介绍。
若识别码图像为二维码图像,则在将人脸区域替换为二维码图像后,在进行人脸识别时,只需对二维码图像进行扫描即可获得加密的人脸特征值,然后再对加密的人脸特征值进行解密,即可获得实际的人脸特征,该人脸特征即可用于进行人脸识别。其中,人脸区域替换为二维码图像的示意图如图5所示。
在上述实现过程中,基于加密的人脸特征值生成对应的识别码图像,从而可在后续进行人脸识别时,既可以保护用户隐私,又可以利用识别码图像快速进行人脸识别。
作为一种实施方式,在将人脸区域替换为标识图像时,为了避免替换后的图像丢失用户太多的特征,还可以先确定人脸区域的大小,然后基于人脸区域的大小对标识图像的大小进行调整,获得与人脸区域的大小匹配的标识图像,然后再将图像中的人脸区域替换为大小调整后的标识图像。
其中,人脸区域的大小可以是指人脸区域的外切矩形的大小或者外切圆形的大小,当然也可以是指其他外切多边形的大小,只需要其外切形状所形成的区域可以包含人脸区域即可。或者人脸区域的大小也可以是指图像中本身人脸区域的大小,例如,在具体实现过程中可以对人脸区域进行边缘线检测,人脸区域的边缘线所确定的区域的大小即为本身人脸区域的大小,其边缘线的外切矩形的大小或外切圆形的大小也可以作为人脸区域的大小。
而在生成标识图像时,其初始生成的标识图像的大小为默认大小,如可以预先设置一个标识图像的默认大小值,若设定生成的标识图像为矩形,则其默认大小值为矩形的长宽,若设定生成的标识图像为圆形,则其默认大小值为圆形的半径或直径等。
在上述确定的人脸区域的大小为其外切矩形的大小时,并且此时生成的标识图像也为矩形,则可以先获取外人脸区域的外切矩形的长宽,然后对标识图像的长宽进行缩放,使得标识图像的长宽与外切矩形的长宽一致即可;在生成的标识图像为圆形时,则在对标识图像进行调整时,可以将其直径调整为与外切矩形的对角线的长度一致即可,从而使得标识图像所覆盖的区域可以完全覆盖外切矩形所包含的区域,这样即可实现对人脸区域的完全遮挡,从而可避免用户隐私泄露的问题。
当然,在人脸区域的大小为外切圆形的大小时,若标识图像为矩形,则可将标识图像的长与宽中较长的一边调整为与外切圆形的直径大小一致即可。
可以理解地,不管对标识图像进行什么样的调整,只需要调整后的标识图像所覆盖的区域可以覆盖人脸区域即可,这样即可实现对人脸区域的隐私保护。
或者在某些情况中,调整后的标识图像所覆盖的区域也无需完全覆盖人脸区域,其只要标识图像所覆盖的区域能遮挡人脸中的关键部位区域即可,如标识图像所覆盖的区域能遮挡人脸中的眉毛、眼睛、鼻子、嘴巴等关键部位。当然,标识图像所覆盖的区域也不是必须要完全遮挡各个关键部位区域,其也可以是大部分遮挡每个关键部位区域即可,例如,对于嘴巴区域,在将人脸区域替换为标识图像后,可以允许对嘴角的小部分区域不遮挡,即标识图像没有遮挡到嘴角处的微小区域,这种情况下虽然只有微小部分特征泄露,但是总体上也能起到对用户隐私保护的效果。
在上述实现过程中,通过对标识图像的大小进行调整,使得标识图像的大小与人脸区域的大小匹配,从而可在将人脸区域替换为标识图像后,可避免图像中的其他特征也被标识图像所遮挡的情况。
在一些其他实施方式中,在生成标识图像时也可以不根据默认大小生成,其也可以实时根据确定的人脸区域的大小来生成,即先确定人脸区域的大小,然后对人脸特征进行加密,并基于加密的人脸特征生成与人脸区域的大小匹配的标识图像,该标识图像携带有加密的人脸特征。
该生成标识图像的方式与上述生成标识图像的方式的不同之处在于:该方式中可以无需先生成一个默认大小的标识图像,然后再进行调整,而是可以直接根据人脸区域的大小来生成相应的标识图像,从而可减少数据处理流程以及减少数据处理量。
该方式中,可以将确定出的人脸区域的大小作为生成的标识图像的大小的参考值,使得生成的标识图像的大小与人脸区域的大小匹配,如标识图像所覆盖的区域可以大于或等于人脸区域。
另外,为了便于将人脸区域替换为标识图像,在生成标识图像时,其生成的标识图像的形状还可以考虑所确定的人脸区域的形状,如上述人脸区域的形状为其外切矩形时,则生成的标识图像也可以为矩形,若人脸区域的形状为外切圆形时,则生成的标识图像也可以为圆形,若人脸区域的形状为其边缘线所确定的形状,一般为椭圆形,则生成的标识图像也可以为椭圆形。
其中,对于标识图像的形状的设定,其可以设定一默认形状,在生成标识图像时,可以生成默认形状对应的标识图像;或者也可以先默认生成一个设定形状的标识图像,然后再基于所确定的人脸区域的形状对标识图像的形状进行调整,以将标识图像的形状调整为与人脸区域的形状一致;或者也可以基于所确定的人脸区域的形状直接生成对应形状的标识图像。
在上述实现过程中,通过生成与人脸区域大小匹配的标识图像,从而可在将人脸区域替换为标识图像后,可避免图像中的其他特征也被标识图像所遮挡的情况。
作为一种实施方式,为了减少计算量,在上述对人脸特征进行加密时,还可以从人脸特征中筛选出关键部位特征,然后对关键部位特征进行加密。
可以理解地,关键部位可以是指眉毛、眼睛、鼻子、嘴巴等部位。而获得的人脸特征中可能包含人脸区域中的全部特征,但是在进行人脸识别时,可能只需要对这些关键部位进行识别即可,所以,还可以从人脸特征中筛选出关键部位的特征。
