CN116305281B - 一种基于感官认知的人脸识别系统及人脸识别方法 - Google Patents
一种基于感官认知的人脸识别系统及人脸识别方法 Download PDFInfo
- Publication number
- CN116305281B CN116305281B CN202310295451.1A CN202310295451A CN116305281B CN 116305281 B CN116305281 B CN 116305281B CN 202310295451 A CN202310295451 A CN 202310295451A CN 116305281 B CN116305281 B CN 116305281B
- Authority
- CN
- China
- Prior art keywords
- face
- information
- sensory
- recognition
- identification key
- 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
- 230000001953 sensory effect Effects 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000019771 cognition Effects 0.000 title claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000012795 verification Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- 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
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种基于感官认知的人脸识别系统及人脸识别方法,属于生物特征识别认证技术领域,人脸识别系统包括:在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,形成有效识别的图像集;对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;利用加密算法根据识别密钥生成人脸标识符,以作为对比源;在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证。本发明中,通过对人脸信息进行逐帧分解,形成有效识别的图像集,并通过该图像集进行感官信息识别,生成基于感官信息的识别密钥,在进行人脸验证时,不会对人脸信息进行存储,而是生成人脸标识符,保证人脸识别认证的过程中,人脸信息不会泄露。
Description
技术领域
本申请涉及生物特征识别认证技术领域,具体为一种基于感官认知的人脸识别系统及人脸识别方法。
背景技术
人脸识别技术是一种依据人的面部特征进行身份识别的生物识别技术,目前得到广泛应用,如手机、门禁、考勤等场景中。
由于人的面部特征具有隐私性,因此现有的人脸识别过程中通常都包含加密过程,即在获取完人脸的图像后,采用加密算法进行加密,防止用户身份信息泄露,例如公开号为CN114491619A的中国发明专利公开了一种在人脸识别方法,在检测到用户进行人脸注册时,获取用户的人脸特征和三维码样式,并通过加密密钥和加密算法对人脸特征信息进行加密运算,生成人脸特征点密文,将人脸特征信息以点密文的方式保存在三维码上,防止出现人脸信息泄露风险。
上述技术方案中主要是对人脸特征数据进行加密,一旦加密过程泄露或遭到攻击,会导致用户的人脸数据泄露,人脸数据安全性得不到保障。
所以有必要提供一种基于感官认知的人脸识别系统来解决上述问题。
需要说明的是,本背景技术部分中公开的以上信息仅用于理解本发明构思的背景技术,并且因此,它可以包含不构成现有技术的信息。
发明内容
基于现有技术中存在的上述问题,本申请实施例的目的在于:提供一种基于感官认知的人脸识别系统,达到保证人脸信息安全性的效果。
本申请解决其技术问题所采用的技术方案是:一种基于感官认知的人脸识别方法,方法的步骤中包括:
在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,以形成有效识别的图像集;
对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;
利用加密算法根据识别密钥生成人脸标识符,并将生成的人脸标识符存储到服务器中,以作为对比源;
在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证,其中,作为对比源的人脸标识符的生成过程中不包括存储人脸信息。
在本发明的技术方案实施时,通过对人脸信息进行逐帧分解,形成有效识别的图像集,并通过该图像集进行感官信息识别,生成基于感官信息的识别密钥,在进行人脸验证时,不会对人脸信息进行存储,而是利用加密算法生成人脸标识符,保证人脸识别认证的过程中,人脸信息不会泄露。
进一步的,所述生成基于感官信息的识别密钥,包括:
选取任意一帧分解后的人脸信息进行像素点的像素值采集;
将采集后的人脸信息转换到YCbCr空间中;
基于YCbCr空间中的人脸信息建立感官识别模型;
利用感官识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值作为基于感官信息的识别密钥。
进一步的,生成所述用户基于感官信息的识别密钥后,所述方法还包括:
进行人脸检测,得到人脸信息;
通过人脸信息利用人脸标识符生成方法生成当前人脸信息对应的人脸标识符;其中,人脸标识符生成方法为对人脸信息进行逐帧分解,以形成有效识别的图像集;对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;利用加密算法根据识别密钥生成人脸标识符;
对作为对比源的人脸标识符与当前人脸信息对应的人脸标识符进行相似度比对运算,得到人脸相似度;
根据所述人脸相似度与预设阈值的比对结果,确定人脸识别认证结果。
进一步的,所述生成基于感官信息的识别密钥包括识别密钥的更新,所述识别密钥的更新包括:
将采集到的人脸信息进行缓存;
对缓存的人脸信息进行识别,并生成识别密钥;
在识别密钥生成后删除缓存的人脸信息。
进一步的,所述识别密钥的更新还包括:
对采集后的人脸信息直接进行识别,并生成识别密钥,在识别密钥生成后删除所采集的人脸信息。
进一步的,所述对识别密钥进行更新的方法包括选取部分单帧图像作为进行识别密钥的建立基础。
进一步的,所述对识别密钥进行更新的方法包括选取所有的单帧图像作为密钥建立的基础。
进一步的,根据所述人脸相似度与预设阈值的比对结果,确定人脸识别认证结果后,所述方法还包括:
如果所述比对结果为所述人脸相似度大于等于所述预设阈值,则确定人脸认证结果为人脸认证成功;
如果所述比对结果为所述人脸相似度小于所述预设阈值,则确定人脸认证结果为人脸认证失败。
一种基于感官认知的人脸识别系统,包括:
获取模块,所述获取模块用于在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,以形成有效识别的图像集;
处理模块,所述处理模块用于对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;
生成模块,所述生成模块用于利用加密算法根据识别密钥生成人脸标识符,并将生成的人脸标识符存储到服务器中,以作为对比源;
认证模块,所述认证模块用于在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证,其中,人脸标识符的生成过程中不包括存储人脸信息。
本申请的有益效果是:本申请提供的一种基于感官认知的人脸识别方法,通过对人脸信息进行逐帧分解,形成有效识别的图像集,并通过该图像集进行感官信息识别,生成基于感官信息的识别密钥,在进行人脸验证时,不会对人脸信息进行存储,而是利用加密算法生成人脸标识符,保证人脸识别认证的过程中,人脸信息不会泄露,并且还设置有对识别密钥的更新方法,以保证识别密钥的及时更新及安全性。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本申请中一种基于感官认知的人脸识别方法的流程图;
图2为本申请中一种基于感官认知的人脸识别系统的组成示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
实施例1:
图1是根据本发明实施例的基于感官认知的人脸识别方法的流程图,该方法包括以下步骤:
步骤S101,在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,以形成有效识别的图像集;
人脸识别系统一般包括摄像设备和服务器,摄像设备用于采集用户的脸部信息,而服务器用于将采集的人脸信息进行分析和存储,并在后续的人脸对比中提供数据支持,摄像设备和服务器之间存在信息交换的通道,在本实施例中,服务器可以获取摄像设备采集的人脸信息,该人脸信息的具体内容在此不做限定,会在以下详细说明;
在接收到人脸信息后,会对人脸信息进行逐帧分解,具体地包括:
在摄像设备采集人脸信息时,会要求用户录入包含多个角度的动态信息,对这个动态信息进行逐帧分解,以时间为单位分解出多帧图像,并在分解的过程中剔除清晰度未达到要求和特征不明显的单帧图像,以形成有效识别的单帧图像(以下简称单帧图像),所有的有效识别的单帧图像的集合形成有效识别的图像集(以下简称图像集);
步骤S102:对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;
单帧图像均包含感官信息,其中感官信息进一步包括肤色信息、具类特征信息,在本实施例中,肤色信息指单帧图像中人脸肤色的分布情况,具体为人脸肤色中各个色度所占比例,而具类特征信息是指单帧图像中其他可提取感官信息的特征,例如在做某一表情时面部的感官位移信息,或者在自然状态下眼睛的开合位置,在本实施例中主要以肤色信息为例。
对图像集进行感官信息识别后,使用密钥派生函数将感官信息转换为识别密钥,对于不同的用户,由于其感官信息不相同,因此生成的识别密钥也会存在差异;具体的,该密钥派生函数为HKDF(HMAC-based Extrac-and-Expand Key Derivation Function),该密钥派生函数基于HMAC(哈希运算消息认证码),在该函数的运行中包含提取步骤和扩展步骤,其中,在提取步骤中,HKDF从输入的信息中提取一个固定长度的密钥,即对应上述的肤色信息,在扩展步骤中,根据这个固定长度的密钥生成随机密钥。
上述对图像集进行感官信息识别,生成基于感官信息的识别密钥的具体步骤,包括:
步骤S201:选取任一单帧图像进行像素点的像素值采集;
步骤S202:将采集后的像素值转换到YCbCr空间中;
步骤S203:基于步骤S202中的YCbCr建立感官信息识别模型;
步骤S204:利用感官信息识别模型对单帧图像中的肤色信息进行统计,并将统计后的概率值作为基于感官信息的识别密钥;
综上所示,服务器将采集后的单帧图像转换到YCbCr空间中,并对单帧图像像素的Y、Cb、Cr三个分量分别进行直方图统计累加分析,确定亮度Y分量、蓝色色度分量Cb和红色色度分量Cr的分散情况;
将单帧图像转换到YCbCr空间后,可以得出各个分量的分散情况,并建立感官信息识别模型,可以计算单帧图像中各个坐标点的值与YCbCr空间中图像肤色分布的差异值,该差异值越小则说明基于感官信息的识别密钥越准确。
需要说明的是,上述感官信息识别模型的建立可以通过融合多帧图像(即图像集)的识别结果进行优化,并且数量越多,该感官信息识别模型的识别越准确,具体的,在对多帧图像(即图像集)进行识别后,每一个单帧图像都会具有一个肤色分布值,取这些肤色分布值的平均值作为图像集的感官信息识别数据。
服务器利用感官信息识别模型对单帧图像中的肤色分布进行统计,并将统计后的概率值经过密钥派生函数生成基于感官信息的识别密钥,并在识别完成后删除人脸信息,只保留用于建立感官信息识别模型的Y、Cb、Cr三个分量,并且在建立的过程中不涉及存储,只在感官信息识别模型建立完成和摄像机采集人脸的过程中存储识别密钥信息,区别于当前在本领域中,需要保证生物特征数据传输和存储的安全性问题,本方案中禁止对生物特征(即人脸信息)进行传输和存储,而是存储经过感官识别模型识别到的基于感官信息的识别密钥,即使该数据遭到泄露,由于人脸感官信息的复杂性和唯一性,也难以复原用户的人脸信息,提高了安全性与保密性;
在检测到用户进行人脸认证时,服务器获取上述用户的人脸信息,对上述用户的人脸信息进行逐帧分解,并进行像素点的像素值采集后,转换到YCbCr空间中,再对YCbCr空间中的分量进行感官信息识别模型的建立,得到上述用户基于感官信息的识别密钥;
在本实施例中,上述步骤中当用户进行人脸信息录入以及认证时,采用服务器获取上述用户的人脸信息,采用感官信息识别算法对上述人脸信息进行感官信息识别,并采用密钥派生函数将上述人脸信息生成基于感官信息的识别密钥,并将上述识别密钥存储到服务器中;
步骤S103:利用加密算法根据识别密钥生成人脸标识符,将生成的人脸标识符存储到服务器中,作为对比源;
具体的,在本实施例中,上述识别密钥在被服务器直接读取时,该识别密钥未被加密,可以被任意服务器读取,而在实际应用中该识别密钥需要进行伪装,在认证服务器以外的服务器中无法读取,因此需要使用加密算法对该识别密钥进行加密,生成人脸标识符,在进行人脸认证时,首先需要经过人脸标识符的认证,服务器才可以读取识别密钥。
在本实施例中,该加密算法可以为ECC加密算法(椭圆加密算法),该算法一般同时用于加密和数字签名中,可以将加密和解密的过程分开,对于本实施例而言,需要保证服务器与用户人脸信息之间的独立性,因此该方法可以应用于本实施例中,具体流程可参照公开号为CN115146296A的中国发明专利中的技术方案。
步骤S104:在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证,其中,人脸标识符的生成过程中不包括存储人脸信息。
在用户进行认证时,比对方案选择的计算方式可以是欧氏距离,在本领域中,欧氏距离是衡量图像相似度的常规方法,欧氏距离越小说明相似度越大,是同一个用户的概率越高。
采用上述方法得到用户基于感官信息的识别密钥后,上述方法还包括:
步骤S301:对上述用户进行人脸检测,得到上述用户的人脸信息;
步骤S302:重复上述识别密钥与人脸标识符的生成过程,生成当前人脸信息的人脸标识符;
步骤S303:对作为对比源的人脸标识符与当前人脸信息的人脸标识符进行相似度比对运算,得到人脸相似度;
步骤S304:根据上述人脸相似度与预设阈值的比对结果,确定上述用户的人脸识别认证结果。
在本实施例中,当用户进行人脸识别认证时,采样服务器对上述用户进行人脸检测,得到上述用户的当前人脸信息;将上述用户的当前人脸信息的人脸标识符与作为对比源的人脸标识符进行相似度比对运算,得到人脸相似度;根据上述人脸相似度与预设阈值的比较结果,确定上述用户的人脸识别认证结果。
在一种可选的实施例中,根据上述人脸相似度与预设阈值的比对结果,确定上述用户的人脸识别认证结果,包括:
步骤S401:如果上述比对结果为上述人脸相似度大于等于上述预设阈值,则确定人脸认证结果为人脸认证成功;
步骤S402:如果上述比对结果为上述人脸相似度小于上述预设阈值,则确定人脸认证结果为人脸认证失败。
在本实施例中,如果上述比对结果为上述人脸相似度大于等于上述预设阈值,则说明认证用户与注册用户为同一用户,即上述人脸认证结果为人脸认证成功;如果上述比对结果为上述人脸相似度小于上述预设阈值,则说明认证用户与注册用户为不同用户,即上述人脸认证结果为人脸认证失败。
需要说明的是,上述识别密钥存储在服务器中,并且通过识别密钥无法还原用户信息,用户每识别一次,都会基于当前人脸得出的识别密钥对服务器中已存的识别密钥进行更新,同时删除原有识别密钥;
在本实施例中,对识别密钥进行更新的方法如下:
在上述识别密钥的过程中,可以选取部分单帧图像进行识别秘钥的建立基础,而在下一次识别密钥的建立时,可以选取不同的单帧图像,具体地:
设定共采集二十四张单帧图像,其单帧图像集为(1、2、3……24),在第一次密钥建立时,选取(1、2、3……10),而在第二次密钥建立时,选取(5、6、7……15),依次类推;当然也可以采用无序的排列,只要保证选取的单帧图像集有足够的区分度;
在本实施例中,对识别密钥进行更新的方法也可以采用如下方法:
在第一次单帧图像采集后,用所有的单帧图像作为密钥建立的基础,而在第二次采集时,采用新采集的单帧图像作为密钥建立的基础,依次类推,以做到实时更新;
当然也可以将上述两种识别秘钥的更新方法进行结合,以保证识别密钥的及时更新及安全性。
同时注册、认证的过程中均不会涉及到人脸信息的保存,进而防止现有技术中在生物特征数据传输和存储过程中遭到泄露导致用户数据被窃取的技术问题。
实施例2:
根据本发明实施例,还提供了一种用于实施上述基于感官认知的人脸识别方法的系统实施例,图2是根据本发明实施例的一种基于感官认知的人脸识别系统的结构示意图,如图2所示,上述系统包括:获取模块、处理模块、生成模块、认证模块,其中:
获取模块,用于在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,以形成有效识别的图像集;
处理模块,用于对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;
生成模块,用于利用加密算法根据识别密钥生成人脸标识符,将生成的人脸标识符存储到服务器中,作为对比源;
认证模块,用于在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证,其中,人脸标识符的生成过程中不包括存储人脸信息。
可选的,上述处理模块包括:采集模块,用于选取任意一帧分解后的人脸信息进行像素点的像素值采集;转换模块,用于将采集后的人脸信息转换到YCbCr空间中;建立模块,用于基于YCbCr建立感官识别模型;统计模块,用于利用感官识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值作为基于感官信息的识别密钥。
可选的,上述认证模块包括:检测模块,用于对用户进行人脸检测,得到所述用户的人脸信息;
比对模块,用于对所述用户的人脸信息与所述用户的识别密钥进行相似度比对运算,得到人脸相似度;
确定模块,用于根据所述人脸相似度与预设阈值的比对结果,确定所述用户的人脸识别认证结果。
此处需要说明的是,上述获取模块、处理模块、生成模块、认证模块对应于实施例1中的步骤S101至S104,四个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。
根据本发明实施例,还提供了一种计算机可读存储介质的实施例。可选的,在本实施例中,上述计算机可读存储介质可以用于保存上述实施例1所提供的基于感官认知的人脸识别方法所执行的程序代码。
可选的,在本实施例中,计算机可读存储介质还可以执行如下步骤的程序代码:在识别到用户进行人脸注册时,获取上述用户的人脸信息,并对该人脸信息进行逐帧分解;对分解后的人脸信息进行感官识别,生成基于感官信息的识别密钥;结合加密算法生成用户人脸标识符,将生成的人脸标识符存储到设备中,作为对比源;采用上述人脸标识符对用户进行人脸识别认证,其中,人脸标识符的生成过程中不会存储用户图像信息。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:选取任意一帧分解后的人脸信息进行像素点的像素值采集;将采集后的人脸信息转换到YCbCr空间中;基于步骤S202中的YCbCr建立感官识别模型;利用感官识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值作为基于感官信息的识别密钥。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:对上述用户进行人脸检测,得到上述用户的人脸信息;对上述用户的人脸信息与上述用户的识别密钥进行相似度比对运算,得到人脸相似度;根据上述人脸相似度与预设阈值的比对结果,确定上述用户的人脸识别认证结果。
可选的,上述计算机可读存储介质还可以执行如下步骤的程序代码:如果上述比对结果为上述人脸相似度大于等于上述预设阈值,则确定人脸认证结果为人脸认证成功;如果上述比对结果为上述人脸相似度小于上述预设阈值,则确定人脸认证结果为人脸认证失败。
根据本发明实施例,还提供了一种电子设备,该电子设备包括处理器、存储器,处理器执行程序时实现如下步骤:在识别到用户进行人脸注册时,获取上述用户的人脸信息,并对该人脸信息进行逐帧分解;对分解后的人脸信息进行感官识别,生成基于感官信息的识别密钥;结合加密算法生成用户人脸标识符,将生成的人脸标识符存储到设备中,作为对比源;采用上述人脸标识符对用户进行人脸识别认证,其中,人脸标识符的生成过程中不会存储用户图像信息。
可选的,上述电子设备还可以执行如下步骤的程序代码:选取任意一帧分解后的人脸信息进行像素点的像素值采集;将采集后的人脸信息转换到YCbCr空间中;基于步骤S202中的YCbCr建立感官识别模型;利用感官识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值作为基于感官信息的识别密钥。
可选的,上述电子设备还可以执行如下步骤的程序代码:对上述用户进行人脸检测,得到上述用户的人脸信息;对上述用户的人脸信息与上述用户的识别密钥进行相似度比对运算,得到人脸相似度;根据上述人脸相似度与预设阈值的比对结果,确定上述用户的人脸识别认证结果。
可选的,上述电子设备还可以执行如下步骤的程序代码:如果上述比对结果为上述人脸相似度大于等于上述预设阈值,则确定人脸认证结果为人脸认证成功;如果上述比对结果为上述人脸相似度小于上述预设阈值,则确定人脸认证结果为人脸认证失败。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于感官认知的人脸识别方法,其特征在于:方法的步骤中包括:
在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,以形成有效识别的图像集;
对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;
利用加密算法根据识别密钥生成人脸标识符,并将生成的人脸标识符存储到服务器中,以作为对比源;
在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证,其中,作为对比源的人脸标识符的生成过程中不包括存储人脸信息;
所述生成基于感官信息的识别密钥,包括:
选取任意一帧分解后的人脸信息进行像素点的像素值采集;
将采集后的像素值转换到YCbCr空间中;
基于YCbCr空间中的人脸信息建立感官识别模型;
利用感官识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值作为基于感官信息的识别密钥;
其中,服务器利用感官信息识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值经过密钥派生函数生成基于感官信息的识别密钥,并在识别完成后删除人脸信息,只保留用于建立感官信息识别模型的Y、Cb、Cr三个分量,并且在建立的过程中不涉及存储,只在感官信息识别模型建立完成和摄像机采集人脸的过程中存储识别密钥信息,禁止对生物特征进行传输和存储,而是存储经过感官识别模型识别到的基于感官信息的识别密钥,即使数据遭到泄露,由于人脸感官信息的复杂性和唯一性,也难以复原用户的人脸信息,提高了安全性与保密性;
服务器将采集后的单帧图像转换到YCbCr空间中,并对单帧图像像素的Y、Cb、Cr三个分量分别进行直方图统计累加分析,确定亮度Y分量、蓝色色度分量Cb和红色色度分量Cr的分散情况;
感官信息识别模型的建立通过融合图像集的识别结果进行优化:在对图像集进行识别后,每一个单帧图像具有一个肤色分布值,取图像集中的每个单帧图像的肤色分布值的平均值作为图像集的感官信息识别数据;
所述生成基于感官信息的识别密钥包括识别密钥的更新,所述识别密钥的更新具体为基于人脸识别认证成功后得到的识别密钥对服务器中已存的识别密钥进行识别密钥的更新,识别密钥的更新包括:
将采集到的人脸信息进行缓存;
对缓存的人脸信息进行识别,并生成识别密钥;
在识别密钥生成后删除缓存的人脸信息;
所述识别密钥的更新还包括:
对采集后的人脸信息直接进行识别,并生成识别密钥,在识别密钥生成后删除所采集的人脸信息;
对识别密钥进行更新的方法包括:在一次识别密钥的建立中选取部分序列的单帧图像作为进行识别密钥的建立基础,在下一次识别密钥的建立时,选取不同序列的单帧图像作为进行识别密钥的建立基础;或在一次识别密钥的建立中,选取全部序列的单帧图像作为进行识别密钥的建立基础,在下一次识别密钥的建立时,选取新采集的全部序列的单帧图像作为进行识别密钥的建立基础。
2.根据权利要求1所述的一种基于感官认知的人脸识别方法,其特征在于:生成所述基于感官信息的识别密钥后,方法还包括:
进行人脸检测,得到人脸信息;
通过人脸信息利用人脸标识符生成方法生成当前人脸信息对应的人脸标识符;其中,人脸标识符生成方法为对人脸信息进行逐帧分解,以形成有效识别的图像集;对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥;利用加密算法根据识别密钥生成人脸标识符;
对作为对比源的人脸标识符与当前人脸信息对应的人脸标识符进行相似度比对运算,得到人脸相似度;
根据所述人脸相似度与预设阈值的比对结果,确定人脸识别认证结果。
3.根据权利要求2所述的一种基于感官认知的人脸识别方法,其特征在于:根据所述人脸相似度与预设阈值的比对结果,确定人脸识别认证结果后,所述方法还包括:
如果所述比对结果为所述人脸相似度大于等于所述预设阈值,则确定人脸认证结果为人脸认证成功;
如果所述比对结果为所述人脸相似度小于所述预设阈值,则确定人脸认证结果为人脸认证失败。
4.一种基于感官认知的人脸识别系统,其特征在于:用于实施如权利要求1至3中任一项所述的人脸识别方法,包括:
获取模块,所述获取模块用于在采集阶段,服务器获取摄像设备采集的人脸信息,并对该人脸信息进行逐帧分解,以形成有效识别的图像集;
处理模块,所述处理模块用于对有效识别的图像集进行感官信息识别,生成基于感官信息的识别密钥,所述生成基于感官信息的识别密钥,包括:
选取任意一帧分解后的人脸信息进行像素点的像素值采集;
将采集后的人脸信息转换到YCbCr空间中;
基于YCbCr空间中的人脸信息建立感官识别模型;
利用感官识别模型对人脸信息中的肤色分布进行统计,并将统计后的概率值作为基于感官信息的识别密钥;
生成模块,所述生成模块用于利用加密算法根据识别密钥生成人脸标识符,并将生成的人脸标识符存储到服务器中,以作为对比源;
认证模块,所述认证模块用于在认证阶段,利用作为对比源的人脸标识符进行人脸识别认证,其中,人脸标识符的生成过程中不包括存储人脸信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310295451.1A CN116305281B (zh) | 2023-03-24 | 2023-03-24 | 一种基于感官认知的人脸识别系统及人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310295451.1A CN116305281B (zh) | 2023-03-24 | 2023-03-24 | 一种基于感官认知的人脸识别系统及人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116305281A CN116305281A (zh) | 2023-06-23 |
CN116305281B true CN116305281B (zh) | 2024-01-23 |
Family
ID=86832249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310295451.1A Active CN116305281B (zh) | 2023-03-24 | 2023-03-24 | 一种基于感官认知的人脸识别系统及人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116305281B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101468192B1 (ko) * | 2013-10-15 | 2014-12-05 | 순천향대학교 산학협력단 | 스마트워크 환경에서의 얼굴인식기반 사용자인증 기법 |
CN105844461A (zh) * | 2015-01-13 | 2016-08-10 | 天津市阿波罗信息技术有限公司 | 一种手机刷脸支付代码的生成方法 |
CN111931145A (zh) * | 2020-06-29 | 2020-11-13 | 北京爱芯科技有限公司 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
CN112733114A (zh) * | 2021-01-14 | 2021-04-30 | 天津大学 | 一种面向智能家居的隐私保护人脸识别系统及方法 |
CN115810208A (zh) * | 2021-09-14 | 2023-03-17 | 超聚变数字技术有限公司 | 一种人脸识别方法、设备及系统 |
-
2023
- 2023-03-24 CN CN202310295451.1A patent/CN116305281B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101468192B1 (ko) * | 2013-10-15 | 2014-12-05 | 순천향대학교 산학협력단 | 스마트워크 환경에서의 얼굴인식기반 사용자인증 기법 |
CN105844461A (zh) * | 2015-01-13 | 2016-08-10 | 天津市阿波罗信息技术有限公司 | 一种手机刷脸支付代码的生成方法 |
CN111931145A (zh) * | 2020-06-29 | 2020-11-13 | 北京爱芯科技有限公司 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
CN112733114A (zh) * | 2021-01-14 | 2021-04-30 | 天津大学 | 一种面向智能家居的隐私保护人脸识别系统及方法 |
CN115810208A (zh) * | 2021-09-14 | 2023-03-17 | 超聚变数字技术有限公司 | 一种人脸识别方法、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116305281A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239735A (zh) | 一种基于视频分析的活体检测方法和系统 | |
WO2020259128A1 (zh) | 活体检测方法、装置、电子设备及计算机可读存储介质 | |
CN111611873A (zh) | 人脸替换检测方法及装置、电子设备、计算机存储介质 | |
CN106503534B (zh) | 一种信息处理方法及终端 | |
US11711215B2 (en) | Methods, systems, and media for secure authentication of users based on a biometric identifier and knowledge-based secondary information | |
CN111935349B (zh) | 基于终端的信息显示方法、装置、终端和存储介质 | |
CN115758398B (zh) | 门禁数据处理方法、装置、门禁系统及存储介质 | |
US20230222843A1 (en) | Method and device for registering biometric feature | |
CN112492383A (zh) | 视频帧的生成方法及装置、存储介质、电子设备 | |
CN114596639B (zh) | 一种生物特征识别方法、装置、电子设备及存储介质 | |
Kwon et al. | CCTV-based multi-factor authentication system | |
CN116305281B (zh) | 一种基于感官认知的人脸识别系统及人脸识别方法 | |
US20210365531A1 (en) | Method and electronic device for authenticating a user | |
CN111581622A (zh) | 信息处理方法、装置及电子设备 | |
CN116108412A (zh) | 人脸身份认证方法、装置、设备、存储介质及程序产品 | |
CN111126214A (zh) | 活体检测方法及装置、计算机设备和计算机可读存储介质 | |
CN114553528B (zh) | 一种内外网数据安全传输系统及其传输方法 | |
CN115426189A (zh) | 一种基于大数据的信息安全防护方法和系统 | |
Buhan et al. | Secure pairing with biometrics | |
US20220053123A1 (en) | Method and apparatus for independent authentication of video | |
US20230084042A1 (en) | A method, a system and a biometric server for controlling access of users to desktops in an organization | |
CN108921036B (zh) | 基于人脸图像识别的随机数产生方法及产生系统 | |
CN113190858A (zh) | 一种基于隐私保护的图像处理方法、系统、介质和设备 | |
CN116108502B (zh) | 一种安全电子文件的生成及解密方法、系统、设备及介质 | |
CN114743254B (zh) | 脸部认证方法、装置、终端设备及存储介质 |
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 |