CN111967033B - 基于人脸识别的图片加密方法、装置、终端及存储介质 - Google Patents
基于人脸识别的图片加密方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN111967033B CN111967033B CN202010888428.XA CN202010888428A CN111967033B CN 111967033 B CN111967033 B CN 111967033B CN 202010888428 A CN202010888428 A CN 202010888428A CN 111967033 B CN111967033 B CN 111967033B
- Authority
- CN
- China
- Prior art keywords
- picture
- face recognition
- encrypted
- encryption
- feature vector
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 91
- 238000012545 processing Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 80
- 238000013527 convolutional neural network Methods 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 18
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000002441 reversible effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06V40/172—Classification, e.g. identification
Abstract
本发明公开了基于人脸识别的图片加密方法、装置、终端及存储介质，所述方法包括获取待加密图片，获取至少两个角度的第一人脸识别图片；计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。通过采集至少两个角度的人脸识别图片，提高人脸特征的泛化性，且基于待加密图片以及采集的所述多角度人脸识别图片计算出加密密匙，基于人脸识别进行数据处理提供定制化密钥，提高安全性。
Description
技术领域
本发明涉及信息安全技术领域，具体涉及一种基于人脸识别的图片加密方法、装置、终端及存储介质。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别的一系列相关技术，通常也叫做人像识别、面部识别。
在现有技术中，人脸识别被运用到了许多身份识别的应用场景，例如：手机人脸解锁、人脸门禁等。其主要原理是基于人脸图像实时采集并与预存图像数据对比进行匹配识别。个人电子设备上各种大小应用软件都会采集到用户的个人私密信息。但是，从数据安全角度，这很容易造成用户信息的泄露。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种基于人脸识别的图片加密方法、装置、终端及存储介质，旨在防止在人脸识别操作中，图片数据被恶意窃取和泄露，通过对人脸识别图像进行加密，以达到提高图片数据安全存储的目的，提高了图片数据存储的安全性。
为了达到上述目的，本发明采取了以下技术方案：
第一方面，本发明提供一种基于人脸识别的图片加密方法，其特征在于，包括如下步骤：
获取待加密图片，获取至少两个角度的第一人脸识别图片；
计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；
基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。
通过采集至少两个角度的人脸识别图片，提高人脸特征的泛化性，且基于待加密图片以及采集的所述多角度人脸识别图片计算出加密密匙，基于人脸识别进行数据处理提供定制化加密密钥，提高安全性。
在本发明的其中一种实施方案中，所述计算所述待加密图片的二维矩阵，包括：对所述待加密图片进行差值哈希计算得出二维矩阵。
由于不同图片的差值哈希矩阵不同，因此通过差值哈希计算得出的所述二维矩阵具有唯一性，且所述加密密匙是通过所述二维矩阵得出，进一步加强了所述加密密匙的唯一性以及安全性。
在本发明的其中一种实施方案中，所述基于所述至少两个人脸识别图像计算加密矩阵，包括：
基于仿射变换以及卷积神经网络算法分别对所述第一人脸识别图片进行计算处理，得出第一特征向量；
基于所述第一特征向量采用局部敏感哈希算法建立特征栈，并对所述特征栈中的第一特征向量进行编码得到可逆矩阵，作为加密矩阵。
基于所述第一人脸识别图片计算得出第一特征向量，并基于所述第一特征向量计算得出特征栈，并得到加密矩阵，由于不同人具有不同人脸特征向量的特性，使得所述加密矩阵与对应的人脸建立相关性，提高安全性。
在本发明的其中一种实施方案中，所述基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片，包括：
基于所述加密密匙对所述待加密图片进行卷积模糊处理，得到处理后的模糊图像作为加密图片。
将所述加密密匙作为卷积核对待加密图片进行卷积操作，使图片模糊增加安全性，在终端或云平台上安全存储。
在本发明的其中一种实施方案中，所述基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片，之后还包括：
采集第二人脸识别图片；
计算所述第二人脸识别图片的第二特征向量，对所述第二特征向量与第一特征向量进行相似度比对，得到比对结果；
当比对结果为相似度匹配时，获取所述加密密匙以及所述二维矩阵进行逆运算对所述加密图片进行解密。
在本发明的其中一种实施方案中，所述计算所述第二人脸识别图片的第二特征向量，对所述第二特征向量与第一特征向量进行相似度比对，得到比对结果，还包括：
所述计算所述第二人脸识别图片的第二特征向量，基于局部敏感哈希算法对所述第二特征向量与对应所述第二特征向量的第一特征向量进行特征比对，得到比对结果。
当用户需要查看所述加密图片或者是需要对图片进行解密时，需要进行人脸识别，通过比对所述人脸识别图像才能解密图片进行加密图像查看，能够保证图片数据的安全。
在本发明的其中一种实施方案中，所述当比对结果为相似度匹配时，获取所述加密密匙以及所述二维矩阵进行逆运算进行对所述加密图片进行解密，之后还包括：
基于所述第一特征向量以及所述第二特征向量重新建立新特征栈；
基于所述新特征栈得到新加密矩阵；
基于所述新加密矩阵和所述二维矩阵更新加密密匙。
在进行人脸识别解密的过程之后能够进一步对加密密匙进行更新，不断完善加密密匙，使得所述加密密匙的安全性更高，进一步保障了图像信息的安全性。
第二方面，一种基于人脸识别的图片加密装置，其特征在于，包括：
图片获取模块：用于获取待加密图片，获取至少两个角度的第一人脸识别图片；
计算处理模块：用于计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。
通过设置图片获取模块以及计算处理模块实现所述待加密图像的加密，基于所述两个角度的第一人脸识别图片以及所述待加密图像对所述待加密图像进行加密，使得所述加密图像与人脸识别特征进行结合，提高安全性。
第三方面，本发明提供一种本发明实施例还提供一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述基于人脸识别的图片加密方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述任意一项所述基于人脸识别的图片加密方法。
有益效果：相较于现有技术，本发明提供的一种基于人脸识别的图片加密方法、装置、终端及存储介质，所述方法通过对待加密图像进行处理且通过采集至少两个不同角度的图片对待加密图片进行加密处理并得出加密密匙，使得所述加密密匙与对应待加密图片的用户之间具有唯一性，使得所述加密密匙的安全性更高，进一步保证了加密图像的数据安全。
附图说明
图1为本发明提供的基于人脸识别的图片加密方法的流程图。
图2是本发明提供的基于人脸识别的图片加密方法的一种实施例中步骤S200的流程图；
图3是本发明提供的基于人脸识别的图片加密方法的另一流程图；
图4是本发明提供的基于人脸识别的图片加密方法的又一流程图；
图5本发明提供的基于人脸识别的图片加密装置的功能原理图。
图6是本发明提供的智能终端的功能原理图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供的一种基于人脸识别的图片加密方法，该方法可应用在智能终端。智能终端可以但不限于是各种个人计算机、笔记本电脑、手机、平板电脑、车载电脑、AI机器人、电视机和便携式可穿戴设备。本发明的智能终端采用多核处理器。其中，终端的处理器可以为中央处理器(Central Processing Unit，CPU)，图形处理器(Graphics ProcessingUnit，GPU)、视频处理单元(Video Processing Unit，VPU)等中的至少一种。
仿射变换是在几何上定义为两个向量空间之间的一个仿射变换或者仿射映射(来自拉丁语，affine，"和…相关")由一个非奇异的线性变换(运用一次函数进行的变换)接上一个平移变换组成。在有限维的情况，每个仿射变换可以由一个矩阵A和一个向量b给出，它可以写作A和一个附加的列b。一个仿射变换对应于一个矩阵和一个向量的乘法，而仿射变换的复合对应于普通的矩阵乘法，只要加入一个额外的行到矩阵的底下，这一行全部是0除了最右边是一个1，而列向量的底下要加上一个1。二维仿射变换，它执行从二维坐标到其他二维坐标的线性映射，保留了线的"直线性"和"平行性"。可以使用一系列平移(translation)、缩放(scale)、翻转(flip)、旋转(rotation)和错切(shear)来构造仿射变换。
一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取的计算层，这种特有的两次特征提取结构减小了特征分辨率。
CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形，该部分功能主要由池化层实现。由于CNN的特征检测层通过训练数据进行学习，所以在使用CNN时，避免了显式的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。
个人电子设备上各种大小应用软件都会采集到用户的个人私密信息。但是，从数据安全角度，这很容易造成用户信息的泄露。目前主要手段是通过传统加密算法和对云平台的网络安全技术进行数据保护。特别是有些云平台服务商只是依靠网关加密和防火墙等手段确保信息安全，数据泄露依然可能造成个人信息安全问题。现有技术大多是通过设置数字密码对文件进行编码等。所述数字密码与人脸识别特征的相关性不强，导致可能会密码泄露造成用户信息泄露，人脸特征是根据不同人具有不同人脸特征向量的特性，提供定制化密钥，提高安全性。
