JP6651038B1 - Age privacy protection method and system for face recognition - Google Patents
Age privacy protection method and system for face recognition Download PDFInfo
- Publication number
- JP6651038B1 JP6651038B1 JP2019148289A JP2019148289A JP6651038B1 JP 6651038 B1 JP6651038 B1 JP 6651038B1 JP 2019148289 A JP2019148289 A JP 2019148289A JP 2019148289 A JP2019148289 A JP 2019148289A JP 6651038 B1 JP6651038 B1 JP 6651038B1
- Authority
- JP
- Japan
- Prior art keywords
- age
- image
- face recognition
- face
- recognition result
- 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.)
- Expired - Fee Related
Links
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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
【課題】顔認識技術の信頼性を向上させる顔認識用の年齢プライバシー保護方法及びシステムを提供する。【解決手段】顔認識用の年齢プライバシー保護方法は、顔画像を取得し、顔認識ネットワーク及び年齢認識ネットワークを呼び出してそれぞれ顔画像を認識して、第１顔認識結果及び第１年齢認識結果を取得するステップと、多層ニューラルネットワークを呼び出して顔画像を計算し、年齢隠し画像を取得するステップと、顔認識ネットワーク及び年齢認識ネットワークを呼び出して、それぞれ年齢隠し画像を認識して、第２顔認識結果及び第２年齢認識結果を取得するステップと、第１顔認識結果と第２顔認識結果が一致し且つ第１年齢認識結果と第２年齢認識結果との差が所定の閾値より大きいか否かを判断するステップと、否定の場合は、多層ニューラルネットワークを調整するステップと、肯定の場合は、年齢隠し画像を出力するステップとを含む。【選択図】図１An age privacy protection method and system for face recognition that improves the reliability of face recognition technology is provided. An age privacy protection method for face recognition acquires a face image, calls a face recognition network and an age recognition network to recognize the face image, respectively, and obtains a first face recognition result and a first age recognition result. Acquiring, calling a multi-layer neural network to calculate a face image, and obtaining a hidden age image, calling a face recognition network and an age recognition network, recognizing the hidden age image, respectively, and recognizing the second face. Acquiring the result and the second age recognition result; and determining whether the first face recognition result and the second face recognition result match and a difference between the first age recognition result and the second age recognition result is greater than a predetermined threshold value. Whether to adjust the multi-layer neural network if negative, and to output the hidden age image if positive. Tsu and a flop. [Selection diagram] Fig. 1
Description
本発明は画像処理技術分野に関し、特に顔認識用の年齢プライバシー保護方法及びシステムに関する。 The present invention relates to the field of image processing, and more particularly to a method and system for protecting age privacy for face recognition.
人工知能分野の急速な発展に伴って、コンピュータ視覚の可用性はますます高まり、また、たとえば顔認証による支払い、携帯電話アンロック、高速鉄道の駅の自動改札等の各細分化された分野との統合もますます密接になっており、生活の至る所までコンピュータ視覚技術の応用に溢れている。
顔認証による支払い、携帯電話のアンロック、自動改札の幅広い使用からわかるように、顔認識の機能は、各大手企業や政府により広く受け入れられており、徐々に信用し信頼できる認証手段となっている。
With the rapid development of the artificial intelligence field, the availability of computer vision has become more and more important. Integration is also becoming more and more ubiquitous and full of applications of computer vision technology throughout life.
As can be seen from the use of facial recognition payments, mobile phone unlocks, and the widespread use of automatic ticket gates, facial recognition has become widely accepted by major corporations and governments, and has gradually become a trusted and reliable means of authentication. I have.
しかし、顔画像の取得方法がシンプルで迅速であるため、カメラ等により顔画像をキャプチャー又は撮影することは、便利さをもたらす一方、顔画像に基づくプライバシー情報の損失も引き起こしてしまう。多くの場面において、ユーザーが画像収集装置の存在を知らないうちに、個人画像が取得されてしまっている。ディープラーニングの急速な発展に伴って、多層ニューラルネットワークを設計することで顔画像を効率的に認識することができる。様々な応用場面において、顔画像の様々な属性は十分な役割を果たし、ユーザーの個人属性情報は、消費者行為分析、教育学、市場調査等に用いることができる。現在、いくつかのハイテク企業により提供された顔認識アプリケーションからわかるように、アップロードした顔画像により、人を認識できるだけではなく、さらに、ユーザーの年齢という個人プライバシー属性情報を取得することもできる。従って、これらの顔認識技術を用いるいくつかの場合は、ユーザーの年齢情報が該ユーザーの知らないうちに濫用されてしまう可能性があり、それによりユーザーのプライバシーが侵害されてしまう。 However, since the method of acquiring a face image is simple and quick, capturing or photographing the face image with a camera or the like provides convenience, but also causes loss of privacy information based on the face image. In many situations, personal images have been acquired without the user knowing the presence of the image collection device. With the rapid development of deep learning, face images can be efficiently recognized by designing a multilayer neural network. In various application situations, various attributes of the facial image play a sufficient role, and the user's personal attribute information can be used for consumer behavior analysis, pedagogy, market research, and the like. Currently, as can be seen from face recognition applications provided by some high-tech companies, uploaded facial images can not only recognize people but also acquire personal privacy attribute information such as the age of the user. Thus, in some cases using these face recognition techniques, the user's age information may be abused without the user's knowledge, thereby compromising the user's privacy.
従来技術には、重要部位又は重要点を遮蔽する手段で顔認識におけるユーザープライバシー情報を保護する技術はあるが、この技術はユーザープライバシー情報を保護する一方、顔画像の顔認識を正常に行うことができず、顔画像自体の可用性を失ってしまった。この技術は出発点が単一であり、顔画像の利用背景を考慮せずに、単純にユーザープライバシーを保護しようとするだけであり、顔画像が顔認識用であるとすると、従来の技術は、顔認識の精度を確保すると同時にユーザーの年齢情報を保護することはできない。 In the prior art, there is a technology that protects user privacy information in face recognition by means of shielding important parts or important points, but this technology protects user privacy information while performing normal face recognition of face images. And lost the availability of the face image itself. This technology has a single starting point, simply tries to protect user privacy without considering the background of the use of the face image.If the face image is for face recognition, the conventional technology is However, it is not possible to ensure the accuracy of face recognition and at the same time protect the user's age information.
本発明の実施例が解決しようとする技術課題は、顔認識用の年齢プライバシー保護方法及びシステムを提供することであり、顔認識精度を確保するとともに、ユーザーの年齢プライバシー情報を保護することができ、それにより顔認識技術の信頼性を向上させるものである。 A technical problem to be solved by an embodiment of the present invention is to provide an age privacy protection method and system for face recognition, which can secure face recognition accuracy and protect age privacy information of a user. Thereby, the reliability of the face recognition technology is improved.
上記技術課題を解決するために、本発明は顔認識用の年齢プライバシー保護方法を提供しており、
顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得るステップと、
多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得るステップと、
前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得るステップと、
前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整し、且つ上記ステップを繰り返し実行するステップと、
前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力するステップとを含む。
In order to solve the above technical problem, the present invention provides an age privacy protection method for face recognition,
Acquiring a face image and calling a face recognition network to recognize the face image to obtain a first face recognition result, and simultaneously calling an age recognition network to recognize the face image and obtain a first age recognition result Steps and
Calling a multilayer neural network to calculate the face image to obtain an age hidden image;
Calling the face recognition network to obtain the second face recognition result by recognizing the hidden age image and obtaining the second age recognition result by calling the age recognition network to recognize the hidden age image;
When it is determined that the first face recognition result does not match the second face recognition result, or when it is determined that a difference value between the first age recognition result and the second age recognition result is equal to or less than a preset threshold. Adjusting the multilayer neural network and repeating the above steps;
When it is determined that the first face recognition result matches the second face recognition result and that the difference between the first age recognition result and the second age recognition result is larger than the preset threshold, the age hiding is performed. Outputting an image.
さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。 Further, the face recognition network is obtained by training based on a given data set, the age recognition network is obtained by training based on the data set, and the data set is a sample image. , Target output results corresponding to the sample images.
さらに、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。 Further, when adjusting the multilayer neural network, adjustment is performed by a back propagation method.
さらに、前記した前記多層ニューラルネットワークを調整することは、具体的には、
設定された損失関数に基づいて前記多層ニューラルネットワークにおける各層間の接続加重を調整することである。
Further, adjusting the multilayer neural network as described above includes, specifically,
Adjusting the connection weight between the layers in the multilayer neural network based on the set loss function.
さらに、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を含む。 Further, the multilayer neural network includes an input layer, a hidden layer whose number of layers is greater than 1, and an output layer.
さらに、前記入力層と前記隠し層の第１層との間、前記隠し層の各層間、前記隠し層の最後の層と前記出力層との間はいずれも全接続方式で接続される。 Further, the connection between the input layer and the first hidden layer, each layer of the hidden layer, and the last layer of the hidden layer and the output layer are all connected by a full connection method.
同じ技術課題を解決するために、本発明は、さらに、第１認識モジュール、隠し画像計算モジュール、第２認識モジュール、ニューラルネットワーク調整モジュール及び画像出力モジュールを備える顔認識用の年齢プライバシー保護システムを提供しており、
前記第１認識モジュールは、顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得ることに用いられ、
前記隠し画像計算モジュールは、多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得ることに用いられ、
前記第２認識モジュールは、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得ることに用いられ、
前記ニューラルネットワーク調整モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整することに用いられ、
前記画像出力モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力することに用いられ、
さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。
In order to solve the same technical problem, the present invention further provides an age privacy protection system for face recognition including a first recognition module, a hidden image calculation module, a second recognition module, a neural network adjustment module and an image output module. And
The first recognition module obtains a face image, and calls a face recognition network to obtain the first face recognition result by recognizing the face image, and simultaneously calls an age recognition network to recognize the face image. Used to obtain the first age recognition result,
The hidden image calculation module is used to call a multilayer neural network to calculate the face image to obtain an age hidden image,
The second recognition module calls the age recognition network to obtain the second face recognition result by recognizing the hidden age image, and at the same time, calls the age recognition network to recognize the age hidden image and obtain the second age. Used to obtain recognition results,
The neural network adjustment module determines that the first face recognition result does not match the second face recognition result, or a difference value between the first age recognition result and the second age recognition result is a predetermined threshold. Used to adjust the multilayer neural network if it is determined that:
The image output module determines that the first face recognition result matches the second face recognition result and that a difference value between the first age recognition result and the second age recognition result is larger than the preset threshold. Is used to output the age hidden image,
Further, the face recognition network is obtained by training based on a given data set, the age recognition network is obtained by training based on the data set, and the data set is a sample image. , Target output results corresponding to the sample images.
さらに、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。 Further, when adjusting the multilayer neural network, adjustment is performed by a back propagation method.
さらに、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を備える。 Further, the multilayer neural network includes an input layer, a hidden layer having more than one layer, and an output layer.
本発明は顔認識用の年齢プライバシー保護方法及びシステムを開示している。顔認識精度を確保するとともに、ユーザーの年齢プライバシー情報を保護することができる。本発明はトレーニングされた顔認識ネットワークと年齢認識ネットワークを呼び出すことで、それぞれ元の画像を認識し、且つそれぞれ多層ニューラルネットワークで隠し計算した後の画像を認識し、次に認識結果について、顔認識が正常であり且つ年齢認識の誤差が予め設定された閾値より大きくなるという条件を満たすか否かを比較し、満たさない場合、条件を満たすまで前記多層ニューラルネットワークを連続的に調整し、条件を満たす年齢情報隠し画像を最終的に出力する。本発明は顔認識システムに適用でき、顔の正常な認識を確保すると共に、ユーザーの年齢プライバシー情報が不正確に認識されることを確保することができ、それにより顔認識技術の信頼性を効果的に向上させる。 The present invention discloses an age privacy protection method and system for face recognition. The face recognition accuracy can be ensured, and the user's age privacy information can be protected. The present invention calls the trained face recognition network and the age recognition network to recognize the original image, respectively, recognizes the image after hidden calculation by the multilayer neural network, and then performs face recognition on the recognition result. Is normal and the age recognition error is larger than a predetermined threshold.Comparing whether or not the condition is satisfied.If not, the multilayer neural network is continuously adjusted until the condition is satisfied. Finally, the age information hidden image that satisfies is output. INDUSTRIAL APPLICABILITY The present invention can be applied to a face recognition system to ensure normal recognition of a face and to ensure that age privacy information of a user is incorrectly recognized, thereby improving the reliability of face recognition technology. To improve.
以下、本発明の実施例における図面を参照しながら、本発明の実施例について明確且つ完全に説明する。無論、説明される実施例は本発明の実施例の一部であり、実施例の全てではない。本発明の実施例に基づき、当業者が進歩性のある労働を必要とせずに得られる他の実施例は、いずれも本発明の保護範囲に属する。 Hereinafter, embodiments of the present invention will be clearly and completely described with reference to the drawings in the embodiments of the present invention. Of course, the described embodiments are some but not all of the embodiments of the present invention. Any other embodiments based on the embodiments of the present invention that can be obtained by those skilled in the art without the need for inventive labor are all within the protection scope of the present invention.
図１に示すように、本発明の実施例は顔認識用の年齢プライバシー保護方法を提供しており、以下のステップを含む。
ステップＳ１、顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得て、
該ステップは顔認識ネットワークと年齢認識ネットワークを呼び出してそれぞれ取得した顔画像を認識し、元の顔画像の第１顔認識結果と第１年齢認識結果を得ることに用いられる。
As shown in FIG. 1, an embodiment of the present invention provides an age privacy protection method for face recognition, which includes the following steps.
Step S1, acquiring a face image and calling a face recognition network to recognize the face image to obtain a first face recognition result, and simultaneously calling an age recognition network to recognize the face image and perform first age recognition Get the result,
This step is used to call the face recognition network and the age recognition network to recognize the acquired face images, respectively, and to obtain the first face recognition result and the first age recognition result of the original face image.
本発明の実施例においては、さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。顔認識ネットワークと年齢認識ネットワークは与えられたデータセットによりトレーニングされ、且つネットワークパラメータが固定されている。与えられた元の顔画像に対して、顔認識ネットワークは、元の顔画像における人の顔がどのユーザーに対応するかを正確に認識することができ、年齢認識ネットワークは元の顔画像におけるユーザーの年齢を正確に認識することができる。たとえば、データセットにおけるあるサンプル画像について、対応する目標出力結果が張三、２５歳とすると、認識ネットワークをトレーニングした後、顔認識ネットワークで該サンプル画像を認識すると、該ユーザーが張三であることを正確に認識することができ、年齢認識ネットワークで該サンプル画像を認識し、該ユーザーの年齢が２５歳であることを認識することができる。 In an embodiment of the present invention, the face recognition network is obtained by training based on a given data set, and the age recognition network is obtained by training based on the data set. The data set includes a sample image and a target output result corresponding to the sample image. The face recognition network and the age recognition network are trained by a given data set, and the network parameters are fixed. For a given original face image, the face recognition network can accurately recognize which user the human face in the original face image corresponds to, and the age recognition network can recognize the user in the original face image. Age can be accurately recognized. For example, assuming that the corresponding target output result for a sample image in the data set is Zhang San, 25 years old, after training the recognition network and recognizing the sample image on the face recognition network, the user is Zhang San. Can be accurately recognized, the sample image can be recognized by the age recognition network, and the age of the user can be recognized to be 25 years old.
なお、一般的には、ニューラルネットワークに対して、初期においてはたとえば異なる層の間のニューロンの加重等のパラメータのネットワーク内におけるパラメータが固定されていない。トレーニングプロセスは、サンプル画像及び対応する目標出力を含み、たとえば年齢認識ネットワークの入力が顔画像、出力が画像に対応するユーザー年齢であるデータセットを与え、トレーニングの際には、このニューラルネットワークが動作する時に生成する出力結果をデータセットにおける目標出力と一致させるように、パラメータの数値を連続的に調整することである。本発明の実施例における顔認識ネットワークと年齢認識ネットワークのネットワークパラメータがいずれもトレーニングされたことは、いくつかのデータセットにより固定されたパラメータを生成したことを意味する。 Note that, in the initial stage, parameters of the neural network such as weights of neurons between different layers are not fixed in the network. The training process includes a sample image and a corresponding target output, for example, providing a dataset where the input of the age recognition network is a face image and the output is the user age corresponding to the image, and the neural network operates during training. Is to continuously adjust the numerical values of the parameters so that the output result generated at the time of performing the operation matches the target output in the data set. The fact that the network parameters of the face recognition network and the age recognition network in the embodiment of the present invention are both trained means that some parameters have been used to generate fixed parameters.
ステップＳ２、多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得て、
本発明の実施例においては、該ステップは、多層ニューラルネットワークを呼び出して元の顔画像を計算し、年齢隠し画像を得ることに用いられる。好ましくは、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を含む。好ましくは、前記入力層と前記隠し層の第１層との間、前記隠し層の各層間、前記隠し層の最後の層と前記出力層との間はいずれも全接続方式で接続され、初期においてこれらの接続加重へランダムに値を割り当てる。前記多層ニューラルネットワークは実際の需要に応じて自動的に設計することができ、隠し層の層数、各層のノード数、ノード間の接続方式、初期パラメータの生成等は、いずれも適切且つ柔軟に設計できることが理解されるべきである。
Step S2, calling the multilayer neural network to calculate the face image to obtain an age hidden image,
In an embodiment of the present invention, this step is used to call the multi-layer neural network to calculate the original face image and obtain a hidden age image. Preferably, the multilayer neural network includes an input layer, a hidden layer having more than one layer, and an output layer. Preferably, the connection between the input layer and the first layer of the hidden layer, between the layers of the hidden layer, between the last layer of the hidden layer and the output layer are all connected by an all connection method, Assign random values to these connection weights. The multilayer neural network can be automatically designed according to actual demand, and the number of hidden layers, the number of nodes of each layer, the connection method between nodes, the generation of initial parameters, etc. are all appropriate and flexible. It should be understood that it can be designed.
なお、本発明の実施例においては、画像の大きさがｍ＊ｎであり、すなわちｍ＊ｎ個の画素点を含むと仮定すると、前記入力層がｍ＊ｎ個のノードを含み、出力層がｍ＊ｎ個のノードを含み、隠し層が合計ｋ層であり、隠し層の各層のノード数が任意数に設定することができる。多層ニューラルネットワークに対して、入力層と出力層がいずれもｍ＊ｎ個のノードを含み、従って計算して得られた年齢隠し画像のサイズが入力した元の顔画像のサイズと一致していることが理解されるべきである。 In the embodiment of the present invention, assuming that the size of the image is m * n, that is, it includes m * n pixel points, the input layer includes m * n nodes, and the output layer includes m * n nodes. Includes m * n nodes, the total number of hidden layers is k, and the number of nodes in each of the hidden layers can be set to an arbitrary number. For a multi-layer neural network, both the input and output layers contain m * n nodes, so the size of the computed hidden age image matches the size of the input original face image It should be understood that.
ステップＳ３、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得て、
本発明の実施例においては、該ステップは、前記顔認識ネットワークと年齢認識ネットワークを呼び出してステップＳ２で計算して得られた年齢隠し画像を認識し、それぞれ第２顔認識結果と第２年齢認識結果を得ることに用いられる。
Step S3, calling the face recognition network to recognize the age hidden image to obtain a second face recognition result, and calling the age recognition network to recognize the age hidden image to obtain a second age recognition result. hand,
In an embodiment of the present invention, the step includes recalling the face recognition network and the age recognition network, recognizing the hidden age image obtained by the calculation in step S2, and recognizing the second face recognition result and the second age recognition, respectively. Used to get results.
ステップＳ４、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整し、且つステップＳ１−Ｓ３を繰り返して実行し、
本ステップでは、認識ネットワークの前後２回の認識結果を比較し、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、上部の多層ニューラルネットワークを調整する必要がある。第１顔認識結果が第２顔認識結果と一致しないと、顔認識精度が確保されず、すなわち顔認識ネットワークが正常に顔認識できていないことを示し、この場合、前後の年齢認識結果にかかわらず、多層ニューラルネットワークを調整する必要があり、第１年齢認識結果と第２年齢認識結果との差値が予め設定した閾値以下であると、人の顔における年齢プライバシー情報が隠し保護されていないことを示し、この場合、前後の顔認識結果が一致するか否かにかかわらず、多層ニューラルネットワークを調整する必要があることを理解されるべきである。前記多層ニューラルネットワークを調整しトレーニングする最終目的は、入力した元の顔画像を計算し年齢隠し画像を得て、且つ年齢隠し画像を顔認識ネットワークで正常に認識して正確なユーザーを得られる一方、年齢隠し画像から年齢認識ネットワークで年齢プライバシー情報を正確に認識できないことであることが理解されるべきである。
Step S4, it is determined that the first face recognition result does not match the second face recognition result, or that the difference between the first age recognition result and the second age recognition result is equal to or less than a preset threshold. If determined, the multi-layer neural network is adjusted, and steps S1-S3 are repeatedly executed,
In this step, the two recognition results before and after the recognition network are compared, and it is determined that the first face recognition result does not match the second face recognition result, or the first age recognition result is compared with the second age recognition result. If it is determined that the difference value from the result is equal to or smaller than a preset threshold value, it is necessary to adjust the upper multilayer neural network. If the first face recognition result does not match the second face recognition result, the face recognition accuracy is not ensured, that is, it indicates that the face recognition network has not been able to recognize the face normally. If the difference between the first age recognition result and the second age recognition result is equal to or less than a predetermined threshold, the age privacy information on the human face is not hidden and protected. In this case, it should be understood that the multilayer neural network needs to be adjusted regardless of whether the front and rear face recognition results match. The ultimate goal of adjusting and training the multi-layer neural network is to calculate the input original face image to obtain the age hidden image, and to correctly recognize the age hidden image by the face recognition network to obtain an accurate user. It should be understood that age privacy information cannot be accurately recognized by age recognition networks from age-hidden images.
本発明の実施例においては、好ましくは、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。さらに、前記した前記多層ニューラルネットワークを調整することは、具体的には、設定された損失関数に基づいて前記多層ニューラルネットワークにおける各層間の接続加重を調整することである。なお、多層ニューラルネットワークのパラメータ調整方式は、バックプロパゲーション法で調整することを含むがそれに限らず、損失関数の設計及びバックプロパゲーション法によるネットワーク加重に対する調整はディープラーニングでの常用技術であり、本発明では詳細な説明は省略する。 In the embodiment of the present invention, preferably, when adjusting the multilayer neural network, the adjustment is performed by a back propagation method. Further, adjusting the multilayer neural network described above is, specifically, adjusting the connection weight between layers in the multilayer neural network based on a set loss function. In addition, the parameter adjustment method of the multilayer neural network includes, but is not limited to, adjustment by the back propagation method, design of a loss function and adjustment to the network weight by the back propagation method are common techniques in deep learning, Detailed description is omitted in the present invention.
なお、本ステップでは前記多層ニューラルネットワークを調整した後、上記ステップＳ１−Ｓ３を繰り返し、続いて次の認識結果の判断を行う必要があり、判断結果が本ステップにおける判断条件と依然として一致していない場合、多層ニューラルネットワークを継続調整し上記ステップＳ１−Ｓ３を繰り返し続け、判断結果が本ステップにおける判断条件と一致していないと、次のステップを実行する。 In this step, after adjusting the multilayer neural network, it is necessary to repeat the above steps S1-S3, and subsequently to determine the next recognition result, and the determination result still does not match the determination condition in this step. In this case, the multilayer neural network is continuously adjusted, and the above steps S1 to S3 are repeated. If the determination result does not match the determination condition in this step, the next step is executed.
ステップＳ５、前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力する。 Step S5, when it is determined that the first face recognition result matches the second face recognition result and a difference value between the first age recognition result and the second age recognition result is larger than the preset threshold value; The age hidden image is output.
本ステップでは、第１顔認識結果が第２顔認識結果と一致し且つ第１年齢認識結果と第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、最終的な年齢隠し画像を出力する。すなわち、多層ニューラルネットワークで計算して得られた年齢隠し画像は、顔認識の精度を確保できる一方、ユーザーの年齢プライバシー情報が年齢認識ネットワークにより正確に認識されないことを確保することを示す。前記予め設定した閾値は好みに応じて自由に設定することができ、たとえば、閾値を５に設定すると、この場合、第１年齢認識結果と第２年齢認識結果との差値が５以下である時、年齢隠し画像が年齢認識ネットワークにより正確に認識されていると見なされ、すなわち年齢隠し画像がユーザーの年齢プライバシー情報を保護できていないことを示し、第１顔認識結果が第２顔認識結果と一致し且つ第１年齢認識結果と第２年齢認識結果との差値が５より大きくなると、最終的に計算して得られた年齢隠し画像を出力するまで多層ニューラルネットワークを調整する必要があることが理解されるべきである。 In this step, when it is determined that the first face recognition result matches the second face recognition result and the difference value between the first age recognition result and the second age recognition result is larger than the preset threshold, Outputs a hidden age image. That is, the age-hidden image calculated by the multilayer neural network indicates that the accuracy of face recognition can be ensured, but that the age privacy information of the user is not accurately recognized by the age recognition network. The preset threshold can be set freely according to preference. For example, if the threshold is set to 5, in this case, the difference between the first age recognition result and the second age recognition result is 5 or less. When the hidden age image is considered to be correctly recognized by the age recognition network, that is, the hidden age image does not protect the user's age privacy information, and the first face recognition result is the second face recognition result. When the difference between the first age recognition result and the second age recognition result is greater than 5, it is necessary to adjust the multilayer neural network until the finally calculated and obtained hidden age image is output. It should be understood that.
図２に示すように、本発明の実施例においては、図２中、１０１は入力した顔画像Ｘであり、１０２は多層ニューラルネットワークＡであり、１０３は顔画像Ｘを多層ニューラルネットワークＡで計算して得られた一時出力画像Ｙ（すなわち年齢隠し画像）であり、１０４は、顔画像Ｙを認識し、トレーニングされた年齢認識ネットワークＢであり、１０５は、顔画像Ｙを認識し、トレーニングされた顔認識ネットワークＣであり、１０６は以上の認識結果を判断することであり、判断条件は、年齢認識ネットワークＢがそれぞれ顔画像Ｘと一時出力画像Ｙを認識し、得られた２つの結果の差値が予め設定された閾値Ｋより大きく、顔認識ネットワークＣが顔画像ＸとＹを認識して得られた結果が同じであることであり、１０７は判断条件を満たさないと、設計された損失関数により、バックプロパゲーション法で多層ニューラルネットワークＡのパラメータを調整することであり、１０８は判断条件を満たすと、顔画像Ｙを出力することである。１０７でニューラルネットワークパラメータを調整した後、顔画像Ｘを繰り返して計算し、出力条件を満たすまで計算と認識プロセスを繰り返す。 As shown in FIG. 2, in the embodiment of the present invention, in FIG. 2, 101 is an input face image X, 102 is a multilayer neural network A, and 103 is a face image X calculated by the multilayer neural network A. Is a temporary output image Y (that is, a hidden age image) obtained by the above, 104 is an age recognition network B that recognizes the face image Y and is trained, and 105 is a face recognition apparatus that recognizes the face image Y and is trained. Is a face recognition network C, and 106 is to judge the above recognition result. The judgment condition is that the age recognition network B recognizes the face image X and the temporary output image Y, respectively, and obtains two obtained results. The difference value is larger than a preset threshold value K, and the result obtained by the face recognition network C recognizing the face images X and Y is the same. Otherwise Tasa, the loss functions designed is to adjust the parameters of multi-layer neural network A backpropagation method, 108 is to output a determination condition is satisfied, the face image Y. After adjusting the neural network parameters at 107, the face image X is repeatedly calculated, and the calculation and recognition process are repeated until the output condition is satisfied.
本発明のステッププロセスと動作原理についてより良く説明するために、以下、具体的な数値設計の実施例について説明する。 In order to better explain the step process and operation principle of the present invention, a specific numerical design example will be described below.
データセットから、名字が張三で、年齢が２５歳のユーザーに対応し、大きさが１００＊５０の顔画像Ｘを選択する。年齢認識ネットワークＢと顔認識ネットワークＣが予めトレーニングされたため、年齢認識ネットワークＢは画像Ｘを正確に分類することができ、すなわちＢ（Ｘ）＝２５歳であることが得られ、顔認識ネットワークＣは画像Ｘを正確に認識することができ、すなわちＣ（Ｘ）＝張三であることが得られる。 From the data set, a face image X having a size of 100 * 50 is selected for a user whose last name is Zhang San and whose age is 25 years. Since the age recognition network B and the face recognition network C have been trained in advance, the age recognition network B can correctly classify the image X, that is, B (X) = 25 years old, and the face recognition network C Can accurately recognize the image X, that is, C (X) = Zhang San.
本実施例において設計された多層ニューラルネットワークＡは、２つの隠し層を含み、入力層は１００＊５０＝５０００個のノード、第１隠し層は１０００個のノード、第２隠し層は１０００個のノード、出力層は１００＊５０＝５０００個のノードを有する。入力層の５０００個のノードが第１隠し層の１０００個のノードに全接続され、すなわち５０００＊１０００本の辺を有し、各辺の加重は値がランダムに割り当てられ、第１隠し層の１０００個のノードが第２隠し層の１０００個のノードに全接続され、すなわち１０００＊１０００本の辺を有し、各辺の加重は値がランダムに割り当てられ、第２隠し層の１０００個のノードが出力層５０００個のノードに全接続され、すなわち１０００＊５０００本の辺を有し、各辺の加重は値がランダムに割り当てられる。 The multilayer neural network A designed in this embodiment includes two hidden layers, the input layer is 100 * 50 = 5000 nodes, the first hidden layer is 1000 nodes, and the second hidden layer is 1000 nodes. The nodes and the output layer have 100 * 50 = 5000 nodes. 5000 nodes in the input layer are fully connected to 1000 nodes in the first hidden layer, ie, have 5000 * 1000 sides, and the weight of each side is randomly assigned a value, The 1000 nodes are fully connected to the 1000 nodes in the second hidden layer, ie, have 1000 * 1000 sides, and the weight of each side is randomly assigned a value, and the 1000 hidden nodes in the second hidden layer are A node is fully connected to 5000 nodes in the output layer, ie, has 1000 * 5000 sides, and the weight of each side is randomly assigned a value.
画像Ｘに対して、多層ニューラルネットワークＡで計算し、サイズが１００＊５０の顔画像Ｙを得て、それぞれ年齢認識ネットワークＢと顔認識ネットワークＣを呼び出して画像Ｙを認識する。年齢認識誤差の閾値Ｋ＝５と設定した場合、年齢認識ネットワークＢを呼び出して２枚の画像から認識したユーザー年齢差が５歳以上である場合は、すなわち、｜Ｂ（Ｘ）−Ｂ（Ｙ）｜＞５となり、ユーザーの年齢プライバシーが保護され、そうでなければ、ユーザーの年齢プライバシーが漏れる。 The image X is calculated by the multilayer neural network A to obtain a face image Y having a size of 100 * 50, and the age recognition network B and the face recognition network C are called to recognize the image Y, respectively. When the threshold value K of the age recognition error is set to 5, the age recognition network B is called and the user age difference recognized from the two images is 5 years or more, that is, | B (X) -B (Y ) |> 5, and the age privacy of the user is protected, otherwise the age privacy of the user is leaked.
年齢認識ネットワークＢと顔認識ネットワークＣを呼び出してそれぞれ画像ＸとＹを認識した後、Ｂ（Ｙ）＝３１（Ｂ（Ｙ）−Ｂ（Ｘ）＝６＞５）、且つＣ（Ｙ）＝張三とすると、システムは画像Ｙを出力し、画像Ｙが顔認識の正確性を確保できる一方、年齢情報認識にエラーが出ることが確保されるため、ユーザーの年齢プライバシー情報が保護される。Ｂ（Ｙ）と２５との差が５より小さく、たとえばＢ（Ｙ）＝２７、又はＣ（Ｙ）が張三に等しくない（例えばＣ（Ｙ）＝李四）場合、設計された損失関数に基づいて多層ニューラルネットワークＡのすべての辺の加重を調整して計算し、その調整方法はディープラーニングにおいて用いられたバックプロパゲーションアルゴリズムである。多層ニューラルネットワークＡのパラメータを調整した後に顔画像Ｘを再計算し、生成する画像Ｙが、Ｂ（Ｙ）とＢ（Ｘ）との差値が５より大きく且つＣ（Ｙ）＝張三を満たすまで、上記プロセスを繰り返し、画像Ｙを生成して認識認証する。 After calling the age recognition network B and the face recognition network C to recognize the images X and Y, respectively, B (Y) = 31 (B (Y) −B (X) = 6> 5) and C (Y) = In the case of Zhang San, the system outputs the image Y, and while the image Y can ensure the accuracy of the face recognition, it is ensured that an error occurs in the age information recognition, thereby protecting the user's age privacy information. If the difference between B (Y) and 25 is less than 5, for example, B (Y) = 27, or C (Y) is not equal to Zhangsan (eg, C (Y) = Li4), the designed loss function Is calculated by adjusting the weights of all sides of the multilayer neural network A based on the back propagation algorithm used in deep learning. After adjusting the parameters of the multilayer neural network A, the face image X is recalculated, and the generated image Y has a difference value between B (Y) and B (X) greater than 5 and C (Y) = Zhang San. The above process is repeated until the condition is satisfied, and the image Y is generated and recognized and authenticated.
本発明の実施例においては、本発明は多層ニューラルネットワークをトレーニングすることで、顔認識システムが顔認識の正確性を確保する一方、ユーザー年齢情報を不正確に認識することと確保し、従来の顔認識におけるプライバシー保護方法に比べて、本発明の生成した年齢隠し画像は顔画像自体の可用性を損なうことはないことが理解されるべきである。本発明は異なるタイプ、異なる構造の顔認識ネットワークと年齢認識ネットワークに適用でき、対応する多層ニューラルネットワークに指向的なトレーニングを行うことができ、使用適合性が高い。 In an embodiment of the present invention, the present invention trains a multilayer neural network to ensure that the face recognition system ensures the accuracy of face recognition while incorrectly recognizing user age information, It should be understood that the hidden age image generated by the present invention does not impair the availability of the face image itself, as compared to the privacy protection method in face recognition. The present invention can be applied to face recognition networks and age recognition networks of different types and different structures, can perform directional training on corresponding multilayer neural networks, and is highly adaptable to use.
図３に示すように、同じ技術課題を解決するために、本発明は、さらに、第１認識モジュール、隠し画像計算モジュール、第２認識モジュール、ニューラルネットワーク調整モジュール及び画像出力モジュールを備える顔認識用の年齢プライバシー保護システムを提供しており、
前記第１認識モジュールは、顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得ることに用いられ、
前記隠し画像計算モジュールは、多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得ることに用いられ、
前記第２認識モジュールは、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得ることに用いられ、
前記ニューラルネットワーク調整モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整することに用いられ、
前記画像出力モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力することに用いられる。
As shown in FIG. 3, in order to solve the same technical problem, the present invention further includes a first recognition module, a hidden image calculation module, a second recognition module, a neural network adjustment module, and an image output module. Offers an age privacy protection system,
The first recognition module obtains a face image and calls a face recognition network to obtain the first face recognition result by recognizing the face image and simultaneously calls an age recognition network to recognize the face image. Used to obtain the first age recognition result,
The hidden image calculation module is used to call a multilayer neural network to calculate the face image to obtain an age hidden image,
The second recognition module calls the face recognition network to recognize the hidden age image to obtain a second face recognition result, and at the same time, calls the age recognition network to recognize the hidden age image and obtain a second age. Used to obtain recognition results,
The neural network adjustment module determines that the first face recognition result does not match the second face recognition result, or a difference value between the first age recognition result and the second age recognition result is a predetermined threshold. Used to adjust the multilayer neural network if it is determined that:
The image output module determines that the first face recognition result matches the second face recognition result and that a difference value between the first age recognition result and the second age recognition result is larger than the preset threshold. In this case, it is used to output the age hidden image.
本発明の実施例においては、さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。 In an embodiment of the present invention, the face recognition network is obtained by training based on a given data set, and the age recognition network is obtained by training based on the data set. The data set includes a sample image and a target output result corresponding to the sample image.
本発明の実施例においては、さらに、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。 In the embodiment of the present invention, when adjusting the multilayer neural network, the adjustment is performed by a back propagation method.
本発明の実施例においては、さらに、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を含む。 In an embodiment of the present invention, the multilayer neural network further includes an input layer, a hidden layer having more than one layer, and an output layer.
以上から、本発明の実施例を実施すると、下記有益な効果を有する。
本発明の実施例は、顔認識用の年齢プライバシー保護方法及びシステムを開示している。顔認識精度を確保するとともに、ユーザーの年齢プライバシー情報を保護することができる。本発明は、トレーニングされた顔認識ネットワークと年齢認識ネットワークを呼び出すことで、それぞれ元の画像を認識し、且つそれぞれ多層ニューラルネットワークで秘匿計算した後の画像を認識し、次に認識結果は、顔認識が正常であり且つ年齢認識誤差が予め設定された閾値より大きい条件を満たすか否かを比較し、満たさない場合は、条件を満たすまで前記多層ニューラルネットワークを連続的に調整し、条件を満たす年齢情報隠し画像を最終的に出力する。本発明は顔認識システムに適用でき、人の顔の正常な認識を確保する一方、ユーザーの年齢プライバシー情報の不正確な認識を確保することができ、それにより顔認識技術の信頼性を効果的に向上させる。
As described above, when the embodiment of the present invention is implemented, the following advantageous effects are obtained.
Embodiments of the present invention disclose an age privacy protection method and system for face recognition. The face recognition accuracy can be ensured, and the user's age privacy information can be protected. The present invention recognizes the original image by calling the trained face recognition network and the age recognition network, respectively, and recognizes the image after concealment calculation by the multilayer neural network. Comparing whether the recognition is normal and the age recognition error satisfies a condition larger than a preset threshold, and if not, continuously adjusts the multilayer neural network until the condition is satisfied, and satisfies the condition. Finally output the age information hidden image. INDUSTRIAL APPLICABILITY The present invention can be applied to a face recognition system to ensure the correct recognition of a person's face while ensuring inaccurate recognition of the user's age privacy information, thereby effectively increasing the reliability of face recognition technology. To improve.
以上は本発明の好適な実施の形態である。ただし、当業者であれば、本発明の原理から逸脱することなく、複数の改良や修正ができ、これらの改良や修正も本発明の保護範囲とすべきである。 The above is a preferred embodiment of the present invention. However, those skilled in the art can make a plurality of improvements and modifications without departing from the principles of the present invention, and these improvements and modifications should be covered by the present invention.
Claims (10)
顔画像を取得し、顔認識ネットワークを呼び出して前記顔画像を認識して、第１顔認識結果を取得するとともに、年齢認識ネットワークを呼び出して前記顔画像を認識して、第１年齢認識結果を取得するステップと、
多層ニューラルネットワークを呼び出して、前記顔画像を計算し、年齢隠し画像を取得するステップと、
前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して、第２顔認識結を取得するとともに、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して、第２年齢認識結果を取得するステップと、
前記第１顔認識結果と前記第２顔認識結果が一致せず、又は、前記第１年齢認識結果と前記第２年齢認識結果との差が所定の閾値以下であると判断する場合、前記多層ニューラルネットワークを調整し、上記ステップを繰り返して実行するステップと、
前記第１顔認識結果と前記第２顔認識結果が一致し、且つ前記第１年齢認識結果と前記第２年齢認識結果との差が前記所定の閾値より大きいと判断する場合、前記年齢隠し画像を出力するステップを含むことを特徴とする顔認識用の年齢プライバシー保護方法。 An age privacy protection method for face recognition,
Acquiring a face image, calling a face recognition network to recognize the face image, and obtaining a first face recognition result, and calling an age recognition network to recognize the face image, and obtaining the first age recognition result. Obtaining,
Calling a multilayer neural network to calculate the face image and obtain a hidden age image;
Calling the face recognition network to recognize the hidden age image and obtain a second face recognition result, and calling the age recognition network to recognize the hidden age image and obtain a second age recognition result. Steps and
When the first face recognition result and the second face recognition result do not match, or when it is determined that the difference between the first age recognition result and the second age recognition result is equal to or less than a predetermined threshold, the multi-layer Adjusting the neural network and repeating the above steps;
When the first face recognition result and the second face recognition result match and it is determined that the difference between the first age recognition result and the second age recognition result is larger than the predetermined threshold, the age hidden image is displayed. Outputting an age privacy protection method for face recognition.
設定された損失関数に基づいて前記多層ニューラルネットワークにおける各層間の結合重みを調整することを特徴とする請求項１に記載の顔認識用の年齢プライバシー保護方法。 The step of adjusting the multilayer neural network includes,
The age privacy protection method for face recognition according to claim 1, wherein a weight of connection between layers in the multilayer neural network is adjusted based on the set loss function.
前記第１認識モジュールは、顔画像を取得し、顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を取得するとともに、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を取得することに用いられ、
前記隠し画像計算モジュールは、多層ニューラルネットワークを呼び出して、前記顔画像を計算し、年齢隠し画像を取得することに用いられ、
前記第２認識モジュールは、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を取得するとともに、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を取得することに用いられ、
前記ニューラルネットワーク調整モジュールは、前記第１顔認識結果と前記第２顔認識結果が一致せず、又は、前記第１年齢認識結果と前記第２年齢認識結果との差が所定の閾値以下であると判断する場合、前記多層ニューラルネットワークを調整することに用いられ、
前記画像出力モジュールは、前記第１顔認識結果と前記第２顔認識結果が一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差が前記所定の閾値より大きいと判断する場合、前記年齢隠し画像を出力することに用いられることを特徴とする顔認識用の年齢プライバシー保護システム。 An age privacy protection system for face recognition, comprising: a first recognition module, a hidden image calculation module, a second recognition module, a neural network adjustment module, and an image output module,
The first recognition module obtains a face image, calls a face recognition network to recognize the face image and obtains a first face recognition result, and calls an age recognition network to recognize the face image and obtain a first face recognition result. 1 Used to obtain the age recognition result,
The hidden image calculation module is used to call a multilayer neural network, calculate the face image, and obtain an age hidden image,
The second recognition module calls the face recognition network to recognize the age hidden image and obtains a second face recognition result, and calls the age recognition network to recognize the age hidden image and obtain a second age. Used to get recognition results,
The neural network adjustment module may be configured such that the first face recognition result does not match the second face recognition result, or a difference between the first age recognition result and the second age recognition result is equal to or less than a predetermined threshold. Is used to adjust the multilayer neural network,
The image output module determines that the first face recognition result matches the second face recognition result and that the difference between the first age recognition result and the second age recognition result is larger than the predetermined threshold And an age privacy protection system for face recognition, wherein the age privacy protection system is used to output the hidden age image.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910275185.XA CN110084142B (en) | 2019-04-04 | 2019-04-04 | Age privacy protection method and system for face recognition |
| CN201910275185.X | 2019-04-04 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6651038B1 true JP6651038B1 (en) | 2020-02-19 |
| JP2020170496A JP2020170496A (en) | 2020-10-15 |
Family
ID=67414387
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019148289A Expired - Fee Related JP6651038B1 (en) | 2019-04-04 | 2019-08-13 | Age privacy protection method and system for face recognition |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6651038B1 (en) |
| CN (1) | CN110084142B (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111966224A (en) | 2020-08-27 | 2020-11-20 | 百度在线网络技术（北京）有限公司 | Eye protection mode prompting method and device, electronic equipment and storage medium |
| JP2024006102A (en) * | 2022-06-30 | 2024-01-17 | 本田技研工業株式会社 | Image processing device, image processing method, image processing system, and program |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4303092B2 (en) * | 2003-11-12 | 2009-07-29 | 株式会社国際電気通信基礎技術研究所 | Age estimation apparatus, age estimation method, and age estimation program |
| JP2006085678A (en) * | 2004-08-16 | 2006-03-30 | Fuji Photo Film Co Ltd | Image generation method, image generation apparatus, and image generation program |
| JP2006287287A (en) * | 2005-03-31 | 2006-10-19 | Hitachi Ltd | Image processing apparatus and system thereof, and recording medium of program for them |
| CN102004908B (en) * | 2010-11-30 | 2012-10-17 | 汉王科技股份有限公司 | Self-adapting face identification method and device |
| JP5242756B2 (en) * | 2011-11-09 | 2013-07-24 | オリンパスイメージング株式会社 | Image processing apparatus, image processing method, and camera |
| US10579860B2 (en) * | 2016-06-06 | 2020-03-03 | Samsung Electronics Co., Ltd. | Learning model for salient facial region detection |
| JP6692272B2 (en) * | 2016-09-28 | 2020-05-13 | 日本電信電話株式会社 | Signal adjusting device, signal generation learning device, method, and program |
| US10565758B2 (en) * | 2017-06-14 | 2020-02-18 | Adobe Inc. | Neural face editing with intrinsic image disentangling |
| CN107977629A (en) * | 2017-12-04 | 2018-05-01 | 电子科技大学 | A kind of facial image aging synthetic method of feature based separation confrontation network |
| CN108846350A (en) * | 2018-06-08 | 2018-11-20 | 江苏大学 | Tolerate the face identification method of change of age |
-
2019
- 2019-04-04 CN CN201910275185.XA patent/CN110084142B/en active Active
- 2019-08-13 JP JP2019148289A patent/JP6651038B1/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020170496A (en) | 2020-10-15 |
| CN110084142A (en) | 2019-08-02 |
| CN110084142B (en) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340008B (en) | Method and system for generation of counterpatch, training of detection model and defense of counterpatch | |
| CN110555359B (en) | Automatic retry of facial recognition | |
| US11367305B2 (en) | Obstruction detection during facial recognition processes | |
| US10275672B2 (en) | Method and apparatus for authenticating liveness face, and computer program product thereof | |
| US8660532B2 (en) | User authentication method for access to a mobile user terminal and corresponding mobile user terminal | |
| CN111886842B (en) | Remote user authentication using threshold-based matching | |
| JP7159509B1 (en) | Systems and methods using multiple focal stacks for image-based spoofing detection | |
| WO2019152983A2 (en) | System and apparatus for face anti-spoofing via auxiliary supervision | |
| US9430627B2 (en) | Method and system for enforced biometric authentication | |
| US10769415B1 (en) | Detection of identity changes during facial recognition enrollment process | |
| US10990805B2 (en) | Hybrid mode illumination for facial recognition authentication | |
| CN107871345A (en) | Information processing method and related product | |
| JP6651038B1 (en) | Age privacy protection method and system for face recognition | |
| CN110059579B (en) | Method and apparatus for in vivo testing, electronic device, and storage medium | |
| CN110570383B (en) | Image processing method and device, electronic equipment and storage medium | |
| JP2007072703A (en) | Content provision device, content provision method and content provision program | |
| KR102253402B1 (en) | Hostile image generating device using AI method and The method thereof | |
| JP2020184331A (en) | Liveness detection method and apparatus, face authentication method and apparatus | |
| US10915734B2 (en) | Network performance by including attributes | |
| CN114127801A (en) | System and method for using people identifiability across device networks | |
| JP2005149370A (en) | Imaging device, personal authentication device and imaging method | |
| WO2021128682A1 (en) | Machine learning-based web page rendering method and apparatus, and computer device | |
| CN110084143B (en) | Emotion information protection method and system for face recognition | |
| JP2019148980A (en) | Image conversion apparatus and image conversion method | |
| US10853929B2 (en) | Method and a system for providing feedback on improvising the selfies in an original image in real time |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190813 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190813 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191223 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191223 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191225 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200121 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6651038 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |