CN113518061A - 人脸识别中的数据传输方法、设备、装置、系统及介质 - Google Patents
人脸识别中的数据传输方法、设备、装置、系统及介质 Download PDFInfo
- Publication number
- CN113518061A CN113518061A CN202011112371.0A CN202011112371A CN113518061A CN 113518061 A CN113518061 A CN 113518061A CN 202011112371 A CN202011112371 A CN 202011112371A CN 113518061 A CN113518061 A CN 113518061A
- Authority
- CN
- China
- Prior art keywords
- face recognition
- image
- server
- client
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000005540 biological transmission Effects 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 121
- 230000003993 interaction Effects 0.000 claims description 37
- 238000000586 desensitisation Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 23
- 238000013473 artificial intelligence Methods 0.000 abstract description 13
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000001680 brushing effect Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种人脸识别中的数据传输方法、设备、装置、系统及介质,涉及人工智能的计算机视觉技术。所述方法应用于终端中,所述终端包括摄像头组件和主机,所述摄像头组件包括图像采集器件和图像处理芯片,所述主机包括运行在普通执行环境REE中的客户端;所述方法包括:通过所述图像采集器件采集人脸识别图像;通过所述图像处理芯片向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;通过所述图像处理芯片向所述客户端发送所述人脸识别结果。该方法可以保障人脸识别数据的安全性。
Description
技术领域
本申请涉及人工智能的计算机视觉技术,特别涉及一种人脸识别中的数据传输方法、设备、装置、系统及介质。
背景技术
随着人工智能技术的发展,人脸识别技术在各个领域广泛应用,例如,利用人脸识别技术实现门禁解锁、手机解锁、在线支付等,人脸识别技术的安全性越来越受到人们的关注。
相关技术中的人脸检测方法,由终端上的摄像头采集用户的人脸识别图像,摄像头将人脸识别图像发送给终端上运行的客户端,由客户端将人脸识别图像发送给服务器进行人脸识别得到人脸识别结果,服务器将人脸识别结果发送给客户端,以便客户端根据人脸识别结果处理之后的业务。
相关技术中的方法,由于客户端在终端上运行在REE(Rich ExecutionEnvironment,普通执行环境)中,而REE是一个开放性的环境,人脸识别数据一旦经过REE就极有可能被恶意攻击,造成数据安全问题。
发明内容
本申请实施例提供了一种人脸识别中的数据传输方法、设备、装置、系统及介质,可以保障人脸识别数据的安全性。所述技术方案如下:
根据本申请的一个方面,提供了一种人脸识别中的数据传输方法,所述方法应用于终端中,所述终端包括摄像头组件和主机,所述摄像头组件包括图像采集器件和图像处理芯片,所述主机包括运行在普通执行环境(REE)中的客户端;所述方法包括:
通过所述图像采集器件采集人脸识别图像;
通过所述图像处理芯片向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
通过所述图像处理芯片向所述客户端发送所述人脸识别结果。
根据本申请的另一方面,提供了一种人脸识别中的数据传输设备,所述设备包括摄像头组件和主机,所述摄像头组件包括图像采集器件和图像处理芯片,所述主机包括运行在普通执行环境(REE)中的客户端;
所述图像采集器件,用于采集人脸识别图像;
所述图像处理芯片,用于向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
所述图像处理芯片,用于向所述客户端发送所述人脸识别结果。
根据本申请的另一方面,提供了一种人脸识别中的数据传输装置,所述装置包括摄像头组件和主机装置,所述摄像头组件包括图像采集器件模块和控制模块,所述主机装置包括运行在普通执行环境(REE)中的客户端模块;
所述图像采集器件模块,用于采集人脸识别图像;
所述控制模块,用于向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
所述控制模块,用于向所述客户端模块发送所述人脸识别结果。
根据本申请的另一方面,提供了一种人脸识别中的数据传输系统,其特征在于,所述系统包括终端和服务器,所述终端用于执行以实现如上方面所述的人脸识别中的数据传输方法;
所述服务器,用于接收所述终端发送的人脸识别图像,对所述人脸识别图像进行人脸识别得到人脸识别结果,向所述终端发送所述人脸识别结果。
根据本申请的另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由图像处理芯片加载并执行以实现如上方面所述的人脸识别中的数据传输方法。
根据本公开实施例的另一个方面,提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述可选实现方式中提供的人脸识别中的数据传输方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
将人脸识别的相关数据通过摄像头组件中内置的图像处理芯片进行与服务器间的数据传输,使人脸识别的相关数据不会流经主机中的REE,而是由图像采集器件中内置的图像处理芯片直接将服务器进行人脸识别的结果返回给REE中的客户端,防止人脸识别数据在REE中被第三方软件恶意攻击造成数据安全问题,有效保障了人脸识别数据的安全性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的计算机系统的框图;
图2是本申请另一个示例性实施例提供的计算机系统的框图;
图3是本申请另一个示例性实施例提供的人脸识别中的数据传输方法的流程图;
图4是本申请另一个示例性实施例提供的人脸识别中的数据传输方法的流程图;
图5是本申请另一个示例性实施例提供的人脸识别中的数据传输方法的流程图;
图6是本申请另一个示例性实施例提供的人脸识别中的数据传输装置的框图;
图7是本申请另一个示例性实施例提供的服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
首先对本申请实施例涉及的若干个名词进行简介:
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
计算机视觉技术(Computer Vision,CV)是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition,光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D(3-Dimension,三维)技术、虚拟现实、增强现实、同步定位与地图构建等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
图1示出了本申请一个示例性实施例提供的计算机系统的结构示意图,该计算机系统包括终端120和服务器140。
终端120与服务器140之间通过有线或者无线网络相互连接。
终端120可以包括具有刷脸支付功能的支付设备、具有刷脸支付功能的POS(PointOf Sale,销售终端)、支付设备;具有刷脸登录功能的终端;智能手机、笔记本电脑、台式电脑、平板电脑、智能音箱、智能机器人中的至少一种。
示例性的,终端120包括摄像头组件121和主机。示例性的,摄像头组件121可以嵌入在主机中,或,摄像头组件121与主机之间通过数据线或网络相互连接。示例性的,摄像头组件121用于采集图像,将采集到的图像发送至服务器进行人脸识别并接收服务器发送的人脸识别结果,同时将采集到的图像发送给主机进行显示,在接收到人脸识别结果后将人脸识别结果发送给主机进行业务处理。
示例性的,如图2所示,摄像头组件121包括图像采集器件122和图像处理芯片。图像处理芯片是由至少一个控制电路或集成电路组成的芯片,用于处理、运行指定的逻辑程序。示例性的,本实施例中图像处理芯片采用DSP(Digital Signal Processor,数字信号处理器)123。示例性的,图像处理芯片还可以采用ASIC(Application SrIecificIntergrated Circuits,专用集成电路)或FPGA(Field Programmable Gate Array,现场可编程门阵列)。
图像采集器件122用于采集图像,示例性的,图像是用于进行人脸识别的人脸识别图像,人脸识别图像包括彩色图像(RGB图像)、深度图像和红外图像中的至少一种。例如,图像采集器件122可以是:单目相机、双目相机、深度相机(RGB-D相机)、红外相机中的至少一种。
示例性的,在一种可选的实现方式中,图像采集器件122为图像传感器(sensor),图像传感器用于将光信号转换为电信号;图像处理芯片用于将电信号生成图像,并对图像进行后续处理。在另一种可选的实现方式中,图像采集器件122包括图像传感器和图像生成芯片,图像生成芯片用于根据电信号生成图像,图像处理芯片用于对图像进行后续处理。示例性的,以普通摄像头包括图像传感器和图像生成芯片为例进行解释,本实施例对普通摄像头的改进方式可以是:对普通摄像头内的图像生成芯片进行改进,将其改为本实施例提供的图像处理芯片,使图像处理芯片兼具普通摄像头中图像生成芯片的功能以及本实施例所需的后续对图像进行处理的功能。本实施例对普通摄像头的改进方式还可以是:在普通摄像头外接一个图像处理芯片,用于对普通摄像头生成的图像进行后续处理,即,图像生成芯片外接图像处理芯片。示例性的,上述的后续处理包括下文方法实施例中由图像处理芯片执行的方法。
DSP123用于对图像采集器件122采集到的人脸识别图像进行处理、与服务器140进行信息交互以及与主机进行信息交互。示例性的,DSP123包括安全单元124、网络单元125、脱敏单元126以及信息交互单元127。
安全单元124用于为人脸识别数据提供安全处理环境,例如,安全单元124可以用TEE(Trusted Execution Environment,可信执行环境)或SE(Secure Element,安全元件)来实现,安全单元可以确保敏感数据在隔离、可信的环境中存储、处理和保护。示例性的,安全单元124用于对人脸识别图像进行加密,将加密后的人脸识别图像发送给服务器进行人脸识别。示例性的,安全单元124中存储有用于加密的密钥,密钥在摄像头组件出厂时被烧入在安全单元124内,安全单元124使用烧入的密钥对人脸识别图像进行加密,例如,可以使用AES(Advanced Encryption Standard,高级加密标准,又称Rijndael加密法)加密方式进行加密,以便后台服务器验证人脸识别的请求内容可信。示例性的,安全单元124中还存储有服务器的URL(Uniform Resource Locator,统一资源定位器),当网络单元125需要向服务器发送信息时,读取安全单元124中存储的服务器的URL,根据URL向服务器发送信息。
网络单元125用于读取安全单元124中存储的服务器的URL,根据URL将经过加密后的人脸识别图像发送给服务器进行人脸识别,并接收服务器发送的人脸识别结果。将人脸识别结果发送给信息交互单元127,由信息交互单元127将人脸识别结果发送给主机。
脱敏单元126用于对图像采集器件122采集到的人脸识别图像进行模糊处理,降低人脸识别图像的图像准确度,防止主机中的恶意程序盗取人脸识别图像的数据。示例性的,模糊处理可以使用高斯模糊、衍射模糊、散焦模糊、运动模糊等方式。
信息交互单元127用于与主机进行信息交互,将模糊处理后的人脸识别图像发送给主机进行显示,或,将人脸识别结果发送给主机,使主机根据人脸识别结果来进行业务处理。
如图2所示,主机上包括REE,REE用于运行通用的OS(Operating System,操作系统),例如,用于运行Android,IOS系统,REE中运行有应用程序(Application,APP)的客户端129。客户端129用于处理业务,业务是使用了人脸识别功能的相关业务,例如,用户登录、支付业务、设备解锁、门禁业务、获取保密信息、加密业务、认证业务等等。客户端接收到人脸识别结果后,根据人脸识别结果进行相关的业务数据的处理。示例性的,主机上也设置有处理器,例如,CPU(Central Processing Unit,中央处理器),处理器用于运行REE以及REE中的客户端。
示例性的,主机上还设置有显示器;显示器用于显示摄像头组件发送给客户端的模糊处理后的人脸识别图像。示例性的,显示器还用于显示客户端的用户界面。示例性的,当显示器为触摸显示器时,显示器还可以接收用户的触摸操作,根据用户的触摸操作显示对应的操作结果。
示例性的,服务器140可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
示例性的,服务器140用于接收摄像头组件121发送的人脸识别图像,对人脸识别图像进行人脸识别,得到人脸识别结果,并将人脸识别结果发送给摄像头组件121。示例性的,服务器140还用于与主机进行信息交互,以进行业务数据的处理。
示例性的,如图2所示,服务器140包括流媒体服务器141、人脸识别服务器142和业务服务器143。
流媒体服务器141用于接收摄像头组件121发送的人脸识别图像,并对人脸识别图像进行选优,将优质的人脸识别图像选出进行人脸识别。示例性的,摄像头组件121会采集人脸的多张人脸识别图像,并将多张人脸识别图像发送给服务器进行人脸识别。示例性的,流媒体服务器141会对多张人脸识别图像进行选优,例如,利用图像质量评分模型来对人脸识别图像的质量进行评分,将评分高于阈值的人脸识别图像确定为优质的人脸识别图像,然后将优质的人脸识别图像发送给人脸识别服务器142进行人脸识别。
人脸识别服务器142用于对人脸识别图像进行人脸识别。示例性的,人脸识别服务器中存储有人脸识别模型,调用人脸识别模型对人脸识别图像进行人脸识别。示例性的,人脸识别服务器142中还存储有用户人脸数据库,用户人脸数据库中存储有用户帐号以及用户帐号的人脸留底图像,人脸识别服务器142将人脸识别图像与用户人脸数据库中存有的人脸留底图像进行对比,以便找到该人脸识别图像所对应的用户帐号,将用户帐号以及该用户帐号相关的用户信息作为人脸识别结果发送给摄像头组件121。
业务服务器143用于处理客户端129发送的业务数据处理请求,例如,当客户端需要根据人脸识别结果进行用户帐号登录业务时,客户端会向业务服务器143发送用户帐号登录请求,用户帐号登录请求中会包含人脸识别结果,业务服务器根据人脸识别结果中的用户帐号的用户信息来登录用户帐号。
示意性的,本申请提供的人脸识别中的数据传输方法可以应用于人脸识别、刷脸支付、用户刷脸登录、刷脸门禁、用户刷脸认证等应用场景中。
图3示出了本申请一个示例性实施例提供的人脸识别中的数据传输方法的流程图。该方法可以由如图1所示的终端来执行,终端包括摄像头组件和主机,摄像头组件包括图像采集器件和图像处理芯片,主机包括运行在REE中的客户端。所述方法包括:
步骤201,通过图像采集器件采集人脸识别图像。
示例性的,人脸识别图像是图像采集器件采集到的用户的人脸图像。示例性的,当客户端需要进行人脸识别时,客户端(主机)调用图像采集器件采集人脸识别图像。例如,当客户端需要通过人脸识别进行支付时,客户端调用图像采集器件采集用户的人脸识别图像,并通过服务器进行人脸识别。
示例性的,图像采集器件内部具有图像传感器(sensor),传感器用于采集人脸识别图像,例如,彩色图像、深度图像、红外图像中的至少一种。
步骤202,通过图像处理芯片向服务器发送人脸识别图像,接收服务器发送的人脸识别结果,服务器用于对人脸识别图像进行人脸识别得到人脸识别结果。
图像采集器件采集到的人脸识别图像后,将人脸识别图像发送给图像处理芯片,由图像处理芯片将人脸识别图像转发给服务器进行人脸识别,并由图像处理芯片接收服务器发送的人脸识别结果。
示例性的,图像处理芯片是能够实现数字信号处理技术的微处理器。图像处理芯片中的运行环境为封闭环境,封闭环境是指没有对外开放的接口,只能运行出厂时设定的指定程序,因此,不易被恶意程序入侵,保障了人脸识别数据的安全性。示例性的,本实施例中图像处理芯片采用DSP(DSP芯片),当然,本领域技术人员还可以采用其他类型的图像处理芯片来实现本申请所提供的逻辑方法。
示例性的,服务器对人脸识别图像进行人脸识别得到人脸识别结果。人脸识别结果可以是人脸识别图像中是否包含人脸,或,人脸识别结果是人脸识别图像中的人脸对应的用户账号的用户信息。例如,服务器调用人脸识别模型来识别人脸识别图像中是否包含人脸,并把识别结果发送给图像处理芯片;或,服务器调用人脸识别模型来识别人脸识别图像中的人脸与用户人脸数据库中存储的人脸留底图像进行匹配,将匹配到的用户帐号的用户信息作为人脸识别结果发送给图像处理芯片。
例如,人脸识别结果包括:与人脸识别图像中的人脸相匹配的用户帐号的ID(IDentity document,身份标识)、用户帐号的账户余额、昵称、头像、手机号、性别、实名信息等等。示例性的,人脸识别结果中还可以包括人脸识别图像中用户所处的环境是否为安全环境,例如,若人脸识别图像中只包含用户的人脸则为安全环境,若人脸识别图像中包含了多个人脸时则为不安全环境。
步骤203,通过图像处理芯片向客户端发送人脸识别结果。
图像处理芯片在接收到服务器发送的人脸识别结果后,将人脸识别结果发送给主机中的客户端,客户端再根据人脸识别结果进行相应的业务处理。
示例性的,主机是终端的主体,主机中包含处理器、存储器等,主机上运行有REE,REE上运行有开放的操作系统,例如,安卓操作系统、IOS操作系统等,客户端运行在操作系统中,由于REE是一个开放式的环境,容易被恶意程序入侵,如果人脸识别数据流经REE会大大提高数据安全风险,因此,本申请提供的数据传输方法,由摄像头组件中内置的封闭的图像处理芯片进行人脸识别数据的处理,将处理结果直接发送给客户端,人脸识别数据不需要流经REE,大大提高了人脸识别数据的安全性能。
综上所述,本实施例提供的方法,将人脸识别的相关数据通过摄像头组件中内置的数字信号处理器图像处理芯片进行与服务器间的数据传输,使人脸识别的相关数据不会流经主机中的REE,而是由图像采集器件中内置的数字信号处理器图像处理芯片直接将服务器进行人脸识别的结果返回给REE中的客户端,防止人脸识别数据在REE中被第三方软件恶意攻击造成数据安全问题,有效保障了人脸识别数据的安全性。
示例性的,图像处理芯片中还包含对人脸识别数据进行不同处理的多个单元。
图4示出了本申请一个示例性实施例提供的人脸识别中的数据传输方法的流程图。该方法可以由如图1所示的终端来执行。基于图3所示的示例性实施例,步骤202包括步骤2021至步骤2023,步骤203包括步骤2031,步骤203之后还包括步骤204至步骤207。
步骤2021,通过安全单元对人脸识别图像进行加密处理得到加密后的人脸识别图像。
示例性的,图像处理芯片中包含安全单元,安全单元用于为人脸识别数据提供安全的处理和存储环境,安全单元可以用TEE或SE来实现,其中,TEE可以运行在图像处理芯片上,SE可以外接在图像处理芯片上。
示例性的,安全单元中烧录有密钥,终端通过使用安全单元中烧录的密钥对人脸识别图像进行加密处理得到加密后的人脸识别图像。
加密处理可以采用任意的数据加密方式,例如,采用AES加密方式,根据密钥对人脸识别图像进行加密。
示例性的,将秘钥烧录到摄像头组件(图像处理芯片)中,可以保障密钥不被更改,保障密钥的安全性。
步骤2022,通过网络单元向服务器发送加密后的人脸识别图像。
示例性的,图像处理芯片中还包括网络单元,网络单元用于与服务器进行数据交互。
示例性的,安全单元中还存储有放服务器的URL,根据安全单元中存储的服务器的URL,通过网络单元向服务器发送加密后的人脸识别图像。
示例性的,网络单元还可以生成人脸识别请求,人脸识别请求包含加密后的人脸识别图像,网络单元将人脸识别请求发送给服务器,请求服务器根据加密后的人脸识别图像进行人脸识别。示例性的,人脸识别请求中还可以包含摄像头组件的ID,以便服务器根据摄像头组件的ID获取摄像头组件的密钥,根据密钥对加密后的人脸识别图像进行解密,从而使服务器认证该人脸识别请求可信。
步骤2023,通过网络单元接收服务器发送的人脸识别结果。
示例性的,网络单元还用于接收服务器发送的人脸识别结果,并将人脸识别结果发送给信息交互单元,由信息交互单元将人脸识别结果转发给主机中的客户端,以便客户端根据人脸识别结果处理业务数据。
步骤2031,通过信息交互单元向客户端发送人脸识别结果。
示例性的,图像处理芯片还包含信息交互单元,信息交互单元用于与主机中的客户端进行数据交互。本实施例中信息交互单元与客户端的数据交互主要包括两种:一种是向客户端发送人脸识别结果,另一种是将人脸识别图像发送给客户端进行显示。
步骤204,通过脱敏单元对人脸识别图像进行模糊处理得到模糊人脸识别图像。
示例性的,图像处理芯片中还包含脱敏单元,脱敏单元用于对人脸识别图像进行模糊处理,降低人脸识别图像的清晰度,使人脸识别图像不具备数据敏感性(恶意程序无法用模糊处理后的人脸识别图像进行人脸识别或其他用途)。
示例性的,模糊处理的方式可以是上述列举的任意一种方式,例如,可以采用高斯模糊对人脸识别图像进行处理,得到模糊人脸识别图像。
模糊人脸识别图像用于发送给客户端进行显示,以便用户根据显示的模糊人脸识别图像调整站位或调整图像采集器件的拍摄角度及方向,使图像采集器件可以更好地采集到人脸识别图像。
模糊人脸识别图像是清晰度小于人脸识别图像的图像,例如,人脸识别图像显示出的边界更加清晰,而模糊人脸识别图像显示出的边界较模糊。
示例性的,模糊人脸识别图像还可以是对人脸识别图像进行压缩后得到的图像,即,模糊人脸识别图像的图像大小小于人脸识别图像。
步骤205,通过信息交互单元向客户端发送模糊人脸识别图像。
示例性的,脱敏单元将模糊人脸识别图像发送给信息交互单元,由信息交互单元将模糊人脸识别图像发送给客户端进行显示。
步骤206,通过客户端显示模糊人脸识别图像。
示例性的,客户端在主机的显示器上显示模糊人脸识别图像。
示例性的,图像采集器件对人脸识别图像的采集是实时的,客户端对模糊人脸识别图像的显示也是实时的。例如,图像采集器件每秒钟拍摄三十张人脸识别图像,脱敏单元会对图像采集器件采集到的每张人脸识别图像都进行模糊处理,并通过信息交互单元将每张模糊人脸识别图像都发送给客户端进行显示。或,脱敏单元会对图像采集器件采集到的大部分人脸识别图像进行模糊处理(例如,每隔一个人脸识别图像选出一个人脸识别图像进行模糊处理,即每秒十五张),并通过信息交互单元将模糊人脸识别图像发送给客户端进行显示。
示例性的,客户端在接收到人脸识别结果后,显示人脸识别结果,例如,在模糊人脸识别图像上显示人脸识别结果;或,停止显示模糊人脸识别图像,显示人脸识别结果。
步骤207,通过客户端根据人脸识别结果处理业务数据。
客户端在接收到人脸识别结果后,根据人脸识别结果处理相关的业务数据。
业务数据包括支付数据、登录数据、门禁数据、用户认证数据、加密数据中的至少一种。示例性的,支付数据是人脸识别支付功能相关的数据,登录数据是人脸识别登录功能相关的数据,门禁数据是使用人脸识别功能开启门禁相关的数据,用户认证数据是使用人脸识别功能进行用户身份认证相关的数据,加密数据是使用人脸识别功能进行文件、数据、文件夹、程序、请求、数据库等加密场景中相关的数据。例如,支付数据包括:用户帐号、用户帐号余额、订单ID、订单支付金额、人脸识别结果等。
以业务是刷脸支付业务为例,用户在开始刷脸支付业务时,客户端调用图像采集器件拍摄人脸识别图像,并将人脸识别图像经过图像处理芯片处理、发送给服务器,由图像处理芯片接收服务器发送的人脸识别结果,并将人脸识别结果转发给客户端。如果人脸识别结果是识别成功,则客户端根据人脸识别结果中的用户帐号和用户信息向服务器发起支付请求,由服务器根据支付请求中的用户帐号、用户信息和订单(支付金额)进行支付,并在支付完成后向客户端返回支付结果。如果人脸识别结果是识别失败,则客户端显示识别失败提示,并引导用户再次进行人脸识别,调用图像采集器件再次采集人脸识别图像。
综上所述,本实施例提供的方法,通过由安全单元对人脸识别图像进行加密,由网络单元将加密后的人脸识别图像发送给服务器,来保障人脸识别图像在网络传输过程中的安全性,以防人脸识别数据在网络传输过程中被恶意程序入侵或爬取,保障人脸识别数据的安全。
本实施例提供的方法,通过由脱敏单元对人脸识别图像进行模糊处理,由信息交互模块将模糊人脸识别图像发送给客户端进行显示,从而防止清晰的人脸识别图像流经主机中的REE,防止人脸识别图像被恶意攻击,提高人脸识别数据的安全性。
