CN112466425A - 一种信息处理方法和装置 - Google Patents

一种信息处理方法和装置 Download PDF

Info

Publication number
CN112466425A
CN112466425A CN202110116172.5A CN202110116172A CN112466425A CN 112466425 A CN112466425 A CN 112466425A CN 202110116172 A CN202110116172 A CN 202110116172A CN 112466425 A CN112466425 A CN 112466425A
Authority
CN
China
Prior art keywords
target
image
representing
pixel
face
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.)
Granted
Application number
CN202110116172.5A
Other languages
English (en)
Other versions
CN112466425B (zh
Inventor
赵红文
孔飞
刘邦长
罗晓斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Miaoyijia Health Technology Group Co ltd
Original Assignee
Beijing Miaoyijia Health Technology Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Miaoyijia Health Technology Group Co ltd filed Critical Beijing Miaoyijia Health Technology Group Co ltd
Priority to CN202110116172.5A priority Critical patent/CN112466425B/zh
Publication of CN112466425A publication Critical patent/CN112466425A/zh
Application granted granted Critical
Publication of CN112466425B publication Critical patent/CN112466425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G06V40/161—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)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Epidemiology (AREA)
  • Computer Security & Cryptography (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本申请提供了一种信息处理方法和装置，其中，该方法包括：在对病历进行保存时，从第一图像和目标图像中选择相同位置上的关键点，然后计算同一位置上的关键点在二维坐标系中的坐标之间的距离，然后计算各距离的第一方差，以及计算第一图像和目标图像之间的第一感知损失值和第一逐像素损失值，然后将第一方差、第一感知损失值和第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码；使用生成的加密密码对病历进行加密，通过上述方式可以提高患者的病历的信息安全。

Description

一种信息处理方法和装置
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种信息处理方法和装置。
背景技术
随着人们意识的增强，人们对自己的隐私安全越来越重视，尤其是自己的患病信息和健康信息。患者的病历通常会保存在医院的电子设备上，例如：医院的电脑上，以便医生进行调阅，但是这样的存储方式存在很大的隐患，例如：医生可以将患者的信息在患者不知情的情况下泄露给其他人，从而使患者的病历的信息安全得不到有效保障。
发明内容
有鉴于此，本申请实施例提供了一种信息处理方法和装置，以提高患者的病历的信息安全。
第一方面，本申请实施例提供了一种信息处理方法，包括：
响应对目标患者的病历进行的保存操作，获取所述目标患者的人脸的第一图像，其中，所述病历中记载有所述目标患者的健康信息或所患的疾病信息；
根据预设的头部关键点在标准人脸上的位置，确定所述第一图像中对应位置上的第一候选关键点，其中，所述头部关键点位于所述标准人脸的眼睛、眉毛、鼻子、嘴唇、脸部外围一圈、脸颊及中轴线上；
根据概率随机算法，从所述第一候选关键点中选择预设数量的第一目标关键点；
根据所述第一目标关键点在所述第一图像中的人脸上的位置，确定预设的目标图像中对应位置上的第二目标关键点；
分别将所述第一图像和所述目标图像投影到二维坐标系中，确定所述第一目标关键点在所述二维坐标系中的第一坐标，以及确定所述第二目标关键点在所述二维坐标系中的第二坐标；
对所述第一目标关键点和所述第二目标关键点进行分组，以将具有相同人脸位置上的第一目标关键点和第二目标关键点分配到一组中；
对于每个分组，计算该组中的第一目标关键点的坐标和第二目标关键点的坐标之间的距离；
在得到所有分组对应的距离后，计算所有分组对应的距离的第一方差；
通过以下公式计算所述第一图像和所述目标图像之间的第一感知损失值；
Figure 758496DEST_PATH_IMAGE001
；
通过以下公式计算所述第一图像和所述目标图像之间的第一逐像素损失值：
Figure 144477DEST_PATH_IMAGE002
；
将所述第一方差、所述第一感知损失值和所述第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码；
使用所述加密密码对所述病历进行加密；
其中，在加密过程中，
Figure 189794DEST_PATH_IMAGE003
表示所述目标图像，
Figure 53845DEST_PATH_IMAGE004
表示所述第一图像，
Figure 55168DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第一图像的特征向量，
Figure 82346DEST_PATH_IMAGE007
表示所述第一图 像的脸部区域，
Figure 750088DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
可选地，所述方法还包括：
获取所述目标患者的第一生物识别信息，其中，所述第一生物识别信息包括指纹信息、声音信息或虹膜信息；
以成对的形式保存所述第一生物识别信息、所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
可选地，所述方法还包括：
响应查看病历的操作，获取患者的第二生物识别信息和患者人脸的第二图像；
查找与所述第二生物识别信息具有相同生物识别信息的第一生物识别信息，并获取与所述第一生物识别具有对应关系的所述第一目标关键点在所述标准人脸上的位置和加密后的病历；
根据所述第一目标关键点在所述标准人脸上的位置，确定所述第二图像中对应位置上的第三目标关键点，以及所述目标图像中对应位置上的第四目标关键点；
分别将所述第二图像和所述目标图像投影到所述二维坐标系中，确定所述第三目标关键点在所述二维坐标系中的第三坐标，以及确定所述第四目标关键点在所述二维坐标系中的第四坐标；
对所述第三目标关键点和所述第四目标关键点进行分组，以将具有相同人脸位置上的第三目标关键点和第四目标关键点分配到一组中；
对于每个分组，计算该组中的第三目标关键点的坐标和第四目标关键点的坐标之间的距离；
在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差；
通过以下公式计算所述第二图像和所述目标图像之间的第二感知损失值；
Figure 871497DEST_PATH_IMAGE009
；
通过以下公式计算所述第二图像和所述目标图像之间的第二逐像素损失值：
Figure 333702DEST_PATH_IMAGE002
；
将所述第二方差、所述第二感知损失值和所述第二逐像素损失值作为加密参数，输入到加密模型中，得到解密密码；
使用所述解密密码对加密后的病历进行解密；
其中，在解密过程中，
Figure 556873DEST_PATH_IMAGE003
表示所述目标图像，
Figure 762727DEST_PATH_IMAGE004
表示所述第二图像，
Figure 4221DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第二图像的特征向量，
Figure 878953DEST_PATH_IMAGE007
表示所述第二图 像的脸部区域，
Figure 69589DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
第二方面，本申请实施例提供了一种信息处理装置，包括：
第一响应单元，用于响应对目标患者的病历进行的保存操作，获取所述目标患者的人脸的第一图像，其中，所述病历中记载有所述目标患者的健康信息或所患的疾病信息；
第一确定单元，用于根据预设的头部关键点在标准人脸上的位置，确定所述第一图像中对应位置上的第一候选关键点，其中，所述头部关键点位于所述标准人脸的眼睛、眉毛、鼻子、嘴唇、脸部外围一圈、脸颊及中轴线上；
选择单元，用于根据概率随机算法，从所述第一候选关键点中选择预设数量的第一目标关键点；
第二确定单元，用于根据所述第一目标关键点在所述第一图像中的人脸上的位置，确定预设的目标图像中对应位置上的第二目标关键点；
第三确定单元，用于分别将所述第一图像和所述目标图像投影到二维坐标系中，确定所述第一目标关键点在所述二维坐标系中的第一坐标，以及确定所述第二目标关键点在所述二维坐标系中的第二坐标；
第一分组单元，用于对所述第一目标关键点和所述第二目标关键点进行分组，以将具有相同人脸位置上的第一目标关键点和第二目标关键点分配到一组中；
第一计算单元，用于对于每个分组，计算该组中的第一目标关键点的坐标和第二目标关键点的坐标之间的距离；以及，用于在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差；
第一感知损失计算单元，用于通过以下公式计算所述第一图像和所述目标图像之间的第一感知损失值；
Figure 978639DEST_PATH_IMAGE010
；
第一逐像素损失计算单元，用于通过以下公式计算所述第一图像和所述目标图像之间的第一逐像素损失值：
Figure 782647DEST_PATH_IMAGE002
；
第一密码生成单元，用于将所述第一方差、所述第一感知损失值和所述第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码；
加密单元，用于使用所述加密密码对所述病历进行加密；
其中，在加密过程中，
Figure 980410DEST_PATH_IMAGE003
表示所述目标图像，
Figure 528066DEST_PATH_IMAGE004
表示所述第一图像，
Figure 744152DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第一图像的特征向量，
Figure 404121DEST_PATH_IMAGE007
表示所述第一图 像的脸部区域，
Figure 489889DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
可选地，所述装置还包括：
获取单元，用于获取所述目标患者的第一生物识别信息，其中，所述第一生物识别信息包括指纹信息、声音信息或虹膜信息；
保存单元，用于以成对的形式保存所述第一生物识别信息、所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
可选地，所述装置还包括：
第二响应单元，用于响应查看病历的操作，获取患者的第二生物识别信息和患者人脸的第二图像；
查找单元，用于查找与所述第二生物识别信息具有相同生物识别信息的第一生物识别信息，并获取与所述第一生物识别具有对应关系的所述第一目标关键点在所述标准人脸上的位置和加密后的病历；
第四确定单元，用于根据所述第一目标关键点在所述标准人脸上的位置，确定所述第二图像中对应位置上的第三目标关键点，以及所述目标图像中对应位置上的第四目标关键点；
第五确定单元，用于分别将所述第二图像和所述目标图像投影到所述二维坐标系中，确定所述第三目标关键点在所述二维坐标系中的第三坐标，以及确定所述第四目标关键点在所述二维坐标系中的第四坐标；
第二分组单元，还用于对所述第三目标关键点和所述第四目标关键点进行分组，以将具有相同人脸位置上的第三目标关键点和第四目标关键点分配到一组中；
第二计算单元，用于对于每个分组，计算该组中的第三目标关键点的坐标和第四目标关键点的坐标之间的距离；以及，用于在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差；
第二感知损失计算单元，用于通过以下公式计算所述第二图像和所述目标图像之间的第二感知损失值；
Figure 560482DEST_PATH_IMAGE010
；
第一逐像素损失计算单元，用于通过以下公式计算所述第二图像和所述目标图像之间的第二逐像素损失值：
Figure 237451DEST_PATH_IMAGE002
；
第二密码生成单元，用于将所述第二方差、所述第二感知损失值和所述第二逐像素损失值作为加密参数，输入到加密模型中，得到解密密码；
解密单元，用于使用所述解密密码对加密后的病历进行解密；
其中，在解密过程中，
Figure 144227DEST_PATH_IMAGE003
表示所述目标图像，
Figure 33685DEST_PATH_IMAGE004
表示所述第二图像，
Figure 224364DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第二图像的特征向量，
Figure 200728DEST_PATH_IMAGE007
表示所述第二图 像的脸部区域，
Figure 628298DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
本申请的实施例提供的技术方案可以包括以下有益效果：
在本申请中，为了确保患者的病历信息不会在患者不知情的情况下泄露出去，在对目标患者的病历进行保存时，通过第一方面中的加密方式对目标患者的病历进行加密，由于不同的人脸具有不同的脸型，即：每个人的五官都是独一无二的，因此在使用第一方面中的加密方式对目标患者这的病历进行加密时可以形成一个唯一的密码，并且由于不同患者使用的第一目标关键点是不同的，从而可以使生成的加密密码更加安全，有利于提高密码的解密难度，因此通过上述方式可以提高患者的病历的信息安全。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
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为本申请实施例一提供的一种信息处理方法的流程示意图；
图2为本申请实施例一提供的另一种信息处理方法的流程示意图；
图3为本申请实施例一提供的另一种信息处理方法的流程示意图；
图4为本申请实施例二提供的一种信息处理装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要提前说明的是，本申请中的方法还用于对健康档案进行加密。
实施例一
图1为本申请实施例一提供的一种信息处理方法的流程示意图，如图1所示，该方法包括以下步骤：
步骤101、响应对目标患者的病历进行的保存操作，获取所述目标患者的人脸的第一图像，其中，所述病历中记载有所述目标患者的健康信息或所患的疾病信息。
具体的，目标患者在看病完毕或检查完身体之后后，医生需要对患者的病情或健康信息进行记录以形成病历，然后对病历进行保存，以便后续进行调阅，为了保证保存的病历的信息安全，需要获取目标患者的人脸的第一图像，以便根据第一图像对病历进行加密。
步骤102、根据预设的头部关键点在标准人脸上的位置，确定所述第一图像中对应位置上的第一候选关键点，其中，所述头部关键点位于所述标准人脸的眼睛、眉毛、鼻子、嘴唇、脸部外围一圈、脸颊及中轴线上。
以人中作为一个头部关键点为例，将第一图像中的人中作为一个第一候选关键点，通过步骤102可以得到第一图像中的各头部关键点。
步骤103、根据概率随机算法，从所述第一候选关键点中选择预设数量的第一目标关键点。
具体的，通过步骤103可以使不同的患者使用不同的第一目标关键点，从而使生成的密码不仅具有唯一性，还提高了非法解密时的解密难度。
步骤104、根据所述第一目标关键点在所述第一图像中的人脸上的位置，确定预设的目标图像中对应位置上的第二目标关键点。
以人中作为一个第一目标关键点为例，将第二图像中的人中作为一个第二目标关键点，通过步骤104可以确定第二图像中的各第二目标关键点。
步骤105、分别将所述第一图像和所述目标图像投影到二维坐标系中，确定所述第一目标关键点在所述二维坐标系中的第一坐标，以及确定所述第二目标关键点在所述二维坐标系中的第二坐标。
步骤106、对所述第一目标关键点和所述第二目标关键点进行分组，以将具有相同人脸位置上的第一目标关键点和第二目标关键点分配到一组中。
以人中为例，可以将第一目标关键点中的人中和第二目标关键点中的人中分配到一组中。
步骤107、对于每个分组，计算该组中的第一目标关键点的坐标和第二目标关键点的坐标之间的距离。
具体的，由于不同的患者具有不同的人脸形状，因此不同的患者的同一关键点与目标图像中相同位置上的关键点的距离也是存在差异的。
步骤108、在得到所有分组对应的距离后，计算所有分组对应的距离的第一方差。
具体的，由于不同的患者具有不同的人脸形状，因此不同的患者对应的第一方差也是不同的。
步骤109、通过以下公式计算所述第一图像和所述目标图像之间的第一感知损失值；
Figure 407904DEST_PATH_IMAGE001
。
步骤110、通过以下公式计算所述第一图像和所述目标图像之间的第一逐像素损失值：
Figure 161096DEST_PATH_IMAGE002
。
步骤111将所述第一方差、所述第一感知损失值和所述第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码。
步骤112、使用所述加密密码对所述病历进行加密。
其中，在加密过程中，
Figure 42465DEST_PATH_IMAGE003
表示所述目标图像，
Figure 539305DEST_PATH_IMAGE004
表示所述第一图像，
Figure 438997DEST_PATH_IMAGE005
表示提取 的所述目标图像的特征向量，表示提取的所述第一图像的特征向量，
Figure 262913DEST_PATH_IMAGE007
表示所述第 一图像的脸部区域，
Figure 297865DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
为了确保患者的病历信息不会在患者不知情的情况下泄露出去，在对目标患者的病历进行保存时，通过图1所示的加密方式对目标患者的病历进行加密，由于不同的人脸具有不同的脸型，即：每个人的五官都是独一无二的，因此在使用图1所示的加密方式对目标患者这的病历进行加密时可以形成一个唯一的密码，并且由于不同患者使用的第一目标关键点是不同的，从而可以使生成的加密密码更加安全，有利于提高密码的解密难度，因此通过上述方式可以提高患者的病历的信息安全。
在一个可行的实施方案中，图2为本申请实施例一提供的另一种信息处理方法的流程示意图，如图2所示，该方法还包括以下步骤：
步骤201、获取所述目标患者的第一生物识别信息，其中，所述第一生物识别信息包括指纹信息、声音信息或虹膜信息。
步骤202、以成对的形式保存所述第一生物识别信息、所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
具体的，由于不同的患者使用的第一目标关键点是不同的，为了能够找到加密的病历所使用的第一目标关键点，需要目标患者输入第一生物识别信息，然后形成第一生物识别信息、第一目标关键点在所述标准人脸上的位置和加密后的病历之间的对应关系，以便后续目标患者可以通过生物信息找到病历加密时使用的第一目标关键点，以及目标患者对应的加密后的病历。
在一个可行的实施方案中，图3为本申请实施例一提供的另一种信息处理方法的流程示意图，如图3所示，该方法还包括以下步骤：
步骤301、响应查看病历的操作，获取患者的第二生物识别信息和患者人脸的第二图像。
步骤302、查找与所述第二生物识别信息具有相同生物识别信息的第一生物识别信息，并获取与所述第一生物识别具有对应关系的所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
步骤303、根据所述第一目标关键点在所述标准人脸上的位置，确定所述第二图像中对应位置上的第三目标关键点，以及所述目标图像中对应位置上的第四目标关键点。
步骤304、分别将所述第二图像和所述目标图像投影到所述二维坐标系中，确定所述第三目标关键点在所述二维坐标系中的第三坐标，以及确定所述第四目标关键点在所述二维坐标系中的第四坐标。
步骤305、对所述第三目标关键点和所述第四目标关键点进行分组，以将具有相同人脸位置上的第三目标关键点和第四目标关键点分配到一组中。
步骤306、对于每个分组，计算该组中的第三目标关键点的坐标和第四目标关键点的坐标之间的距离。
步骤307、在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差。
步骤308、通过以下公式计算所述第二图像和所述目标图像之间的第二感知损失值；
Figure 68375DEST_PATH_IMAGE011
。
步骤309、通过以下公式计算所述第二图像和所述目标图像之间的第二逐像素损失值：
Figure 147059DEST_PATH_IMAGE002
。
步骤310、将所述第二方差、所述第二感知损失值和所述第二逐像素损失值作为加密参数，输入到加密模型中，得到解密密码。
步骤311、使用所述解密密码对加密后的病历进行解密。
其中，在解密过程中，
Figure 737440DEST_PATH_IMAGE003
表示所述目标图像，
Figure 576083DEST_PATH_IMAGE004
表示所述第二图像，
Figure 935520DEST_PATH_IMAGE005
表示提取 的所述目标图像的特征向量，表示提取的所述第二图像的特征向量，
Figure 528361DEST_PATH_IMAGE007
表示所述第 二图像的脸部区域，
Figure 170695DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
具体的，在医生想要查看目标患者的病历时，需要获取患者的第二生物识别信息和第二图像，通过第二生物识别信息找到已加密的目标患者的病历和对该病历进行加密时使用的第一目标关键点，然后通过第二图像对找到的该病历进行解密，当进行加密时使用的第一目标关键点为人中时，在对病历进行解密时，使用第二图像中的人中作为第三目标关键点，以及使用目标图像中的人中作为第四关键点，关于生成解密密码的方式可以参考生成加密密码的方式，在此不再详细赘述。
在得到解密密码后，对比病历的加密密码和解密密码是否相同，在相同的情况下，则打开该病历，以将病历中的信息展示在显示面板上。
实施例二
图4为本申请实施例二提供的一种信息处理装置的结构示意图，如图4所示，该装置包括：
第一响应单元41，用于响应对目标患者的病历进行的保存操作，获取所述目标患者的人脸的第一图像，其中，所述病历中记载有所述目标患者的健康信息或所患的疾病信息；
第一确定单元42，用于根据预设的头部关键点在标准人脸上的位置，确定所述第一图像中对应位置上的第一候选关键点，其中，所述头部关键点位于所述标准人脸的眼睛、眉毛、鼻子、嘴唇、脸部外围一圈、脸颊及中轴线上；
选择单元43，用于根据概率随机算法，从所述第一候选关键点中选择预设数量的第一目标关键点；
第二确定单元44，用于根据所述第一目标关键点在所述第一图像中的人脸上的位置，确定预设的目标图像中对应位置上的第二目标关键点；
第三确定单元45，用于分别将所述第一图像和所述目标图像投影到二维坐标系中，确定所述第一目标关键点在所述二维坐标系中的第一坐标，以及确定所述第二目标关键点在所述二维坐标系中的第二坐标；
第一分组单元46，用于对所述第一目标关键点和所述第二目标关键点进行分组，以将具有相同人脸位置上的第一目标关键点和第二目标关键点分配到一组中；
第一计算单元47，用于对于每个分组，计算该组中的第一目标关键点的坐标和第二目标关键点的坐标之间的距离；以及，用于在得到所有分组对应的距离后，计算所有分组对应的距离的第一方差；
第一感知损失计算单元48，用于通过以下公式计算所述第一图像和所述目标图像之间的第一感知损失值；
Figure 446956DEST_PATH_IMAGE010
；
第一逐像素损失计算单元49，用于通过以下公式计算所述第一图像和所述目标图像之间的第一逐像素损失值：
Figure 883753DEST_PATH_IMAGE002
；
第一密码生成单元410，用于将所述第一方差、所述第一感知损失值和所述第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码；
加密单元411，用于使用所述加密密码对所述病历进行加密；
其中，在加密过程中，
Figure 703854DEST_PATH_IMAGE003
表示所述目标图像，
Figure 884300DEST_PATH_IMAGE004
表示所述第一图像，
Figure 218329DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第一图像的特征向量，
Figure 861986DEST_PATH_IMAGE007
表示所述第一图 像的脸部区域，
Figure 580543DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
在一个可行的实施方案中，所述装置还包括：
获取单元，用于获取所述目标患者的第一生物识别信息，其中，所述第一生物识别信息包括指纹信息、声音信息或虹膜信息；
保存单元，用于以成对的形式保存所述第一生物识别信息、所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
在一个可行的实施方案中，所述装置还包括：
第二响应单元，用于响应查看病历的操作，获取患者的第二生物识别信息和患者人脸的第二图像；
查找单元，用于查找与所述第二生物识别信息具有相同生物识别信息的第一生物识别信息，并获取与所述第一生物识别具有对应关系的所述第一目标关键点在所述标准人脸上的位置和加密后的病历；
第四确定单元，用于根据所述第一目标关键点在所述标准人脸上的位置，确定所述第二图像中对应位置上的第三目标关键点，以及所述目标图像中对应位置上的第四目标关键点；
第五确定单元，用于分别将所述第二图像和所述目标图像投影到所述二维坐标系中，确定所述第三目标关键点在所述二维坐标系中的第三坐标，以及确定所述第四目标关键点在所述二维坐标系中的第四坐标；
第二分组单元，还用于对所述第三目标关键点和所述第四目标关键点进行分组，以将具有相同人脸位置上的第三目标关键点和第四目标关键点分配到一组中；
第二计算单元，用于对于每个分组，计算该组中的第三目标关键点的坐标和第四目标关键点的坐标之间的距离；以及，用于在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差；
第二感知损失计算单元，用于通过以下公式计算所述第二图像和所述目标图像之间的第二感知损失值；
Figure 34658DEST_PATH_IMAGE012
；
第一逐像素损失计算单元，用于通过以下公式计算所述第二图像和所述目标图像之间的第二逐像素损失值：
Figure 813258DEST_PATH_IMAGE002
；
第二密码生成单元，用于将所述第二方差、所述第二感知损失值和所述第二逐像素损失值作为加密参数，输入到加密模型中，得到解密密码；
解密单元，用于使用所述解密密码对加密后的病历进行解密；
其中，在解密过程中，
Figure 602092DEST_PATH_IMAGE003
表示所述目标图像，
Figure 124340DEST_PATH_IMAGE004
表示所述第二图像，
Figure 229699DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第二图像的特征向量，
Figure 940483DEST_PATH_IMAGE007
表示所述第二图 像的脸部区域，
Figure 515690DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
关于实施例二的相关说明可参考实施例一的相关解释，在此不再详细赘述。
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。
所述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。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.一种信息处理方法，其特征在于，包括：
响应对目标患者的病历进行的保存操作，获取所述目标患者的人脸的第一图像，其中，所述病历中记载有所述目标患者的健康信息或所患的疾病信息；
根据预设的头部关键点在标准人脸上的位置，确定所述第一图像中对应位置上的第一候选关键点，其中，所述头部关键点位于所述标准人脸的眼睛、眉毛、鼻子、嘴唇、脸部外围一圈、脸颊及中轴线上；
根据概率随机算法，从所述第一候选关键点中选择预设数量的第一目标关键点；
根据所述第一目标关键点在所述第一图像中的人脸上的位置，确定预设的目标图像中对应位置上的第二目标关键点；
分别将所述第一图像和所述目标图像投影到二维坐标系中，确定所述第一目标关键点在所述二维坐标系中的第一坐标，以及确定所述第二目标关键点在所述二维坐标系中的第二坐标；
对所述第一目标关键点和所述第二目标关键点进行分组，以将具有相同人脸位置上的第一目标关键点和第二目标关键点分配到一组中；
对于每个分组，计算该组中的第一目标关键点的坐标和第二目标关键点的坐标之间的距离；
在得到所有分组对应的距离后，计算所有分组对应的距离的第一方差；
通过以下公式计算所述第一图像和所述目标图像之间的第一感知损失值；
Figure 755707DEST_PATH_IMAGE001
；
通过以下公式计算所述第一图像和所述目标图像之间的第一逐像素损失值：
Figure 672847DEST_PATH_IMAGE002
；
将所述第一方差、所述第一感知损失值和所述第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码；
使用所述加密密码对所述病历进行加密；
其中，在加密过程中，
Figure 453851DEST_PATH_IMAGE003
表示所述目标图像，
Figure 317902DEST_PATH_IMAGE004
表示所述第一图像，
Figure 69957DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第一图像的特征向量，
Figure 611983DEST_PATH_IMAGE007
表示所述第一图 像的脸部区域，
Figure 76462DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述目标患者的第一生物识别信息，其中，所述第一生物识别信息包括指纹信息、声音信息或虹膜信息；
以成对的形式保存所述第一生物识别信息、所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
响应查看病历的操作，获取患者的第二生物识别信息和患者人脸的第二图像；
查找与所述第二生物识别信息具有相同生物识别信息的第一生物识别信息，并获取与所述第一生物识别具有对应关系的所述第一目标关键点在所述标准人脸上的位置和加密后的病历；
根据所述第一目标关键点在所述标准人脸上的位置，确定所述第二图像中对应位置上的第三目标关键点，以及所述目标图像中对应位置上的第四目标关键点；
分别将所述第二图像和所述目标图像投影到所述二维坐标系中，确定所述第三目标关键点在所述二维坐标系中的第三坐标，以及确定所述第四目标关键点在所述二维坐标系中的第四坐标；
对所述第三目标关键点和所述第四目标关键点进行分组，以将具有相同人脸位置上的第三目标关键点和第四目标关键点分配到一组中；
对于每个分组，计算该组中的第三目标关键点的坐标和第四目标关键点的坐标之间的距离；
在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差；
通过以下公式计算所述第二图像和所述目标图像之间的第二感知损失值；
Figure 948603DEST_PATH_IMAGE009
；
通过以下公式计算所述第二图像和所述目标图像之间的第二逐像素损失值：
Figure 676388DEST_PATH_IMAGE002
；
将所述第二方差、所述第二感知损失值和所述第二逐像素损失值作为加密参数，输入到加密模型中，得到解密密码；
使用所述解密密码对加密后的病历进行解密；
其中，在解密过程中，
Figure 633980DEST_PATH_IMAGE003
表示所述目标图像，
Figure 89101DEST_PATH_IMAGE004
表示所述第二图像，
Figure 878065DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第二图像的特征向量，
Figure 956060DEST_PATH_IMAGE007
表示所述第二图 像的脸部区域，
Figure 965604DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
4.一种信息处理装置，其特征在于，包括：
第一响应单元，用于响应对目标患者的病历进行的保存操作，获取所述目标患者的人脸的第一图像，其中，所述病历中记载有所述目标患者的健康信息或所患的疾病信息；
第一确定单元，用于根据预设的头部关键点在标准人脸上的位置，确定所述第一图像中对应位置上的第一候选关键点，其中，所述头部关键点位于所述标准人脸的眼睛、眉毛、鼻子、嘴唇、脸部外围一圈、脸颊及中轴线上；
选择单元，用于根据概率随机算法，从所述第一候选关键点中选择预设数量的第一目标关键点；
第二确定单元，用于根据所述第一目标关键点在所述第一图像中的人脸上的位置，确定预设的目标图像中对应位置上的第二目标关键点；
第三确定单元，用于分别将所述第一图像和所述目标图像投影到二维坐标系中，确定所述第一目标关键点在所述二维坐标系中的第一坐标，以及确定所述第二目标关键点在所述二维坐标系中的第二坐标；
第一分组单元，用于对所述第一目标关键点和所述第二目标关键点进行分组，以将具有相同人脸位置上的第一目标关键点和第二目标关键点分配到一组中；
第一计算单元，用于对于每个分组，计算该组中的第一目标关键点的坐标和第二目标关键点的坐标之间的距离；以及，用于在得到所有分组对应的距离后，计算所有分组对应的距离的第一方差；
第一感知损失计算单元，用于通过以下公式计算所述第一图像和所述目标图像之间的第一感知损失值；
Figure 327184DEST_PATH_IMAGE010
；
第一逐像素损失计算单元，用于通过以下公式计算所述第一图像和所述目标图像之间的第一逐像素损失值：
Figure 131192DEST_PATH_IMAGE002
；
第一密码生成单元，用于将所述第一方差、所述第一感知损失值和所述第一逐像素损失值作为加密参数，输入到加密模型中，得到加密密码；
加密单元，用于使用所述加密密码对所述病历进行加密；
其中，在加密过程中，
Figure 125693DEST_PATH_IMAGE003
表示所述目标图像，
Figure 673349DEST_PATH_IMAGE004
表示所述第一图像，
Figure 374588DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第一图像的特征向量，
Figure 283825DEST_PATH_IMAGE007
表示所述第一图 像的脸部区域，
Figure 431909DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
5.如权利要求4所述的装置，其特征在于，所述装置还包括：
获取单元，用于获取所述目标患者的第一生物识别信息，其中，所述第一生物识别信息包括指纹信息、声音信息或虹膜信息；
保存单元，用于以成对的形式保存所述第一生物识别信息、所述第一目标关键点在所述标准人脸上的位置和加密后的病历。
6.如权利要求5所述的装置，其特征在于，所述装置还包括：
第二响应单元，用于响应查看病历的操作，获取患者的第二生物识别信息和患者人脸的第二图像；
查找单元，用于查找与所述第二生物识别信息具有相同生物识别信息的第一生物识别信息，并获取与所述第一生物识别具有对应关系的所述第一目标关键点在所述标准人脸上的位置和加密后的病历；
第四确定单元，用于根据所述第一目标关键点在所述标准人脸上的位置，确定所述第二图像中对应位置上的第三目标关键点，以及所述目标图像中对应位置上的第四目标关键点；
第五确定单元，用于分别将所述第二图像和所述目标图像投影到所述二维坐标系中，确定所述第三目标关键点在所述二维坐标系中的第三坐标，以及确定所述第四目标关键点在所述二维坐标系中的第四坐标；
第二分组单元，还用于对所述第三目标关键点和所述第四目标关键点进行分组，以将具有相同人脸位置上的第三目标关键点和第四目标关键点分配到一组中；
第二计算单元，用于对于每个分组，计算该组中的第三目标关键点的坐标和第四目标关键点的坐标之间的距离；以及，用于在得到所有分组对应的距离后，计算所有分组对应的距离的第二方差；
第二感知损失计算单元，用于通过以下公式计算所述第二图像和所述目标图像之间的第二感知损失值；
Figure 253235DEST_PATH_IMAGE011
；
第一逐像素损失计算单元，用于通过以下公式计算所述第二图像和所述目标图像之间的第二逐像素损失值：
Figure 664624DEST_PATH_IMAGE002
；
第二密码生成单元，用于将所述第二方差、所述第二感知损失值和所述第二逐像素损失值作为加密参数，输入到加密模型中，得到解密密码；
解密单元，用于使用所述解密密码对加密后的病历进行解密；
其中，在解密过程中，
Figure 555089DEST_PATH_IMAGE003
表示所述目标图像，
Figure 444547DEST_PATH_IMAGE004
表示所述第二图像，
Figure 385959DEST_PATH_IMAGE005
表示提取的所 述目标图像的特征向量，表示提取的所述第二图像的特征向量，
Figure 893480DEST_PATH_IMAGE007
表示所述第二图 像的脸部区域，
Figure 835897DEST_PATH_IMAGE008
表示所述目标图像的脸部区域。
CN202110116172.5A 2021-01-28 2021-01-28 一种信息处理方法和装置 Active CN112466425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110116172.5A CN112466425B (zh) 2021-01-28 2021-01-28 一种信息处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110116172.5A CN112466425B (zh) 2021-01-28 2021-01-28 一种信息处理方法和装置

Publications (2)

Publication Number Publication Date
CN112466425A true CN112466425A (zh) 2021-03-09
CN112466425B CN112466425B (zh) 2021-04-02

Family

ID=74802821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110116172.5A Active CN112466425B (zh) 2021-01-28 2021-01-28 一种信息处理方法和装置

Country Status (1)

Country Link
CN (1) CN112466425B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113973122A (zh) * 2021-10-14 2022-01-25 杭州卓健信息科技股份有限公司 一种加密解密的通信系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040148509A1 (en) * 2001-03-23 2004-07-29 Yong Dong Wu Method of using biometric information for secret generation
CN101976321A (zh) * 2010-09-21 2011-02-16 北京工业大学 基于人脸特征密钥生成的加密方法
CN103700050A (zh) * 2012-09-27 2014-04-02 捷达世软件（深圳）有限公司 病历资料管理方法及系统
US20180123797A1 (en) * 2016-10-31 2018-05-03 Electronics And Telecommunications Research Institute Method and apparatus for key generation based on face recognition using cnn and rnn
CN109243553A (zh) * 2018-06-28 2019-01-18 平安科技（深圳）有限公司 医疗数据处理方法、系统、计算机设备及可读存储介质
CN112084962A (zh) * 2020-09-11 2020-12-15 贵州大学 基于生成式对抗网络脸部隐私保护方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040148509A1 (en) * 2001-03-23 2004-07-29 Yong Dong Wu Method of using biometric information for secret generation
CN101976321A (zh) * 2010-09-21 2011-02-16 北京工业大学 基于人脸特征密钥生成的加密方法
CN103700050A (zh) * 2012-09-27 2014-04-02 捷达世软件（深圳）有限公司 病历资料管理方法及系统
US20180123797A1 (en) * 2016-10-31 2018-05-03 Electronics And Telecommunications Research Institute Method and apparatus for key generation based on face recognition using cnn and rnn
CN109243553A (zh) * 2018-06-28 2019-01-18 平安科技（深圳）有限公司 医疗数据处理方法、系统、计算机设备及可读存储介质
CN112084962A (zh) * 2020-09-11 2020-12-15 贵州大学 基于生成式对抗网络脸部隐私保护方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113973122A (zh) * 2021-10-14 2022-01-25 杭州卓健信息科技股份有限公司 一种加密解密的通信系统及方法
CN113973122B (zh) * 2021-10-14 2024-04-30 杭州卓健信息科技股份有限公司 一种加密解密的通信系统及方法

Also Published As

Publication number Publication date
CN112466425B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
Ross et al. Some research problems in biometrics: The future beckons
US10156900B2 (en) Systems and methods for discerning eye signals and continuous biometric identification
EP3438869A1 (en) Anonymizing data
CN108778100A (zh) 使用患者化身的医疗记录系统
CN110705507A (zh) 一种身份识别方法及装置
US20150173843A1 (en) Tracking medical devices
CA3104384C (en) Cluster-based security for network devices
CN112466425B (zh) 一种信息处理方法和装置
CN113330713A (zh) 滚动生物特征密钥交换
Mardia et al. On statistical problems with face identification from photographs
Mucha et al. Addressing privacy concerns in depth sensors
Fu et al. Biometric Recognition in 3D Medical Images: A Survey
Howe et al. Detecting unidentified changes
Bedoya-Echeverry et al. Detection of lies by facial thermal imagery analysis
KR102263708B1 (ko) 비식별화표준db를 이용한 헬스케어 영상 비식별화 장치
KR102263719B1 (ko) 헬스케어 영상을 이용한 비식별화 장치
CN112183327B (zh) 一种人脸识别方法、装置及系统
JP2001325569A (ja) 電子錠、電子錠システム、及び電子錠が設けられた被施錠物の利用サービス提供方法
KR102263689B1 (ko) 원본 영상 이미지 접속 권한부여가 가능한 헬스케어 영상 비식별화 장치
Gu et al. Hiding iris biological features with encryption
Zhumazhanova The problem of biometric identification of a subject and subject's changed state: perspectives of new features application in analysis of face and neck thermograms
Thapa et al. Deidentification of drivers’ face videos: Scope and challenges in human factors research
Tyagi et al. Emerging Trends in Medical Science Using Biometric
US20230195936A1 (en) Privacy-aware data transformations
EP4125096A1 (en) A method and system for determining a treatment profile

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