示例性方法
请参阅图1，本发明提供的一种基于人脸识别的图片加密方法包括以下步骤：
步骤S100：获取待加密图片，采集至少两个角度的第一人脸识别图片。
具体的，所述第一人脸识别图片为同一个人的多张不同角度的人脸识别图片，且所述第一人脸识别图像与所述待加密图像为同一个人的图像。所述待加密图片为用户选定的进行人脸识别匹配基础且上传到云平台识别认证存储的用户识别图像一般为正脸照，比如说，用户的一寸照、身份证照等等；但是在本发明的其他实施方案中也可以为侧脸照、45度角侧脸照等，具体本发明不做限定。具体可通过智能终端进行采集。比如说，用户通过安装有运用该方法的软件的手机/电脑进行图像上传，通过手机内安装的软件访问手机存储器，然后进行图像挑选上传。通过采集所述待加密图像之后还会进行至少两个角度的图像采集，在本实施例中，所述图像采集为图像实时采集以保证所述图像的真实性，进一步提高所述待加密图片数据的准确性。所述至少两个角度的第一人脸识别图像具体可为与所述待加密图像角度不同的图片，比如说待加密图像为正脸照，所述第一人脸识别图片可为45度角的左侧脸照和右侧脸照等，具体可依通过智能终端的摄像头进行采集，用户使用时需要通过加密软件，打开手机摄像头，并进行人脸识别，通过眨眼、点头、摇头等动作采集到至少两个角度的人脸识别图片，主要是为了提高人脸特征的泛化性，且基于待加密图片以及采集的所述多角度人脸识别图片计算出加密密匙，基于人脸识别进行数据处理提供定制化密钥，提高安全性。在本发明的其他实施方案中，所述第一人脸识别图片可为采集三个角度、四个角度等，也可以为与所述待加密图像相似的角度，具体本发明不做限定。
步骤S200：计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙。
具体的，参见图2，所述步骤S200还包括：
步骤S201：对所述待加密图片进行差值哈希计算得出二维矩阵。
具体的，进行差值哈希计算时，首先缩放所述待加密图片为9*8，然后转换成灰度图，比较每行前一个像素大于后一个像素为1，相反为0，生成哈希，最后生成8*8矩阵。不同图片的差值哈希矩阵不同，因此所述待加密图片进行差值哈希算法计算出来的该矩阵具有唯一性。
步骤S202：基于仿射变换以及卷积神经网络算法分别对所述第一人脸识别图片进行计算处理，得出第一特征向量。
具体的，在本实施方案中，所述仿射变换的原理是通过人脸的两个眼睛点P1,P2,鼻子点P3,两个嘴角点P4,P5跟112*112的标准人脸相应的五点做映射，得出转换矩阵，将原图人脸的五个点尽可能与标准人脸的五个点对齐，从而得到一张比较正的人脸。input_image第一人脸识别图片经过仿射变换并调整到112*112分辨率，3通道(RGB)的第一人脸识别图片作为卷积神经网络(CNN)模型的输入；MobileFaceNet作为卷积神经网络(CNN)的特征提取器(backbone)；OutputLayer作为网络卷积神经网络(CNN)模型的head模块，并最后输出128的第一特征向量。对所述第一特征向量进行量化操作(使数据类型由float转成int。)以便进行后续操作。所述第一特征向量包括至少两个子第一特征向量，一个角度的第一人脸识别图像的对应一个子第一特征向量，所述第一特征向量与所述第一人脸识别图像对应。
步骤S203：基于所述第一特征向量采用局部敏感哈希算法建立特征栈，并对所述特征栈中的第一特征向量进行编码得到可逆矩阵，作为加密矩阵。
具体的，所述局部敏感哈希算法主要将多组特征向量，通过输入矩阵进行矩阵运算后得到的M矩阵进行相似度对比，按相似度表进行分栈，以便确保一个特征栈中的第一特征向量代表同一个人；一个特征栈中可以有多个第一特征向量。所述第一特征向量与所述第一识别图像对应。基于所述第一人脸识别图片计算得出第一特征向量，并基于所述第一特征向量计算得出特征栈，并得到加密矩阵，由于不同人具有不同人脸特征向量的特性，使得所述加密矩阵与对应的人脸建立相关性，提高安全性。
步骤S204：将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙。
步骤S300：当基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。
具体的，所述基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片，具体为：基于所述加密密匙对所述待加密图片进行卷积模糊处理，得到处理后的模糊图像作为加密图片。具体的，将所述加密密匙作为卷积核对所述待加密图片进行卷积处理，是图片模糊增加安全性，卷积核就是图像处理时，给定输入图像，输入图像中一个小区域中像素>加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。卷积神经网络(CNN)中的卷积核跟传统的卷积核本质没有什么不同。仍然以图像为例，卷积核依次与输入不同位置的图像块做卷积，得到输出。通过对所述待加密图片进行模糊处理之后，能够有效保护用户的图像隐私，使得所述加密图片在平常也不会被别人看到，且通过所述加密密匙作为所述卷积核对所述待加密图片进行模糊处理，使得所述加密图片的安全性更高。
参见图3，在上述实施方案的基础上，所述步骤S300：之后还包括：
步骤S400：采集第二人脸识别图片；计算所述第二人脸识别图片的第二特征向量，对所述第二特征向量与第一特征向量进行相似度比对，得到比对结果；当比对结果为相似度匹配时，获取所述加密密匙以及所述二维矩阵进行逆运算进行对所述加密图片进行解密。
具体的，所述第二人脸识别图片可以通过智能终端的摄像头等摄像设备进行采集。比如说，当需要进行图片查看或者是进行人脸识别时，通过摄像头采集同用户的第二人脸识别图片，然后通过上述步骤S202所述的相同的方式计算得出所述第二人脸识别图片对应的第二特征向量，然后通过将所述第二特征向量与所述第一特征向量值进行相似度比对，比对结果相似则为相似度匹配，反之则不匹配，在本实施方案中，所述第一特征向量与所述第二特征向量通过局部敏感哈希进行比对。由于人脸识别时，可能由于识别角度或者其他因素造成每次识别计算出的人脸特征向量可能会不一样，所以通过局部敏感哈希算法与初次录入的人脸特征向量进行比对查看是否相似，以进行人脸识别验证是否为同一个人，相似的话就代表为同一个人，可直接调取取用初次使用(注册时)时计算得出的加密矩阵以及加密密匙通过矩阵的逆运算进行解密操作，进行加密图片的解密进而查看所述加密图像或是进行人脸识别验证。
参见图4，在上述实施方案的基础上，所述步骤S400：之后还包括：
步骤S500：基于所述第一特征向量以及所述第二特征向量重新建立新特征栈；基于所述新特征栈得到新加密矩阵；基于所述新加密矩阵和所述二维矩阵更新加密密匙。
具体的，将所述第二特征向量加入特征栈中，形成新的特征栈，所述新的特征栈包括第一特征向量以及第二特征向量，然后重复上述步骤S203，重新计算所述待加密图片的加密矩阵得到新的加密矩阵，然后重复上述步骤S204，计算新的加密矩阵以及二维矩阵的乘积得到新的加密密匙，实现对加密密匙的动态更新，通过增加特征向量，使得加密矩阵的复杂程度不断提高，进而实现对所述加密密匙的不断升级和增强，保证了加密密匙的安全性，进一步加强所述加密图片的安全，且更新及时简单方便。
由上可见，本发明提供了一种基于人脸识别的图片加密方法，所述方法通过，采用人脸识别后的特征向量作为密钥进行图片加密，人脸特征是根据不同人具有不同人脸特征向量的特性，提供定制化密钥，提高安全性。防止数据被恶意窃取和泄露，提高了数据存储的安全性。
示例性装置
参见图5，本发明实施例提供一种语音语义信息提取装置，该装置包括：
图片获取模块100：用于获取待加密图片，获取至少两个角度的第一人脸识别图片；
计算处理模块200：用于计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。
通过设置所述图片获取模块100对所述待加密图片以及所述第一人脸识别图像的获取以及采集，通过设置计算处理模块200对所述待加密图片以及所述第一人脸识别图像的计算处理实现对待加密图片的加密，达到提供定制化密钥，提高安全性的目的。
如图6所示，基于上述一种基于人脸识别的图片加密方法，本发明还相应提供了一种移动终端，所述移动终端可以是手机、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、摄像头等。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端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和计算机程序。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。该智能终端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上述基于人脸识别的图片加密方法。
本领域技术人员可以理解，图6中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
获取待加密图片，采集至少两个角度的第一人脸识别图片；
计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；
基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。
进一步的，在另一种实施例中，在上述实施指令之后还包括用于进行以下操作的指令：
采集第二人脸识别图片；
计算所述第二人脸识别图片的第二特征向量，对所述第二特征向量与第一特征向量进行相似度比对，得到比对结果；
当比对结果为相似度匹配时，获取所述加密密匙以及所述二维矩阵进行逆运算进行对所述加密图片进行解密。
进一步的，在另一种实施例中，在上述实施指令之后还包括用于进行以下操作的指令：基于所述第一特征向量以及所述第二特征向量重新建立新特征栈；
基于所述新特征栈得到新加密矩阵；
基于所述新加密矩阵和所述二维矩阵更新加密密匙。
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。所述存储器用于存储安装于所述移动终端的应用软件及各类数据，例如所述安装移动终端的程序代码等。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器，手机基带处理器或其他数据处理芯片，用于运行所述存储器中存储的程序代码或处理数据，例如执行所述一种基于人脸识别的图片加密方法等。
所述显示屏在一些实施例中可以是LED显示屏、液晶显示屏、触控式液晶显示屏以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示屏用于显示在所述移动终端的信息以及用于显示可视化的用户界面。所述移动终端的部件通过系统总线相互通信。
综上所述，本发明提供的一种基于人脸识别的图片加密方法、装置、终端及存储介质，所述方法通过计算所述待加密图片的二维矩阵，且采集至少两个角度的人脸识别图片，提高人脸特征的泛化性，基于待加密图片以及采集的所述多角度人脸识别图片计算出加密密匙，基于人脸识别进行数据处理提供定制化密钥，提高安全性。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (9)
1.一种基于人脸识别的图片加密方法，其特征在于，包括如下步骤：
获取待加密图片，采集至少两个角度的第一人脸识别图片；
计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；
所述基于所述至少两个人脸识别图像计算加密矩阵，包括：
基于仿射变换以及卷积神经网络算法分别对所述第一人脸识别图片进行计算处理，得出第一特征向量；
基于所述第一特征向量采用局部敏感哈希算法建立特征栈，并对所述特征栈中的第一特征向量进行编码得到可逆矩阵，作为加密矩阵；
基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片。
2.根据权利要求1所述的一种基于人脸识别的图片加密方法，其特征在于，所述计算所述待加密图片的二维矩阵，包括：
对所述待加密图片进行差值哈希计算得出二维矩阵。
3.根据权利要求1所述的一种基于人脸识别的图片加密方法，其特征在于，所述基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片，包括：
基于所述加密密匙对所述待加密图片进行卷积模糊处理，得到处理后的模糊图像作为加密图片。
4.根据权利要求1所述的一种基于人脸识别的图片加密方法，其特征在于，所述基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片，之后还包括：
采集第二人脸识别图片；
计算所述第二人脸识别图片的第二特征向量，对所述第二特征向量与第一特征向量进行相似度比对，得到比对结果；
当比对结果为相似度匹配时，获取所述加密密匙以及所述二维矩阵进行逆运算进行对所述加密图片进行解密。
5.根据权利要求4所述的一种基于人脸识别的图片加密方法，其特征在于，所述计算所述第二人脸识别图片的第二特征向量，对所述第二特征向量与第一特征向量进行相似度比对，得到比对结果，还包括：
所述计算所述第二人脸识别图片的第二特征向量，基于局部敏感哈希算法对所述第二特征向量与对应所述第二特征向量的第一特征向量进行特征比对，得到比对结果。
6.根据权利要求4所述的一种基于人脸识别的图片加密方法，其特征在于，所述当比对结果为相似度匹配时，获取所述加密密匙以及所述二维矩阵进行逆运算进行对所述加密图片进行解密，之后还包括：
基于所述第一特征向量以及所述第二特征向量重新建立新特征栈；
基于所述新特征栈得到新加密矩阵；
基于所述新加密矩阵和所述二维矩阵更新加密密匙。
7.一种基于人脸识别的图片加密装置，其特征在于，包括：
图片获取模块：用于获取待加密图片，获取至少两个角度的第一人脸识别图片；
计算处理模块：用于计算所述待加密图片的二维矩阵，基于所述至少两个人脸识别图像计算加密矩阵，并将所述加密矩阵以及所述二维矩阵做乘法计算得出加密密匙；基于所述加密密匙对所述待加密图片进行模糊处理得到加密图片；
所述基于所述至少两个人脸识别图像计算加密矩阵，包括：
基于仿射变换以及卷积神经网络算法分别对所述第一人脸识别图片进行计算处理，得出第一特征向量；
基于所述第一特征向量采用局部敏感哈希算法建立特征栈，并对所述特征栈中的第一特征向量进行编码得到可逆矩阵，作为加密矩阵。
8.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-6中任意一项所述的方法。
9.一种计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010888428.XA CN111967033B (zh) | 2020-08-28 | 2020-08-28 | 基于人脸识别的图片加密方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010888428.XA CN111967033B (zh) | 2020-08-28 | 2020-08-28 | 基于人脸识别的图片加密方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111967033A CN111967033A (zh) | 2020-11-20 |
| CN111967033B true CN111967033B (zh) | 2024-04-05 |
Family
ID=73400008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010888428.XA Active CN111967033B (zh) | 2020-08-28 | 2020-08-28 | 基于人脸识别的图片加密方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111967033B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113704532B (zh) * | 2020-11-25 | 2024-04-26 | 天翼数字生活科技有限公司 | 一种提升图片检索召回率的方法和系统 |
| CN112862491B (zh) * | 2021-01-18 | 2022-03-15 | 广东便捷神科技股份有限公司 | 基于安全单元和可信执行环境的人脸支付安全方法及平台 |
| CN113094723A (zh) * | 2021-03-29 | 2021-07-09 | 联想(北京)有限公司 | 一种处理方法、电子设备及处理装置 |
| CN112949576B (zh) * | 2021-03-29 | 2024-04-23 | 北京京东方技术开发有限公司 | 姿态估计方法、装置、设备及存储介质 |
| CN117015953A (zh) * | 2022-07-04 | 2023-11-07 | 嘉兴尚坤科技有限公司 | 一种门禁系统人脸数据的安全加密方法和系统 |
| CN115620214B (zh) * | 2022-12-20 | 2023-03-07 | 浙江奥鑫云科技有限公司 | 一种用于网络信息数据的安全处理方法 |
| CN116597552B (zh) * | 2023-07-19 | 2023-09-22 | 青岛大数华创科技有限公司 | 一种用于生物样本出入库人脸识别授权管理系统 |
| CN116825259B (zh) * | 2023-08-31 | 2023-11-07 | 四川省医学科学院·四川省人民医院 | 一种基于物联网的医疗数据管理方法 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1858799A (zh) * | 2005-05-08 | 2006-11-08 | 中国科学院计算技术研究所 | 一种数字图像哈希签名方法 |
| KR100749380B1 (ko) * | 2006-03-10 | 2007-08-16 | 연세대학교 산학협력단 | 암호화 생체인식시스템의 고유 생체코드 생성방법 |
| CN102215223A (zh) * | 2011-05-20 | 2011-10-12 | 北京工业大学 | 一种基于人脸特征的模糊保险箱远程身份认证方法 |
| CN103914634A (zh) * | 2014-03-26 | 2014-07-09 | 小米科技有限责任公司 | 图片加密方法、装置及电子设备 |
| CN104574380A (zh) * | 2014-12-25 | 2015-04-29 | 中国科学院武汉物理与数学研究所 | 一种图像随机加密双盲保密匹配方法 |
| KR20150123672A (ko) * | 2014-04-25 | 2015-11-04 | 삼성전자주식회사 | 콘텐트의 암호화 및 복호화 방법 |
| CN105631296A (zh) * | 2015-12-30 | 2016-06-01 | 北京工业大学 | 一种基于cnn特征提取器的安全人脸认证系统设计方法 |
| WO2017097057A1 (zh) * | 2015-12-09 | 2017-06-15 | 上海斐讯数据通信技术有限公司 | 基于人物识别的相片加/解密方法及系统、移动终端 |
| KR101755995B1 (ko) * | 2016-03-16 | 2017-07-10 | 인하대학교 산학협력단 | 동형 암호를 이용한 특성벡터 기반 원격 바이오 인증 방법 및 시스템 |
| WO2017181769A1 (zh) * | 2016-04-21 | 2017-10-26 | 腾讯科技（深圳）有限公司 | 一种人脸识别方法、装置和系统、设备、存储介质 |
| CN107330383A (zh) * | 2017-06-18 | 2017-11-07 | 天津大学 | 一种基于深度卷积神经网络的人脸识别方法 |
| CN108256345A (zh) * | 2016-12-28 | 2018-07-06 | 中移（杭州）信息技术有限公司 | 一种图片隐私保护方法、装置及系统 |
| CN108600168A (zh) * | 2018-03-19 | 2018-09-28 | 网御安全技术（深圳）有限公司 | 一种用于人工智能图像辨识攻击的安全编码方法及系统 |
| CN108647262A (zh) * | 2018-04-27 | 2018-10-12 | 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 |
| CN108776790A (zh) * | 2018-06-06 | 2018-11-09 | 海南大学 | 云环境下基于神经网络的加密人脸识别方法 |
| CN109165523A (zh) * | 2018-07-27 | 2019-01-08 | 深圳市商汤科技有限公司 | 身份认证方法及系统、终端设备、服务器及存储介质 |
| CN110175441A (zh) * | 2019-04-12 | 2019-08-27 | 平安普惠企业管理有限公司 | 基于生物识别的数据管理方法、装置、设备及存储介质 |
| CN110677411A (zh) * | 2019-09-27 | 2020-01-10 | 浙江宇视科技有限公司 | 一种基于云存储的数据共享方法及系统 |
| CN111079791A (zh) * | 2019-11-18 | 2020-04-28 | 京东数字科技控股有限公司 | 人脸识别方法、设备及计算机可读存储介质 |
| CN111160121A (zh) * | 2019-12-11 | 2020-05-15 | 杭州勒格网络科技有限公司 | 一种基于深度学习的人像识别系统、方法及装置 |
| CN111159773A (zh) * | 2020-04-01 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的图片分类方法及装置 |
| CN111510292A (zh) * | 2020-04-22 | 2020-08-07 | 华南理工大学 | hill高阶密钥矩阵随机生成方法、系统、装置和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8058972B2 (en) * | 2007-05-09 | 2011-11-15 | University Of North Texas | Methods and devices for enrollment and verification of biometric information in identification documents |
| US8972742B2 (en) * | 2009-09-04 | 2015-03-03 | Gradiant | System for secure image recognition |
| US9197637B2 (en) * | 2011-07-08 | 2015-11-24 | Research Foundation Of The City University Of New York | Method of comparing private data without revealing the data |
-
2020
- 2020-08-28 CN CN202010888428.XA patent/CN111967033B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1858799A (zh) * | 2005-05-08 | 2006-11-08 | 中国科学院计算技术研究所 | 一种数字图像哈希签名方法 |
| KR100749380B1 (ko) * | 2006-03-10 | 2007-08-16 | 연세대학교 산학협력단 | 암호화 생체인식시스템의 고유 생체코드 생성방법 |
| CN102215223A (zh) * | 2011-05-20 | 2011-10-12 | 北京工业大学 | 一种基于人脸特征的模糊保险箱远程身份认证方法 |
| CN103914634A (zh) * | 2014-03-26 | 2014-07-09 | 小米科技有限责任公司 | 图片加密方法、装置及电子设备 |
| KR20150123672A (ko) * | 2014-04-25 | 2015-11-04 | 삼성전자주식회사 | 콘텐트의 암호화 및 복호화 방법 |
| CN104574380A (zh) * | 2014-12-25 | 2015-04-29 | 中国科学院武汉物理与数学研究所 | 一种图像随机加密双盲保密匹配方法 |
| WO2017097057A1 (zh) * | 2015-12-09 | 2017-06-15 | 上海斐讯数据通信技术有限公司 | 基于人物识别的相片加/解密方法及系统、移动终端 |
| CN105631296A (zh) * | 2015-12-30 | 2016-06-01 | 北京工业大学 | 一种基于cnn特征提取器的安全人脸认证系统设计方法 |
| KR101755995B1 (ko) * | 2016-03-16 | 2017-07-10 | 인하대학교 산학협력단 | 동형 암호를 이용한 특성벡터 기반 원격 바이오 인증 방법 및 시스템 |
| WO2017181769A1 (zh) * | 2016-04-21 | 2017-10-26 | 腾讯科技（深圳）有限公司 | 一种人脸识别方法、装置和系统、设备、存储介质 |
| CN108256345A (zh) * | 2016-12-28 | 2018-07-06 | 中移（杭州）信息技术有限公司 | 一种图片隐私保护方法、装置及系统 |
| CN107330383A (zh) * | 2017-06-18 | 2017-11-07 | 天津大学 | 一种基于深度卷积神经网络的人脸识别方法 |
| CN108600168A (zh) * | 2018-03-19 | 2018-09-28 | 网御安全技术（深圳）有限公司 | 一种用于人工智能图像辨识攻击的安全编码方法及系统 |
| CN108647262A (zh) * | 2018-04-27 | 2018-10-12 | 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 |
| CN108776790A (zh) * | 2018-06-06 | 2018-11-09 | 海南大学 | 云环境下基于神经网络的加密人脸识别方法 |
| CN109165523A (zh) * | 2018-07-27 | 2019-01-08 | 深圳市商汤科技有限公司 | 身份认证方法及系统、终端设备、服务器及存储介质 |
| CN110175441A (zh) * | 2019-04-12 | 2019-08-27 | 平安普惠企业管理有限公司 | 基于生物识别的数据管理方法、装置、设备及存储介质 |
| CN110677411A (zh) * | 2019-09-27 | 2020-01-10 | 浙江宇视科技有限公司 | 一种基于云存储的数据共享方法及系统 |
| CN111079791A (zh) * | 2019-11-18 | 2020-04-28 | 京东数字科技控股有限公司 | 人脸识别方法、设备及计算机可读存储介质 |
| CN111160121A (zh) * | 2019-12-11 | 2020-05-15 | 杭州勒格网络科技有限公司 | 一种基于深度学习的人像识别系统、方法及装置 |
| CN111159773A (zh) * | 2020-04-01 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 保护数据隐私的图片分类方法及装置 |
| CN111510292A (zh) * | 2020-04-22 | 2020-08-07 | 华南理工大学 | hill高阶密钥矩阵随机生成方法、系统、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111967033A (zh) | 2020-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111967033B (zh) | 基于人脸识别的图片加密方法、装置、终端及存储介质 | |
| JP7142778B2 (ja) | アイデンティティ検証方法並びにその、装置、コンピュータプログラムおよびコンピュータ機器 | |
| CN113688855B (zh) | 数据处理方法、联邦学习的训练方法及相关装置、设备 | |
| US11615176B2 (en) | Registration and verification of biometric modalities using encryption techniques in a deep neural network | |
| US20230021661A1 (en) | Forgery detection of face image | |
| CN111680672B (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
| CN111814194B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
| KR102161359B1 (ko) | 딥러닝 기반의 얼굴이미지 추출장치 | |
| CN109948397A (zh) | 一种人脸图像校正方法、系统及终端设备 | |
| KR102184493B1 (ko) | Ai 기반의 얼굴인식 시스템 | |
| CN112651380A (zh) | 人脸识别方法、人脸识别装置、终端设备及存储介质 | |
| CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
| KR20200079095A (ko) | 얼굴인식용 에지 디바이스 | |
| US20220327189A1 (en) | Personalized biometric anti-spoofing protection using machine learning and enrollment data | |
| Juneja | An XML transformed method to improve effectiveness of graphical password authentication | |
| Saied et al. | A Novel Approach for Improving Dynamic Biometric Authentication and Verification of Human Using Eye Blinking Movement | |
| WO2024045421A1 (zh) | 图像保护方法及相关设备 | |
| CN113240043B (zh) | 基于多图片差异性的鉴伪方法、装置、设备及存储介质 | |
| CN115880786A (zh) | 基于通道注意力的人脸活体检测方法、装置及设备 | |
| US10438061B2 (en) | Adaptive quantization method for iris image encoding | |
| CN113011132B (zh) | 竖排文字识别方法、装置、计算机设备和存储介质 | |
| Singh et al. | Robust and efficient hashing framework for industrial surveillance | |
| CN113255456B (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
| Jin et al. | Random base image representation for efficient blind vision | |
| Sharma et al. | Deep Transfer Learning for Face Spoofing Detection |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |