CN111931148A - 图像处理方法、装置和电子设备 - Google Patents
图像处理方法、装置和电子设备 Download PDFInfo
- Publication number
- CN111931148A CN111931148A CN202010755828.3A CN202010755828A CN111931148A CN 111931148 A CN111931148 A CN 111931148A CN 202010755828 A CN202010755828 A CN 202010755828A CN 111931148 A CN111931148 A CN 111931148A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- images
- template image
- biometric information
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012795 verification Methods 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
- G06F21/62—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书实施例公开了一种图像处理方法、装置和电子设备。所述方法包括：采集用户图像；识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；获得包含虚假生物特征信息的模板图像；利用所述模板图像对所述用户图像中的敏感区域进行替换。本说明书实施例可以对用户图像中的生物特征信息进行隐私保护。
Description
技术领域
本说明书实施例涉及计算机技术领域，特别涉及一种图像处理方法、装置和电子设备。
背景技术
目前，生物识别技术广泛地应用于各种领域，是认证用户身份的主要手段之一。在相关技术中，终端设备可以采集用户图像，可以向服务器发送所述用户图像。服务器可以接收所述用户图像；可以利用用户图像中包含的生物特征信息认证用户身份。
在上述处理过程中，有可能会造成用户图像中生物特征信息的泄漏。
发明内容
本说明书实施例提供一种图像处理方法、装置和电子设备，以对用户图像中的生物特征信息进行隐私保护。本说明书实施例的技术方案如下。
本说明书实施例的第一方面，提供了一种图像处理方法，包括：采集用户图像；识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；获得包含虚假生物特征信息的模板图像；利用所述模板图像对所述用户图像中的敏感区域进行替换。
本说明书实施例的第二方面，提供了一种图像处理方法，包括：接收终端设备发来的模板图像获取请求；获得包含虚假生物特征信息的模板图像；向终端设备发送所述模板图像，以使所述终端设备利用所述模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
本说明书实施例的第三方面，提供了一种图像处理装置，包括：采集单元，用于采集用户图像；识别单元，用于识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；获得单元，用于获得包含虚假生物特征信息的模板图像；替换单元，用于利用所述模板图像对所述用户图像中的敏感区域进行替换。
本说明书实施例的第四方面，提供了一种图像处理装置，包括：接收单元，用于接收终端设备发来的模板图像获取请求；获得单元，用于获得包含虚假生物特征信息的模板图像；发送单元，用于向终端设备发送所述模板图像，以使所述终端设备利用所述模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
本说明书实施例的第五方面，提供了一种电子设备，包括：至少一个处理器；存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如第一方面或者第二方面所述方法的指令。
本说明书实施例提供的技术方案，所述终端设备可以识别用户图像中的敏感区域，所述敏感区域包含生物特征信息；可以获得包含虚假生物特征信息的模板图像；可以利用所述模板图像对所述用户图像中的敏感区域进行替换。这样一方面，可以对用户图像中的生物特征信息进行隐私保护。另一方面，保留了所述用户图像中除所述生物特征信息以外的非敏感信息，使得替换后的图像可以供后续过程继续使用。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，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为本说明书实施例中图像处理方法的流程示意图；
图2为本说明书实施例中图像处理方法的示意图；
图3为本说明书实施例中图像处理方法的流程示意图；
图4为本说明书实施例中图像处理装置的结构示意图；
图5为本说明书实施例中图像处理装置的结构示意图；
图6为本说明书实施例中对用户图像中的敏感区域进行替换的示意图；
图7为本说明书实施例中电子设备的结构示意图。
具体实施方式
下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。
本说明书实施例提供一种图像处理系统。
在一些实施例中，所述图像处理系统可以包括终端设备。所述终端设备包括但不限于智能手机、平板电子设备、便携式计算机、个人计算机(PC机)、人脸识别设备(例如刷脸机)、指纹识别设备(例如指纹机)等。所述终端设备可以包括传感器。所述传感器可以包括摄像头、指纹传感器等。所述终端设备可以控制传感器采集用户图像。所述用户图像可以为任意类型的图像，例如可以为人脸图像、虹膜图像、指纹图像、或者掌纹图像等。所述终端设备可以识别所述用户图像中的敏感区域；可以获得包含虚假生物特征信息的模板图像；可以利用所述模板图像对所述用户图像中的敏感区域进行替换。所述敏感区域包含生物特征信息。
这样一方面，由于所述用户图像中的生物特征信息能够表征用户身份，利用所述模板图像对所述用户图像中的敏感区域进行替换，可以去除所述用户图像中的生物特征信息，实现对用户的身份进行隐私保护。另一方面，由于保留了除所述生物特征信息以外的非敏感信息(例如背景信息、敏感区域在所述用户图像中的位置信息、图像的类型信息等)，使得替换后的图像可以供后续过程继续使用。例如，利用替换后的图像可以进行活体检测、人脸检测等。所述活体检测是指在一些身份验证场景验证用户是否为真实活体本人操作。所述人脸检测是指对于给定的图像，采用一定策略对其进行搜索以确定其中是否含有人脸。
在一些实施例中，所述终端设备可以在本地获得包含虚假生物特征信息的模板图像。或者，所述图像处理系统还可以包括服务器。所述服务器可以为单个服务器、由多个服务器构成的服务器集群、或者部署在云端的服务器。所述终端设备可以向所述服务器发送请求。所述服务器可以接收所述请求；可以获得包含虚假生物特征信息的模板图像；可以向所述终端设备发送所述模板图像。所述终端设备可以接收所述模板图像。
在一些实施例中，所述终端设备可以在本地存储替换后的图像。或者，所述图像处理系统还可以包括服务器。所述服务器可以为单个服务器、由多个服务器构成的服务器集群、或者部署在云端的服务器。所述终端设备可以向所述服务器发送替换后的图像。所述服务器可以接收替换后的图像；可以对替换后的图像进行处理。例如，所述服务器可以存储替换后的图像。另举一例，所述服务器还可以利用替换后的图像进行活体检测、或者人脸检测等。
上文中描述了本说明书实施例的图像处理系统。下面结合图1、图2和图6，描述本说明书实施例的图像处理方法。所述图像处理方法以终端设备为执行主体，可以包括以下步骤。
步骤S11：采集用户图像。
在一些实施例中，所述终端设备可以包括传感器。所述传感器可以包括摄像头、指纹传感器等。所述终端设备可以控制传感器采集用户图像。所述用户图像可以为任意类型的图像，例如可以为人脸图像、虹膜图像、指纹图像、或者掌纹图像等。
所述用户图像可以包含生物特征信息。所述生物特征信息可以包括人脸信息、虹膜信息、指纹信息、掌纹信息等。所述生物特征信息可以用于认证用户身份。另外，所述用户图像还可以包含除所述生物特征信息以外的非敏感信息(例如背景信息、敏感区域在所述用户图像中的位置信息、图像的类型信息等)。
例如，所述终端设备可以为智能手机。所述智能手机可以包括摄像头。所述智能手机可以提供人机交互界面。在所述人机交互界面上用户可以触发人脸图像获取指令。例如，用户可以通过点击所述人机交互界面上的按钮，触发人脸图像获取指令。所述智能手机在接收到人脸图像获取指令后，可以控制所述摄像头给用户的面部进行拍照，得到人脸图像。
步骤S13：识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息。
在一些实施例中，可以将所述生物特征信息所在的区域作为敏感区域。所述终端设备可以识别所述用户图像中的敏感区域。具体地，所述终端设备可以采用特定算法识别所述用户图像中的敏感区域。例如，所述终端设备可以采用图像分割算法识别所述用户图像中的敏感区域。或者，所述终端设备还可以利用机器学习模型识别所述用户图像中的敏感区域。所述机器学习模型可以包括神经网络模型、支持向量机模型等。在实际应用中，所述机器学习模型具体可以为人脸检测模型、或者指纹检测模型等。
步骤S15：获得包含虚假生物特征信息的模板图像。
在一些实施例中，所述虚假生物特征信息可以为虚构的生物特征信息。所述模板图像的类型与所述用户图像的类型相同，使得所述模板图像所包含的虚假生物特征信息的类型与所述用户图像所包含的生物特征信息的类型一致。例如，所述用户图像可以为人脸图像，所述用户图像可以包含人脸信息。则所述模板图像也可以为人脸图像，所述模板图像可以包含虚假的人脸信息。另举一例，所述用户图像可以为虹膜图像，所述用户图像可以包含虹膜信息。则所述模板图像也可以为虹膜图像，所述模板图像可以包含虚假的虹膜信息。
在一些实施例中，所述终端设备可以在本地获得包含虚假生物特征信息的模板图像。
在本实施例的一些实施方式中，所述终端设备可以生成包含虚假生物特征信息的模板图像。所述终端设备可以利用生成式对抗网络(GAN，Generative AdversarialNetworks)生成模板图像。所述生成式对抗网络为一种无监督的机器学习模型，可以包括生成模型(Generative Model)和判别模型(Discriminative Model)。所述生成模型用于根据服从特定分布(例如随机分布、均匀分布、高斯分布等)的噪声数据生成与真实数据相类似的虚假数据。所述判别模型用于判别输入的数据为真实数据或虚假数据。可以通过交替训练所述生成模型和所述判别模型，实现对所述生成式对抗网络的训练。在实际应用中，所述终端设备可以将服从特定分布的噪声数据输入至所述生成模型，得到模板图像。当然，所述终端设备还可以采用其它方式生成包含虚假生物特征信息的模板图像。例如，所述终端设备可以直接绘制模板图像。
所述终端设备可以生成一个模板图像。
或者，为了防止用于对敏感区域进行替换的模板图像恰巧与某个真实图像相类似，所述终端设备还可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的一个模板图像。所述M为大于1的正整数。所述样本图像集合可以包括至少一个包含生物特征信息的样本图像，例如可以包括300、350、或500个样本图像。具体地，针对所述M个模板图像中的每个模板图像，所述终端设备可以计算该模板图像与所述样本图像集合中各个样本图像之间的第一相似度值。所述第一相似度值用于度量模板图像与样本图像之间的相似程度。所述第一相似度值可以与相似程度正相关。这样所述终端设备可以根据第一相似度值，从所述M个模板图像中选取一个模板图像。针对所述M个模板图像中的每个模板图像，所述终端设备可以根据该模板图像的多个第一相似度值计算代表相似度值。例如，所述终端设备可以将多个第一相似度值相加，可以将相加结果作为代表相似度值。另举一例，所述终端设备还可以计算多个第一相似度值的平均值，可以将平均值作为代表相似度值。所述终端设备可以从所述M个模板图像中选取代表相似度值最小的一个模板图像。
或者，所述终端设备还可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的多个模板图像；可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。具体地，针对所述M个模板图像中的每个模板图像，所述终端设备可以计算该模板图像与所述样本图像集合中各个样本图像之间的第一相似度值。这样所述终端设备可以根据第一相似度值，从所述M个模板图像中选取多个模板图像。针对所述M个模板图像中的每个模板图像，所述终端设备可以根据该模板图像的多个第一相似度值计算代表相似度值。所述终端设备可以从所述M个模板图像中选取代表相似度值最小的多个模板图像。另外，针对所述多个模板图像中的每个模板图像，所述终端设备可以计算该模板图像与所述用户图像之间的第二相似度值。所述第二相似度值用于度量模板图像与用户图像之间的相似程度。所述第二相似度值可以与相似程度正相关。所述终端设备可以从所述多个模板图像中选取第二相似度值最小的一个模板图像。
在本实施例的另一些实施方式中，所述终端设备还可以从模板图像集合中选取模板图像。所述模板图像集合可以包括多个包含虚假生物特征信息的模板图像。所述模板图像集合中的模板图像可以是预先生成的。至于具体的生成方式可以参见前面的描述。
所述终端设备可以从模板图像集合中选取一个模板图像。
或者，为了防止在后续过程中用于对敏感区域进行替换的模板图像恰巧与某个真实图像相类似，所述终端设备还可以从模板图像集合中选取多个模板图像；可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。具体地，针对所述多个模板图像中的每个模板图像，所述终端设备可以计算该模板图像与所述用户图像之间的第二相似度值。所述终端设备可以从所述多个模板图像中选取第二相似度值最小的一个模板图像。
在一些实施例中，所述终端设备还可以向所述服务器发送请求。所述服务器可以接收所述请求；可以获得包含虚假生物特征信息的模板图像；可以向所述终端设备发送所述模板图像。所述终端设备可以接收所述模板图像。
所述服务器可以生成模板图像。所述服务器生成模板图像的方式，可以与所述终端设备生成模板图像的方式相类似。具体地，所述服务器可以生成一个模板图像；可以向所述终端设备发送生成的模板图像。所述终端设备可以接收模板图像。或者，所述服务器还可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的一个模板图像；可以向所述终端设备发送选取的模板图像。所述终端设备可以接收模板图像。或者，所述服务器还可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的多个模板图像；可以向所述终端设备发送所述多个模板图像。所述终端设备可以接收多个模板图像；可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。所述服务器从M个模板图像中选取一个或多个模板图像的方式，可以与所述终端设备从M个模板图像中选取一个或多个模板图像的方式相类似。
或者，所述服务器还可以从模板图像集合中选取模板图像。所述模板图像集合可以包括多个包含虚假生物特征信息的模板图像。所述模板图像集合中的模板图像可以是预先生成的。至于具体的生成方式可以参见前面的描述。具体地，所述服务器可以从模板图像集合中选取一个模板图像；可以向所述终端设备发送选取的模板图像。所述终端设备可以接收模板图像。或者，所述服务器还可以从模板图像集合中选取多个模板图像；可以向所述终端设备发送所述多个模板图像。所述终端设备可以接收多个模板图像；可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。
步骤S17：利用所述模板图像对所述用户图像中的敏感区域进行替换。
在一些实施例中，通过步骤S15，所述终端设备可以获得包含虚假生物特征信息的模板图像。这样所述终端设备可以利用所述模板图像对所述用户图像中的敏感区域进行替换；可以保留所述用户图像中除所述敏感区域以外的非敏感区域。具体地，所述终端设备可以利用所述模板图像对用户图像中的敏感区域进行遮挡。或者，所述终端设备还可以根据所述模板图像和所述非敏感区域生成一个新的图像。当然，所述终端设备还可以采用其它方式对所述用户图像中的敏感区域进行替换。
在一些实施例中，所述终端设备可以在本地存储替换后的图像。或者，所述终端设备还可以向所述服务器发送替换后的图像。所述服务器可以接收替换后的图像；可以对替换后的图像进行处理。例如，所述服务器可以存储替换后的图像。另举一例，所述服务器还可以利用替换后的图像进行活体检测、或者人脸检测等。
本说明书实施例的图像处理方法，所述终端设备可以识别用户图像中的敏感区域，所述敏感区域包含生物特征信息；可以获得包含虚假生物特征信息的模板图像；可以利用所述模板图像对所述用户图像中的敏感区域进行替换。这样一方面，可以对用户图像中的生物特征信息进行隐私保护。另一方面，保留了所述用户图像中除所述生物特征信息以外的非敏感信息，使得替换后的图像可以供后续过程继续使用。
上文中描述了本说明书实施例的图像处理系统。下面结合图2、图3和图6，描述本说明书另一实施例的图像处理方法。所述图像处理方法以服务器为执行主体，可以包括以下步骤。
步骤S31：接收终端设备发来的模板图像获取请求。
步骤S33：获得包含虚假生物特征信息的模板图像。
步骤S35：向终端设备发送所述模板图像，以使所述终端设备利用所述模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
在一些实施例中，所述服务器可以生成模板图像。具体地，所述服务器可以生成一个模板图像；可以向所述终端设备发送生成的模板图像。所述终端设备可以接收模板图像。或者，所述服务器还可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的一个模板图像；可以向所述终端设备发送选取的模板图像。M为大于1的正整数。或者，所述服务器还可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的多个模板图像；可以向所述终端设备发送所述多个模板图像。所述终端设备可以接收多个模板图像；可以利用所述多个模板图像中的模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。所述终端设备具体可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像；可以利用选取的模板图像对所述用户图像中的敏感区域进行替换。
在一些实施例中，所述服务器还可以从模板图像集合中选取模板图像。所述模板图像集合可以包括多个包含虚假生物特征信息的模板图像。所述模板图像集合中的模板图像可以是预先生成的。至于具体的生成方式可以参见前面的描述。所述服务器可以从模板图像集合中选取一个模板图像；可以向所述终端设备发送选取的模板图像。所述终端设备可以接收模板图像。或者，所述服务器还可以从模板图像集合中选取多个模板图像；可以向所述终端设备发送所述多个模板图像。所述终端设备可以接收多个模板图像；可以利用所述多个模板图像中的模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。所述终端设备具体可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像；可以利用选取的模板图像对所述用户图像中的敏感区域进行替换。
本说明书实施例的图像处理方法，所述终端设备可以识别用户图像中的敏感区域，所述敏感区域包含生物特征信息；可以获得包含虚假生物特征信息的模板图像；可以利用所述模板图像对所述用户图像中的敏感区域进行替换。这样一方面，可以对用户图像中的生物特征信息进行隐私保护。另一方面，保留了所述用户图像中除所述生物特征信息以外的非敏感信息，使得替换后的图像可以供后续过程继续使用。
以下介绍本说明书实施例的一个场景示例。
所述终端设备可以为智能手机。所述智能手机可以包括摄像头。所述智能手机可以提供人机交互界面。在所述人机交互界面上用户可以触发人脸图像获取指令。例如，用户可以通过点击所述人机交互界面上的按钮，触发人脸图像获取指令。所述智能手机在接收到人脸图像获取指令后，可以控制所述摄像头给用户的面部进行拍照，得到人脸图像。
所述智能手机可以根据预设算法对所述人脸图像进行编码，得到编码数据。所述编码数据例如可以为数组、或者向量等。所述智能手机可以向所述服务器发送所述编码数据。所述服务器可以接收所述编码数据；可以根据所述编码数据认证用户身份。
通过对所述人脸图像进行编码，可以对用户图像中的生物特征信息进行隐私保护。但是这样也损失了除所述生物特征信息以外的非敏感信息(例如背景信息、敏感区域在所述用户图像中的位置信息、图像的类型信息等)。为此所述智能手机还可以识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；可以向服务器发送模板图像获取请求。所述服务器可以接收模板图像获取请求；可以生成M个模板图像；可以从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的多个模板图像；可以向所述智能手机发送所述多个模板图像。所述M为大于1的正整数。所述智能手机可以接收所述多个模板图像；可以从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像；可以利用选取的模板图像对所述用户图像中的敏感区域进行替换；可以向所述服务器发送替换后的图像。所述服务器可以接收替换后的图像；可以对替换后的图像进行处理。例如，所述服务器可以存储替换后的图像。另举一例，所述服务器还可以利用替换后的图像进行活体检测、或者人脸检测等。
下面将结合图4和图5，详细描述本说明书实施例中的图像处理装置。
请参阅图4。本说明书提供图像处理装置的一个实施例。所述图像处理装置可以应用于终端设备，具体可以包括以下模块单元。
采集单元41，用于采集用户图像；
识别单元43，用于识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；
获得单元45，用于获得包含虚假生物特征信息的模板图像；
替换单元47，用于利用所述模板图像对所述用户图像中的敏感区域进行替换。
请参阅图5。本说明书提供图像处理装置的另一个实施例。所述图像处理装置可以应用于服务器，具体可以包括以下模块单元。
接收单元51，用于接收终端设备发来的模板图像获取请求；
获得单元53，用于获得包含虚假生物特征信息的模板图像；
发送单元55，用于向终端设备发送所述模板图像，以使所述终端设备利用所述模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
下面介绍本说明书电子设备的一个实施例。图7是该实施例中电子设备的硬件结构示意图。如图7所示，该电子设备可以包括一个或多个(图中仅示出一个)处理器、存储器和传输模块。当然，本领域普通技术人员可以理解，图7所示的硬件结构仅为示意，其并不对上述电子设备的硬件结构造成限定。在实际中该电子设备还可以包括比图7所示更多或者更少的组件单元；或者，具有与图7所示不同的配置。
所述存储器可以包括高速随机存储器；或者，还可以包括非易失性存储器，例如一个或者多个磁性存储装置、闪存或者其他非易失性固态存储器。当然，所述存储器还可以包括远程设置的网络存储器。所述远程设置的网络存储器可以通过诸如互联网、企业内部网、局域网、移动通信网等网络连接至所述区块链客户端。所述存储器可以用于存储应用软件的程序指令或模块，例如用于实现本说明书图1或图3所对应实施例的程序指令或模块。
所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述处理器可以读取并执行所述存储器中的程序指令或模块。
所述传输模块可以用于经由网络进行数据传输，例如经由诸如互联网、企业内部网、局域网、移动通信网等网络进行数据传输。
本说明书还提供计算机存储介质的一个实施例。所述计算机存储介质包括但不限于随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard Disk Drive,HDD)、存储卡(Memory Card)等等。所述计算机存储介质存储有计算机程序指令。在所述计算机程序指令被执行时实现：本说明书图1或图3所对应实施例中的图像处理方法。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。另外，可以理解的是，本领域技术人员在阅读本说明书文件之后，可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合，这些组合也在本说明书公开和保护的范围内。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。
本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。
Claims (15)
1.一种图像处理方法，包括：
采集用户图像；
识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；
获得包含虚假生物特征信息的模板图像；
利用所述模板图像对所述用户图像中的敏感区域进行替换。
2.如权利要求1所述的方法，所述获得包含虚假生物特征信息的模板图像，包括：
生成包含虚假生物特征信息的模板图像；或者，
从模板图像集合中选取包含虚假生物特征信息的模板图像。
3.如权利要求2所述的方法，所述生成包含虚假生物特征信息的模板图像，包括：
生成M个包含虚假生物特征信息的模板图像，所述M为大于1的正整数；
从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的一个模板图像；或者，从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的多个模板图像，从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。
4.如权利要求2所述的方法，所述从模板图像集合中选取包含虚假生物特征信息的模板图像，包括：
从模板图像集合中选取一个模板图像；或者，从模板图像集合中选取多个模板图像，从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。
5.如权利要求2所述的方法，所述获得包含虚假生物特征信息的模板图像，包括：
向服务器发送模板图像获取请求；
接收服务器发来的包含虚假生物特征信息的模板图像。
6.如权利要求5所述的方法，所述接收服务器发来的包含虚假生物特征信息的模板图像，包括：
接收服务器发来的一个模板图像；或者，接收服务器发来的多个模板图像，从所述多个模板图像中选取与所述用户图像差异最大的一个模板图像。
7.一种图像处理方法，包括：
接收终端设备发来的模板图像获取请求；
获得包含虚假生物特征信息的模板图像；
向终端设备发送所述模板图像，以使所述终端设备利用所述模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
8.如权利要求7所述的方法，所述获得包含虚假生物特征信息的模板图像，包括：
生成包含虚假生物特征信息的模板图像；或者，
从模板图像集合中选取包含虚假生物特征信息的模板图像。
9.如权利要求8所述的方法，所述生成包含虚假生物特征信息的模板图像，包括：
生成M个包含虚假生物特征信息的模板图像，所述M为大于1的正整数；
从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的一个模板图像。
10.如权利要求8所述的方法，所述生成包含虚假生物特征信息的模板图像，包括：
生成M个包含虚假生物特征信息的模板图像，所述M为大于1的正整数；
从所述M个模板图像中选取与样本图像集合中的样本图像差异最大的多个模板图像；
所述向终端设备发送所述模板图像，包括：
向终端设备发送所述多个模板图像，以使所述终端设备利用所述多个模板图像中的模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
11.如权利要求8所述的方法，所述从模板图像集合中选取包含虚假生物特征信息的模板图像，包括：
从模板图像集合中选取一个包含虚假生物特征信息的模板图像。
12.如权利要求8所述的方法，所述从模板图像集合中选取包含虚假生物特征信息的模板图像，包括：
从模板图像集合中选取多个包含虚假生物特征信息的模板图像；
所述向终端设备发送所述模板图像，包括：
向终端设备发送所述多个模板图像，以使所述终端设备利用所述多个模板图像中的模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
13.一种图像处理装置，包括：
采集单元，用于采集用户图像；
识别单元，用于识别所述用户图像中的敏感区域，所述敏感区域包含生物特征信息；
获得单元，用于获得包含虚假生物特征信息的模板图像；
替换单元，用于利用所述模板图像对所述用户图像中的敏感区域进行替换。
14.一种图像处理装置，包括：
接收单元，用于接收终端设备发来的模板图像获取请求；
获得单元，用于获得包含虚假生物特征信息的模板图像；
发送单元，用于向终端设备发送所述模板图像，以使所述终端设备利用所述模板图像对用户图像中的敏感区域进行替换，所述敏感区域包含生物特征信息。
15.一种电子设备，包括：
至少一个处理器；
存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-12中任一项所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010755828.3A CN111931148A (zh) | 2020-07-31 | 2020-07-31 | 图像处理方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010755828.3A CN111931148A (zh) | 2020-07-31 | 2020-07-31 | 图像处理方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111931148A true CN111931148A (zh) | 2020-11-13 |
Family
ID=73314504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010755828.3A Pending CN111931148A (zh) | 2020-07-31 | 2020-07-31 | 图像处理方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111931148A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417414A (zh) * | 2020-12-04 | 2021-02-26 | 支付宝(杭州)信息技术有限公司 | 一种基于属性脱敏的隐私保护方法、装置以及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529339A (zh) * | 2016-11-30 | 2017-03-22 | 广东欧珀移动通信有限公司 | 图片显示方法、装置及终端 |
| CN107122679A (zh) * | 2017-05-16 | 2017-09-01 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109284684A (zh) * | 2018-08-21 | 2019-01-29 | Oppo广东移动通信有限公司 | 一种信息处理方法、装置以及计算机存储介质 |
| CN109598138A (zh) * | 2018-11-15 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 图片中敏感信息识别、掩盖和感知是否查看的方法及装置 |
| US20190268537A1 (en) * | 2016-11-08 | 2019-08-29 | Hanwha Techwin Co., Ltd. | Image processing device and image providing method therefor |
| CN110503601A (zh) * | 2019-08-28 | 2019-11-26 | 上海交通大学 | 基于对抗网络的人脸生成图片替换方法及系统 |
-
2020
- 2020-07-31 CN CN202010755828.3A patent/CN111931148A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190268537A1 (en) * | 2016-11-08 | 2019-08-29 | Hanwha Techwin Co., Ltd. | Image processing device and image providing method therefor |
| CN106529339A (zh) * | 2016-11-30 | 2017-03-22 | 广东欧珀移动通信有限公司 | 图片显示方法、装置及终端 |
| CN107122679A (zh) * | 2017-05-16 | 2017-09-01 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
| CN109284684A (zh) * | 2018-08-21 | 2019-01-29 | Oppo广东移动通信有限公司 | 一种信息处理方法、装置以及计算机存储介质 |
| CN109598138A (zh) * | 2018-11-15 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 图片中敏感信息识别、掩盖和感知是否查看的方法及装置 |
| CN110503601A (zh) * | 2019-08-28 | 2019-11-26 | 上海交通大学 | 基于对抗网络的人脸生成图片替换方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417414A (zh) * | 2020-12-04 | 2021-02-26 | 支付宝(杭州)信息技术有限公司 | 一种基于属性脱敏的隐私保护方法、装置以及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109829396B (zh) | 人脸识别运动模糊处理方法、装置、设备及存储介质 | |
| CN107368827B (zh) | 字符识别方法及装置、用户设备、服务器 | |
| CN106934376A (zh) | 一种图像识别方法、装置及移动终端 | |
| CN112200796B (zh) | 一种基于隐私保护的图像处理方法、装置及设备 | |
| CN111160251B (zh) | 一种活体识别方法及装置 | |
| CN108875549B (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
| CN106250755B (zh) | 用于生成验证码的方法及装置 | |
| CN112837202B (zh) | 基于隐私保护的水印图像的生成、攻击溯源方法及装置 | |
| CN112560598B (zh) | 一种活体检测方法、装置及设备 | |
| CN112084915A (zh) | 模型训练方法、活体检测方法、装置和电子设备 | |
| CN111353514A (zh) | 模型训练方法、图像识别方法、装置及终端设备 | |
| CN111931148A (zh) | 图像处理方法、装置和电子设备 | |
| Ren et al. | Face and facial expressions recognition and analysis | |
| CN112818400B (zh) | 一种基于隐私保护的生物识别方法、装置及设备 | |
| CN113239852B (zh) | 一种基于隐私保护的隐私图像处理方法、装置及设备 | |
| CN115359575A (zh) | 身份识别方法、装置和计算机设备 | |
| CN112487885A (zh) | 支付方法、装置、电子设备及可读存储介质 | |
| CN111784352A (zh) | 认证风险识别方法、装置和电子设备 | |
| CN111783725A (zh) | 人脸识别方法、装置及存储介质 | |
| Ivanova et al. | Generalized net model of biometric authentication system based on palm geometry and palm vein matching | |
| Szymkowski et al. | A Novel Approach to Human Recognition Based on Finger Geometry | |
| Daryani et al. | IRL-Net: Inpainted Region Localization Network via Spatial Attention | |
| CN117274761B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
| CN112669212B (zh) | 人脸图像超分辨率重建方法、装置、计算机设备及介质 | |
| CN113239851B (zh) | 一种基于隐私保护的隐私图像处理方法、装置及设备 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40040512 Country of ref document: HK |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201113 |