示例性的,给出一种由终端和服务器执行本申请提供的数据传输方法的示例性实施例。
图5示出了本申请一个示例性实施例提供的人脸识别中的数据传输方法的流程图。该方法可以由如图1所示的计算机系统(终端和服务器)来执行。该方法包括以下步骤。
步骤301,终端通过图像采集器件采集人脸识别图像。
步骤302,终端通过图像处理芯片向服务器发送人脸识别图像。
步骤303,服务器接收所述终端发送的人脸识别图像,对所述人脸识别图像进行人脸识别得到人脸识别结果,向所述终端发送所述人脸识别结果。
示例性的,人脸识别图像包括至少两个人脸识别图像。服务器包括流媒体服务器和人脸识别服务器。
流媒体服务器用于接收终端的网络单元发送的至少两个人脸识别图像,对至少两个人脸识别图像进行人脸优选,选出优质人脸识别图像;人脸识别服务器,用于对优质人脸识别图像进行人脸识别得到人脸识别结果;人脸识别服务器,还用于向终端发送人脸识别结果。
示例性的,优质人脸识别图像是指清晰度高于阈值的人脸识别图像,或,质量分数高于阈值的人脸识别图像,人脸识别图像的清晰度或质量分可以使用现有的图像质量评价算法或评价模型进行评估,进而从多张人脸识别图像中选出优质人脸识别图像。例如,调用图像质量模型识别人脸识别图像的质量分,根据模型输出的质量分来选出质量分高于阈值的优质人脸识别图像。
示例性的,流媒体服务器还用于根据摄像头组件的ID确定摄像头组件的密钥,根据密钥解密接收到的加密后的人脸识别图像。
步骤304,服务器向终端(图像处理芯片)发送人脸识别结果。
步骤305,通过数字信号处理器图像处理芯片向客户端发送人脸识别结果。
示例性的,客户端根据人脸识别结果处理业务数据,示例性的,客户端在处理业务数据的过程中可能会向服务器发送需要处理的业务数据。服务器还包括业务服务器。业务服务器用于接收客户端上传的业务数据,处理业务数据得到业务结果,向客户端发送业务结果。
例如,刷脸登录业务,客户端在接收到人脸识别结果后,根据人脸识别结果中的用户帐号和识别成功信息,向业务服务器发送登录请求,业务服务器根据登录请求中的用户帐号以及识别成功信息,向客户端返回用户帐号的登录指令,使客户端登录该用户帐号。
综上所述,本实施例提供的方法,通过由服务器中的流媒体服务器对人脸识别图像进行选优,使用优质的人脸识别图像进行人脸识别,从而提高人脸识别的准确度和成功率。
通过由人脸识别服务器进行人脸识别,由业务服务器进行业务数据处理,人脸识别服务器只与摄像头组件中的图像处理芯片进行数据交互,业务服务器只与客户端进行数据交互,从而实现人脸识别数据的隔离,使人脸识别数据不会流经主机中的REE,提高人脸识别数据的安全性。并且,由多个服务器分钟处理不同的业务,可以提高服务器的处理效率,提高服务器进行人脸识别以及业务处理的速度。
以下为本申请的装置实施例,对于装置实施例中未详细描述的细节,可以结合参考上述方法实施例中相应的记载,本文不再赘述。
图6示出了本申请的一个示例性实施例提供的人脸识别中的数据传输装置的结构示意图。该装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。所述装置包括摄像头装置401和主机装置402,所述摄像头装置401包括图像采集模块403和图像处理模块404,所述主机装置402包括运行在REE中的客户端模块409;
所述图像采集模块403,用于采集人脸识别图像;
所述图像处理模块404,用于向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
所述图像处理模块404,用于向所述客户端模块409发送所述人脸识别结果。
在一个可选的实施例中,所述图像处理模块404包括安全子模块405和网络子模块406;
所述安全子模块405,用于对所述人脸识别图像进行加密处理得到加密后的人脸识别图像;
所述网络子模块406,用于向所述服务器发送所述加密后的人脸识别图像;
所述网络子模块406,用于接收所述服务器发送的所述人脸识别结果。
在一个可选的实施例中,所述安全子模块405中烧录有密钥;
所述安全子模块405,用于烧录的所述密钥对所述人脸识别图像进行所述加密处理得到所述加密后的人脸识别图像。
在一个可选的实施例中,所述安全子模块405中存储有所述服务器的URL;
所述网络子模块406,用于根据所述安全子模块405中存储的所述服务器的所述URL,向所述服务器发送所述加密后的人脸识别图像。
在一个可选的实施例中,所述图像处理模块404包括信息交互子模块408;
所述信息交互子模块408,用于向所述客户端模块409发送所述人脸识别结果。
在一个可选的实施例中,所述图像处理模块404包括脱敏子模块407和信息交互子模块408;
所述脱敏子模块407,用于对所述人脸识别图像进行模糊处理得到模糊人脸识别图像;
所述信息交互子模块408,用于向所述客户端模块409发送所述模糊人脸识别图像;
所述客户端模块409,用于显示所述模糊人脸识别图像。
在一个可选的实施例中,所述客户端模块409,还用于根据所述人脸识别结果处理业务数据,所述业务数据包括支付数据、登录数据、门禁数据、用户认证数据、加密数据中的至少一种。
图7是本申请一个实施例提供的服务器的结构示意图。具体来讲:服务器1000包括中央处理单元(英文:Central Processing Unit,简称:CPU)1001、包括随机存取存储器(英文:Random Access Memory,简称:RAM)1002和只读存储器(英文:Read-Only Memory,简称:ROM)1003的系统存储器1004,以及连接系统存储器1004和中央处理单元1001的系统总线1005。服务器1000还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)1006,和用于存储操作系统1013、应用程序1014和其他程序模块1015的大容量存储设备1007。
基本输入/输出系统1006包括有用于显示信息的显示器1008和用于用户输入信息的诸如鼠标、键盘之类的输入设备1009。其中显示器1008和输入设备1009都通过连接到系统总线1005的输入/输出控制器1010连接到中央处理单元1001。基本输入/输出系统1006还可以包括输入/输出控制器1010以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入/输出控制器1010还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备1007通过连接到系统总线1005的大容量存储控制器(未示出)连接到中央处理单元1001。大容量存储设备1007及其相关联的计算机可读介质为服务器1000提供非易失性存储。也就是说,大容量存储设备1007可以包括诸如硬盘或者只读光盘(英文:Compact Disc Read-Only Memory,简称:CD-ROM)驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、可擦除可编程只读存储器(英文:Erasable Programmable Read-Only Memory,简称:EPROM)、电可擦除可编程只读存储器(英文:Electrically Erasable Programmable Read-Only Memory,简称:EEPROM)、闪存或其他固态存储其技术,CD-ROM、数字通用光盘(英文:Digital Versatile Disc,简称:DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1004和大容量存储设备1007可以统称为存储器。
根据本申请的各种实施例,服务器1000还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1000可以通过连接在系统总线1005上的网络接口单元1011连接到网络1012,或者说,也可以使用网络接口单元1011来连接到其他类型的网络或远程计算机系统(未示出)。
本申请还提供一种计算机设备,所述设备包括摄像头组件和主机,所述摄像头组件包括图像采集器件和图像处理芯片,所述主机包括运行在REE中的客户端;
所述图像采集器件,用于采集人脸识别图像;
所述图像处理芯片,用于向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
所述图像处理芯片,用于向所述客户端发送所述人脸识别结果。
在一种可选的实施例中,所述图像处理芯片包括安全单元和网络单元;
所述安全单元,用于对所述人脸识别图像进行加密处理得到加密后的人脸识别图像;
所述网络单元,用于向所述服务器发送所述加密后的人脸识别图像;
所述网络单元,用于接收所述服务器发送的所述人脸识别结果。
在一种可选的实施例中,所述安全单元中烧录有密钥;
所述安全单元,用于使用烧录的所述密钥对所述人脸识别图像进行所述加密处理得到所述加密后的人脸识别图像。
在一种可选的实施例中,所述安全单元中存储有所述服务器的URL;
所述网络单元,用于根据所述安全单元中存储的所述服务器的所述URL,向所述服务器发送所述加密后的人脸识别图像。
在一种可选的实施例中,所述图像处理芯片包括信息交互单元;
所述信息交互单元,用于向所述客户端发送所述人脸识别结果。
在一种可选的实施例中,所述图像处理芯片包括脱敏单元和信息交互单元;
所述脱敏单元,用于对所述人脸识别图像进行模糊处理得到模糊人脸识别图像;
所述信息交互单元,用于向所述客户端发送所述模糊人脸识别图像;
所述客户端,用于显示所述模糊人脸识别图像。
在一种可选的实施例中,所述客户端,还用于根据所述人脸识别结果处理业务数据,所述业务数据包括支付数据、登录数据、门禁数据、用户认证数据、加密数据中的至少一种。
本申请还提供一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述各方法实施例提供的人脸识别中的数据传输方法。
本申请还提供一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述可选实现方式中提供的人脸识别中的数据传输方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本申请的可选实施例,并不用以限制本申请,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 (13)
1.一种人脸识别中的数据传输方法,其特征在于,所述方法应用于终端中,所述终端包括摄像头组件和主机,所述摄像头组件包括图像采集器件和图像处理芯片,所述主机包括运行在普通执行环境REE中的客户端;所述方法包括:
通过所述图像采集器件采集人脸识别图像;
通过所述图像处理芯片向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
通过所述图像处理芯片向所述客户端发送所述人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,所述图像处理芯片包括安全单元和网络单元;所述通过所述图像处理芯片向服务器发送所述人脸识别图像,并接收所述服务器发送的人脸识别结果,包括:
通过所述安全单元对所述人脸识别图像进行加密处理得到加密后的人脸识别图像;
通过所述网络单元向所述服务器发送所述加密后的人脸识别图像;
通过所述网络单元接收所述服务器发送的所述人脸识别结果。
3.根据权利要求2所述的方法,其特征在于,所述安全单元中烧录有密钥;所述通过所述安全单元对所述人脸识别图像进行加密处理得到加密后的人脸识别图像,包括:
使用所述安全单元中烧录的所述密钥对所述人脸识别图像进行所述加密处理得到所述加密后的人脸识别图像。
4.根据权利要求2或3所述的方法,其特征在于,所述安全单元中存储有所述服务器的统一资源定位器URL;
所述通过所述网络单元向所述服务器发送所述加密后的人脸识别图像,包括:
根据所述安全单元中存储的所述服务器的所述统一资源定位器URL,通过所述网络单元向所述服务器发送所述加密后的人脸识别图像。
5.根据权利要求1至3任一所述的方法,其特征在于,所述图像处理芯片包括信息交互单元;所述通过所述图像处理芯片向所述客户端发送所述人脸识别结果,包括:
通过所述信息交互单元向所述客户端发送所述人脸识别结果。
6.根据权利要求1至3任一所述的方法,其特征在于,所述图像处理芯片包括脱敏单元和信息交互单元;所述方法还包括:
通过所述脱敏单元对所述人脸识别图像进行模糊处理得到模糊人脸识别图像;
通过所述信息交互单元向所述客户端发送所述模糊人脸识别图像;
通过所述客户端显示所述模糊人脸识别图像。
7.根据权利要求1至3任一所述的方法,其特征在于,所述方法还包括:
通过所述客户端根据所述人脸识别结果处理业务数据,所述业务数据包括支付数据、登录数据、门禁数据、用户认证数据、加密数据中的至少一种。
8.一种人脸识别中的数据传输设备,其特征在于,所述设备包括摄像头组件和主机,所述摄像头组件包括图像采集器件和图像处理芯片,所述主机包括运行在普通执行环境REE中的客户端;
所述图像采集器件,用于采集人脸识别图像;
所述图像处理芯片,用于向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
所述图像处理芯片,用于向所述客户端发送所述人脸识别结果。
9.一种人脸识别中的数据传输装置,其特征在于,所述装置包括摄像头组件和主机装置,所述摄像头组件包括图像采集器件模块和控制模块,所述主机装置包括运行在普通执行环境REE中的客户端模块;
所述图像采集器件模块,用于采集人脸识别图像;
所述控制模块,用于向服务器发送所述人脸识别图像,接收所述服务器发送的人脸识别结果,所述服务器用于对所述人脸识别图像进行人脸识别得到人脸识别结果;
所述控制模块,用于向所述客户端模块发送所述人脸识别结果。
10.一种人脸识别中的数据传输系统,其特征在于,所述系统包括终端和服务器,所述终端用于执行如权利要求1至7任一所述的人脸识别中的数据传输方法;
所述服务器,用于接收所述终端发送的人脸识别图像,对所述人脸识别图像进行人脸识别得到人脸识别结果,向所述终端发送所述人脸识别结果。
11.根据权利要求10所述的系统,其特征在于,所述人脸识别图像包括至少两个人脸识别图像,所述服务器包括流媒体服务器和人脸识别服务器;
所述流媒体服务器,用于接收所述终端的网络单元发送的所述至少两个人脸识别图像,对所述至少两个人脸识别图像进行人脸优选,选出优质人脸识别图像;
所述人脸识别服务器,用于对所述优质人脸识别图像进行人脸识别得到所述人脸识别结果;
所述人脸识别服务器,还用于向所述终端发送所述人脸识别结果。
12.根据权利要求10或11所述的系统,其特征在于,所述服务器还包括业务服务器;
所述业务服务器,用于接收所述终端中的客户端上传的业务数据,处理所述业务数据得到业务结果,向所述客户端发送所述业务结果,所述业务数据包括支付数据、登录数据、门禁数据、用户认证数据、加密数据中的至少一种。
13.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行,以实现如权利要求1至7任一项所述的人脸识别中的数据传输方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112371.0A CN113518061B (zh) | 2020-10-16 | 2020-10-16 | 人脸识别中的数据传输方法、设备、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011112371.0A CN113518061B (zh) | 2020-10-16 | 2020-10-16 | 人脸识别中的数据传输方法、设备、装置、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113518061A true CN113518061A (zh) | 2021-10-19 |
CN113518061B CN113518061B (zh) | 2024-01-05 |
Family
ID=78060840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011112371.0A Active CN113518061B (zh) | 2020-10-16 | 2020-10-16 | 人脸识别中的数据传输方法、设备、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113518061B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305221A (zh) * | 2023-05-18 | 2023-06-23 | 深圳曦华科技有限公司 | 图像处理芯片系统的加密方法及相关装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101227278A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种基于多生物特征的远程网络身份认证方法与系统 |
CN104969528A (zh) * | 2012-12-28 | 2015-10-07 | 诺克诺克实验公司 | 确定验证功能的查询系统和方法 |
CN105023005A (zh) * | 2015-08-05 | 2015-11-04 | 王丽婷 | 人脸识别装置及其识别方法 |
CN109191131A (zh) * | 2018-08-16 | 2019-01-11 | 沈阳微可信科技有限公司 | 一种基于可信环境和双安全芯片的安全人脸识别装置 |
WO2019072132A1 (zh) * | 2017-10-11 | 2019-04-18 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
CN110414200A (zh) * | 2019-04-08 | 2019-11-05 | 广州腾讯科技有限公司 | 身份验证方法、装置、存储介质和计算机设备 |
WO2019218943A1 (zh) * | 2018-05-15 | 2019-11-21 | Oppo广东移动通信有限公司 | 基于前置双摄像头的安全验证方法及电子设备 |
CN110555706A (zh) * | 2019-08-30 | 2019-12-10 | 北京银联金卡科技有限公司 | 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 |
CN111046365A (zh) * | 2019-12-16 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 人脸图像传输方法、数值转移方法、装置及电子设备 |
-
2020
- 2020-10-16 CN CN202011112371.0A patent/CN113518061B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101227278A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种基于多生物特征的远程网络身份认证方法与系统 |
CN104969528A (zh) * | 2012-12-28 | 2015-10-07 | 诺克诺克实验公司 | 确定验证功能的查询系统和方法 |
CN105023005A (zh) * | 2015-08-05 | 2015-11-04 | 王丽婷 | 人脸识别装置及其识别方法 |
WO2019072132A1 (zh) * | 2017-10-11 | 2019-04-18 | Oppo广东移动通信有限公司 | 人脸识别方法及相关产品 |
WO2019218943A1 (zh) * | 2018-05-15 | 2019-11-21 | Oppo广东移动通信有限公司 | 基于前置双摄像头的安全验证方法及电子设备 |
CN109191131A (zh) * | 2018-08-16 | 2019-01-11 | 沈阳微可信科技有限公司 | 一种基于可信环境和双安全芯片的安全人脸识别装置 |
CN110414200A (zh) * | 2019-04-08 | 2019-11-05 | 广州腾讯科技有限公司 | 身份验证方法、装置、存储介质和计算机设备 |
CN110555706A (zh) * | 2019-08-30 | 2019-12-10 | 北京银联金卡科技有限公司 | 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 |
CN111046365A (zh) * | 2019-12-16 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 人脸图像传输方法、数值转移方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305221A (zh) * | 2023-05-18 | 2023-06-23 | 深圳曦华科技有限公司 | 图像处理芯片系统的加密方法及相关装置 |
CN116305221B (zh) * | 2023-05-18 | 2023-08-29 | 深圳曦华科技有限公司 | 图像处理芯片系统的加密方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113518061B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN110222573B (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
US11790064B2 (en) | Motion-based credentials using magnified motion | |
CN112464117B (zh) | 请求处理方法、装置、计算机设备和存储介质 | |
CN109801192A (zh) | 电子合同签订方法、装置、计算机设备及存储介质 | |
CN112560753B (zh) | 基于特征融合的人脸识别方法、装置、设备及存储介质 | |
CN110378095B (zh) | 基于验证码的交互验证方法、装置、介质和计算设备 | |
CN111680675B (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
CN111667275B (zh) | 用户身份识别方法、装置、设备及其介质 | |
WO2022201411A1 (ja) | 準同型暗号を用いた顔認証のアプリケーション | |
CN113762034A (zh) | 视频分类方法和装置、存储介质及电子设备 | |
CN112989308B (zh) | 账户的认证方法、装置、设备及介质 | |
CN112749686B (zh) | 图像检测方法、装置、计算机设备及存储介质 | |
Dinh et al. | Human-artificial intelligence approaches for secure analysis in CAPTCHA codes | |
CN113518061B (zh) | 人脸识别中的数据传输方法、设备、装置、系统及介质 | |
KR102594497B1 (ko) | 오프라인 nft 매장에 방문한 사용자에게 nft 경험을 제공하기 위해 얼굴 인식 기반 사용자의 지갑 주소를 생성하는 방법 및 이를 수행하는 nft 시스템 | |
CN113033243A (zh) | 一种人脸识别方法、装置及设备 | |
CN114091503A (zh) | 人脸图像的校验方法、装置、电子设备及存储介质 | |
CN114202781B (zh) | 人脸识别方法、装置、电子设备及可读存储介质 | |
CN113572913B (zh) | 图像加密方法、装置、介质及电子设备 | |
Constantinides et al. | Applying Benford's Law as an Efficient and Low-cost Solution for Verifying the Authenticity of Users’ Video Streams in Learning Management Systems | |
US20230379159A1 (en) | System and method to validate a rendered object using non-fungible tokens | |
CN114826689A (zh) | 信息录入方法、安全认证方法和电子设备 | |
Jie et al. | Biometric Authentication based on Liveness Detection Using Face Landmarks and Deep Learning Model | |
CN113762055A (zh) | 图像处理方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40056456 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |