CN113554543B - 基于加扰图像的识别方法、装置、电子设备及介质 - Google Patents
基于加扰图像的识别方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113554543B CN113554543B CN202011431282.2A CN202011431282A CN113554543B CN 113554543 B CN113554543 B CN 113554543B CN 202011431282 A CN202011431282 A CN 202011431282A CN 113554543 B CN113554543 B CN 113554543B
- Authority
- CN
- China
- Prior art keywords
- image
- scrambling
- terminal
- target
- scrambled
- 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 58
- 230000009466 transformation Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 13
- 230000001815 facial effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 230000003287 optical effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
-
- 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
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0065—Extraction of an embedded watermark; Reliable detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种基于加扰人脸的识别方法、装置、电子设备及介质。该方法包括：若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；接收所述终端发送的所述加扰图像，以用于图像识别。上述方案解决了各终端具有相同的加扰参数，从而对其他终端的加扰图像能够破解还原以致图像安全性难以保证的问题，从而提高了各终端中图像的安全性。
Description
技术领域
本申请实施例涉及图像处理技术领域，尤其涉及一种基于加扰图像的识别方法、装置、电子设备及介质。
背景技术
人脸图像是公共安全管理的数据基础，但是人脸数据涉及公民隐私，一旦泄露则可能对公民的工作、生活造成重大影响。目前，针对人脸图像安全性采取的方案一般为在人脸图像进行传输之前，对人脸图像采用对称加密、非对称加密、MD5(Message-DigestAlgorithm，信息摘要算法)等加密算法进行加密。但是，加密后的人脸图像无法应用，无法进行人脸识别等处理。如果对人脸图像解密后使用，则仍然存在隐私泄露的风险。
针对人脸图像安全性，还可以对人脸图像进行加扰，加扰不同于加密，加扰是对人脸等敏感图像进行变换，使人眼无法识别人脸图像中人员身份，而人脸图像中仍然包含人脸特征，能够基于神经网络模型进行图像匹配等。但是，如果多个终端均采用相同的加扰算法对人脸图像进行加扰，则终端获取到其他终端加扰后的人脸图像时，可以根据加扰算法，对加扰后的人脸图像进行还原，存在隐私泄露的风险。
发明内容
本发明实施例提供一种基于加扰图像的识别方法、装置、电子设备及介质，以提高图像的安全性。
在一个实施例中，本申请实施例提供了一种基于加扰图像的识别方法，该方法包括：
若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
接收所述终端发送的所述加扰图像，以用于图像识别。
在另一个实施例中，本申请实施例还提供了一种基于加扰图像的识别装置，该装置包括：
目标加扰参数确定模块，用于若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
目标加扰参数发送模块，用于向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
加扰图像接收模块，用于接收所述终端发送的所述加扰图像，以用于图像识别。
在又一个实施例中，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例任一项所述的基于加扰图像的识别方法。
在再一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例中任一项所述的基于加扰图像的识别方法。
本申请实施例中，若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像，向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；从而针对不同的终端，分配不同的加扰参数，避免不同的终端采用相同的加扰参数，导致加扰图像可以被其他终端解扰还原为目标图像，难以保证安全性的问题。接收所述终端发送的所述加扰图像，以用于图像识别，从而提高了目标图像传输与存储的安全性，并且能够正常应用于的图像匹配。
附图说明
图1为本发明一种实施例提供的基于加扰图像的识别方法的流程图；
图2为本发明另一实施例提供的基于加扰图像的识别方法的流程图；
图3为本发明又一实施例提供的基于加扰图像的识别方法的流程图；
图4为本发明再一实施例提供的基于加扰图像的识别方法的流程图；
图5为本发明再一实施例提供的图像区域划分示意图；
图6a为本发明再一实施例提供的原始目标图像示意图；
图6b为本发明再一实施例提供的1次变换图像示意图；
图6c为本发明再一实施例提供的2次变换图像示意图；
图6d为本发明再一实施例提供的50次变换图像示意图；
图6e为本发明再一实施例提供的100次变换图像示意图；
图6f为本发明再一实施例提供的192次变换图像示意图；
图7为本发明再一实施例提供的图像分块示意图；
图8为本发明再一实施例提供的目标图像分块示意图；
图9为本发明再一实施例加扰处理第一示意图；
图10为本发明再一实施例加扰处理第二示意图；
图11为本发明再一实施例加扰处理第三示意图；
图12为本发明一种实施例提供的基于加扰图像的识别装置的结构示意图；
图13为本发明一种实施例提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明一种实施例提供的基于加扰图像的识别方法的流程图。本申请实施例提供的基于加扰图像的识别方法可适用于对图像进行处理的情况。典型的，本申请实施例可适用于终端向服务器传输目标图像以及进行图像匹配的情况。该方法具体可以由基于加扰图像的识别装置执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在能够实现本申请实施例提供的基于加扰图像的识别方法的电子设备中，该电子设备可以为服务器等。参见图1，本申请实施例的方法具体包括：
S110、若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像。
其中，终端可以为图像采集器、计算机、平板电脑等终端设备，目标图像为终端中的图像。当终端为图像采集器时，目标图像可以为图像采集器采集的图像，当终端为计算机、平板电脑等时，目标图像可以为从图像采集器获取的采集图像，也可以为终端本地的图像，该图像可以为用来进行匹配待匹配图像，也可以为携带人员身份信息的标准面部图像。在本申请实施例中，目标图像为终端中的图像，是指目标图像为存在于该终端中的待处理的图像，而不是其他终端或服务器中的图像。
本申请实施例中的加扰参数不同于加密参数。加密是以某种特殊的算法改变原有的信息数据，使得未授权的用户即使获得了已加密的信息，但因不知解密的方法，仍然无法了解信息的内容。图像加扰是对人脸等敏感图像进行变换，使人眼无法识别其身份。但是加扰后的图像中，仍然保留图像特征，可用于进行图像匹配。加扰参数为在接收到终端的加扰参数获取请求时生成的，也可以为预先生成的。其他终端为除发送加扰参数请求终端以外的终端，同样的，其他终端也可以为图像采集器、计算机、平板电脑等终端设备。
当其他终端发送加扰参数获取请求，成功获取并采用一组加扰参数后，该加扰参数则成为了已被其他终端采用的加扰参数。服务器存储其他终端以及其采用的加扰参数。如果服务器接收到当前终端发送的加扰参数获取请求，则不再将已被其他终端采用的加扰参数发送给当前终端，避免当前终端获取其他终端的加扰参数，对其他终端中的图像安全性造成威胁。
在本申请实施例中，服务器还可以根据终端的标识、IP地址、IP地址哈希分组和所属管理机构中至少一项，划分不同的客户区域，对于属于同一客户区域中的终端可以分配相同的加扰参数，对于属于不同客户区域中的终端分配不同的加扰参数。如果接收到终端发送的加扰参数获取请求，则判断该终端所属客户区域。服务器向该终端返回与所属客户区域采用，未被其他客户区域中的其他终端所采用的目标加扰参数。
在本申请实施例中，如果终端为图像采集器，其被认为操作恶意处理图像的可能性较低，因此也可以向不同图像采集器分配相同的加扰参数。
S120、向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像。
示例性的，服务器向终端发送目标加扰参数，终端采用目标加扰参数对目标图像进行切片变换处理，从而得到加扰图像，以提高目标图像的安全性，避免目标图像被不法终端或不法分子识别。
本申请实施例中，是将加扰参数发送给终端，而不是向终端获取目标图像之后再采用目标加扰参数进行加扰，有益效果在于，能够在目标图像传输之前进行加扰变换，从而影响不法分子对目标图像的识别，避免了在传输过程中目标图像被不法分子截取，威胁目标图像的安全性。为了进一步提高目标加扰参数的安全性，服务器在向终端发送目标加扰参数之前，可以采用非对称加密方式对目标加扰参数进行加密，再发送给终端，由终端进行解密后采用。
S130、接收所述终端发送的所述加扰图像，以用于图像识别。
示例性的，服务器接收终端发送的加扰图像，可以对加扰图像进行存储，以便于后续用于进行图像匹配。为了进一步保证目标图像的安全性，服务器接收到终端发送的加扰图像后，并不会对加扰图像进行解扰还原为目标图像，而是直接存储加扰图像，从而保证加扰图像的安全性，避免被窃取非法利用。另外，由于加扰图像中仍然保留目标图像的特征，因此加扰图像仍然可以用于进行图像匹配和人脸识别。
本申请实施例中，若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像，向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；从而针对不同的终端，分配不同的加扰参数，避免不同的终端采用相同的加扰参数，导致加扰图像可以被其他终端进行解扰还原为目标图像，难以保证安全性的问题。接收所述终端发送的所述加扰图像，以用于图像识别，从而提高了目标图像传输与存储的安全性，并且能够正常应用于图像匹配。
图2为本发明另一实施例提供的基于加扰图像的识别方法的流程图。本申请实施例为对上述实施例的进一步优化，未在本申请实施例中详细描述的细节详见上述实施例。参见图2，本申请实施例提供的基于加扰图像的识别方法可以包括：
S210、若接收到终端针对目标图像的加扰参数获取请求，则确定所述终端的标识。
其中，终端的标识可以为终端的序列号、IP地址、IP地址哈希分组和所属管理机构等中的至少一项。服务器可以为序列不同或者IP地址不同的终端分配不同的加扰参数。服务器也可以预先根据IP地址哈希分组或所属管理机构等将终端划分属于不同的客户区域，属于同一IP地址哈希分组的终端属于同一个客户区域，属于同一个管理机构的终端属于同一个客户区域。服务器为不同客户区域的终端分配不同的加扰参数，为同一客户区域的终端分配相同的加扰参数。
S220、查询本地是否存储有所述终端标识以及所述终端采用的加扰参数。若存在，则执行S230；若不存在，则执行S240。
S230、将所述终端采用的加扰参数作为目标加扰参数。
示例性的，服务器查询在本地是否存储有终端标识以及对应的该终端采用的加扰参数，如果存在，说明该终端或该客户区域中的终端之前已获取过加扰参数，因此，将之前已分配过该终端或者该客户区域中终端的加扰参数作为目标加扰参数，发送给该终端。
S240、确定未被采用的目标加扰参数。
如果服务器经查询确定本地不存在终端标识以及对应的该终端采用的加扰参数，则说明该终端与之前曾获取过加扰参数的终端均不同，或者与之前曾获取过加扰参数的终端均不属于同一客户区域，则需要分配新的未被采用过的加扰参数，以保证图像安全性。
在本申请实施例中，若不存在，则确定未被采用采用的目标加扰参数，包括：随机生成加扰参数，作为目标加扰参数；或者，从预先生成的候选加扰参数中，选取未被采用的目标加扰参数。
示例性的，可以在终端发送加扰参数获取请求，并且服务器判断本地不存在该终端的标识以及该终端采用的加扰参数时，随机生成一组加扰参数，作为目标加扰参数发送给终端。也可以预先生成多组加扰参数作为候选加扰参数，当存在终端发送加扰参数获取请求，并且服务器判断本地不存在该终端的标识以及该终端采用的加扰参数时，从候选加扰参数中，选取未被采用的目标加扰参数发送给终端。
本申请实施例中的方案，通过终端标识确定该终端是否已获取过加扰参数，或者该终端所属客户区域是否已获取过加扰参数，从而为已获取过加扰参数的终端分配之前曾为其分配的加扰参数，为获取过加扰参数的终端分配新的加扰参数，避免不同终端或者属于不同客户区域中的终端采用相同的加扰参数，导致图像安全性难以保证的问题。
图3为本发明又一实施例提供的基于加扰图像的识别方法的流程图。本申请实施例为对上述实施例中的图像匹配过程进行了优化，未在本申请实施例中详细描述的细节详见上述实施例。参见图3，本申请实施例提供的基于加扰图像的识别方法可以包括：
S310、接收第一终端基于第一目标加扰参数对第一图像进行切片变换处理后得到的第一加扰图像。
在本申请实施例中，第一终端可以为至少一个，对第一终端的数量不做限制。第一目标加扰参数是指第一终端所采用的加扰参数，并不是指特定的单一加扰参数。第一图像为第一终端中的图像，也可以为至少一个。
S320、接收第二终端基于第二目标加扰参数对第二图像进行切片变换处理后得到的第二加扰图像。
同理，与S310中相同，第二终端的数量也可以为至少一个，不对第二终端的数量不作限制。第二目标加扰参数是指第二终端所采用的的加扰参数，并不是指特定的单一加扰参数。第一图像为第二终端中的图像，也可以为至少一个。
S330、根据所述第二目标加扰参数，将所述第二加扰图像解扰为第二图像，并采用所述第一目标加扰参数对所述第二图像进行加扰，得到第二转换加扰图像。
示例性的，在进行图像匹配时，为了提高匹配效率和匹配准确性，因此，先将采用两种加扰参数加扰处理的第一加扰图像和第二加扰图像转换为采用同一种加扰参数加扰的加扰图像。
在本申请实施例中，服务器根据第二目标加扰参数，对第二加扰图像解扰还原为第二图像，并采用第一目标加扰参数对第二图像进行加扰得到第二转换加扰图像。由于在此不限制第一终端和第二终端的具体形式，因此，该方案也等同于根据第一目标加扰参数，将第一加扰图像解扰还原为第一图像，并采用第二加扰参数对第一图像进行加扰，得到第一转换加扰图像。
S340、基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配。
示例性的，图像匹配模型对第一加扰图像和第二转换加扰图像进行相似度比较，可以采用欧氏距离或余弦距离进行相似度比较，以识别人员的身份。
本申请实施例的上述方案，能够通过加扰标准化转换处理，从而使待匹配的图像为同一种加扰参数加扰的，从而能够有助于快速匹配，提高了图像匹配的效率和准确性。
在本申请实施例中，所述第一加扰图像的数量大于所述第二加扰图像的数量。也就是，如果第一加扰图像的数量大于第二加扰图像的数量，为了降低转换计算量，则根据第二目标加扰参数，将第二加扰图像解扰还原为第二图像，并采用第一目标加扰参数对第二图像进行加扰，得到第二转换加扰图像。如果反之，第一加扰图像的数量大于或等于第二加扰图像的数量，则根据第一目标加扰参数，将第一加扰图像解扰还原为第一图像，并采用第二加扰参数对第一图像进行加扰，得到第一转换加扰图像，以提高处理的效率，避免对数量较多的图像进行转换降低处理效率。实质也就是对数量较少的加扰图像进行转换，相当于角色互换，仍符合S330中的描述。
将上述实施例具体化说明，所述第一图像为标准面部图像，所述第二图像为采集面部图像，或者，所述第一图像为采集面部图像，所述第二图像为标准面部图像。
具体的，当所述第一图像为标准面部图像，第二图像为采集面部图像，第一终端从服务器获取第一加扰参数，对标准面部图像进行切片变换处理，得到第一加扰图像，向服务器发送第一加扰图像。当第二终端获取到采集面部图像时，采用获取的第二加扰参数对采集面部图像进行切片变换处理，得到第二加扰图像，并发送给服务器，服务器采用第二加扰参数将第二加扰图像解扰还原为采集面部图像，再采用第一加扰图像对采集面部图像进行加扰，得到第二转换加扰图像。基于图像匹配模型，将第一加扰图像与第二转换加扰图像进行匹配。从而确定采集面部图像对应人员的身份。
也可以为，当所述第一图像为采集面部图像，所述第二图像为标准面部图像，第二终端从服务器获取第二加扰参数，对标准面部图像进行切片变换处理，得到第二加扰图像，向服务器发送第二加扰图像。当第一终端获取到采集面部图像时，采用获取的第一加扰参数对采集面部图像进行切片变换处理，得到第一加扰图像，并发送给服务器，服务器采用第二加扰参数将第二加扰图像解扰还原为标准面部图像，再采用第一加扰图像对标准面部图像进行切片变换处理，得到第二转换加扰图像。基于图像匹配模型，将第一加扰图像与第二转换加扰图像进行匹配，从而确定采集面部图像对应人员的身份。
上述方案说明了，既可以将加扰后的采集面部图像还原，再根据标准面部图像的加扰参数进行加扰，也可以将加扰后的标准面部图像还原，再根据采集面部图像的加扰参数进行加扰。
在本申请实施例中，若所述第一加扰图像的数量大于第一预设数量阈值，或者，若所述第二加扰图像的数量大于第二预设数量阈值，或者，若所述第一加扰图像和所述第二加扰图像的数量之和大于第三预设数量阈值，则由服务器执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤；否则，由所述第一终端或所述第二终端执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤。
上述方案通过图像数量考虑服务器和终端的计算压力，选择合适的设备进行图像匹配。如果第二加扰图像较多，或者第一加扰图像较多，或者第一加扰图像和第二加扰图像的加和较多，则对于计算能力有限且计算能力较低的终端来说，不适宜进行图像匹配，因此，匹配过程由服务器执行。反之，则可以由终端执行图像匹配过程，以适当地减轻服务器的计算压力。
在本申请实施例中，若由所述第一终端或所述第二终端执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤，则进行匹配之前，所述方法还包括：将所述第一加扰图像、所述第二转换加扰图像以及所述图像匹配模型发送至所述第一终端或所述第二终端；或者，以组播的方式通知所述第一终端将所述第一加扰图像发送至所述第二终端，并将所述第二转换加扰图像以及所述图像匹配模型发送至所述第二终端。
服务器将所述第一加扰图像、所述第二转换加扰图像以及所述图像匹配模型发送至所述第一终端或所述第二终端，从而避免第一终端或第二终端直接接触其他终端的加扰参数或原始图像数据，使其只需根据图像数据进行图像匹配即可，提高了图像的安全性。以组播的方式通知所述第一终端将所述第一加扰图像发送至所述第二终端，并将所述第二转换加扰图像以及所述图像匹配模型发送至所述第二终端，从而不需要服务器进行发送，减轻了服务器的压力，提高了服务器的处理效率。
需要说明的是，上述实施例同样适用于第一终端向服务器请求获取第二终端的第二图像和/或第二加扰图像进行图像匹配的情况，以及第二终端向服务器请求获取第一终端的第一图像和/或第一加扰图像进行图像匹配的情况。
在本申请实施例中，图像匹配模型的训练过程包括：基于同一种加扰参数，对标准面部图像进行加扰，同时也对同一个人的采集面部图像进行加扰，训练卷积神经网络，使得该神经网络对同一个人的加扰标准面部图像和加扰采集面部图像映射到特征空间后，加扰标准面部图像的特征向量与加扰采集面部图像的特征向量相似度高于阈值，从而训练得到图像匹配模型。
图4为本发明再一实施例提供的基于加扰图像的识别方法的流程图。本申请实施例为对上述实施例中对目标图像的加扰处理过程进行了优化，未在本申请实施例中详细描述的细节详见上述实施例。参见图4，本申请实施例提供的基于加扰图像的识别方法可以包括：
S410、将所述目标图像切分为至少两个图像块。
本申请实施例首先对目标图像进行切块，得到至少两个图像块，让每一图像块都包含有人脸的特征。每个图像块应该只包含人脸特征的一部分，如眼睛、嘴或鼻子。在实际应用中，图像块的大小主要根据人脸图像的大小确定。假定图像块尺寸的大小为P×Q，P为图像块水平方像素点的数量，Q为图像块竖直方向像素点数量。在这个图像块尺寸下可以保证每个图像块尽可能地只包含目标图像的一个特征。二维目标图像X大小为A×B，A为图像块水平方像素点的数量，B为图像块竖直方向像素点数，则经过切块后图像块总数为S。目标图像被划分为以下小块：
Xi＝[Xi,1,Xi,2,…,Xi,s]∈RPQ*S；
图像分块的区域划分需考虑视觉关键机制，即需考虑视觉观察的先后重要性区别。通常，视觉关键机制是指当观察一张照片时，人眼最先聚焦到中间区域，然后观察中间区域附近，最后落到边缘角落。首先将目标图像均匀分割成图像块，然后根据视觉注意力机制将其划分为三个区域A、B和C，如图5所示。然后先在可能含有眉毛、眼睛、鼻子和嘴的靠近中心位置的B和C部分上进行变换。
S420、根据所述图像块的排序编号、图像块中预设像素点的坐标以及所述目标加扰参数，确定变换矩阵。
采用变换的目的是使得目标图像根据伪随机载体嵌入的位置，来打乱像素点分布的位置，从而使无关人员在不知道变换矩阵的情况下，无法逆向正确得出所含的秘密信息，增强了目标图像的保密性。变换的定义式：
其中，x,y∈{1,2,3,…,N－1}是目标图像中矩阵像素点所在的位置，N是目标图像的阶数，x',y'是经过变换后当前像素点新的位置，k为变换次数。矩阵的行列式值为1，因此，该映射是一个保证面积不变的一一映射，图像块内像素点变换到其中任何一点都是唯一存在的。当a＝b＝1时，其为标准变换。
变换的实质是新位置和旧位置的映射，且该映射是一一对应的。其物理意义为先在水平方向上错切，在此基础上再做一次竖直方向的错切，两次操作后对图像求模运算，即切割回填操作。只要满足矩阵行列式的值为1，错切的单位满足取模回填，原图与变换后的图可一一对应。
变换具有周期性，即经过多次变换迭代计算以后，图像数据又会回到初始值，这个过程类似于循环移位。迭代的周期与数据图像大小有关。如图6a、图6b、图6c、图6d、图6e和图6f所示，以256*256像素的图像为例，周期是192次，图6a是原始图像，图6b是1次变换后的图像，图6c是2次变换后的图像，图6d是50次变换后的图像，图6e是100次变换后的图像，图6f是192次变换后的图像。
由于变换固有的周期性，若是全局变换则安全性较差。因此，在本申请实施例中，首先对目标图像分块，当a、b、k参数不同时，变换后的图像也是不相同的，后对其进行参数的偏移，进行变换。
在本申请实施例中，基于如下公式确定变换矩阵：
其中，x，y∈{1,2,3,…,N－1}是当前像素点在目标图像中的位置坐标，x',y'是经过变换后当前像素点新的位置，N是目标图像像素点矩阵的阶数，a、b和k为目标加扰参数，i、j、xi、yi、p、q和r为实数，mod表示取余运算。例如，j可以为图像块的排序编号，i可以为预设像素点，xi可以为预设像素点的横坐标，yi可以为预设像素点的纵坐标，
示例性的，对每个图像块采用不同的参数进行变换，每个图像块的加扰参数a、b、k进行偏移，例如变为“a+图像块左上角像素点的横坐标”、“b+图像块左上角的纵坐标”、“k+图像块的排序编号”。排序编号指的是，分块后，从第一行开始计数，以0表示第一个分块，计算所得的本分块的排序编号。上述对a、b、k的变更也可以采取其他策略，比如，a、b、k变为“a+分块左上角像素点的横坐标的平方”、“b+分块左上角像素点的纵坐标的平方根”、“k+分块的排序编号的立方”等。预设像素点可以根据实际情况确定，例如可以为图像块左上角的第一个像素点，或第二个像素点等。
示例性的，如图7所示，将目标图像分割为排序编号0-15的16个图像块。对于图像块2，如果令xi为该图像块中左上角像素点，即第一个像素点的横坐标，yi为该图像块中左上角像素点，即第一个像素点的纵坐标，则变换矩阵中的参数分别为xi＝4，yi＝0，j＝2。a、b、k、p、q、r可以根据实际情况选取。p、q、r可以为任意实数
S430、根据所述变换矩阵，对该图像块的像素点进行变换处理。
示例性的，根据变换矩阵，对图像块的像素点进行变换处理，实现对目标图像的加扰处理。对目标图像进行图像分块以及采用不同的变换矩阵进行变换处理后得到的效果图如图8、图9、图10和图11所示。
本申请实施例中的方案，针对不同终端或不同客户区域的终端，采用不同的加扰参数进行切片变换处理，并且针对同一目标图像的不同图像块，使加扰参数进行偏移，采用不同的变换矩阵进行变换，保证不同图像块的变换不同，从而解决周期性复原的问题，难以被非法还原，提高变换的安全性。上述方案能够减少相邻像素间的相关性，并且使深度神经网络模型对其特征提取仍有较强敏感性。
图12为本发明一种实施例提供的基于加扰图像的识别装置的结构示意图。该装置可适用于对图像进行处理的情况。典型的，本申请实施例可适用于终端向服务器传输目标图像以及进行图像匹配的情况。该装置可以由软件和/或硬件的方式实现，该装置可以集成在电子设备中。参见图12，该装置具体包括：
目标加扰参数确定模块510，用于若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
目标加扰参数发送模块520，用于向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
加扰图像接收模块530，用于接收所述终端发送的所述加扰图像，以用于图像识别。
在本申请实施例中，目标加扰参数确定模块510，包括：
标识确定单元，用于若接收到终端针对目标图像的加扰参数获取请求，则确定所述终端的标识；
查询单元，用于查询本地是否存储有所述终端标识以及所述终端采用的加扰参数；
第一确定单元，用于若存在，则将所述终端采用的加扰参数作为目标加扰参数；
第二确定单元，用于若不存在，则确定未被采用的目标加扰参数。
在本申请实施例中，所述第二确定单元，具体用于：
随机生成加扰参数，作为目标加扰参数；或者，
从预先生成的候选加扰参数中，选取未被采用的目标加扰参数。
在本申请实施例中，所述装置还包括：
第一加扰图像接收模块，用于接收第一终端基于第一目标加扰参数对第一图像进行切片变换处理后得到的第一加扰图像；
第二加扰图像接收模块，用于接收第二终端基于第二目标加扰参数对第二图像进行切片变换处理后得到的第二加扰图像；
第二转换加扰图像确定模块，用于根据所述第二目标加扰参数，将所述第二加扰图像解扰为第二图像，并采用所述第一目标加扰参数对所述第二图像进行加扰，得到第二转换加扰图像；
匹配模块，用于基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配。
在本申请实施例中，所述第一加扰图像的数量大于所述第二加扰图像的数量。
在本申请实施例中，所述第一图像为标准面部图像，所述第二图像为采集面部图像，或者，所述第一图像为采集面部图像，所述第二图像为标准面部图像。
在本申请实施例中，若所述第一加扰图像的数量大于第一预设数量阈值，或者，若所述第二加扰图像的数量大于第二预设数量阈值，或者，若所述第一加扰图像和所述第二加扰图像的数量之和大于第三预设数量阈值，则由服务器执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤；
否则，由所述第一终端或所述第二终端执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤。
在本申请实施例中，若由所述第一终端或所述第二终端执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤，则进行匹配之前，所述装置还包括：
信息发送模块，用于将所述第一加扰图像、所述第二转换加扰图像以及所述图像匹配模型发送至所述第一终端或所述第二终端；或者，
组播通知模块，用于以组播的方式通知所述第一终端将所述第一加扰图像发送至所述第二终端，并将所述第二转换加扰图像以及所述图像匹配模型发送至所述第二终端。
在本申请实施例中，所述装置还包括：
切分模块，用于将所述目标图像切分为至少两个图像块；
变换矩阵确定模块，用于根据所述图像块的排序编号、图像块中预设像素点的坐标以及所述目标加扰参数，确定变换矩阵；
变换处理模块，用于根据所述变换矩阵，对该图像块的像素点进行变换处理。
在本申请实施例中，基于如下公式确定变换矩阵：
其中，x，y∈{1,2,3,…,N－1}是当前像素点在目标图像中的位置坐标，x',y'是经过变换后当前像素点新的位置，N是目标图像像素点矩阵的阶数，a、b和k为目标加扰参数，i、j、xi、yi、p、q和r为实数，mod表示取余运算。
本申请实施例所提供的基于加扰图像的识别装置可执行本申请任意实施例所提供的基于加扰图像的识别方法，具备执行方法相应的功能模块和有益效果。
图13为本发明一种实施例提供的电子设备的结构示意图。图13示出了适于用来实现本申请实施例的示例性电子设备612的框图。图13显示的电子设备612仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图13所示，电子设备612可以包括：一个或多个处理器616；存储器628，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器616执行，使得所述一个或多个处理器616实现本申请实施例所提供的基于加扰图像的识别方法，包括：
若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
接收所述终端发送的所述加扰图像，以用于图像识别。
电子设备612的组件可以包括但不限于：一个或者多个处理器或者处理器616，存储器628，连接不同设备组件(包括存储器628和处理器616)的总线618。
总线618表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备612典型地包括多种计算机设备可读存储介质。这些存储介质可以是任何能够被电子设备612访问的可用存储介质，包括易失性和非易失性存储介质，可移动的和不可移动的存储介质。
存储器628可以包括易失性存储器形式的计算机设备可读存储介质，例如随机存取存储器(RAM)630和/或高速缓存存储器632。电子设备612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机设备存储介质。仅作为举例，存储系统634可以用于读写不可移动的、非易失性磁存储介质(图13未显示，通常称为“硬盘驱动器”)。尽管图13中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光存储介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据存储介质接口与总线618相连。存储器628可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640，可以存储在例如存储器628中，这样的程序模块642包括但不限于操作设备、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
电子设备612也可以与一个或多个外部设备614(例如键盘、指向设备、显示器624等)通信，还可与一个或者多个使得用户能与该电子设备612交互的设备通信，和/或与使得该电子设备612能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且，电子设备612还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图13所示，网络适配器620通过总线618与电子设备612的其它模块通信。应当明白，尽管图13中未示出，可以结合电子设备612使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID设备、磁带驱动器以及数据备份存储设备等。
处理器616通过运行存储在存储器628中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的一种基于加扰图像的识别方法。
本发明一种实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行基于加扰图像的识别方法，包括：
若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
接收所述终端发送的所述加扰图像，以用于图像识别。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的存储介质的任意组合。计算机可读存储介质可以是计算机可读信号存储介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的设备、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形存储介质，该程序可以被指令执行设备、装置或者器件使用或者与其结合使用。
计算机可读的信号存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号存储介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行设备、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的存储介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种基于加扰图像的识别方法，其特征在于，所述方法包括：
若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
接收所述终端发送的所述加扰图像，以用于图像识别。
2.根据权利要求1所述的方法，其特征在于，若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数，包括：
若接收到终端针对目标图像的加扰参数获取请求，则确定所述终端的标识；
查询本地是否存储有所述终端标识以及所述终端采用的加扰参数；
若存在，则将所述终端采用的加扰参数作为目标加扰参数；
若不存在，则确定未被采用的目标加扰参数。
3.根据权利要求2所述的方法，其特征在于，若不存在，则确定未被采用采用的目标加扰参数，包括：
随机生成加扰参数，作为目标加扰参数；或者，
从预先生成的候选加扰参数中，选取未被采用的目标加扰参数。
4.根据权利要求1所述的方法，其特征在于，图像识别过程包括：
接收第一终端基于第一目标加扰参数对第一图像进行切片变换处理后得到的第一加扰图像；
接收第二终端基于第二目标加扰参数对第二图像进行切片变换处理后得到的第二加扰图像；
根据所述第二目标加扰参数，将所述第二加扰图像解扰为第二图像，并采用所述第一目标加扰参数对所述第二图像进行加扰，得到第二转换加扰图像；
基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配。
5.根据权利要求4所述的方法，其特征在于，所述第一图像为标准面部图像，所述第二图像为采集面部图像，或者，所述第一图像为采集面部图像，所述第二图像为标准面部图像。
6.根据权利要求4所述的方法，其特征在于，若所述第一加扰图像的数量大于第一预设数量阈值，或者，若所述第二加扰图像的数量大于第二预设数量阈值，或者，若所述第一加扰图像和所述第二加扰图像的数量之和大于第三预设数量阈值，则由服务器执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤；
否则，由所述第一终端或所述第二终端执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤。
7.根据权利要求6所述的方法，其特征在于，若由所述第一终端或所述第二终端执行基于图像匹配模型，对所述第一加扰图像和所述第二转换加扰图像进行匹配的步骤，则进行匹配之前，所述方法还包括：
将所述第一加扰图像、所述第二转换加扰图像以及所述图像匹配模型发送至所述第一终端或所述第二终端；或者，
以组播的方式通知所述第一终端将所述第一加扰图像发送至所述第二终端，并将所述第二转换加扰图像以及所述图像匹配模型发送至所述第二终端。
8.根据权利要求1-7中任意一项所述的方法，其特征在于，对所述目标图像进行切片变换处理的过程包括：
将所述目标图像切分为至少两个图像块；
根据所述图像块的排序编号、图像块中预设像素点的坐标以及所述目标加扰参数，确定变换矩阵；
根据所述变换矩阵，对该图像块的像素点进行变换处理。
9.根据权利要求8所述的方法，其特征在于，基于如下公式确定变换矩阵：
其中，x，y∈{1,2,3,…,N－1}是当前像素点在目标图像中的位置坐标，x',y'是经过变换后当前像素点新的位置，N是目标图像像素点矩阵的阶数，a、b和k为目标加扰参数，i、j、xi、yi、p、q和r为实数，mod表示取余运算。
10.一种基于加扰图像的识别装置，其特征在于，所述装置包括：
目标加扰参数确定模块，用于若接收到终端针对目标图像的加扰参数获取请求，则确定未被其他终端采用的目标加扰参数；其中，所述目标图像为所述终端中的图像；
目标加扰参数发送模块，用于向所述终端发送所述目标加扰参数，以由所述终端采用所述目标加扰参数对所述目标图像进行切片变换处理得到加扰图像；
加扰图像接收模块，用于接收所述终端发送的所述加扰图像，以用于图像识别。
11.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一项所述的基于加扰图像的识别方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一项所述的基于加扰图像的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011431282.2A CN113554543B (zh) | 2020-12-07 | 2020-12-07 | 基于加扰图像的识别方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011431282.2A CN113554543B (zh) | 2020-12-07 | 2020-12-07 | 基于加扰图像的识别方法、装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113554543A CN113554543A (zh) | 2021-10-26 |
| CN113554543B true CN113554543B (zh) | 2024-03-12 |
Family
ID=78129997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011431282.2A Active CN113554543B (zh) | 2020-12-07 | 2020-12-07 | 基于加扰图像的识别方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113554543B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783925A (zh) * | 2010-03-30 | 2010-07-21 | 南京邮电大学 | 一种用于对等计算机顶盒的视频数据安全保护方法 |
| CN106254382A (zh) * | 2016-09-13 | 2016-12-21 | 浙江宇视科技有限公司 | 媒体数据的处理方法及装置 |
| CN111031348A (zh) * | 2019-12-11 | 2020-04-17 | 浙江宇视科技有限公司 | 一种视频加扰方法、装置、服务器和存储介质 |
| CN111738238A (zh) * | 2020-08-14 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 人脸识别方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9747494B2 (en) * | 2015-11-16 | 2017-08-29 | MorphoTrak, LLC | Facial matching system |
-
2020
- 2020-12-07 CN CN202011431282.2A patent/CN113554543B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101783925A (zh) * | 2010-03-30 | 2010-07-21 | 南京邮电大学 | 一种用于对等计算机顶盒的视频数据安全保护方法 |
| CN106254382A (zh) * | 2016-09-13 | 2016-12-21 | 浙江宇视科技有限公司 | 媒体数据的处理方法及装置 |
| CN111031348A (zh) * | 2019-12-11 | 2020-04-17 | 浙江宇视科技有限公司 | 一种视频加扰方法、装置、服务器和存储介质 |
| CN111738238A (zh) * | 2020-08-14 | 2020-10-02 | 支付宝(杭州)信息技术有限公司 | 人脸识别方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113554543A (zh) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liao et al. | Adaptive payload distribution in multiple images steganography based on image texture features | |
| CN111738238B (zh) | 人脸识别方法和装置 | |
| CN106251278B (zh) | 一种基于直方图特征的图像加密域可逆信息隐藏方法 | |
| CN112949545B (zh) | 识别人脸图像的方法、装置、计算设备和介质 | |
| EP3234904B1 (en) | Method and apparatus for publishing locational copyrighted watermarking video | |
| CN112948795B (zh) | 保护隐私的身份认证方法及装置 | |
| CN113766085B (zh) | 图像处理方法及相关装置 | |
| CN112434319B (zh) | 一种用于电子文件的数据加密方法及装置 | |
| Khazbak et al. | TargetFinder: A privacy preserving system for locating targets through IoT cameras | |
| CN112865958A (zh) | 通过物联网摄像头进行目标搜索的隐私保护系统和方法 | |
| Sultan et al. | A novel image-based homomorphic approach for preserving the privacy of autonomous vehicles connected to the cloud | |
| CN108512651B (zh) | 一种人工智能图像辨识攻击防御方法、系统及存储介质 | |
| US11704418B2 (en) | Fingerprint encryption method and device, fingerprint decryption method and device, storage medium and terminal | |
| CN113554543B (zh) | 基于加扰图像的识别方法、装置、电子设备及介质 | |
| CN110516425B (zh) | 一种秘密共享方法及系统 | |
| CN116049792A (zh) | 人脸注册、识别方法以及人脸数据保护系统 | |
| CN115114667A (zh) | 一种安全芯片的隐私信息处理分类方法及装置 | |
| Khazbak et al. | Targetfinder: privacy preserving target search through iot cameras | |
| Nguyen et al. | A video surveillance-based face image security system using post-quantum cryptography | |
| Lafta et al. | Secure Content-Based Image Retrieval with Copyright Protection within Cloud Computing Environment. | |
| CN113052044A (zh) | 识别虹膜图像的方法、装置、计算设备和介质 | |
| CN112633240A (zh) | 人脸识别方法及装置 | |
| CN108921036B (zh) | 基于人脸图像识别的随机数产生方法及产生系统 | |
| CN113052045A (zh) | 识别指静脉图像的方法、装置、计算设备和介质 | |
| CN114254339B (zh) | 电子文件的泄漏追踪方法、装置、芯片、终端 |
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 |