其中,筛选的方式可以通过神经网络模型来进行筛选,如可以预先将关键部位特征输入神经网络模型对神经网络模型进行训练,这样在获得训练后的神经网络模型,即可实现对关键部位特征的识别,从而可从人脸特征中筛选出关键部位特征。
在上述实现过程中,通过只对关键部位特征进行加密,而无需对全部的人脸特征进行加密,则可有效减少加密算法的计算量。
作为另一种实施方式,为了进一步减少计算量,在获得关键部位特征时,还可以直接先对人脸区域中的关键部位进行检测,获得至少一个关键部位,然后对每个关键部位进行特征提取,获得至少一个关键部位特征,即人脸特征包括至少一个关键部位特征,在进行加密时,可对至少一个关键部位特征进行加密,并基于加密的至少一个关键部位特征生成携带都有加密的至少一个关键部位特征的关键部位标识图像,然后将关键部位标识图像确定为携带有加密的人脸特征的标识图像。
其中,上述提取关键部位特征的方式与上述提取人脸特征的方式类似,在此不重复介绍,如可以采用神经网络模型或者相关的图像处理算法来检测人脸区域中的关键部位以及提取关键部位的特征。这里关键部位标识图像的生成方式与上述生成标识图像的方式类似,在此也不重复介绍。
可以理解地,该方式中,可以是只需要提取部分的关键部位特征,如只提取眼睛以及嘴巴两个关键部位的特征,然后对这两个关键部位的特征进行加密后,即将眼睛和嘴巴两个关键部位的特征融合到一起后再进行加密,生成对应的关键部位标识图像,此时该关键部位标识图像中携带加密的有至少一个关键部位特征,在后续对人脸进行识别时,则可从该标识图像中获取到加密的至少一个关键部位特征,然后对这加密的至少一个关键部位特征进行解密,即可进行人脸识别。
而在一些其他实施方式中,还可以基于每个加密的关键部位特征生成对应的一张关键部位标识图像,这样针对多个加密的关键部位特征时,可获得多张关键部位标识图像。在这种情况下,可以直接将图像中的人脸区域中的各个关键部位替换为对应的关键部位标识图像。但是为了不暴露其他的人脸特征,在另外一些实施方式中,也可以将这多个关键部位标识图像组合生成一张标识图像,然后再将人脸区域替换为标识图像。
其中,将多个关键部位标识图像组合生成标识图像的方式可以是将多个关键部位标识图像按照设定的规则进行组合,如关键部位标识图像以二维码图像为例,则在进行组合时,可按照眉毛、眼睛、鼻子、嘴巴等这些关键部位的顺序来将多个关键部位标识图像进行组合,然后合成一张标识图像,则后续在进行人脸识别时,可以按照相应的顺序对标识图像进行解析,以获得加密的每个关键部位特征。当然,其组合时的顺序可以预先设定,按照设定的顺序生成标识图像后,对标识图像进行解析时,可以先获得标识图像中携带的加密的特征,然后按照设定的顺序从中依次提取出加密的每个关键部位特征即可。
而在其他一些应用场景下,若只需要对其中一个或两个关键部位进行隐私保护时,此时可针对需要隐私保护的关键部位,只需生成该关键部位的标识图像,然后将图像中关键部位区域替换为该关键部位对应的标识图像即可。
在上述实现过程中,通过从图像中识别出关键部位,然后只需提取关键部位特征,对关键部位特征进行加密,而无需对全部的人脸特征进行提取和加密,则可有效减少数据处理量。
请参照图6,图6为本申请实施例提供的一种人脸识别方法的流程图,该方法包括如下步骤:
步骤S210:提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的。
步骤S220:对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征。
步骤S230:对所述加密的人脸特征进行解密,获得解密后的人脸特征。
步骤S240:根据所述解密后的人脸特征对所述图像中的人脸进行识别。
其中,图像中的标识图像的获得方式可参照上述实施例中的相关实现方式,在此不重复描述。
本实施例中的人脸识别过程可以理解如下:举例来说,在标识图像为二维码图像时,可以通过摄像头扫描图像中的二维码图像,然后从中提取出加密的人脸特征。当然在标识图像为其他图像时,还可以基于生成标识图像中设定的相应生成规则,对标识图像进行解析,从而解析出标识图像中所携带的加密的人脸特征。
在获得加密的人脸特征后,可以采用对人脸特征进行加密过程中所采用的加密算法对应的解密算法对加密的人脸特征进行解密,然后可根据解密后的人脸特征进行人脸识别,其识别的方式可以有多种,如YOLO检测算法、卷积神经网络检测算法等,在此不详细介绍其实现过程。
可以理解地,在安防领域,为了实现对同一用户的智能监控或跟踪,需要识别出一系列图像中的用户人脸,而针对每张图像均可按照上述方式对图像进行相应处理,然后在进行人脸识别时,可以按照上述方式对每张图像中的标识图像进行识别,从而可获取加密的人脸特征,进而对加密的人脸特征进行解密后即可实现对图像中的人脸识别,这样可识别出一系列图像中的各个用户,进而可对各个用户进行智能监控或跟踪。
当然,上述方式还可以用于对某个用户进行识别,如在获得相应的解密的人脸特征后,为了对该人脸特征对应的用户进行识别,可以将获得的解密的人脸特征与预先存储的预设人脸特征进行相似度比对,若获得的人脸特征与预设人脸特征的相似度高于预设阈值,那么该人脸特征对应的人脸图像与该预设人脸特征对应的人脸图像为同一人脸图像,这样即可实现对用户的识别。
其中,特征相似度比对的方式可以有多种,如余弦相似度、皮尔逊相关系数、欧式距离等,在此不详细介绍每种方式的具体实现过程,其可以参照现有技术中的相关实现过程即可。
所以,通过上述方式处理后的图像既可以实现对人脸隐私的遮挡,又保留了可以用于进行人脸识别的人脸特征,在进行人脸识别时只需要从标识图像中提取出加密的人脸特征,对其进行解密后即可得到被遮挡人脸区域的人脸特征,仍然可以继续进行人脸识别的流程。所以,采用本申请实施例中提供的方法,对于各种视频转码甚至翻拍处理后都仍能够保持兼顾视频隐私和人脸识别的特性。
在上述实现过程中,通过对标识图像中提取的加密的人脸特征进行解密,即可实现对人脸的识别,从而在保护用户隐私的同时也可实现对人脸的识别。
请参照图7,图7为本申请实施例提供的一种人脸加密装置200的结构框图,该装置200可以是电子设备上的模块、程序段或代码。应理解,该装置200与上述图2方法实施例对应,能够执行图2方法实施例涉及的各个步骤,该装置200具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
可选地,所述装置200包括:
人脸区域确定模块210,用于确定获得的图像中的人脸区域;
人脸特征提取模块220,用于提取所述人脸区域的人脸特征;
特征加密模块230,用于对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;
图像替换模块240,用于将所述图像中的人脸区域替换为所述标识图像。
可选地,所述标识图像为识别码图像,所述特征加密模块230,用于对所述人脸特征对应的特征值进行加密,并基于加密的人脸特征对应的特征值,生成携带有所述加密的人脸特征对应的特征值的识别码图像。
可选地,所述特征加密模块230,用于确定所述人脸区域的大小;对所述人脸特征进行加密,并基于加密的人脸特征生成与所述人脸区域的大小匹配的标识图像,所述标识图像携带有所述加密的人脸特征。
可选地,所述图像替换模块240,用于确定所述人脸区域的大小;基于所述人脸区域的大小对所述标识图像的大小进行调整,获得与所述人脸区域的大小匹配的标识图像;将所述图像中的人脸区域替换为大小调整后的标识图像。
可选地,所述特征加密模块230,用于从所述人脸特征中筛选出关键部位特征;对所述关键部位特征进行加密。
可选地,所述人脸特征提取模块220,用于对所述人脸区域中的关键部位进行检测以及特征提取,获得至少一个关键部位特征,所述人脸特征包括所述至少一个关键部位特征;
所述特征加密模块230,用于对至少一个关键部位特征进行加密,并基于加密的至少一个关键部位特征生成携带有加密的至少一个关键部位特征的关键部位标识图像;将所述关键部位标识图像确定为携带有所述加密的人脸特征的标识图像。
需要说明的是,所属领域技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述人脸加密方法实施例中的对应过程,在此不再描述。
请参照图8,图8为本申请实施例提供的一种人脸识别装置300的结构框图,该装置300可以是电子设备上的模块、程序段或代码。应理解,该装置300与上述图6方法实施例对应,能够执行图6方法实施例涉及的各个步骤,该装置300具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。
可选地,所述装置300还包括:
标识图像提取模块310,用于提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的;
图像识别模块320,用于对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征;
解密模块330,用于对所述加密的人脸特征进行解密,获得解密后的人脸特征;
人脸识别模块340,用于根据所述解密后的人脸特征对所述图像中的人脸进行识别。
需要说明的是,所属领域技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述人脸识别方法实施例中的对应过程,在此不再描述。
本申请实施例提供一种可读存储介质,所述计算机程序被处理器执行时,执行如图2或图6所示方法实施例中电子设备所执行的方法过程。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如,包括:确定获得的图像中的人脸区域;提取所述人脸区域的人脸特征;对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;将所述图像中的人脸区域替换为所述标识图像。或者包括:提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的;对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征;对所述加密的人脸特征进行解密,获得解密后的人脸特征;根据所述解密后的人脸特征对所述图像中的人脸进行识别。
综上所述,本申请实施例提供一种人脸加密方法、识别方法、装置、电子设备及存储介质,通过将图像中的人脸区域替换为携带有加密的人脸特征的标识图像,从而通过该方式处理后获得的图像既可以用于进行人脸识别,又可以实现对用户隐私的保护。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种人脸加密方法,其特征在于,所述方法包括:
确定获得的图像中的人脸区域;
提取所述人脸区域的人脸特征;
对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;
将所述图像中的人脸区域替换为所述标识图像。
2.根据权利要求1所述的方法,其特征在于,所述标识图像为识别码图像,所述对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像,包括:
对所述人脸特征对应的特征值进行加密,并基于加密的人脸特征对应的特征值,生成携带有所述加密的人脸特征对应的特征值的识别码图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像,包括:
确定所述人脸区域的大小;
对所述人脸特征进行加密,并基于加密的人脸特征生成与所述人脸区域的大小匹配的标识图像,所述标识图像携带有所述加密的人脸特征。
4.根据权利要求1所述的方法,其特征在于,所述将所述图像中的人脸区域替换为所述标识图像,包括:
确定所述人脸区域的大小;
基于所述人脸区域的大小对所述标识图像的大小进行调整,获得与所述人脸区域的大小匹配的标识图像;
将所述图像中的人脸区域替换为大小调整后的标识图像。
5.根据权利要求1所述的方法,其特征在于,所述对所述人脸特征进行加密,包括:
从所述人脸特征中筛选出关键部位特征;
对所述关键部位特征进行加密。
6.根据权利要求1所述的方法,其特征在于,所述提取所述人脸区域的人脸特征,包括:
对所述人脸区域中的关键部位进行检测以及特征提取,获得至少一个关键部位特征,所述人脸特征包括所述至少一个关键部位特征;
所述对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像,包括:
对至少一个关键部位特征进行加密,并基于加密的至少一个关键部位特征生成携带有加密的至少一个关键部位特征的关键部位标识图像;
将所述关键部位标识图像确定为携带有所述加密的人脸特征的标识图像。
7.一种人脸识别方法,其特征在于,所述方法包括:
提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的;
对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征;
对所述加密的人脸特征进行解密,获得解密后的人脸特征;
根据所述解密后的人脸特征对所述图像中的人脸进行识别。
8.一种人脸加密装置,其特征在于,所述装置包括:
人脸区域确定模块,用于确定获得的图像中的人脸区域;
人脸特征提取模块,用于提取所述人脸区域的人脸特征;
特征加密模块,用于对所述人脸特征进行加密,并基于加密的人脸特征生成携带有所述加密的人脸特征的标识图像;
图像替换模块,用于将所述图像中的人脸区域替换为所述标识图像。
9.一种人脸识别装置,其特征在于,所述装置包括:
标识图像提取模块,用于提取图像中的标识图像,所述标识图像为基于加密的人脸特征生成的;
图像识别模块,用于对所述标识图像进行识别,获得所述标识图像中所携带加密的人脸特征;
解密模块,用于对所述加密的人脸特征进行解密,获得解密后的人脸特征;
人脸识别模块,用于根据所述解密后的人脸特征对所述图像中的人脸进行识别。
10.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-7任一所述的方法。
11.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时运行如权利要求1-7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010615997.7A CN111931145A (zh) | 2020-06-29 | 2020-06-29 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010615997.7A CN111931145A (zh) | 2020-06-29 | 2020-06-29 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111931145A true CN111931145A (zh) | 2020-11-13 |
Family
ID=73316884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010615997.7A Pending CN111931145A (zh) | 2020-06-29 | 2020-06-29 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931145A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048489A (zh) * | 2021-09-01 | 2022-02-15 | 广东智媒云图科技股份有限公司 | 一种基于隐私保护的人体属性数据处理方法及装置 |
CN114390316A (zh) * | 2021-12-27 | 2022-04-22 | 深圳瑞德博智信息技术有限公司 | 一种图像采集同步加密隐私保护的处理方法和装置 |
CN116305281A (zh) * | 2023-03-24 | 2023-06-23 | 江苏洋井公用管廊有限公司 | 一种基于感官认知的人脸识别系统及人脸识别方法 |
CN116776909A (zh) * | 2023-08-28 | 2023-09-19 | 四川星点网络技术有限公司 | 一种瓶盖二维码溯源系统 |
CN116798099A (zh) * | 2023-07-07 | 2023-09-22 | 广州广旭科技有限公司 | 一种劳务人员身份智能识别、管理方法以及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835039A (zh) * | 2015-04-03 | 2015-08-12 | 成都爱维科创科技有限公司 | 一种数据标签生成方法 |
CN105160264A (zh) * | 2015-09-29 | 2015-12-16 | 努比亚技术有限公司 | 照片加密装置及方法 |
CN105550592A (zh) * | 2015-12-09 | 2016-05-04 | 上海斐讯数据通信技术有限公司 | 一种人脸图片的保护方法、系统及移动终端 |
CN106330464A (zh) * | 2016-10-26 | 2017-01-11 | 上海众人网络安全技术有限公司 | 一种身份认证方法、设备及系统 |
CN106971114A (zh) * | 2017-03-31 | 2017-07-21 | 联想(北京)有限公司 | 一种图像保密的方法及装置 |
CN107092821A (zh) * | 2017-04-10 | 2017-08-25 | 成都元息科技有限公司 | 一种分布式人脸认证信息生成方法、认证方法和装置 |
CN111104878A (zh) * | 2019-12-06 | 2020-05-05 | 江西开心玉米网络科技有限公司 | 一种图像处理方法、装置、服务器及存储介质 |
-
2020
- 2020-06-29 CN CN202010615997.7A patent/CN111931145A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835039A (zh) * | 2015-04-03 | 2015-08-12 | 成都爱维科创科技有限公司 | 一种数据标签生成方法 |
CN105160264A (zh) * | 2015-09-29 | 2015-12-16 | 努比亚技术有限公司 | 照片加密装置及方法 |
CN105550592A (zh) * | 2015-12-09 | 2016-05-04 | 上海斐讯数据通信技术有限公司 | 一种人脸图片的保护方法、系统及移动终端 |
CN106330464A (zh) * | 2016-10-26 | 2017-01-11 | 上海众人网络安全技术有限公司 | 一种身份认证方法、设备及系统 |
CN106971114A (zh) * | 2017-03-31 | 2017-07-21 | 联想(北京)有限公司 | 一种图像保密的方法及装置 |
CN107092821A (zh) * | 2017-04-10 | 2017-08-25 | 成都元息科技有限公司 | 一种分布式人脸认证信息生成方法、认证方法和装置 |
CN111104878A (zh) * | 2019-12-06 | 2020-05-05 | 江西开心玉米网络科技有限公司 | 一种图像处理方法、装置、服务器及存储介质 |
Non-Patent Citations (1)
Title |
---|
张国基,张政国,林聿中: "《生物辨识系统与深度学习》", 北京工业大学出版社, pages: 144 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048489A (zh) * | 2021-09-01 | 2022-02-15 | 广东智媒云图科技股份有限公司 | 一种基于隐私保护的人体属性数据处理方法及装置 |
CN114048489B (zh) * | 2021-09-01 | 2022-11-18 | 广东智媒云图科技股份有限公司 | 一种基于隐私保护的人体属性数据处理方法及装置 |
CN114390316A (zh) * | 2021-12-27 | 2022-04-22 | 深圳瑞德博智信息技术有限公司 | 一种图像采集同步加密隐私保护的处理方法和装置 |
CN116305281A (zh) * | 2023-03-24 | 2023-06-23 | 江苏洋井公用管廊有限公司 | 一种基于感官认知的人脸识别系统及人脸识别方法 |
CN116305281B (zh) * | 2023-03-24 | 2024-01-23 | 江苏洋井公用管廊有限公司 | 一种基于感官认知的人脸识别系统及人脸识别方法 |
CN116798099A (zh) * | 2023-07-07 | 2023-09-22 | 广州广旭科技有限公司 | 一种劳务人员身份智能识别、管理方法以及系统 |
CN116798099B (zh) * | 2023-07-07 | 2024-01-12 | 广州广旭科技有限公司 | 一种劳务人员身份智能识别、管理方法以及系统 |
CN116776909A (zh) * | 2023-08-28 | 2023-09-19 | 四川星点网络技术有限公司 | 一种瓶盖二维码溯源系统 |
CN116776909B (zh) * | 2023-08-28 | 2023-11-03 | 四川星点网络技术有限公司 | 一种瓶盖二维码溯源系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931145A (zh) | 人脸加密方法、识别方法、装置、电子设备及存储介质 | |
Meden et al. | Privacy–enhancing face biometrics: A comprehensive survey | |
CN113259721B (zh) | 一种视频数据的发送方法及电子设备 | |
CN110647659B (zh) | 摄像系统以及视频处理方法 | |
Proença | The uu-net: Reversible face de-identification for visual surveillance video footage | |
Shifa et al. | Skin detection and lightweight encryption for privacy protection in real-time surveillance applications | |
CN113766085B (zh) | 图像处理方法及相关装置 | |
CN110674765A (zh) | 摄像系统以及视频处理方法 | |
CN110610456A (zh) | 摄像系统以及视频处理方法 | |
CN116383793B (zh) | 人脸数据处理方法、装置、电子设备和计算机可读介质 | |
WO2021112849A1 (en) | Improved face liveness detection using background/foreground motion analysis | |
CN113139527B (zh) | 视频隐私保护方法、装置、设备及存储介质 | |
CN112307875A (zh) | 人脸验证方法及人脸验证系统 | |
CN116756750A (zh) | 医疗敏感数据采集脱敏方法 | |
CN116188607A (zh) | 图像保护方法、装置及存储介质 | |
Shashidhar et al. | Novel framework for optimized digital forensic for mitigating complex image attacks | |
CN109672804A (zh) | 一种图像的加密、解密方法及其系统 | |
Yu et al. | Privacy preserving: hiding a face in a face | |
Abbas et al. | Sanitization of Visual Multimedia Content: A Survey of Techniques, Attacks, and Future Directions | |
Liu et al. | Online New Media Oriented Privacy Data Recognition Mechanism Based on Deep Learning | |
CN116436619B (zh) | 一种基于国密算法的流媒体数据签名验证方法及装置 | |
Hong et al. | Partial encryption of digital contents using face detection algorithm | |
CN117915016B (zh) | 一种企业数据安全防护系统 | |
CN112633230B (zh) | 一种人脸加密方法、装置、电子设备及存储介质 | |
Rejani et al. | STEGANODB-A Secure Database using Steganography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |