CN115620117B - 一种用于网络访问权限认证的人脸信息加密方法及系统 - Google Patents

一种用于网络访问权限认证的人脸信息加密方法及系统 Download PDF

Info

Publication number
CN115620117B
CN115620117B CN202211636773.XA CN202211636773A CN115620117B CN 115620117 B CN115620117 B CN 115620117B CN 202211636773 A CN202211636773 A CN 202211636773A CN 115620117 B CN115620117 B CN 115620117B
Authority
CN
China
Prior art keywords
image
face
facimg
module
face information
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
Application number
CN202211636773.XA
Other languages
English (en)
Other versions
CN115620117A (zh
Inventor
郭昊
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.)
Jilin Provincial Institute Of Information Technology
Original Assignee
Jilin Provincial Institute Of Information Technology
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 Jilin Provincial Institute Of Information Technology filed Critical Jilin Provincial Institute Of Information Technology
Priority to CN202211636773.XA priority Critical patent/CN115620117B/zh
Publication of CN115620117A publication Critical patent/CN115620117A/zh
Application granted granted Critical
Publication of CN115620117B publication Critical patent/CN115620117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • 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
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • H04L9/3231—Biological data, e.g. fingerprint, voice or retina
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2141—Access rights, e.g. capability lists, access control lists, access tables, access matrices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Bioethics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Image Processing (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明属于数据加密领域，提供了一种用于网络访问权限认证的人脸信息加密方法及系统，方法包括S1，计算自适应拍摄时长；S2，获得多张人脸图像的集合
Figure 493766DEST_PATH_IMAGE001
；S3，获得有序集合
Figure 376272DEST_PATH_IMAGE002
；S4，获取
Figure 728756DEST_PATH_IMAGE003
中的第一张人脸图像中的前景区域；S5，基于前景区域获得掩膜图像；S6，基于掩膜图获取其余人脸图像的前景区域；S7分别计算每张人脸图像的状态分数；S8，基于状态分数获取计算图像，获取计算图像中的人脸信息；S9，采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。本发明能够避免需要重新获取人脸图像进行访问权限认证，避免反复进行权限验证。

Description

一种用于网络访问权限认证的人脸信息加密方法及系统
技术领域
本发明涉及数据加密领域，尤其涉及一种用于网络访问权限认证的人脸信息加密方法及系统。
背景技术
在对私有的网络(例如公司的局域网等)进行网络访问时，一般需要进行权限认证。传统的权限认证方式为通过账号密码来进行验证，但是账号密码可能会因为泄露而造成本来没有访问权限的设备访问了私有的网络。因此，产生了通过人脸识别来实现网络访问权限验证的技术。为了保证身份验证过程的隐私安全，现有技术一般是先获取图像中的人脸信息，然后将人脸信息加密之后传输到网络访问权限认证的服务器中进行权限认证，但是现有的用于网络访问权限认证的加密系统，在获取人脸图像时，缺少对人脸图像进行判断的过程，很容易导致不符合要求的人脸图像进入到访问权限认证的环节，使得需要重新获取人脸图像进行访问权限认证，导致需要反复进行权限验证。
发明内容
鉴于上述问题，第一方面，本发明的目的在于提供一种用于网络访问权限认证的人脸信息加密方法，包括：
S1，计算自适应拍摄时长；
S2，在自适应拍摄时长内对用户的脸部进行拍摄，获得多张人脸图像，将多张人脸图像存入集合faceSet；
S3，对集合faceSet中的人脸图像按照拍摄时刻从早到晚进行排序，获得有序集合ordSet；
S4，对ordSet中的第一张人脸图像facImg1进行图像分割处理，获得facImg1中的前景区域；
S5，基于facImg1中的前景区域获得掩膜图像mskImg；
S6，基于掩膜图像mskImg获取ordSet中的其余人脸图像的前景区域；
S7，基于每张人脸图像的前景区域分别计算每张人脸图像的状态分数；
S8，基于状态分数获取计算图像，获取计算图像中的人脸信息；
S9，采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。
可选的，所述S1包括：
S11，获取测光图像mtrImg；
S12，采用如下函数计算自适应拍摄时长：
Figure GDA0004058182030000021
其中，adaShoTim表示自适应拍摄时长，fouDur表示基准拍摄时长，mtrImg表示测光图像，L表示mtrImg在Lab颜色模型中的亮度分量的图像；Li表示mtrImg中的像素点i在L中的像素值，nfmtr表示L中的像素点的数量，cmpmtr表示设定的像素值均值比较值。
可选的，所述S4包括：
S41，对facImg1进行灰度化处理，获得灰度图像gayImg；
S42，对gayImg进行滤波处理，获得滤波图像filImg；
S43，使用图像分割算法对filImg进行计算，获得filImg中的前景区域的像素点的集合forSet1；
S44，获取forSet中的像素点在facImg1中对应的像素点的集合forSet2；
S45，由集合forSet2中的像素点组成facImg1中的前景区域。
可选的，所述S41包括：
使用如下函数对facImg1进行灰度化处理：
gayImg(x,y)＝w1×R(x,y)+w2×G(x,y)+w3×B(x,y)
其中，gayImg(x,y)表示gayImg中坐标为(x,y)的像素点的灰度值，R(x,y)、G(x,y)、B(x,y)分别表示在图像R、图像G、图像B中的坐标为(x,y)的像素点的像素值，图像R、图像G、图像B为facImg1在RGB颜色模型中的红、绿、蓝三种颜色分量的图像，w1、w2、w3分别表示图像R、图像G、图像B的计算参数。
可选的，所述S42包括：
对gayImg进行滤波处理的算法包括小波降噪算法、高斯滤波算法、非局部均值滤波算法、双边滤波算法、方框滤波算法中的任一种。
可选的，所述S5包括：
S51，对facImg1中的前景区域forAre1进行扩充处理，获得扩充后的前景区域forAre2；
S52，在facImg1中将属于forAre2的像素点的像素值设置为1，将不属于forAre2的像素点的像素值设置为0，得到掩膜图像mskImg。
可选的，所述S8包括：
将ordSet中状态分数最大的人脸图像作为计算图像；
使用图像特征获取算法获取计算图像中的图像特征，将图像特征作为计算图像中的人脸信息。
第二方面，本发明还提供了一种用于网络访问权限认证的人脸信息加密系统，包括计算模块、拍摄模块、排序模块、分割模块、掩膜模块、前景模块、分数模块、获取模块和加密模块；
计算模块用于计算自适应拍摄时长；
拍摄模块用于在自适应拍摄时长内对用户的脸部进行拍摄，获得多张人脸图像，将多张人脸图像存入集合faceSet；
排序模块用于对集合faceSet中的人脸图像按照拍摄时刻从早到晚进行排序，获得有序集合ordSet；
分割模块用于对ordSet中的第一张人脸图像facImg1进行图像分割处理，获得facImg1中的前景区域；
掩膜模块用于基于facImg1中的前景区域获得掩膜图像mskImg；
前景模块用于基于掩膜图像mskImg获取ordSet中的其余人脸图像的前景区域；
分数模块用于基于每张人脸图像的前景区域分别计算每张人脸图像的状态分数；
获取模块用于基于状态分数获取计算图像，获取计算图像中的人脸信息；
加密模块用于采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。
与现有技术相比，本发明在对人脸信息进行加密时，在人脸图像的拍摄步骤中加入了自适应拍摄时长，然后对拍摄时长内获得的多张人脸图像进行状态分数的判断，从而获得符合要求的人脸图像，避免需要重新获取人脸图像进行访问权限认证，影响用户体验。而在判断的过程中，本发明没有直接对有序集合中的每张人脸图像进行状态分数的计算，而是通过获得最早拍摄的人脸图像，然后基于该人脸图像生成图像掩膜，接着基于图像掩膜来对有序集合中剩余的人脸图像进行计算，获得剩余的每个人脸图像中的前景区域，最后再基于前景区域来计算状态分数，并基于状态分数来实现符合要求的人脸图像的获取以及对人脸信息的加密。由于没有基于所有的像素点来计算状态分数，因此本发明能够提高状态分数的计算效率，而在计算中过程中排除了大部分的背景区域的像素点，因此，本发明能够降低背景对状态分数的计算的干扰，提高状态分数的准确率。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明一种用于网络访问权限认证的人脸信息加密方法的一种实施例图。
图2为本发明一种用于网络访问权限认证的人脸信息加密系统的一种实施例图。
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。
第一方面，如图1所示的一种实施例，本发明提供了一种用于网络访问权限认证的人脸信息加密方法，包括：
S1，计算自适应拍摄时长。
具体的，可以采用如下方式计算自适应拍摄时长：
S11，获取测光图像mtrImg；
S12，采用如下函数计算自适应拍摄时长：
Figure GDA0004058182030000051
其中，adaShoTim表示自适应拍摄时长，fouDur表示基准拍摄时长，mtrImg表示测光图像，L表示mtrImg在Lab颜色模型中的亮度分量的图像；Li表示mtrImg中的像素点i在L中的像素值，nfmtr表示L中的像素点的数量，cmpmtr表示设定的像素值均值比较值。
测光图像是在用户启动网络访问权限认证程序的第一时间拍摄的图像，测光图像主要用来感知用户所处环境的光照条件，光照条件越好，则自适应拍摄时长越短，光照条件越差，则自适应拍摄时长越长。
在光照条件好的情况下，人脸图像的成像质量也会比较好，较少数量的人脸图像便能够获得满足要求的图像，因此，自适应拍摄时长会相应地缩短，从而避免自适应拍摄时长过长，影响用户体验。
在光照条件差的情况下，则需要增加人脸图像的数量来提高获得满足要求的图像的概率。
S2，在自适应拍摄时长内对用户的脸部进行拍摄，获得多张人脸图像，将多张人脸图像存入集合faceSet。
具体的，在拍摄的过程中，可以根据拍摄的环境条件自动调整快门速度、ISO等拍摄参数，在自适应拍摄时长内，对用户的脸部进行多次的拍摄，从而获得集合faceSet。
与现有的仅拍摄一次的方式相比，本发明获得的集合faceSet为实现判断人脸图像是否符合要求提供了数据基础。能够提高获得的用于进行权限认证的人脸图像的质量。从而提高权限认证的识别成功率。
S3，对集合faceSet中的人脸图像按照拍摄时刻从早到晚进行排序，获得有序集合ordSet。
人脸图像在拍摄时会自动记录下拍摄时刻，依据拍摄时刻便能实现排序。
S4，对ordSet中的第一张人脸图像facImg1进行图像分割处理，获得facImg1中的前景区域。
具体的，可以采用如下方式获取facImg1中的前景区域：
S41，对facImg1进行灰度化处理，获得灰度图像gayImg。
具体的，使用如下函数对facImg1进行灰度化处理：
gayImg(x,y)＝w1×R(x,y)+w2×G(x,y)+w3×B(x,y)
其中，gayImg(x,y)表示gayImg中坐标为(x,y)的像素点的灰度值，R(x,y)、G(x,y)、B(x,y)分别表示在图像R、图像G、图像B中的坐标为(x,y)的像素点的像素值，图像R、图像G、图像B为facImg1在RGB颜色模型中的红、绿、蓝三种颜色分量的图像，w1、w2、w3分别表示图像R、图像G、图像B的计算参数。
S42，对gayImg进行滤波处理，获得滤波图像filImg。
具体的，对gayImg进行滤波处理的算法包括小波降噪算法、高斯滤波算法、非局部均值滤波算法、双边滤波算法、方框滤波算法中的任一种。
S43，使用图像分割算法对filImg进行计算，获得filImg中的前景区域的像素点的集合forSet1。
S44，获取forSet中的像素点在facImg1中对应的像素点的集合forSet2。
S45，由集合forSet2中的像素点组成facImg1中的前景区域。
因为噪声与作为图像边界的像素点具有部分相似的特征，有时候会容易被当成图像边界的像素点。因此，进行滤波处理能够减少获得的滤波图像中的噪声水平，提高图像分割结果的准确率。
S5，基于facImg1中的前景区域获得掩膜图像mskImg。
具体的，采用如下方式获得掩膜图像mskImg：
S51，对facImg1中的前景区域forAre1进行扩充处理，获得扩充后的前景区域forAre2。
扩充处理的过程包括：
将前景区域forAre1中第j行的左边界的像素点记为pixj,fir，将前景区域forAre1中第j行的右边界的像素点记为pixj,lst，j∈[1,numfA]，numfA表示forAre1中的行数；
将pixj,fir在facImg1中的坐标记为(xj,fir,yj,fir)；
使用如下函数计算扩充处理后，pixj,fir在forAre2中对应的像素点的横坐标xj,fir,nw：
xj,fir,nw＝xj,fir-uit
其中，uit表示设定的整数型扩充参数；
则扩充处理后，pixj,fir在forAre2中对应的像素点的坐标为(xj,fir,nw,yj,fir)；
将pixj,lst在facImg1中的坐标记为(xj,lst,yj,lst)；
使用如下函数计算扩充处理后，pixj,lst在forAre2中对应的像素点的横坐标xj,lst,nw：
xj,lst,nw＝xj,lst+uit
则扩充处理后，pixj,lst在forAre2中对应的像素点的坐标为(xj,lst,nw,yj,lst)；
将前景区域forAre1中第k列的上边界的像素点记为pixk,fir，将前景区域forAre1中第k列的下边界的像素点记为pixk,lst，k∈[1,numfB]，numfB表示forAre1中的列数；
将pixk,fir在facImg1中的坐标记为(xk,fir,yk,fir)；
使用如下函数计算扩充处理后，pixk,fir在forAre2中对应的像素点的纵坐标yk,fir,nw：
yk,fir,nw＝yk,fir+uit
则扩充处理后，pixk,fir在forAre2中对应的像素点的坐标为(xk,fir,yk,fir,nw)；
将pixk,lst在facImg1中的坐标记为(xk,lst,yk,lst)；
使用如下函数计算扩充处理后，pixk,lst在forAre2中对应的像素点的纵坐标yk,lst,nw：
yk,lst,nw＝yk,lst-uit
则扩充处理后，pixj,lst在forAre2中对应的像素点的坐标为(xk,lst,yk,lst,nw)。
S52，在facImg1中将属于forAre2的像素点的像素值设置为1，将不属于forAre2的像素点的像素值设置为0，得到掩膜图像mskImg。
进行扩充处理主要因为在自适应拍摄时长内，用户的头部可能会发生轻微的位置变化，因此，通过扩充处理后，及时用户的头部位置发生了轻微变化，但是依然在掩膜图像的覆盖范围内，从而提高获得的前景区域中，头部的像素点所占的比例。
S6，基于掩膜图像mskImg获取ordSet中的其余人脸图像的前景区域。
具体的，S6的步骤包括：
对于ordSet中的第d张人脸图像facImgd，使用掩膜图像mskImg对facImgd进行掩膜运算，将掩膜图像mskImg中的像素点与facImgd中的像素点相乘，由相乘后像素值不为0的像素点组成人脸图像facImgd的前景区域。
S7，基于每张人脸图像的前景区域分别计算每张人脸图像的状态分数。
具体的，对于ordSet中的人脸图像facImgran，将人脸图像facImgran中的前景区域的像素点存入集合forSetran；
采用如下函数计算人脸图像facImgran的状态分数：
Figure GDA0004058182030000091
其中，stascoran表示人脸图像facImgran的状态分数，α、β表示权重参数，nfce表示集合forSetran中，属于皮肤像素点的数量，nld表示使用Roberts检测算法对forSetran中的像素点进行计算获得的结果中，像素值大于设定的像素值阈值的像素点的集合，nldnum表示nld中的像素点的数量，gradh表示像素点h的梯度值，cmpgrad表示设定的梯度方差参数。
状态分数在计算的过程中，利用了皮肤像素点的数量和计算结果中的像素点的梯度值来综合进行计算，皮肤像素点的占比越高，表示用户的人脸在人脸图像facImgran中的前景区域中的比例越高，图像质量越好，而梯度值的计算中，本发明不是计算集合forSetran中所有像素点的梯度值，而是基于计算结果获得的集合来计算，这种方式能够筛选出边缘清晰的图像。
S8，基于状态分数获取计算图像，获取计算图像中的人脸信息。
具体的，将ordSet中状态分数最大的人脸图像作为计算图像；
使用图像特征获取算法获取计算图像中的图像特征，将图像特征作为计算图像中的人脸信息。
S9，采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。
网络权限认证服务器在接收到加密后的人脸信息后，使用自身的私钥对加密后的人脸信息进行解密，从而获得人脸信息；然后，基于人脸信息判断是否通过权限认证。具体为，可以将人脸信息与存储的具有网络接入权限的所有人脸信息的数据库中进行对比，若数据库中具有解密后人脸信息，则表示具有网络接入的权限。
与现有技术相比，本发明在对人脸信息进行加密时，在人脸图像的拍摄步骤中加入了自适应拍摄时长，然后对拍摄时长内获得的多张人脸图像进行状态分数的判断，从而获得符合要求的人脸图像，避免需要重新获取人脸图像进行访问权限认证，影响用户体验。而在判断的过程中，本发明没有直接对有序集合中的每张人脸图像进行状态分数的计算，而是通过获得最早拍摄的人脸图像，然后基于该人脸图像生成图像掩膜，接着基于图像掩膜来对有序集合中剩余的人脸图像进行计算，获得剩余的每个人脸图像中的前景区域，最后再基于前景区域来计算状态分数，并基于状态分数来实现符合要求的人脸图像的获取以及对人脸信息的加密。由于没有基于所有的像素点来计算状态分数，因此本发明能够提高状态分数的计算效率，而在计算中过程中排除了大部分的背景区域的像素点，因此，本发明能够降低背景对状态分数的计算的干扰，提高状态分数的准确率。例如，当出现背景虚化时，虚化的背景会导致状态分数的数值偏低，使得状态分数无法准确地表示人脸图像中的人脸区域的状态。
第二方面，如图2所示，本发明还提供了一种用于网络访问权限认证的人脸信息加密系统，包括计算模块、拍摄模块、排序模块、分割模块、掩膜模块、前景模块、分数模块、获取模块和加密模块；
计算模块用于计算自适应拍摄时长；
拍摄模块用于在自适应拍摄时长内对用户的脸部进行拍摄，获得多张人脸图像，将多张人脸图像存入集合faceSet；
排序模块用于对集合faceSet中的人脸图像按照拍摄时刻从早到晚进行排序，获得有序集合ordSet；
分割模块用于对ordSet中的第一张人脸图像facImg1进行图像分割处理，获得facImg1中的前景区域；
掩膜模块用于基于facImg1中的前景区域获得掩膜图像mskImg；
前景模块用于基于掩膜图像mskImg获取ordSet中的其余人脸图像的前景区域；
分数模块用于基于每张人脸图像的前景区域分别计算每张人脸图像的状态分数；
获取模块用于基于状态分数获取计算图像，获取计算图像中的人脸信息；
加密模块用于采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种用于网络访问权限认证的人脸信息加密方法，其特征在于，包括：
S1，计算自适应拍摄时长；
S2，在自适应拍摄时长内对用户的脸部进行拍摄，获得多张人脸图像，将多张人脸图像存入集合faceSet；
S3，对集合faceSet中的人脸图像按照拍摄时刻从早到晚进行排序，获得有序集合ordSet；
S4，对ordSet中的第一张人脸图像facImg1进行图像分割处理，获得facImg1中的前景区域；
S5，基于facImg1中的前景区域获得掩膜图像mskImg；
S6，基于掩膜图像mskImg获取ordSet中的其余人脸图像的前景区域；
S7，基于每张人脸图像的前景区域分别计算每张人脸图像的状态分数；
对于ordSet中的人脸图像facImgran，将人脸图像facImgran中的前景区域的像素点存入集合forSetran；
采用如下函数计算人脸图像facImgran的状态分数：
Figure FDA0004058182020000011
其中，stascoran表示人脸图像facImgran的状态分数，α、β表示权重参数，nfce表示集合forSetran中，属于皮肤像素点的数量，nld表示使用Roberts检测算法对forSetran中的像素点进行计算获得的结果中，像素值大于设定的像素值阈值的像素点的集合，nldnum表示nld中的像素点的数量，gradh表示像素点h的梯度值，cmpgrad表示设定的梯度方差参数；
S8，基于状态分数获取计算图像，获取计算图像中的人脸信息；
S9，采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。
2.根据权利要求1所述的一种用于网络访问权限认证的人脸信息加密方法，其特征在于，所述S1包括：
S11，获取测光图像mtrImg；
S12，采用如下函数计算自适应拍摄时长：
Figure FDA0004058182020000021
其中，adaShoTim表示自适应拍摄时长，fouDur表示基准拍摄时长，mtrImg表示测光图像，L表示mtrImg在Lab颜色模型中的亮度分量的图像；Li表示mtrImg中的像素点i在L中的像素值，nfmtr表示L中的像素点的数量，cmpmtr表示设定的像素值均值比较值。
3.根据权利要求1所述的一种用于网络访问权限认证的人脸信息加密方法，其特征在于，所述S4包括：
S41，对facImg1进行灰度化处理，获得灰度图像gayImg；
S42，对gayImg进行滤波处理，获得滤波图像filImg；
S43，使用图像分割算法对filImg进行计算，获得filImg中的前景区域的像素点的集合forSet1；
S44，获取forSet中的像素点在facImg1中对应的像素点的集合forSet2；
S45，由集合forSet2中的像素点组成facImg1中的前景区域。
4.根据权利要求3所述的一种用于网络访问权限认证的人脸信息加密方法，其特征在于，所述S41包括：
使用如下函数对facImg1进行灰度化处理：
gayImg(x,y)＝w1×R(x,y)+w2×G(x,y)+w3×B(x,y)
其中，gayImg(x,y)表示gayImg中坐标为(x,y)的像素点的灰度值，R(x,y)、G(x,y)、B(x,y)分别表示在图像R、图像G、图像B中的坐标为(x,y)的像素点的像素值，图像R、图像G、图像B为facImg1在RGB颜色模型中的红、绿、蓝三种颜色分量的图像，w1、w2、w3分别表示图像R、图像G、图像B的计算参数。
5.根据权利要求3所述的一种用于网络访问权限认证的人脸信息加密方法，其特征在于，所述S42包括：
对gayImg进行滤波处理的算法包括小波降噪算法、高斯滤波算法、非局部均值滤波算法、双边滤波算法、方框滤波算法中的任一种。
6.根据权利要求1所述的一种用于网络访问权限认证的人脸信息加密方法，其特征在于，所述S5包括：
S51，对facImg1中的前景区域forAre1进行扩充处理，获得扩充后的前景区域forAre2；
S52，在facImg1中将属于forAre2的像素点的像素值设置为1，将不属于forAre2的像素点的像素值设置为0，得到掩膜图像mskImg。
7.根据权利要求1所述的一种用于网络访问权限认证的人脸信息加密方法，其特征在于，所述S8包括：
将ordSet中状态分数最大的人脸图像作为计算图像；
使用图像特征获取算法获取计算图像中的图像特征，将图像特征作为计算图像中的人脸信息。
8.一种用于网络访问权限认证的人脸信息加密系统，其特征在于，包括计算模块、拍摄模块、排序模块、分割模块、掩膜模块、前景模块、分数模块、获取模块和加密模块；
计算模块用于计算自适应拍摄时长；
拍摄模块用于在自适应拍摄时长内对用户的脸部进行拍摄，获得多张人脸图像，将多张人脸图像存入集合faceSet；
排序模块用于对集合faceSet中的人脸图像按照拍摄时刻从早到晚进行排序，获得有序集合ordSet；
分割模块用于对ordSet中的第一张人脸图像facImg1进行图像分割处理，获得facImg1中的前景区域；
掩膜模块用于基于facImg1中的前景区域获得掩膜图像mskImg；
前景模块用于基于掩膜图像mskImg获取ordSet中的其余人脸图像的前景区域；
分数模块用于基于每张人脸图像的前景区域分别计算每张人脸图像的状态分数；
对于ordSet中的人脸图像facImgran，将人脸图像facImgran中的前景区域的像素点存入集合forSetran；
采用如下函数计算人脸图像facImgran的状态分数：
Figure FDA0004058182020000041
其中，stascoran表示人脸图像facImgran的状态分数，α、β表示权重参数，nfce表示集合forSetran中，属于皮肤像素点的数量，nld表示使用Roberts检测算法对forSetran中的像素点进行计算获得的结果中，像素值大于设定的像素值阈值的像素点的集合，nldnum表示nld中的像素点的数量，gradh表示像素点h的梯度值，cmpgrad表示设定的梯度方差参数；
获取模块用于基于状态分数获取计算图像，获取计算图像中的人脸信息；
加密模块用于采用网络权限认证服务器的公钥对人脸信息进行加密，获得加密后的人脸信息。
CN202211636773.XA 2022-12-20 2022-12-20 一种用于网络访问权限认证的人脸信息加密方法及系统 Active CN115620117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211636773.XA CN115620117B (zh) 2022-12-20 2022-12-20 一种用于网络访问权限认证的人脸信息加密方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211636773.XA CN115620117B (zh) 2022-12-20 2022-12-20 一种用于网络访问权限认证的人脸信息加密方法及系统

Publications (2)

Publication Number Publication Date
CN115620117A CN115620117A (zh) 2023-01-17
CN115620117B true CN115620117B (zh) 2023-03-14

Family

ID=84880314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211636773.XA Active CN115620117B (zh) 2022-12-20 2022-12-20 一种用于网络访问权限认证的人脸信息加密方法及系统

Country Status (1)

Country Link
CN (1) CN115620117B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115776410B (zh) * 2023-01-29 2023-05-02 深圳汉德霍尔科技有限公司 用于终端身份认证的人脸数据加密传输方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881660A (zh) * 2015-06-17 2015-09-02 吉林纪元时空动漫游戏科技股份有限公司 基于gpu加速的人脸表情识别及互动方法
WO2017084204A1 (zh) * 2015-11-19 2017-05-26 广州新节奏智能科技有限公司 一种二维视频流中的人体骨骼点追踪方法及系统
CN113888543A (zh) * 2021-08-20 2022-01-04 北京达佳互联信息技术有限公司 肤色分割方法、装置、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104881660A (zh) * 2015-06-17 2015-09-02 吉林纪元时空动漫游戏科技股份有限公司 基于gpu加速的人脸表情识别及互动方法
WO2017084204A1 (zh) * 2015-11-19 2017-05-26 广州新节奏智能科技有限公司 一种二维视频流中的人体骨骼点追踪方法及系统
CN113888543A (zh) * 2021-08-20 2022-01-04 北京达佳互联信息技术有限公司 肤色分割方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"FurryGAN: High Quality Foreground-aware Image Synthesis";Jeongmin Bae et al.;《arXiv》;全文 *
"NB-IoT 环境下基于混合分辨率人脸监控视频压缩方法";肖尚武等;《计算机应用与软件》;全文 *

Also Published As

Publication number Publication date
CN115620117A (zh) 2023-01-17

Similar Documents

Publication Publication Date Title
Li et al. Edge-preserving decomposition-based single image haze removal
CN105359162B (zh) 用于图像中的与脸部有关的选择和处理的图像掩模
CN109871845B (zh) 证件图像提取方法及终端设备
US8295593B2 (en) Method of detecting red-eye objects in digital images using color, structural, and geometric characteristics
CN111445410A (zh) 基于纹理图像的纹理增强方法、装置、设备和存储介质
CN110390643B (zh) 一种车牌增强方法、装置及电子设备
CN111222433B (zh) 自动人脸稽核方法、系统、设备及可读存储介质
CN113055377A (zh) 一种基于权限认证的网络安全防护系统
WO2019223068A1 (zh) 虹膜图像局部增强方法、装置、设备及存储介质
CN112784239B (zh) 一种基于人工智能的电子竞技运营信息管理系统
CN111145105B (zh) 一种图像快速去雾方法、装置、终端及存储介质
CN112214773B (zh) 基于隐私保护的图像处理方法、装置和电子设备
CN115620117B (zh) 一种用于网络访问权限认证的人脸信息加密方法及系统
CN111145086A (zh) 一种图像处理方法、装置及电子设备
CN106557729A (zh) 用于处理人脸图像的设备和方法
CN111209820A (zh) 人脸活体检测方法、系统、设备及可读存储介质
CN116342519A (zh) 一种基于机器学习的图像处理方法
CN115937186A (zh) 一种纺织品缺陷识别方法及系统
CN117496019B (zh) 一种驱动静态图像的图像动画处理方法及系统
CN111369478A (zh) 人脸图像增强方法、装置、计算机设备和存储介质
CN107369086A (zh) 一种身份证打码系统及方法
US11501404B2 (en) Method and system for data processing
CN112565674A (zh) 一种可远程视频监控和控制的展厅中控系统
US11900564B2 (en) Storage medium storing program, image processing apparatus, and training method of machine learning model
CN115082992A (zh) 人脸活体检测方法、装置、电子设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant