CN113868688A - 人脸分层加密方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种人脸分层加密方法、装置、设备及存储介质。该人脸分层加密方法包括：通过获取待处理图片；对待处理图片进行人脸识别处理，得到单个人脸图片；在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据；对目标人脸数据进行第二加密处理，得到目标人脸密文数据。通过本技术方案能够通过加密芯片对人脸关键部位数据进行加密处理，再通过安全芯片对缺陷图片数据和初始人脸密文数据进行整体加密处理，从而得到目标人脸密文数据。

Description

人脸分层加密方法、装置、设备及存储介质

技术领域

本发明涉及计算机技术领域，尤其是涉及一种人脸分层加密方法、装置、设备及存储介质。

背景技术

随着人脸识别技术在智能安防、城市交通、智慧商业以及智能社区等公共场所大规模落地商用，对人脸信息的隐私保护问题也越来越多地引起公众的关注和担忧，为了切实保护公众隐私、回应整个社会对于人脸信息安全的担忧，新一代人脸识别系统中需要引入人脸信息加密的安全机制。

相关技术中，在进行人脸信息交互时，当传输一张人脸图片，如果对整个人脸图片进行加密，即就需要更高计算能力的加密芯片进行加密处理，不仅对加密芯片要求较高且加密时间比较长。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种人脸分层加密方法、装置、设备及存储介质，能够通过加密芯片对人脸关键部位数据进行加密处理，得到初始人脸密文数据，再通过安全芯片对缺陷图片数据和初始人脸密文数据进行整体加密处理，从而得到目标人脸密文数据。

根据本发明申请的第一方面实施例的人脸分层加密方法，包括：

获取待处理图片；

对待处理图片进行人脸识别处理，得到单个人脸图片；

在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；

将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；

将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据；

对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

根据本发明实施例的人脸分层加密方法，至少具有如下有益效果：

该实施例的人脸分层加密方法，通过获取待处理图片；对待处理图片进行人脸识别处理，得到单个人脸图片；在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据；对目标人脸数据进行第二加密处理，得到目标人脸密文数据，能够通过加密芯片对人脸关键部位数据进行加密处理，得到初始人脸密文数据，再通过安全芯片对缺陷图片数据和初始人脸密文数据进行整体加密处理，从而得到目标人脸密文数据。

根据本申请的一些实施例，包括：

获取预设的人脸定位算法；

根据人脸定位算法识别出待处理图片的所有人脸区域及各自的位置信息；

根据人脸区域的位置信息，确定出单个人脸图片。

根据本申请的一些实施例，包括：

根据预设神经网络训练单个人脸图片，得到人脸训练参数；

根据人脸训练参数，标定单个人脸图片中的关键部位为目标区域；

对目标区域进行截取处理，得到与关键部位对应的人脸特征值，并得到缺少关键部位的缺陷图片数据。

根据本申请的一些实施例，包括：

将单个人脸图片输入神经网络进行训练，得到人脸识别模型；

根据人脸识别模型训练单个人脸图片，得到人脸训练参数。

根据本申请的一些实施例，包括：

获取用于在加密芯片与安全芯片之间通信的通信接口组件；

将人脸特征值通过通信接口组件发送至加密芯片；

获取加密芯片预设的加密算法；

利用加密算法，对人脸特征值进行第一加密处理，得到初始人脸密文数据。

根据本申请的一些实施例，包括：

将初始人脸密文数据通过通信接口组件发送至安全芯片；

获取存储在安全芯片中的缺陷图片数据的后缀存储空间；

将初始人脸密文数据添加至缺陷图片数据的后缀存储空间，组合成目标人脸数据。

根据本申请的一些实施例，包括：

获取安全芯片预设的安全加密算法；

利用安全加密算法，对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

根据本申请的第二方面实施例的人脸分层加密装置，包括：

获取模块，用于获取待处理图片；

识别模块，用于对待处理图片进行人脸识别处理，得到单个人脸图片；

截取模块，用于在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；

第一加密模块，用于将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；

组合模块，用于将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据；

第二加密模块，用于对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

根据本申请的第三方面实施例的人脸分层加密设备，包括：

至少一个存储器；

至少一个处理器；

至少一个程序；

程序被存储在存储器中，处理器执行至少一个程序以实现：

如本发明第一方面的人脸分层加密方法。

根据本申请的第四方面实施例的存储介质存储有可执行指令，可执行指令能被计算机执行，使计算机执行如本发明第一方面的人脸分层加密方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

下面结合附图和实施例对本发明做进一步的说明，其中：

图1为本发明提供的人脸分层加密方法的一具体流程示意图；

图2为图1中步骤S200的一具体流程示意图；

图3为图1中步骤S300的一具体流程示意图；

图4为图3中步骤S310的一具体流程示意图；

图5为图1中步骤S400的一具体流程示意图；

图6为图1中步骤S500的一具体流程示意图；

图7为图1中步骤S600的一具体流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

本发明的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

首先，对本申请中涉及的若干名词进行解析：

单个人脸图片：指通过人脸识别技术从待处理图片或者视频帧中得到的单个包含人脸的图片。

人脸特征值：指通过神经网络对单个人脸图片进行训练后，得到的人脸关键部位的相关数据。

缺陷图片数据：指在单个人脸图片中再截取删除识别人脸关键部位的相关数据后剩余的单个人脸图片数据。

加密芯片：指可信任平台模块，是一个可独立进行密钥生成、加解密的装置，内部拥有独立的处理器和存储单元，可存储密钥和特征数据，为电脑提供加密和安全认证服务。用安全芯片进行加密，密钥被存储在硬件中，被窃的数据无法解密，从而保护商业隐私和数据安全指。通过国家认证的安全芯片比如K21、3100、1903等。在本申请中，加密芯片包括加密算法。

安全芯片：是对内部集成了各类对称与非对称算法，自身具有极高安全等级，可以保证内部存储的密钥和信息数据不会被非法读取与篡改的一类安全芯片的统称。在嵌入式行业应用广泛。他的前身就是水电气表等行业的ESAM模块，专门用于线路数据的加密传输与密钥安全存放。在本申请的实施例中，安全芯片包括安全加密算法。

加密算法：是指对应与加密芯片的加密算法，该加密算法可以为硬件加密方式，即密钥数据是固化于加密芯片中的，通常不能够被读取出来，若检测到固化的加密芯片破坏，则会自动清除对应的密钥数据，从而保证通过该加密算法加密的加密数据的安全。

安全加密算法：是指对应安全芯片的安全加密算法，通常该安全加密算法的密钥数据存储在计算机程序当中。

神经网络：人工神经网络也简称为神经网络或称作连接模型，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。

如图1所示，其为本申请实施例提供的人脸分层加密方法的实施流程示意图，人脸分层加密方法可以包括但不限于步骤S100至S600。

S100，获取待处理图片；

S200，对待处理图片进行人脸识别处理，得到单个人脸图片；

S300，在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；

S400，将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；

S500，将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据；

S600，对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

在一些实施例的步骤S100中，获取待处理图片，即通过计算机程序获取到待处理图片，用于执行本申请实施例提供的人脸分层加密方法。

在一些实施例的步骤S200中，对待处理图片进行人脸识别处理，得到单个人脸图片具体执行步骤为：先获取预设的人脸定位算法，再根据人脸定位算法识别出待处理图片的所有人脸区域及各自的位置信息，再根据人脸区域的位置信息，确定出单个人脸图片。

在一些实施例中，参考图2，步骤S200可以包括但不限于步骤S210至S230。

S210，获取预设的人脸定位算法；

S220，根据人脸定位算法识别出待处理图片的所有人脸区域及各自的位置信息；

S230，根据人脸区域的位置信息，确定出单个人脸图片。

在一些实施例的步骤S210中，获取预设的人脸定位算法，用于执行步骤S220根据人脸定位算法识别出待处理图片的所有人脸区域及各自的位置信息，其中，人脸定位算法根据实际需要进行选择，本发明实施例不做限定。

在一些实施例的步骤S220中，在执行完步骤S210获取预设的人脸定位算法之后，计算机程序根据人脸定位算法识别出待处理图片的所有人脸区域及各自的位置信息，可以理解的是，如果通过人脸定位算法没有检测到人脸信息，那么不会进行后续的人脸识别的处理，可以提示待处理图片中不存在人脸信息。

在一些实施例的步骤S230中，在执行完步骤S220根据人脸定位算法识别出待处理图片的所有人脸区域及各自的位置信息之后，计算机程序根据人脸区域的位置信息，确定出单个人脸图片，其中位置信息表明对应的人脸区域在待处理图片中的位置，根据人脸区域的位置信息，从而确定出单个人脸图片。

进一步地，待处理图片中的人脸区域为矩形区域，可以用矩形区域的左上角的坐标以及矩形区域的长和宽作为矩形区域对应的位置信息。

在一些实施例的步骤S300中，在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据具体执行步骤为：先将单个人脸图片输入神经网络进行训练，得到人脸识别模型，再根据人脸识别模型训练单个人脸图片，得到人脸训练参数，再根据人脸训练参数，标定单个人脸图片中的关键部位为目标区域，再对目标区域进行截取处理，从而得到与关键部位对应的人脸特征值，并得到缺少关键部位的缺陷图片数据。

在一些实施例中，参考图3，步骤S300可以包括但不限于步骤S310至S330。

S310，根据预设神经网络训练单个人脸图片，得到人脸训练参数；

S320，根据人脸训练参数，标定单个人脸图片中的关键部位为目标区域；

S330，对目标区域进行截取处理，得到与关键部位对应的人脸特征值，并得到缺少关键部位的缺陷图片数据。

在一些实施例的步骤S310中，在执行完步骤S230根据人脸区域的位置信息，确定出单个人脸图片之后，根据预设神经网络训练通过步骤S230得到的单个人脸图片，得到人脸训练参数，可以理解的是先将单个人脸图片输入神经网络进行训练，得到人脸识别模型，再根据人脸识别模型训练单个人脸图片，得到人脸训练参数。其中，神经网络根据实际需要进行选择，本发明实施例不做限定。

在一些实施例的步骤S320中，在执行完步骤S310根据预设神经网络训练单个人脸图片，得到人脸训练参数之后，根据人脸训练参数，标定单个人脸图片中的关键部位为目标区域，可以理解的是，在使用神经网络进行人脸识别时，得到人脸识别的模型，并由人脸识别模型去训练多个单个人脸图片，从而得到人脸训练参数，人脸训练参数即在识别出关键部位后对人脸关键部位进行标定的坐标位置，用于根据坐标位置对目标区域进行截取处理。

进一步地，关键部位至少包括以下之一：眉毛、眼睛、鼻子、脸、嘴巴。

在一些实施例的步骤S330中，在执行完步骤S320根据人脸训练参数，标定单个人脸图片中的关键部位为目标区域之后，对目标区域进行截取处理，得到与关键部位对应的人脸特征值，并得到缺少关键部位的缺陷图片数据，可以理解的是，对单个人脸图片中标定的关键部位进行截取处理，计算机程序把这些关键部位对应的数据信息筛选出来，得到与关键部位对应的人脸特征值，那么单个人脸图片中的关键部位被截取处理了，剩下的数据即为缺少关键部位的缺陷图片数据。

在一些实施例中，参考图4，步骤S310可以包括但不限于步骤S311至S312。

S311，将单个人脸图片输入神经网络进行训练，得到人脸识别模型；

S312，根据人脸识别模型训练单个人脸图片，得到人脸训练参数；

在一些实施例的步骤S311中，在执行完步骤S230根据人脸区域的位置信息，确定出单个人脸图片之后，计算机程序将单个人脸图片输入神经网络进行训练，得到人脸识别模型，在进行机器学习训练。其中，神经网络根据实际需要进行选择，本发明实施例不做限定。

在一些实施例的步骤S312中，在执行完步骤S311将单个人脸图片输入神经网络进行训练，得到人脸识别模型之后，计算机程序根据人脸识别模型训练单个人脸图片，得到人脸训练参数，可以理解的是，根据步骤S311进行机器学习训练过后得到的人脸识别模型再去训练识别待处理单个人脸图片，从而得到人脸训练参数。

在一些实施例的步骤S400中，将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据具体执行步骤可以为：先获取用于在加密芯片与安全芯片之间通信的通信接口组件，再将人脸特征值通过通信接口组件发送至加密芯片，再获取加密芯片预设的加密算法，再利用加密算法，对人脸特征值进行第一加密处理，得到初始人脸密文数据。

在一些实施例中，参考图5，步骤S400可以包括但不限于步骤S410至S440。

S410，获取用于在加密芯片与安全芯片之间通信的通信接口组件；

S420，将人脸特征值通过通信接口组件发送至加密芯片；

S430，获取加密芯片预设的加密算法；

S440，利用加密算法，对人脸特征值进行第一加密处理，得到初始人脸密文数据。

在一些实施例的步骤S410中，在执行完步骤S330对目标区域进行截取处理，得到与关键部位对应的人脸特征值，并得到缺少关键部位的缺陷图片数据之后，获取用于在加密芯片与安全芯片之间通信的通信接口组件，用于在加密芯片和安全芯片之间进行通信连接传输数据。

在一些实施例的步骤S420中，在执行完步骤S410获取用于在加密芯片与安全芯片之间通信的通信接口组件之后，将人脸特征值通过通信接口组件发送至加密芯片，可以理解的是，将步骤S330得到的人脸特征值由安全芯片发送到加密芯片，以便在加密芯片对人脸关键部位数据进行加密。

在一些实施例的步骤S430中，在执行完步骤S420将人脸特征值通过通信接口组件发送至加密芯片之后，计算机程序获取加密芯片预设的加密算法，用于执行步骤S440利用加密芯片预设的算法加密通过步骤S330得到的人脸特征值，从而得到初始人脸密文数据。

进一步地，加密芯片预设的加密算法可以为使用硬件加密方式，密钥的下载会在工厂安全环境下载，因此，密钥数据不能够被读取出来，若是检测到硬件设备被拆机后，该密钥数据将会自动清除。其中，该加密算法根据实际需要进行选择，在本发明实施例不做具体限定。

在一些实施例的步骤S440中，在执行完步骤S430获取加密芯片预设的加密算法之后，利用加密算法，对人脸特征值进行第一加密处理，得到初始人脸密文数据，可以理解的是，利用加密芯片预设的加密算法对人脸特征值进行第一加密处理，从而得到初始人脸密文数据。

要说明的是，此处的第一加密处理可以理解为是在加密芯片上进行的加密处理，此处的加密处理比在安全芯片上进行的第二加密处理等级更加高，且在一些实施例中，第一加密处理的密钥数据信息是固化于加密芯片上的，一旦加密芯片所在的硬件遭到破坏，将清除该密钥数据，从而达到对人脸特征值的保护。

在一些实施例的步骤S500中，将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据具体执行步骤为：先将初始人脸密文数据通过通信接口组件发送至安全芯片，再获取存储在安全芯片中的缺陷图片数据的后缀存储空间，再将初始人脸密文数据添加至缺陷图片数据的后缀存储空间，组合成目标人脸数据。

在一些实施例中，参考图6，步骤S500可以包括但不限于步骤S510至S530。

S510，将初始人脸密文数据通过通信接口组件发送至安全芯片；

S520，获取存储在安全芯片中的缺陷图片数据的后缀存储空间；

S530，将初始人脸密文数据添加至缺陷图片数据的后缀存储空间，组合成目标人脸数据。

在一些实施例的步骤S510中，在执行完步骤S440利用加密算法，对人脸特征值进行第一加密处理，得到初始人脸密文数据之后，将初始人脸密文数据通过步骤S410得到的通信接口组件发送至安全芯片。

在一些实施例的步骤S520中，在执行完步骤S510将初始人脸密文数据通过通信接口组件发送至安全芯片之后，获取存储在安全芯片中的缺陷图片数据的后缀存储空间，用于存储通过步骤S510得到的初始人脸密文数据。

在一些实施例的步骤S530中，在执行完步骤S520获取到存储在安全芯片中的缺陷图片数据的后缀存储空间之后，将通过步骤S510得到的初始人脸密文数据添加至通过步骤S520得到的缺陷图片数据的后缀存储空间，组合成目标人脸数据，可以理解的是，不仅将在加密芯片进行第一加密处理后的初始人脸密文数据存储在缺陷图片数据的最后几位字节存储空间，同时将该人脸密文数据的大小数值也存储在该后缀空间，用于和缺少关键部位的缺陷图片数据共同组合成目标人脸数据。

在一些实施例的步骤S600中，对目标人脸数据进行第二加密处理，得到目标人脸密文数据具体执行步骤为：先获取安全芯片预设的安全加密算法，再利用安全加密算法，对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

在一些实施例中，参考图7，步骤S600可以包括但不限于步骤S610至S620。

S610，获取安全芯片预设的安全加密算法；

S620，利用安全加密算法，对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

在一些实施例的步骤S610中，在执行完步骤S530将初始人脸密文数据添加至缺陷图片数据的后缀存储空间之后，组合成目标人脸数据，再通过计算机程序获取安全芯片预设的安全加密算法，用于利用安全加密算法加密通过步骤S530得到的目标人脸数据，从而得到目标人脸密文数据。

在一些实施例的步骤S620中，在执行完步骤S610获取到安全芯片预设的安全加密算法之后，计算机程序利用通过步骤S610得到的安全加密算法，对通过步骤S530得到的目标人脸数据进行第二加密处理，得到目标人脸密文数据。

要说明的是，此处的第二加密处理可以理解为是在安全芯片上通过预设的安全加密算法进行的加密处理，此处的第二加密处理比第一加密处理的安全等级更低一些。在一些实施例中，该加密算法的加密密钥数据可以存储于计算机程序中。

通过上述对于不同人脸数据应用不同安全级别的加密算法进行加密的方法，既可以保障人脸关键数据的安全，又能够相比较于现有技术对整体人脸数据进行加密的方法缩短加密时长。

在一些实施方式中，人脸分层加密装置，包括：

获取模块，用于获取待处理图片；

识别模块，用于对待处理图片进行人脸识别处理，得到单个人脸图片；

截取模块，用于在预设的安全芯片上，对单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；

第一加密模块，用于将人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；

组合模块，用于将初始人脸密文数据发送至安全芯片上与缺陷图片数据进行组合处理，得到目标人脸数据；

第二加密模块，用于对目标人脸数据进行第二加密处理，得到目标人脸密文数据。

本实施例的人脸分层加密装置的具体实施方式与上述人脸分层加密方法的具体实施方式基本一致，在此不再赘述。

在一些实施方式中，人脸分层加密设备，包括：至少一个存储器；至少一个处理器；至少一个程序，其中存储器用于存储可执行程序，可执行程序在被运行时执行如上所述的人脸分层加密方法。

在一些实施方式中，所述存储介质存储有可执行指令，可执行指令能被计算机执行。

存储器作为一种非暂态存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，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，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，在本申请各个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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元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全部或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，包括多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(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本公开实施例的优选实施例，并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本公开实施例的权利范围之内。

Claims (10)

1.人脸分层加密方法，其特征在于，包括：

获取待处理图片；

对所述待处理图片进行人脸识别处理，得到单个人脸图片；

在预设的安全芯片上，对所述单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；

将所述人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；

将所述初始人脸密文数据发送至所述安全芯片上与所述缺陷图片数据进行组合处理，得到目标人脸数据；

对所述目标人脸数据进行第二加密处理，得到目标人脸密文数据。

2.根据权利要求1所述的人脸分层加密方法，其特征在于，所述对所述待处理图片进行人脸识别处理，得到单个人脸图片，包括：

获取预设的人脸定位算法；

根据所述人脸定位算法识别出所述待处理图片的所有人脸区域及各自的位置信息；

根据所述人脸区域的所述位置信息，确定出所述单个人脸图片。

3.根据权利要求1所述的人脸分层加密方法，其特征在于，所述在预设的安全芯片上，对所述单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据，包括：

根据预设神经网络训练所述单个人脸图片，得到人脸训练参数；

根据所述人脸训练参数，标定所述单个人脸图片中的关键部位为目标区域；

对所述目标区域进行截取处理，得到与所述关键部位对应的所述人脸特征值，并得到缺少所述关键部位的所述缺陷图片数据。

4.根据权利要求3所述的人脸分层加密方法，其特征在于，所述根据预设神经网络训练所述单个人脸图片，得到人脸训练参数，包括：

将所述单个人脸图片输入所述神经网络进行训练，得到人脸识别模型；

根据所述人脸识别模型训练所述单个人脸图片，得到所述人脸训练参数。

5.根据权利要求1所述的人脸分层加密方法，其特征在于，所述将所述人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据，包括：

获取用于在所述加密芯片与所述安全芯片之间通信的通信接口组件；

将所述人脸特征值通过所述通信接口组件发送至所述加密芯片；

获取所述加密芯片预设的加密算法；

利用所述加密算法，对所述人脸特征值进行第一加密处理，得到所述初始人脸密文数据。

6.根据权利要求5所述的人脸分层加密方法，其特征在于，所述将所述初始人脸密文数据发送至所述安全芯片上与所述缺陷图片数据进行组合处理，得到目标人脸数据，包括：

将所述初始人脸密文数据通过所述通信接口组件发送至所述安全芯片；

获取存储在所述安全芯片中的所述缺陷图片数据的后缀存储空间；

将所述初始人脸密文数据添加至所述缺陷图片数据的所述后缀存储空间，组合成所述目标人脸数据。

7.根据权利要求1至6任一项所述的人脸分层加密方法，其特征在于，所述对所述目标人脸数据进行第二加密处理，得到目标人脸密文数据，包括：

获取所述安全芯片预设的安全加密算法；

利用所述安全加密算法，对所述目标人脸数据进行第二加密处理，得到所述目标人脸密文数据。

8.人脸分层加密装置，其特征在于，包括：

获取模块，用于获取待处理图片；

识别模块，用于对所述待处理图片进行人脸识别处理，得到单个人脸图片；

截取模块，用于在预设的安全芯片上，对所述单个人脸图片进行截取处理，得到人脸特征值和缺陷图片数据；

第一加密模块，用于将所述人脸特征值发送至预设的加密芯片上进行第一加密处理，得到初始人脸密文数据；

组合模块，用于将所述初始人脸密文数据发送至所述安全芯片上与所述缺陷图片数据进行组合处理，得到目标人脸数据；

第二加密模块，用于对所述目标人脸数据进行第二加密处理，得到目标人脸密文数据。

9.人脸分层加密设备，其特征在于，包括：

至少一个存储器；

至少一个处理器；

至少一个程序；

所述程序被存储在存储器中，处理器执行所述至少一个程序以实现：

如权利要求1至7任一项所述的人脸分层加密方法。

10.存储介质，其特征在于，所述存储介质存储有可执行指令，可执行指令能被计算机执行，使所述计算机执行：

如权利要求1至7任一项所述的人脸分层加密方法。

Images