CN115565222A - 人脸识别方法、人脸识别系统、终端设备及存储介质 - Google Patents
人脸识别方法、人脸识别系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115565222A CN115565222A CN202211160962.4A CN202211160962A CN115565222A CN 115565222 A CN115565222 A CN 115565222A CN 202211160962 A CN202211160962 A CN 202211160962A CN 115565222 A CN115565222 A CN 115565222A
- Authority
- CN
- China
- Prior art keywords
- face
- recognized
- feature
- difference
- face feature
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种人脸识别方法、人脸识别系统、终端设备及存储介质,该人脸识别方法包括:获取待识别人脸图像,并提取出待识别图像对应的初始人脸特征;对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;确定第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异,确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异;第一基准人脸特征和第二基准人脸特征是对基准人脸图像对应的基准人脸特征进行秘密分片得到;根据第一差异和第二差异得到待识别人脸图像对应的识别结果。本申请的人脸识别方法对人脸特征分片后存储至不同服务器中进行计算,降低人脸特征泄露风险。
Description
技术领域
本申请涉及身份识别技术领域,特别是涉及一种人脸识别方法、人脸识别系统、终端设备及存储介质。
背景技术
随着技术的发展,人脸识别与比对的应用场景越来越广泛,如人脸识别闸机、人脸识别支付等。人脸识别的原理是通过从含人脸的图像中提取出待识别人脸特征,与数据库中已有的人脸特征进行比对。
目前日益增多的人脸数据泄露事件的发生,不法分子恶意利用这些用户人脸数据,对用户造成了安全威胁。因此如何在实现人脸识别的同时确保用户人脸数据的安全性至关重要。
发明内容
本申请提供一种人脸识别方法、人脸识别系统、终端设备及存储介质。
本申请采用的一个技术方案是提供一种人脸识别方法,人脸识别方法包括:
获取待识别人脸图像,并提取出待识别图像对应的初始人脸特征;对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;确定第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异,确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异;第一基准人脸特征和第二基准人脸特征是对基准人脸图像对应的基准人脸特征进行秘密分片得到;根据第一差异和第二差异得到待识别人脸图像对应的识别结果。
其中,确定第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异,包括:确定第一待识别人脸特征与第一服务器中每一第一基准人脸特征之间的第一差异,得到每一第一基准人脸特征对应的第一差异;确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异,包括:确定第二待识别人脸特征与第二服务器中每一第二基准人脸特征之间的第二差异,得到每一第二基准人脸特征对应的第二差异。
其中,根据第一差异和第二差异得到待识别人脸图像对应的识别结果,包括:确定第一基准人脸特征与第二基准人脸的对应关系;基于对应关系确定出目标第一差异和目标第二差异;基于目标第一差异和目标第二差异确定出相似度,进而得到待识别人脸图像对应的多个相似度;基于多个相似度得到待识别人脸图像对应的识别结果。
其中,基于多个相似度得到待识别人脸图像对应的识别结果,包括:若任一相似度满足预设条件,则识别结果为识别成功;若所有相似度不满足预设条件,则识别结果为识别失败。
其中,基于目标第一差异和目标第二差异确定出相似度,包括:基于目标第一差异和目标第二差异还原出第一待识别人脸特征、第二待识别人脸特征、第一基准人脸特征和第二基准人脸特征;利用第一待识别人脸特征、第二待识别人脸特征、第一基准人脸特征和第二基准人脸特征确定出相似度。
其中,利用第一待识别人脸特征、第二待识别人脸特征、第一基准人脸特征和第二基准人脸特征确定出相似度,包括:确定第一待识别人脸特征和第二待识别人脸特征中同一维度的第一子人脸特征;确定第一基准人脸特征和第二基准人脸特征中同一维度的第二子人脸特征;利用相同维度的第一子人脸特征和第二子人脸特征确定出相似度。
其中,对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征,包括:对初始人脸特征进行加法秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征。
本申请采用的另一个技术方案是提供一种人脸识别系统,人脸识别系统包括:采集端,用于采集待识别人脸图像;处理服务器,与采集端连接,用于接收待识别人脸图像,并提取出待识别图像对应的初始人脸特征,并对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;第一服务器,与处理服务器连接,用于接收处理服务器发送的第一待识别人脸特征,确定出第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异;第二服务器,与处理服务器连接,用于接收处理服务器发送的第二待识别人脸特征,确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异;其中,第一基准人脸特征和第二基准人脸特征是对基准人脸图像对应的基准人脸特征进行秘密分片得到;处理服务器还用于接收第一差异和第二差异,并根据第一差异和第二差异得到待识别人脸图像对应的识别结果。
本申请采用的另一个技术方案是提供一种终端设备,终端设备包括存储器以及与存储器耦接的处理器;其中,存储器用于存储程序数据,处理器用于执行程序数据以实现如上述的人脸识别方法。
本申请采用的另一个技术方案是提供一种计算机存储介质,计算机存储介质用于存储程序数据,程序数据在被计算机执行时,用以实现如上述的人脸识别方法。
本申请的有益效果是:本申请提供一种人脸识别方法、人脸识别系统、终端设备及存储介质,通过对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;使第一待识别人脸特征和第二待识别人脸特征具有更高的安全性,然后分别与第一服务器中若干第一基准人脸特征确定出第一差异,与第二服务器中的若干第二基准人脸特征确定出第二差异;再根据第一差异和第二差异得到待识别人脸图像对应的识别结果,提升整个人脸识别过程人脸数据的安全性。
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是本申请提供的人脸识别方法一实施例的流程示意图;
图2是图1中S4的一个子步骤流程示意图;
图3是图2中S43一子步骤流程示意图;
图4是本申请提供的基准人脸特征进行秘密分片及存储一实施例的流程示意图;
图5是本申请提供的人脸识别方法另一实施例结构示意图;
图6是本申请提供的人脸识别系统一实施例的结构示意图;
图7是本申请提供的终端设备一实施例的结构示意图;
图8是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
在申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例中的步骤并不一定是按照所描述的步骤顺序进行处理,可以按照需求有选择的将步骤打乱重排,或者删除实施例中的步骤,或者增加实施例中的步骤,本申请实施例中的步骤描述只是可选的顺序组合,并不代表本申请实施例的所有步骤顺序组合,实施例中的步骤顺序不能认为是对本申请的限制。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法或设备固有的其它步骤或单元。
另外,本申请中尽管多次采用术语“第一”、“第二”等来描述各种数据(或设备或各种应用或各种指令或各种操作)等,不过这些数据(或设备或应用或指令或操作)不应受这些术语的限制。这些术语只是用于区分一种数据(或设备或应用或指令或操作)和另一种数据(或设备或应用或指令或操作)。
请参阅图1,图1是本申请提供的人脸识别方法一实施例的流程示意图。
如图1所示,本申请提供的人脸识别方法可以包括:
S1,获取待识别人脸图像,并提取出待识别图像对应的初始人脸特征。
本申请提供的人脸识别方法由人脸识别系统执行。其中,人脸识别系统包括采集端,处理服务器,第一服务器,第二服务器。其中,第一服务器和第二服务器为非共谋服务器。
一些应用场景中,获取待识别人脸图像及提取待识别人脸图像对应的初始人脸特征的流程由采集端执行。
一些实施例中,人脸识别系统获取待识别人脸图像,即采集人脸抓拍图片;人脸识别系统对待识别人脸图像进行人脸特征提取,获得初始人脸特征信息X。
可选地,人脸识别系统在提取人脸特征提取的步骤之前,可以对待识别人脸图像进行预处理,如对待识别人脸图像进行图像亮度调节、人脸检测、人脸矫正等一种或多种图像处理方法。
S2,对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征。
其中,对初始人脸特征进行加法秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征。
一些实施例中,人脸识别系统对初始人脸特征信息进行加法秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征,具体地,人脸识别系统对初始人脸特征信息进行加法秘密分片,至少得到初始人脸特征第一分片与初始人脸特征第二分片。
一些实施例中,人脸识别系统对初始人脸特征信息X进行加法秘密分片,得到初始人脸特征第一分片X1与初始人脸特征第二分片X2。
其中,初始人脸特征第一分片X1与初始人脸特征第二分片X2满足:
X=X1+X2
其中,X为初始人脸特征信息,X1为初始人脸特征第一分片,X2为初始人脸特征第二分片,d为每个人脸特征分片中的特征总数。
一些应用场景中,对初始人脸特征进行秘密分片的流程由采集端执行。
一些应用场景中,采集端对初始人脸执行秘密分片后,将第一待识别人脸特征发送至第一服务器、将第二待识别人脸特征发送至第二服务器,采集端删除待识别人脸图像、初始人脸特征信息X以及初始人脸特征第一分片X1和初始人脸特征第二分片X2。
S3,确定第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异,确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异。
其中,第一基准人脸特征和第二基准人脸特征是对基准人脸图像对应的基准人脸特征进行秘密分片得到。具体地,基准人脸图像为用户在上传至处理服务器的人脸图像。一些应用场景中,对基准人脸图像对应的基准人脸特征进行秘密分片的流程在处理服务器中执行。
一些实施例中,人脸识别系统对第一待识别人脸特征与在第一服务器中若干基准人脸特征进行计算,获得第一差异。具体地,人脸监测系统对初始人脸特征第一分片和存储于第一服务器中的底库人脸特征秘密分片进行计算,得到对应差异结果。
一些实施例中,人脸识别系统对第二待识别人脸特征与在第二服务器中若干基准人脸特征进行计算,获得第二差异。具体地,人脸监测系统对初始人脸特征第二分片和存储于第二服务器中的底库人脸特征秘密分片进行计算,得到对应差异结果。
其中,确定第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异的流程在第一服务器中执行;确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异的流程在第二服务器中执行。
S4,根据第一差异和第二差异得到待识别人脸图像对应的识别结果。
一些实施例中,人脸识别系统对第一服务器计算得到的第一差异和第二服务器计算得到的第二差异进行比对,从而完成对待识别人脸图像的识别。
一些应用场景中,根据第一差异和第二差异得到待识别人脸图像对应的识别结果的流程由处理服务器执行。
一些应用场景中,执行根据第一差异和第二差异得到待识别人脸图像对应的识别结果流程的处理服务器与执行基准人脸图像对应的基准人脸特征进行秘密分片流程的处理服务器可以不为同一个服务器。
上述方案,通过对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;使第一待识别人脸特征和第二待识别人脸特征具有更高的安全性,然后分别与第一服务器中若干第一基准人脸特征确定出第一差异,与第二服务器中的若干第二基准人脸特征确定出第二差异;再根据第一差异和第二差异得到待识别人脸图像对应的识别结果,提升整个人脸识别过程人脸数据的安全性。
一些实施例中,人脸识别系统在执行S3的过程中,还可以执行以下步骤:
S31,确定第一待识别人脸特征与第一服务器中每一第一基准人脸特征之间的第一差异,得到每一第一基准人脸特征对应的第一差异。
一些实施例中,第一服务器得到的每一第一基准人脸特征对应的第一差异Ei满足:
其中,i=1,2,3…,m。m为第一服务器得到第一基准人脸特征的总数。
S32,确定第二待识别人脸特征与第二服务器中每一第二基准人脸特征之间的第二差异,得到每一第二基准人脸特征对应的第二差异。
一些实施例中,第二服务器得到的每一第二基准人脸特征对应的第二差异Fi满足:
其中,i=1,2,3…,m。m为第二服务器得到第一基准人脸特征的总数。
根据第一差异和所述第二差异得到待识别人脸图像对应的识别结果的步骤请参阅图2,图2是图1中S4的一个子步骤流程示意图。
如图2所示,根据第一差异和所述第二差异得到待识别人脸图像对应的识别结果的步骤可以包括:
S41,确定第一基准人脸特征与第二基准人脸特征的对应关系。
由于第一基准人脸特征与第二基准人脸特征是根据基准人脸特征得到的,然后分别存储于第一服务器和第二服务器,因此需要对第一基准人脸特征与第二基准人脸特征建立对应关系,才能在后续识别时根据对应关系找到相关联的第一基准人脸特征与第二基准人脸特征。
S42,基于对应关系确定出目标第一差异和目标第二差异。
由于第一差异和第二差异是分别与第一基准人脸特征和第二基准人脸特征比对得到的,在确定出第一基准人脸特征与第二基准人脸特征的对应关系后,第一差异和第二差异也会对存在该对应关系。所以可以基于对应关系确定出目标第一差异和目标第二差异。
例如,多个第一基准人脸特征与多个第二基准人脸特征,对应了多个第一差异和第二差异,通过确定第一基准人脸特征和第二基准人脸特征的对应关系,可以从多个第一差异和第二差异里面,确定目标第一差异和目标第二差异。
在一种实施例中,第一基准人脸特征包括A1、A2、A3,第二基准人脸特征包括B1、B2、B3。其中第一基准人脸特征与第一待识别人脸特征比对得到的第一差异分别为a1、a2、a3,第二基准人脸特征与第二待识别人脸特征比对得到的第二差异分别为b1、b2、b3。
在该实施例中,人脸识别系统了确定第一基准人脸特征A1与对应的第二基准人脸特征B1的关系、第一基准人脸特征A2与对应的第二基准人脸特征B2的关系、第一基准人脸特征A3与对应的第二基准人脸特征B3的关系,从而确定出第一差异a1与对应的第二差异b1,第一差异a2与对应的第二差异b2,第一差异a3与对应的第二差异b3。由此提升了识别的准确性。
上述步骤,基于对应关系确定出目标第一差异和目标第二差异,从而提升人脸特征信息匹配的准确程度。
S43,基于目标第一差异和目标第二差异确定出相似度,进而得到待识别人脸图像对应的多个相似度。
其中,基于目标第一差异和目标第二差异还原出第一待识别人脸特征、第二待识别人脸特征、第一基准人脸特征和第二基准人脸特征。
基于目标第一差异和第二差异确定相似度的具体步骤请参阅图3,图3是图2中S43一子步骤流程示意图。
如图3所示,包括:
S431,确定第一待识别人脸特征和第二待识别人脸特征中同一维度的第一子人脸特征。
一些实施例中,人脸检测系统确定第一待识别人脸特征和第二待识别人脸特征中同一维度的第一子人脸特征,对第一待识别人脸特征和第二待识别人脸特征进行复原,得到对应的第一子人脸特征。
S432,确定第一基准人脸特征和第二基准人脸特征中同一维度的第二子人脸特征。
一些实施例中,人脸检测系统确定第一基准人脸特征和第二基准人脸特征中同一维度的第一子人脸特征,对第一基准人脸特征和第二基准人脸特征进行复原,得到对应的第二子人脸特征。
示例性地,S431和S432中确定第一子人脸特征和第二子人脸特征的方法可以为人脸识别系统中的处理服务器接收到第一服务器和第二服务器分别发送的第一特征和第二特征,由处理服务器进行第一子人脸特征和第二子人脸特征的确定。
其中,第一差异Ei、第二差异Fi与同一维度的第一子人脸特征和同一维度的第二子人脸特征之间的关系满足:
……
其中,i=1,2,3…,m。
S433,利用相同维度的第一子人脸特征和第二子人脸特征确定出相似度。
其中,处理服务器利用第一待识别人脸特征、第二待识别人脸特征、第一基准人脸特征和第二基准人脸特征确定出相似度。
一些实施例中,处理服务器利用相同维度的第一子人脸特征和第二子人脸特征确定人脸相似度。
可选地,可以使用相同维度的第一子人脸特征和第二子人脸特征之间的欧氏距离作为人脸相似度。
可选地,可以使用相同维度的第一子人脸特征和第二子人脸特征之间的欧氏距离的平方值作为人脸相似度。
示例性地,待识别第一子人脸特征X与第二子人脸特征Yi与相似度si满足:
si=(X-Yi)2=(x1-yi1)2+(x2-yi2)2+…+(xd-yid)2
其中,x1与yi1为相同维度下的第一子人脸特征和第二子人脸特征。
S44,基于多个相似度得到待识别人脸图像对应的识别结果。
其中,若任一相似度满足预设条件,则识别结果为识别成功。
若所有相似度不满足预设条件,则识别结果为识别失败。
一些实施例中,预设条件为相似度si小于或等于比对阈值t。若相似度si小于或等于比对阈值t,人脸识别系统输出识别成功的识别结果;若相似度si大于比对阈值t,人脸识别系统输出识别失败的识别结果。
示例性地,人脸识别系统计算相似度si与比对阈值t的差值,若满足任意si-t≤0,即人脸识别系统搜寻到与待识别人脸图像匹配的基准人脸信息,识别成功;若对所有的si而言,均满足si-t>0,即人脸识别系统没有搜寻到与待识别人脸图像匹配的基准人脸信息,识别失败。
其中,i=1,2,…,m。
请参阅图4,图4是本申请提供的基准人脸特征进行秘密分片及存储一实施例的流程示意图。
如图4所示,基准人脸特征进行秘密分片及存储的流程可以包括:
发送底库信息。
一些实施例中,用户将含有基准人脸图像的底库信息上传至客户端,客户端发送底库信息至特征提取服务器。
对底库信息进行特征提取,得到底库特征。
一些实施例中,特征提取服务器对底库信息中的基准人脸图像进行特征提取,得到底库特征信息Y。
其中,底库特征信息记作Y=[Y1,Y2,…,Ym]。
其中,m表示底库特征信息中的人脸总数。
其中,Yi=(yi1,yi2,…,yid)。
其中,i=1,2,3,…,m;其中d为单个人脸图像中的特征数量。
对底库特征做加法秘密分片,得到第一秘密分片和第二秘密分片。
一些实施例中,特征提取服务器对底库特征信息进行加法秘密分片,得到底库特征信息第一秘密分片Yi 1和底库特征信息第二秘密分片Yi 2,其中,i=1,2,…,m。
具体地,加法秘密分片计算的内容包括:
Yi=Yi 1+Yi 2
发送第一秘密分片至第一计算服务器。
一些实施例中,特征提取服务器将底库特征信息第一秘密分片Yi 1发送至第一计算服务器。
发送第二秘密分片至第二计算服务器。
一些实施例中,特征提取服务器将底库特征信息第二秘密分片Yi 2发送至第二计算服务器。
在发送之后,删除底库信息、底库特征、底库特征秘密分片。
一些实施例中,客户端删除底库信息,特征提取服务器删除底库信息、底库特征信息Y=[Y1,Y2,…,Ym],以及底库特征信息第一秘密分片Yi 1和底库特征信息第二秘密分片Yi 2。
上述方案,特征提取服务器提取出底库特征信息,进行秘密分片,分别发送至两个计算服务器进行存储,降低了人脸特征泄露的风险,保护了底库特征信息存储的安全性,也降低了底库特征信息的存储开销。
请参阅图5,图5是本申请提供的人脸识别方法另一实施例结构示意图。
如图5所示,人脸识别的流程可以包括:
采集抓拍图片。
一些实施例中,前端采集设备采集抓拍图片,即采集待识别人脸图像。
提取待识别人脸特征。
一些实施例中,前端采集设备提取待识别人脸特征X。示例性地,待识别人脸特征对应上述的初始人脸特征。
可选地,前端采集设备在提取待识别人脸特征的步骤之前,可以对待识别人脸图像进行图像预处理步骤。
可选地,图像预处理步骤可以包括图像对比度调整、图像亮度调整、人脸检测、人脸矫正等一种或多种图像处理方法。
对待识别人脸特征做加法秘密分片,得到第一秘密分片和第二分片。
一些实施例中,前端采集设备对待识别人脸特征做加法秘密分片,得到待识别人脸特征第一秘密分片X1和待识别人脸特征第二秘密分片X2。示例性地,待识别人脸特征第一秘密分片和待识别人脸特征第二秘密分片分别对应上述的初始人脸特征第一分片与初始人脸特征第二分片。
其中,具体秘密分片的计算包括:
X=X1+X2
发送第一秘密分片至第一计算服务器。
一些实施例中,前端采集设备将待识别人脸特征第一秘密分片X1发送至第一计算服务器。其中,第一计算服务器为上文所述的第一服务器。
发送第二秘密分片至第二计算服务器。
一些实施例中,前端采集设备将待识别人脸特征第二秘密分片X2发送至第二计算服务器。其中,第二计算服务器为上文所述的第二服务器。
前端采集设备完成将待识别人脸特征第一秘密分片X1发送至第一计算服务器和将待识别人脸特征第二秘密分片X2发送至第二计算服务器的步骤之后,前端采集设备删除待识别人脸图像、待识别人脸特征X以及待识别人脸特征秘密分片X1和X2,该操作在减少人脸图像与人脸特征信息泄露的同时,减少前端采集设备的存储开销。
对于每个底库特征第一秘密分片和待识别人脸特征第一秘密分片,计算第一差异。
一些实施例中,第一计算服务器对存储的底库特征信息第一秘密分片Yi 1和待识别人脸特征第一秘密分片X1进行第一差异的计算。
具体地,第一计算服务器进行如下计算:
其中,Ei为第一差异。
其中,i=1,2,…,m。
对于每个底库特征第二秘密分片和待识别人脸特征第二秘密分片,计算第二差异。
一些实施例中,第二计算服务器对存储的底库特征信息第二秘密分片Yi 2和待识别人脸特征第二秘密分片X2进行第二差异计算。
具体地,第二计算服务器进行如下计算:
其中,Fi为第二差异。
其中,i=1,2,…,m。
发送第一差异至比对服务器。
一些实施例中,第一计算服务器将第一差异Ei发送至比对服务器。
其中,比对服务器为上文所述的处理服务器。
发送第二差异至比对服务器。
一些实施例中,第二计算服务器将第二差异Fi发送至比对服务器。
根据第一差异和第二差异,计算人脸特征相似度。
一些实施例中,比对服务器根据第一计算服务器和第二计算服务器发送的结果进行人脸特征相似度计算。
可选地,人脸特征相似度的计算可以为计算待识别人脸特征和底库特征信息之间的欧氏距离。
可选地,人脸特征相似度的计算可以为计算待识别人脸特征和底库特征信息之间欧氏距离的平方值。
一些实施例中,比对服务器对于计算待识别人脸特征和底库特征信息进行如下计算:
……
待识别人脸特征X和底库特征Y的人脸相似度满足:
si=(x1-yi1)2+(x2-yi2)2+…+(xd-yid)2
比较人脸特征相似度和比对阈值的大小。
一些实施例中,比对服务器存储了人脸特征相似度比对阈值t,比较人脸特征相似度和比对阈值之间的大小,即为计算si-t。
若si-t≤0,识别成功;反之si-t>0,识别失败。
一些实施例中,若满足si-t≤0,比对服务器向前端采集设备输出识别成功的结果;若满足si-t>0,比对服务器向前端采集设备输出识别失败的结果。
请参见图6,图6是本申请提供的人脸识别系统一实施例的结构示意图。
本申请实施例的人脸识别系统100包括采集端11、处理服务器12、第一服务器13和第二服务器14。其中,第一服务器13和第二服务器14为非共谋服务器。第一服务器13和第二服务器14不能合谋恢复原始图像特征数据,因此能实现对人脸特征信息的隐私保护。
一些实施例中,采集端11,用于采集待识别人脸图像。处理服务器12,与采集端11相连,用于接收待识别人脸图像,并提取出待识别图像对应的初始人脸特征,并对初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征。第一服务器13,与处理服务器12连接,用于接收处理服务器12发送的第一待识别人脸特征,确定出第一待识别人脸特征与第一服务器13中若干第一基准人脸特征之间的第一差异。第二服务器14,与处理服务器12连接,用于接收处理服务器12发送的第二待识别人脸特征,确定第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异。其中,处理服务器12还用于接收第一差异和第二差异,并根据第一差异和第二差异得到待识别人脸图像对应的识别结果。
一些实施例中,处理服务器12可以包括比对服务器,用于接收从第一服务器13和第二服务器14分别发送的第一差异和第二差异,根据第一差异和第二差异比对出待识别人脸图像对应的识别结果。
一些实施例中,采集端11可以为图像前端采集设备,采集端11采集待识别人脸图像后,对待识别人脸图像进行预处理。具体地,采集端11进行不限于图像亮度与对比度调整、人脸检测、人脸矫正等操作。
请继续参见图7,图7是本申请提供的终端设备一实施例的结构示意图。本申请实施例的终端设备500包括处理器51、存储器52。
该处理器51、存储器52与总线相连,该存储器52中存储有程序数据,处理器51用于执行程序数据以实现上述实施例所述的人脸识别方法。
在本申请实施例中,处理器51还可以称为CPU(Central Processing Unit,中央处理单元)。处理器51可能是一种集成电路芯片,具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP,Digital Signal Process)、专用集成电路(ASIC,Application Specific Integrated Circuit)、现场可编程门阵列(FPGA,FieldProgrammable Gate Array)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器51也可以是任何常规的处理器等。
本申请还提供一种计算机存储介质,请参阅图8,图8是本申请提供的计算机存储介质一实施例的结构示意图,该计算机存储介质600中存储有程序数据61,该程序数据61在被处理器执行时,用以实现上述实施例的人脸识别方法。
本申请的实施例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)或处理器(processor)执行本申请各个实施方式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。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,方式利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种人脸识别方法,其特征在于,所述方法包括:
获取待识别人脸图像,并提取出所述待识别人脸图像对应的初始人脸特征;
对所述初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;
确定所述第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异,确定所述第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异;所述第一基准人脸特征和所述第二基准人脸特征是对基准人脸图像对应的基准人脸特征进行秘密分片得到;
根据所述第一差异和所述第二差异得到所述待识别人脸图像对应的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述确定所述第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异,包括:
确定所述第一待识别人脸特征与所述第一服务器中每一所述第一基准人脸特征之间的第一差异,得到每一所述第一基准人脸特征对应的所述第一差异;
所述确定所述第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异,包括:
确定所述第二待识别人脸特征与所述第二服务器中每一所述第二基准人脸特征之间的第二差异,得到每一所述第二基准人脸特征对应的所述第二差异。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一差异和所述第二差异得到所述待识别人脸图像对应的识别结果,包括:
确定所述第一基准人脸特征与第二基准人脸的对应关系;
基于所述对应关系确定出目标第一差异和目标第二差异;
基于所述目标第一差异和所述目标第二差异确定出相似度,进而得到所述待识别人脸图像对应的多个相似度;
基于多个相似度得到所述待识别人脸图像对应的所述识别结果。
4.根据权利要求3所述的方法,其特征在于,所述基于多个相似度得到所述待识别人脸图像对应的所述识别结果,包括:
若任一所述相似度满足预设条件,则所述识别结果为识别成功;
若所有所述相似度不满足预设条件,则所述识别结果为识别失败。
5.根据权利要求3所述的方法,其特征在于,所述基于所述目标第一差异和所述目标第二差异确定出相似度,包括:
基于所述目标第一差异和所述目标第二差异还原出所述第一待识别人脸特征、所述第二待识别人脸特征、所述第一基准人脸特征和所述第二基准人脸特征;
利用所述第一待识别人脸特征、所述第二待识别人脸特征、所述第一基准人脸特征和所述第二基准人脸特征确定出所述相似度。
6.根据权利要求5所述的方法,其特征在于,所述利用所述第一待识别人脸特征、所述第二待识别人脸特征、所述第一基准人脸特征和所述第二基准人脸特征确定出所述相似度,包括:
确定所述第一待识别人脸特征和所述第二待识别人脸特征中同一维度的第一子人脸特征;
确定所述第一基准人脸特征和所述第二基准人脸特征中同一维度的第二子人脸特征;
利用相同维度的所述第一子人脸特征和所述第二子人脸特征确定出所述相似度。
7.根据权利要求1所述的方法,其特征在于,所述对所述初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征,包括:
对所述初始人脸特征进行加法秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征。
8.一种人脸识别系统,其特征在于,所述人脸识别系统包括:
采集端,用于采集待识别人脸图像;
处理服务器,与所述采集端连接,用于接收所述待识别人脸图像,并提取出所述待识别图像对应的初始人脸特征,并对所述初始人脸特征进行秘密分片,至少得到第一待识别人脸特征和第二待识别人脸特征;
第一服务器,与所述处理服务器连接,用于接收所述处理服务器发送的所述第一待识别人脸特征,确定出所述第一待识别人脸特征与第一服务器中若干第一基准人脸特征之间的第一差异;
第二服务器,与所述处理服务器连接,用于接收所述处理服务器发送的所述第二待识别人脸特征,确定所述第二待识别人脸特征与第二服务器中的若干第二基准人脸特征之间的第二差异;其中,所述第一基准人脸特征和所述第二基准人脸特征是对基准人脸图像对应的基准人脸特征进行秘密分片得到;
所述处理服务器还用于接收所述第一差异和所述第二差异,并根据所述第一差异和所述第二差异得到所述待识别人脸图像对应的识别结果。
9.一种终端设备,其特征在于,所述终端设备包括存储器以及与所述存储器耦接的处理器;
其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现如权利要求1至7任一项所述的人脸识别方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质用于存储程序数据,所述程序数据在被计算机执行时,用以实现如权利要求1至7任一项所述的人脸识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160962.4A CN115565222A (zh) | 2022-09-22 | 2022-09-22 | 人脸识别方法、人脸识别系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211160962.4A CN115565222A (zh) | 2022-09-22 | 2022-09-22 | 人脸识别方法、人脸识别系统、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115565222A true CN115565222A (zh) | 2023-01-03 |
Family
ID=84740558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211160962.4A Pending CN115565222A (zh) | 2022-09-22 | 2022-09-22 | 人脸识别方法、人脸识别系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115565222A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880789A (zh) * | 2023-02-08 | 2023-03-31 | 中昊芯英(杭州)科技有限公司 | 基于加密的人脸识别方法、相关装置和存储介质 |
-
2022
- 2022-09-22 CN CN202211160962.4A patent/CN115565222A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115880789A (zh) * | 2023-02-08 | 2023-03-31 | 中昊芯英(杭州)科技有限公司 | 基于加密的人脸识别方法、相关装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2304649B1 (en) | Frame based video matching | |
US20120087583A1 (en) | Video Signature Based on Image Hashing and Shot Detection | |
EP2742442B1 (en) | A method for detecting a copy of a reference video, corresponding apparatus for extracting a spatio-temporal signature from video data and corresponding computer readable storage medium | |
CN112380833B (zh) | 一种逐句段对比的相似文本查找方法及装置 | |
CN112116436B (zh) | 一种智能推荐方法、装置、计算机设备及可读存储介质 | |
CN115565222A (zh) | 人脸识别方法、人脸识别系统、终端设备及存储介质 | |
CN113381963A (zh) | 一种域名检测方法、装置和存储介质 | |
Rathgeb et al. | Preventing the cross-matching attack in Bloom filter-based cancelable biometrics | |
Steinebach et al. | Efficient cropping-resistant robust image hashing | |
CN109600361B (zh) | 基于哈希算法的验证码防攻击方法、装置、电子设备及非暂态计算机可读存储介质 | |
CN115314268B (zh) | 基于流量指纹和行为的恶意加密流量检测方法和系统 | |
CN113705537A (zh) | 用户身份认证方法及装置 | |
CN112804556B (zh) | 一种面向pc端的直播数据处理方法、装置和系统 | |
CN111932270B (zh) | 银行客户身份验证的方法及装置 | |
CN113011301A (zh) | 一种活体识别方法、装置及电子设备 | |
Li et al. | Content based JPEG fragmentation point detection | |
CN110751033A (zh) | 离线登录方法及相关产品 | |
CN116028988B (zh) | 一种电子数据固证方法、终端及系统 | |
CN117292303B (zh) | 判断分段视频类型的方法、装置及电子设备 | |
CN114743254B (zh) | 脸部认证方法、装置、终端设备及存储介质 | |
CN108881159B (zh) | 一种安全控制方法 | |
EP4182870B1 (en) | Identifying derivatives of data items | |
CN114444464A (zh) | 文档检测处理方法、装置、存储介质及电子设备 | |
CN112183328A (zh) | 视频识别方法、装置、设备和存储介质 | |
CN114492427A (zh) | 一种数据恢复方法及终端 |
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 |