CN112800452A - 用户身份图像处理方法和用户身份图像识别方法 - Google Patents
用户身份图像处理方法和用户身份图像识别方法 Download PDFInfo
- Publication number
- CN112800452A CN112800452A CN202110293708.0A CN202110293708A CN112800452A CN 112800452 A CN112800452 A CN 112800452A CN 202110293708 A CN202110293708 A CN 202110293708A CN 112800452 A CN112800452 A CN 112800452A
- Authority
- CN
- China
- Prior art keywords
- image
- scrambling
- parameters
- processing
- direction change
- 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.)
- Granted
Links
Images
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
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/602—Rotation of whole images or parts thereof by block rotation, e.g. by recursive reversal or rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0203—Image watermarking whereby the image with embedded watermark is reverted to the original condition before embedding, e.g. lossless, distortion-free or invertible watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
本申请涉及智慧安防、智慧交通和智慧城市领域,提供了一种用户身份图像处理方法,方法包括:获取将用户身份图像进行切分得到具有相同的形状和尺寸的多个图像子块,针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;其中,置乱处理包括对待处理的图像子块按照置乱参数中的方向变化参数进行方向变化以及按照置乱参数中的位置互换参数进行位置互换,采用本方法能够快速地得到安全性高的置乱身份图像。本申请还提供了一种实现用户身份图像识别方法,通过基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像进行用户身份识别,能够快速安全地实现对用户身份的识别处理。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种用户身份图像处理方法、装置、计算机设备和存储介质,以及一种用户身份图像识别方法、装置、计算机设备和存储介质。
背景技术
用户身份图像是包含用户的身份信息的图像,在安防、门禁、支付等场景下的大范围应用,极大地提高了人们的生活质量,但是随之而来的是用户对其隐私信息安全性的担忧。用户身份图像一旦发生泄漏问题,会对被泄漏用户的隐私造成不可估量的损害。为解决这一问题,出现了对用户身份图像进行加密的处理方式。
但常用的加密算法,例如对称加密DES(Data Encryption Standard,数据加密标准)算法,其密钥较短,可通过穷举搜索法(撞库)的方式进行暴力破解;而非对称加密RSA(RSA algorithm,RSA加密算法)算法,安全性较高,但是其运算代价非常高,导致加密解密速度慢,在计算力弱的边缘设备上尤为明显,实时性达不到要求。因此,存在效率与安全性难以调和的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够兼顾效率与安全性的用户身份图像处理方法、装置、计算机设备和存储介质和一种用户身份图像识别方法、装置、计算机设备和存储介质。
一种用户身份图像处理方法,所述方法包括:
获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;所述置乱参数用于基于所述置乱身份图像恢复得到所述用户身份图像;
其中,所述置乱处理包括方向变化处理和位置互换处理;所述置乱参数包括方向变化参数和位置互换参数;所述方向变化处理,是对待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是对待处理的图像子块按照所述位置互换参数进行位置互换。
一种用户身份图像处理装置,所述装置包括:
图像切分模块,用于获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
图像子块置乱模块,用于针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;所述置乱参数用于基于所述置乱身份图像恢复得到所述用户身份图像;
其中,所述置乱处理包括方向变化处理和位置互换处理;所述置乱参数包括方向变化参数和位置互换参数;所述方向变化处理,是对待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是对待处理的图像子块按照所述位置互换参数进行位置互换。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;所述置乱参数用于基于所述置乱身份图像恢复得到所述用户身份图像;
其中,所述置乱处理包括方向变化处理和位置互换处理;所述置乱参数包括方向变化参数和位置互换参数;所述方向变化处理,是对待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是对待处理的图像子块按照所述位置互换参数进行位置互换。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;所述置乱参数用于基于所述置乱身份图像恢复得到所述用户身份图像;
其中,所述置乱处理包括方向变化处理和位置互换处理;所述置乱参数包括方向变化参数和位置互换参数;所述方向变化处理,是对待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是对待处理的图像子块按照所述位置互换参数进行位置互换。
上述用户身份图像处理方法、装置、计算机设备和存储介质,通过获取将用户身份图像进行切分得到的多个图像子块,将用户身份图像从一个整体切分得到多个具有相同的形状和尺寸的图像子块,以使得不同切分位置的图像子块能够实现位置互换,针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像,通过能够基于置乱身份图像恢复得到用户身份图像的置乱参数,便于简单快速地恢复得到用户身份图像,置乱处理包括对待处理的图像子块按照置乱参数中的方向变化参数进行方向变化以及对待处理的图像子块按照置乱参数中的位置互换参数进行位置互换,基于方向变化处理和位置互换处理的置乱处理,既降低了对用户身份图像置乱的复杂性,便于快速进行置乱处理得到置乱身份图像,又降低了置乱身份图像被暴力破解的可能性,从而能够快速地得到安全性高的置乱身份图像。
一种用户身份图像识别方法,所述方法还包括:
提取用户身份识别请求携带的置乱身份图像,所述置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
基于所述置乱参数,对所述置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
基于所述恢复的用户身份图像进行用户身份识别,得到与所述用户身份识别请求对应的用户身份识别结果。
一种用户身份图像识别装置,所述装置包括:
置乱身份图像提取模块,用于提取用户身份识别请求携带的置乱身份图像,所述置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
图像解置乱模块,用于基于所述置乱参数,对所述置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
用户身份识别模块,用于基于所述恢复的用户身份图像进行用户身份识别,得到与所述用户身份识别请求对应的用户身份识别结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
提取用户身份识别请求携带的置乱身份图像,所述置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
基于所述置乱参数,对所述置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
基于所述恢复的用户身份图像进行用户身份识别,得到与所述用户身份识别请求对应的用户身份识别结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
提取用户身份识别请求携带的置乱身份图像,所述置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
基于所述置乱参数,对所述置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
基于所述恢复的用户身份图像进行用户身份识别,得到与所述用户身份识别请求对应的用户身份识别结果。
上述用户身份图像识别方法、装置、计算机设备和存储介质,通过提取用户身份识别请求携带的置乱身份图像,基于按照随机生成的置乱参数对用户身份图像切分得到的图像子块进行置乱处理得到的置乱身份图像,确保了置乱身份图像的安全性,基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像,基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果,基于置乱参数的置乱和解置乱方式,一方面,降低了对用户身份图像进行解置乱处理的复杂性,便于快速进行解置乱得到用户身份图像,另一方面,降低了置乱身份图像被暴力破解的可能性,从而快速安全地实现对用户身份的识别处理。
附图说明
图1为一个实施例中用户身份图像处理方法的应用环境图;
图2为另一个实施例中用户身份图像处理方法的应用环境图;
图3为一个实施例中用户身份图像处理方法的流程示意图;
图4为一个实施例中不同形状的图像子块的示意图;
图5(a)为一个实施例中两个图像子块进行位置互换的示意图;
图5(b)为一个实施例中多个图像子块进行位置互换的示意图;
图6(a)为一个实施例中部分图像子块进行位置互换的示意图;
图6(b)为一个实施例中全部图像子块进行位置互换的示意图;
图7(a)为一个实施例中图像子块按不同旋转角进行方向变化的结果示意图;
图7(b)为一个实施例中图像子块按不同对称轴进行方向变化的结果示意图;
图8为一个实施例中用户身份图像识别方法的流程示意图;
图9为一个实施例中用户身份图像置乱和解置乱处理后的结果示意图;
图10为一个实施例中用户身份图像处理方法和用户身份图像识别方法的流程示意图;
图11为一个实施例中人脸识别过程的流程示意图;
图12(a)为一个实施例中的置乱身份图像的示意图;
图12(b)为另一个实施例中的置乱身份图像的示意图;
图13为一个实施例中用户身份图像处理装置的结构框图;
图14为一个实施例中用户身份图像识别装置的结构框图;
图15为一个实施例中计算机设备的内部结构图;
图16为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的方案可以涉及人工智能(Artificial Intelligence,简称为AI)、机器学习(Machine Learning,简称为ML)等技术。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。基于人工智能和机器学习等技术,能够获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;置乱参数用于基于置乱身份图像恢复得到用户身份图像;其中,置乱处理包括方向变化处理和位置互换处理;置乱参数包括方向变化参数和位置互换参数;方向变化处理,是对待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是对待处理的图像子块按照位置互换参数进行位置互换,从而快速地得到安全性高的置乱身份图像。还能够提取用户身份识别请求携带的置乱身份图像,置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像;基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果,从而快速安全地实现对用户身份的识别处理。
本申请提供的用户身份图像处理方法和用户身份图像识别方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。终端102采集用户身份图像,将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;终端102针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像并将置乱身份图像发送至服务器104;服务器104配置有置乱参数,用于基于置乱身份图像恢复得到用户身份图像。其中,置乱处理包括方向变化处理和位置互换处理;置乱参数包括方向变化参数和位置互换参数;方向变化处理,是对待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是对待处理的图像子块按照位置互换参数进行位置互换。
服务器104接收终端102上传的用户身份识别请求,提取用户身份识别请求携带的置乱身份图像,置乱身份图像是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;服务器104基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像;服务器104基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果,将用户身份识别结果反馈至终端102。
在另一个实施例中,用户身份图像处理方法和用户身份图像识别方法可以应用于如图2所示的应用环境中。其中,终端200包括图像置乱模块202与图像解置乱模块204,
图像置乱模块202采集用户身份图像,将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;图像置乱模块202针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像并将置乱身份图像发送至图像解置乱模块204;图像解置乱模块204配置有置乱参数,用于基于置乱身份图像恢复得到用户身份图像。其中,置乱处理包括方向变化处理和位置互换处理;置乱参数包括方向变化参数和位置互换参数;方向变化处理,是对待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是对待处理的图像子块按照位置互换参数进行位置互换。
图像解置乱模块204接收图像置乱模块202发送的用户身份识别请求,提取用户身份识别请求携带的置乱身份图像,置乱身份图像是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;图像解置乱模块204基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像;图像解置乱模块204基于恢复的用户身份图像进行用户身份识别,得到用户身份识别结果。
进一步地,图像置乱模块202可以是用于进行图像采集和图像处理的模块,图像解置乱模块204可以是存储有注册用户身份图像及相关隐私信息,用于进行用户身份校验的模块,图像解置乱模块204的安全等级高于图像置乱模块202,通过具有不同安全等级的模块分别来实现图像置乱和解置乱处理。在终端被攻击入侵时,安全等级高的图像解置乱模块更能够避免注册用户身份图像及相关隐私信息的泄漏,从而实现在终端进行用户身份识别功能的同时,保护注册用户的信息安全。
其中,终端102和终端200可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content DeliveryNetwork,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
在一个实施例中,上述注册用户身份图像及相关隐私信息还可以存储于区块链中,便于对基于置乱身份图像恢复得到的用户身份图像进行身份识别,并将用户身份识别结果反馈至用户身份识别请求的请求端,避免注册用户身份图像及相关隐私信息的泄漏。利用区块链的数据安全性,提高注册用户信息的安全性。
在一个实施例中,如图3所示,提供了一种用户身份图像处理方法,以该方法应用于图1中的终端102或是图2中的图像置乱模块202为例进行说明,包括以下步骤:
步骤302,获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸。
用户身份图像是指包含用户的身份信息的图像,用户的身份信息具体可以是能够表征用户身份的生物特征信息,例如人脸信息、指纹信息、虹膜信息等。
切分是指将一个完整图像切分成多个相同的图像子块的过程,反过来,多个相同的图像子块拼凑在一起即为该完整图像。图像子块是指可以单独对其进行某些处理的独立子图像。具体来说,对切分得到的多个图像子块的其中某个图像子块进行内容变换等处理,不会影响其他的图像子块。
图像子块的形状是指图像子块的存在或表现形式,如图4所示,图像子块的形状具体可以是正方形、长方形、平行四边形、正三角形以及正六边形等形状中的任意一种,以确保通过方向变化处理后能够拼凑在一起得到用户身份图像。图像子块的尺寸是指图像子块的大小。具有相同的形状和尺寸的图像子块即为通过一定的位置移动可以完全重合的对象。例如,多个像素组成均为8*8的正方形图像子块即为具有相同的形状和尺寸的图像子块。
具体地,终端或图像置乱模块根据用户身份图像的形状和尺寸以及图像子块切分参数,对用户身份图像进行切分,得到多个具有相同的形状和尺寸的图像子块。
在一个实施例中,图像子块切分参数可以包括图像子块的数量、以及切分的图像子块形状和尺寸。用户身份图像可以是通过标准化处理的具有指定形状和尺寸的图像,例如,通过标准化处理的具有指定形状和尺寸的用户身份图像可以是像素组成为256*256的图像,图像子块切分参数可以是切分成像素组成为8*8的正方形图像子块,从而根据用户身份图像的形状和尺寸(256*256)以及图像子块切分参数(8*8),对用户身份图像进行切分,得到32*32个像素组成为8*8的正方形图像子块。
在另一个实施例中,图像子块切分参数可以包括图像子块的数量、以及切分的图像子块的图像对称类型,基于图像子块的图像对称类型和数量,可以确定用户身份图像的形状和尺寸。从而获取符合该用户身份图像的形状和尺寸的用户身份图像。其中,图像对称类型如轴对称图形、旋转对称图形等,图像对称类型可以根据置乱参数中的方向变化参数来确定,例如,方向变化参数为对称轴,则对应的图像类型为轴对称图形。
假设需要得到32*32个轴对称图像子块,则图像子块的形状可以为正方形、长方形等,如32*32个像素组成为16*8的长方形图像子块,则所需的用户身份图像应当是像素组成为512*256的图像。如32*32个像素组成为8*8的正方形图像子块,则所需的用户身份图像应当是像素组成为256*256的图像。假设需要得到32*32个轴对称且旋转对称图像子块,则图像子块的形状可以为正方形。
在一个实施例中,用户身份图像处理方法还包括:
基于用户身份图像对应图像文件格式的最小压缩像素单元,确定图像子块的形状和尺寸,图像子块的形状和尺寸为最小压缩像素单元的形状和尺寸,或是多个最小压缩像素单元构成的对称图形的形状和尺寸。
图像文件格式是记录和存储影像信息的格式。对数字图像进行存储、处理、传播,必须采用一定的图像格式,也就是把图像的像素按照一定的方式进行组织和存储,把图像数据存储成文件就得到图像文件。
例如,以JPEG(Joint Photographic Experts Group,联合图片专家组)为例,是一种有损压缩方案,JPEG基于像素组成为8*8的像素块进行压缩,图像子块与子块之间相互独立、互不干扰。对应的,图像子块的形状和尺寸可以是像素组成为8*8的图像子块,也可以是多个像素组成为8*8的像素块构成的例如16*8、8*16、16*16等像素组成的像素子块。
通过将用户身份图像切分成一个或是多个像素组成8*8的像素块构成的图像子块,由于在置乱处理是图像子块内仅作方向变化处理,图像子块间随机打乱位置顺序,且JPEG基于像素组成为8*8的像素块进行压缩,故在图像压缩是不会引入额外的图像压缩效应,从而提高基于置乱身份图像恢复的用户身份图像的准确性。
步骤304,针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像。置乱参数用于基于置乱身份图像恢复得到用户身份图像。其中,置乱处理包括方向变化处理和位置互换处理;置乱参数包括方向变化参数和位置互换参数;方向变化处理,是对待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是对待处理的图像子块按照位置互换参数进行位置互换。
置乱参数是用于确定待处理的图像子块的置乱方式的参数。具体地,对于每一个待处理的图像子块,均有对应的置乱参数。置乱参数包括方向变化参数和位置互换参数,方向变化参数是用于改变图像子块中的图像内容的方向的参数,方向变化参数具体可以是将图像子块顺时针或是逆时针方向旋转指定的角度,来改变图像子块中的图像内容的方向,也可以是将图像子块上下翻转或左右翻转,来改变图像子块中的图像内容的方向。位置互换参数是用于指示每一个图像子块要移动的目的位置的参数,其中,位置互换可以是任意两个位置的图像子块互换,参照图5(a),第一行第一列即位置(1,1)的图像子块1与第一行第二列即位置(1,2)的图像子块2互换,位置(1,3)的图像子块3与位置(1,4)的图像子块4互换。也可以是将两个以上的图像子块一起进行位置交换,如图5(b)所示,位置(1,1)的图像子块1、位置(1,2)的图像子块2、位置(1,3)的图像子块3以及位置(1,4)的图像子块4的图像子块进行位置交换,得到位置(1,1)为图像子块2、位置(1,2)为图像子块3、位置(1,3)为图像子块4、位置(1,4)为图像子块1。
具体地,按照随机生成的置乱参数进行置乱处理的图像子块,可以是全部的图像子块,也可以是多个图像子块中的一部分图像子块。其中,进行方向变化处理的图像子块和进行位置互换处理的图像子块可以是相同的图像子块,也可以是不同的图像子块。例如,对于32*32个图像子块,可以对每一个图像子块均进行方向变化处理,并对全部的图像子块进行位置互换处理。也可以是对其中一部分图像子块(如32*16个)进行方向变化处理,对全部的图像子块(32*32个)进行位置互换处理。还可以是对全部图像子块(32*32个)进行方向变化处理,对其中一部分图像子块(如32*16个)进行位置互换处理,还可以是对第一部分的图像子块进行方向变化处理,对第二部分图像子块进行位置互换处理,其中,第一部分的图像子块可以与第二部分的图像子块中存在相同的图像子块,也可以不存在相同的图像子块,在此不作限定。
在一个实施例中,终端针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像。在与终端对应的服务器中存储有该置乱参数,服务器可以基于置乱参数,将置乱身份图像恢复为用户身份图像。
在另一个实施例中,图像置乱模块针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像。在与图像置乱模块对应的图像解置乱模块中存储有该置乱参数,图像解置乱模块可以基于置乱参数,将置乱身份图像恢复为用户身份图像。
具体来说,服务器或是图像解置乱模块,可以通过提取终端或是图像置乱模块发送的用户身份识别请求中携带的通过上述置乱处理得到的置乱身份图像,基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像,基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果。
上述用户身份图像处理方法,通过获取将用户身份图像进行切分得到的多个图像子块,将用户身份图像从一个整体切分得到多个具有相同的形状和尺寸的图像子块,以使得不同切分位置的图像子块能够实现位置互换,针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像,通过能够基于置乱身份图像恢复得到用户身份图像的置乱参数,便于简单快速地恢复得到用户身份图像,置乱处理包括对待处理的图像子块按照置乱参数中的方向变化参数进行方向变化以及对待处理的图像子块按照置乱参数中的位置互换参数进行位置互换,基于方向变化处理和位置互换处理的置乱处理,既降低了对用户身份图像置乱的复杂性,便于快速进行置乱处理得到置乱身份图像,又降低了置乱身份图像被暴力破解的可能性,从而能够快速地得到安全性高的置乱身份图像。
在一个实施例中,用户身份图像处理方法还包括:
根据图像子块的形状,确定图像子块的候选方向变化参数,按照任一候选方向变化参数对图像子块进行的方向变化处理,不改变图像子块的形状和尺寸;
基于候选方向变化参数,随机生成与待进行方向变化处理的图像子块对应的方向变化参数。
其中,候选方向变化参数是指在对图像子块进行的方向变化处理前后,图像子块的形状和尺寸不发生改变的参数,候选方向变化参数改变的是图像子块中的图像内容,具体改变的是图像内容的方向。
图像子块的形状可以是预先配置好的参数,不同形状的图像子块具有不同的候选方向变化参数。基于候选方向变化参数,来随机生成方向变化参数,既能使得对图像子块进行方向变化处理后不改变图像子块的形状和尺寸,以使得经过置乱处理之后的各个图像子块拼凑出的置乱身份图像与用户身份图像具有相同的形状。又保证了各个待进行方向变化处理的图像子块对应的方向变化参数的随机性,提高基于方向变化参数进行方向变化处理的置乱身份图像的安全性。
待进行方向变化处理的图像子块可以是全部的图像子块,也可以从全部图像子块中选择的部分图像子块,例如,如图6(a)所示,将32*32个图像子块中左半部分的32*16个图像子块作为待进行方向变化处理的图像子块,再例如,如图6(b)所示,将全部的图像子块作为待进行方向变化处理的图像子块。
其中,随机生成的方向变化参数所对应的待进行方向变化处理的图像子块对应的,与在进行方向变化处理时的待处理的图像子块在用户身份图像中的相对位置相同。例如,待进行方向变化处理的图像子块为偶数行的图像子块,则在进行方向变化处理时的待处理的图像子块也为偶数行的图像子块,以保证置乱过程和解置乱过程是针对同样的图像子块进行的,确保解置乱得到的用户身份图像的准确性。
在一个实施例中,图像子块为对称图形;根据图像子块的形状,确定图像子块的候选方向变化参数,包括:
根据图像子块的对称类型,确定图像子块的候选方向变化参数,图像子块的对称类型包括旋转对称图形和轴对称图形中的至少一种;的候选方向变化参数包括多个候选的旋转角参数;轴对称图形的候选方向变化参数包括多条候选的对称轴参数。
旋转对称图形是指把一个平面图形绕着平面上一个定点旋转α(弧度)后,与初始图形重合的图形,这个定点叫做旋转对称中心,旋转的角度叫做旋转角。旋转角参数可以是旋转角对应的角度,也可以是用于表征旋转角对应的角度的参数。轴对称图形是指沿一条直线折叠,直线两旁的部分能够完全重合的图形。这个直线叫做对称轴。对称轴参数可以是对称轴在图形中的相对位置,也可以用于表征对称轴在图形中的相对位置的参数。
例如,正方形的图像子块既是旋转对称图形又是轴对称图形。正方形的图像子块的候选方向变化参数可以包括按0°(或360°)、90°、180°、270°的旋转角参数,对应图7(a)所示的第一行第一列的图像子块的四种方向变化,还可以基于竖直方向(即0°方向)、45°方向、水平方向(即90°方向)、135°方向的对称轴参数,其中沿45°或是135°的对称轴为正方形的对角线所在的直线,对应图7(b)所示的第一行第二列的图像子块的四种方向变化。其中,沿竖直方向的对称轴的翻转为左右翻转,沿水平方向的对称轴的翻转为上下翻转。
再例如,长方形的图像子块的候选方向变化参数可以包括按0°或180°的旋转角参数、基于竖直方向或水平方向的对称轴参数。需要说明的是,候选方向变化参数可以是旋转参数和翻转参数中的一种,也可以是既包括旋转参数又包括翻转参数。
在本实施例中,基于图像子块的对称类型,能够通过对称轴或是旋转角,快速确定图像子块的候选方向变化参数,并且能够保证基于候选方向变化参数进行的方向变化处理,不会改变图像子块的尺寸和形状,以使得经过置乱处理之后的各个图像子块拼凑出的置乱身份图像与用户身份图像具有相同的形状。保证了各个待进行方向变化处理的图像子块对应的方向变化参数的随机性,提高了基于方向变化参数进行方向变化处理的置乱身份图像的安全性。
在一个实施例中,方向变化参数可以携带待进行方向变化处理的图像子块在用户身份图像中的相对位置信息。具体来说,方向变化参数包括编码参数矩阵。基于候选方向变化参数,随机生成与待进行方向变化处理的图像子块对应的方向变化参数,包括:
对候选方向变化参数进行编码处理,确定每一候选方向变化参数对应的候选编码参数;基于候选编码参数,随机生成编码参数矩阵,编码参数矩阵中各元素的位置表征待进行方向变化处理的图像子块在用户身份图像中的相对位置,元素的元素值为待进行方向变化处理的图像子块对应的编码参数。
其中,编码参数矩阵是指按顺序排列的编码参数,对于切分得到N*M个图像子块的用户身份图像,编码参数矩阵可以是[N,M]的编码参数矩阵,也可以是[N*M,1]的编码参数矩阵或是[1,N*M]的编码参数矩阵即编码参数序列。
以切分得到32*32个正方形图像子块的用户身份图像为例,可以通过32*32的编码参数矩阵或者是1024位的编码参数序列来表示方向变化参数。编码参数矩阵或是编码参数序列中每一个元素的在编码参数矩阵或是编码参数序列中的位置表示用户身份图像的每一个切分位置对应的图像子块,例如1024位的编码参数序列中的第32位可以表示第1行第32列的图像子块,第33位可以表示第2行第1列的图像子块。编码参数矩阵或是编码参数序列中每一个元素的元素值表示该元素所对应图像子块的方向变化参数。例如,用0~3表示正方形的四种不同旋转角对应的候选方向变化参数。若将旋转角0°、90°、180°和270°依次编码为[0,1,2,3],则一个可行的编码参数序列θ为:θ=[2,2,3,1,0,2,…,3,2,0]。再例如,还可以用4~7表示正方形的四种不同位置的对称轴对应的候选方向变化参数,用其他数值或是数值组合表示不同旋转角和不同对称轴的组合等。
在本实施例中,通过每一候选方向变化参数对应的候选编码参数,随机生成编码参数矩阵,既能准确表征每一待进行方向变化处理的图像子块对应的方向变化参数,又能准确表征每一待进行方向变化处理的图像子块在用户身份图像中的相对位置,从而实现对用户身份图像实现准确且可恢复的置乱处理。
在一个实施例中,用户身份图像处理方法还包括:
基于待进行位置互换处理的图像子块在用户身份图像中的相对位置,确定每一相对位置对应的位置参数;
对位置参数进行随机置乱,得到待进行位置互换处理的图像子块对应的位置互换参数。
位置参数是用于表征待进行位置互换处理的图像子块在用户身份图像中的相对位置的参数,具体可以是图像子块的基准点在用户身份图像对应的坐标系中的坐标,基准点可以是图像子块的中心点或是任一顶点等,只需要确保各个图像子块的基准点相对于该图像子块的位置是相同的即可,基准点的具体位置不作限定。其中,对位置参数进行随机置乱,具体可以是通过多次的位置参数两两交互,也可以是单次的多个位置参数随机交换等方式来实现。
在本实施例中,通过待进行位置互换处理的图像子块的位置参数进行随机置乱,能够得到待进行位置互换处理的图像子块对应的位置互换参数,便于在位置互换处理时,基于位置互换参数准确找到对应的置换位置,在确保后续能够基于位置互换参数进行位置恢复的前提下,实现图像子块的简单快速位置互换,得到安全性高的置乱身份图像。
在其中一个实施例中,位置参数,包括待进行位置互换处理的图像子块在切分得到的图像子块矩阵中的行列数据组合;位置互换参数,包括对行列数据组合进行置乱处理随机生成的行列数据组合矩阵;行列数据组合矩阵中元素的位置表征待进行位置互换处理的图像子块在用户身份图像中的相对位置。
图像子块矩阵是指按行列排列的图像子块。行列数据组合是指待进行位置互换处理的图像子块在图像子块矩阵中的行数和列数的组合,例如(2,5)表示图像子块矩阵中的第二行第五行的位置。
举例来说,对于切分得到N*M个图像子块的用户身份图像,对行列数据组合进行置乱处理随机生成的行列数据组合矩阵可以是[N,M,2]的行列数据组合矩阵,也可以是[N*M,2]的编码参数矩阵或是[2,N*M]的行列数据组合矩阵。以[N*M,2]的编码参数矩阵为例,每行的2维向量代表该图像子块在置乱图像中的行数和列数。
在本实施例中,通过对待进行位置互换处理的图像子块对应的行列数据组合进行置乱处理随机生成的行列数据组合矩阵,基于行列数据组合,既能准确表示各个待进行位置互换处理的图像子块对应的行列位置,又能准确表示各个位置的图像子块对应的置换位置,在确保后续能够基于位置互换参数进行位置恢复的前提下,实现图像子块的简单快速位置互换,得到安全性高且可恢复的置乱身份图像。
在一个实施例中,针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像,包括:
针对多个图像子块中的至少一部分图像子块,依次执行或嵌套执行方向变化处理和位置互换处理,获得置乱身份图像;其中,依次执行,是针对同一图像子块,将方向变化处理和位置互换处理的其中一项处理的输出作为另一项处理的输入的执行方式;嵌套执行,是针对同一图像子块,在位置互换处理的过程中进行方向变化处理的执行方式。
其中,依次执行的方向变化处理和位置互换处理可以针对不同位置的图像子块。嵌套执行的方向变化处理和位置互换处理需要针对相同位置的图像子块。具体来说,依次执行包括先进行方向变化处理再进行位置互换处理,和先进行位置互换处理再进行方向变化处理。在实施例中,方向变化处理和位置互换处理的执行顺序用于基于置乱身份图像恢复得到用户身份图像。置乱处理得到用户身份图像时的执行顺序与解置乱恢复得到用户身份图像的执行顺序互逆。
其中,先进行方向变化处理再进行位置互换处理具体可以是,基于方向变化参数对图像子块矩阵中待进行方向变化处理的图像子块进行方向变化,得到包括方向变化后的图像子块的更新图像子块矩阵,然后基于位置互换参数对更新图像子块矩阵中待进行位置互换处理的图像子块进行位置互换,得到置换身份图像。
先进行位置互换处理再进行方向变化处理具体可以是,基于位置互换参数对图像子块矩阵中待进行位置互换处理的图像子块进行位置互换,得到包括位置互换后的图像子块的更新图像子块矩阵,然后,基于方向变化参数对更新图像子块矩阵中待进行方向变化处理的图像子块进行方向变化,得到置换身份图像。
针对同一图像子块,在位置互换处理的过程中进行方向变化处理的执行方式,具体可以是,基于位置互换参数对应元素位置表征的图像子块位置,从图像子块矩阵中提取该图像子块位置的图像子块,基于该图像子块位置对应的方向变化参数,对该提取的图像子块进行方向变化处理,将方向变化处理后的图像子块置于位置互换参数对应的置换位置。也可以是,基于位置互换参数表征的置换位置,从图像子块矩阵中提取位置互换参数表征的置换位置的图像子块,基于该图像子块位置对应的方向变化参数,对该提取的图像子块进行方向变化处理,将方向变化处理后的图像子块,置于位置互换参数对应元素位置表征的图像子块位置。
通过定义方向变化处理和位置互换处理的执行顺序,可以进一步增加置乱结果的多样性,提高置乱身份图像的安全性,避免置乱身份图像被暴力破解造成的用户隐私泄露。
在一个实施例中,方向变化处理,是通过多线程并行对多个待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是通过多线程并行对多个待处理的图像子块按照位置互换参数进行位置互换。
多线程的并行处理可以通过多核处理器或是多核芯片来实现,多核处理器是指在一枚处理器中集成两个或多个完整的计算引擎(内核),此时处理器能支持系统总线上的多个处理器,由总线控制器提供所有总线控制信号和命令信号。通过划分任务,线程应用能够充分利用多个执行内核,并可在特定的时间内执行更多任务,可满足用户同时进行多任务处理和多任务计算环境的要求,由于在对对用户身份图像进行切分和置乱处理时,不同图像子块间互不影响,因此,从而通过多核处理器进行处理,提高对用户身份图像进行切分与置乱处理的速度。
在一个实施例中,用户身份图像处理方法还包括:
对获取的用户图像进行身份信息关键点识别,确定身份信息关键点在用户图像中的位置;
基于身份信息关键点在用户图像中的位置,通过关键点对齐处理对用户图像进行裁剪,得到包含身份信息关键点的用户身份图像。
身份信息关键点是指用于确定用户图像中的用户身份信息的关键点,例如,用户人脸图像中的面部关键特征点,如眼睛、鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。再例如,用户虹膜图像中的眼睛轮廓点、瞳孔等。在采集到用户图像之后,识别用户图像中的身份信息关键点。基于身份信息关键点在用户图像中的位置,通过关键点对齐处理确定用户图像中的用户身份图像所在的区域,基于用户身份图像的尺寸和形状要求,从用户图像中裁剪出符合用户身份图像的尺寸和形状要求、且包含身份信息关键点的用户身份图像。
在本实施例中,基于识别的身份信息关键点,通过关键点对齐处理对用户图像进行裁剪,能够有针对性地提取出必要的图像内容,从而减小非必要图像内容的影响,提高置乱处理的处理速度。
在一个实施例中,按照随机生成的置乱参数进行置乱处理,包括:
当用户身份图像对应的图像类型与当前选择的置乱参数匹配失败时,从置乱参数集合中选择与图像类型匹配的置乱参数进行置乱处理,置乱参数集合中包括多组随机生成的与图像类型匹配的置乱参数。
用户身份图像携带有用于表征用户身份图像的类别的属性信息,通过该属性信息确定用户身份图像对应的图像类型。置乱参数可以基于用户身份图像的图像类型来随机生成,一个图像类型对应一组置乱参数。具体地,图像类型具体可以分为用户人脸图像、用户虹膜图像、用户指纹图像等。还可以基于用户身份图像携带的采集终端信息所属的终端类型来区分不同的类别。
置乱参数集合中包括多组随机生成的与图像类型匹配的置乱参数,以确保在用户身份图像对应的图像类型与当前选择的置乱参数匹配失败时,能够从置乱参数集合中选择与图像类型匹配的置乱参数进行置乱处理。基于图像类型配置对应的随机生成的置乱参数,能够提高置乱身份图像的安全性。
在一个实施例中,如图8所示,提供了一种用户身份图像识别方法,以该方法应用于图1中的服务器104或是图2中的终端200中的图像解置乱模块204为例进行说明,包括以下步骤:
步骤802,提取用户身份识别请求携带的置乱身份图像,置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像。
步骤804,基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像。
步骤806,基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果。
用户身份识别请求可以是终端或是图像置乱模块针对用户身份图像进行切分得到的多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像之后,向服务器或是图像解置乱模块发送的携带有置乱身份图像的请求,用于请求服务器或是图像解置乱模块通过置乱参数对置乱身份图像进行解置乱,并识别解置乱处理得到的用户身份图像对应的用户身份。具体来说,用户身份识别请求可以是由应用程序发起的,在终端或是图像置乱模块针对用户身份图像进行置乱处理,得到置乱身份图像之后,将置乱身份图像添加至应用程序发起的用户身份识别请求中,并将携带有置乱身份图像的用户身份识别请求发送至服务器或是图像解置乱模块。
可以理解,这里的置乱身份图像包括但不限于是基于上述用户身份图像处理方法得到的图像。如图9所示,左边图像为终端或是图像置乱模块采集的用户身份图像,中间图像为终端或是图像置乱模块经过图像子块切分和置乱处理得到并发送至服务器或是图像解置乱模块的置乱身份图像,右边图像为服务器或是图像解置乱模块通过解置乱处理得到的恢复的用户身份图像。
其中,解置乱处理是置乱处理的逆过程。具体来说,服务器或是图像解置乱模块可以基于置乱参数得到对应的解置乱参数,再基于解置乱参数进行解置乱处理,也可以基于置乱参数直接进行逆向的解置乱处理。例如,顺时针旋转90°的置乱参数对应的解置乱参数为顺时针旋转270°或是逆时针旋转90°;顺时针旋转90°的逆向处理为逆时针旋转90°。
用户身份识别具体可以通过与用户特征库进行比对,来确定用户身份。具体来说,服务器或是图像解置乱模块,利用预先设计好的用户特征提取方案如深度卷积神经网络,从恢复的用户身份图像中提取用户身份特征数据,将提取的用户身份特征数据与用户特征库进行比对,当用户特征库中存在比对结果为匹配成功的对象时,得到用户身份识别请求对应的用户为合法用户的用户身份识别结果,当用户特征库中不存在比对结果为匹配成功的对象时,得到用户身份识别请求对应的用户为非法用户的用户身份识别结果。将用户身份识别结果设置为合法用户和非法用户,使得传输的仅为用户身份的识别结果,不会对用户身份信息造成泄漏,从而提高用户身份图像和用户身份信息的安全性。
上述用户身份图像识别方法,通过提取用户身份识别请求携带的置乱身份图像,基于按照随机生成的置乱参数对用户身份图像切分得到的图像子块进行置乱处理得到的置乱身份图像,确保了置乱身份图像的安全性,基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像,基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果,基于置乱参数的置乱和解置乱方式,一方面,降低了对用户身份图像进行解置乱处理的复杂性,便于快速进行解置乱得到用户身份图像,另一方面,降低了置乱身份图像被暴力破解的可能性,从而快速安全地实现对用户身份的识别处理。
在一个实施例中,置乱参数包括方向变化参数和位置互换参数;解置乱处理包括方向恢复处理和位置恢复处理;方向恢复处理,是对置乱身份图像中的置乱图像子块按照方向变化参数进行方向恢复;位置恢复,是对置乱身份图像中的置乱图像子块按照位置互换参数进行位置恢复。
置乱图像子块是指进行了置乱处理的图像子块,具体来说,方向恢复处理对应的置乱图像子块是指进行了方向变化处理的图像子块,位置恢复处理对应的置乱图像子块是指进行了位置互换处理的图像子块。
进一步地,解置乱处理还可以包括方向恢复处理和位置恢复处理的执行顺序,解置乱处理中的方向恢复处理和位置恢复处理的执行顺序,与置乱处理中方向变化处理和位置互换处理的执行顺序相反。
通过方向恢复处理和位置恢复处理,在确保用户身份图像的安全性的前提下,能够对基于置乱参数进行置乱处理的置乱身份图像进行快速准确地图像恢复处理。
在一个实施例中,如图10所示,提供了一种用户身份图像处理方法和用户身份图像识别方法,用户身份图像处理方法应用于终端,包括以下步骤1002至步骤1024,用户身份图像识别方法应用于服务器,包括以下步骤1026至步骤1030。
步骤1002,基于用户身份图像对应图像文件格式的最小压缩像素单元,确定图像子块的形状和尺寸。
步骤1004,根据图像子块形状对应的对称类型,确定图像子块的候选方向变化参数,图像子块的对称类型,包括旋转对称图形和轴对称图形中的至少一种;旋转对称图形的候选方向变化参数包括多个候选的旋转角参数;轴对称图形的候选方向变化参数包括多条候选的对称轴参数。
步骤1006,对候选方向变化参数进行编码处理,确定每一候选方向变化参数对应的候选编码参数。
步骤1008,基于候选编码参数随机生成编码参数矩阵,编码参数矩阵中各元素的位置表征待进行方向变化处理的图像子块在用户身份图像中的相对位置,元素值为待进行方向变化处理的图像子块对应的编码参数。
步骤1010,基于待进行位置互换处理的图像子块在用户身份图像中的相对位置,确定每一相对位置对应的行列数据组合。
步骤1012,对行列数据组合进行随机置乱,得到待进行位置互换处理的图像子块对应的行列数据组合矩阵,行列数据组合矩阵中元素的位置表征待进行位置互换处理的图像子块在用户身份图像中的相对位置。
步骤1014,对获取的用户图像进行身份信息关键点识别,确定身份信息关键点在用户图像中的位置。
步骤1016,基于身份信息关键点在用户图像中的位置,通过关键点对齐处理对用户图像进行裁剪,得到包含身份信息关键点的用户身份图像。
步骤1018,将用户身份图像按图像子块的形状和尺寸进行切分,得到的多个图像子块。
步骤1020,当用户身份图像对应的图像类型与当前选择的置乱参数匹配失败时,从置乱参数集合中选择与图像类型匹配的置乱参数,置乱参数包括编码参数矩阵和行列数据组合矩阵。
步骤1022,针对多个图像子块中的至少一部分图像子块,依次执行或嵌套执行方向变化处理和位置互换处理,获得置乱身份图像;方向变化处理,是对待处理的图像子块按照编码参数矩阵进行方向变化;位置互换处理,是对待处理的图像子块按照行列数据组合矩阵进行位置互换。
步骤1024,生成携带有置乱身份图像的用户身份识别请求并发送至服务器。
步骤1026,提取用户身份识别请求携带的置乱身份图像。
步骤1028,基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像。
步骤1030,基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果。
本申请还提供一种应用场景,该应用场景具体可以是安防、门禁、支付等人脸识别场景,该应用场景应用上述的用户身份图像处理方法和用户身份图像识别方法。具体地,该用户身份图像处理方法和用户身份图像识别方法在人脸识别的应用如下:
如图11所示,主要包括以下过程,特征提取和特征比对根据具体的场景不同可分别在前端(本地)和云端(后台)进行:
首先,应用程序对特定的业务发起一次人脸识别请求,试图确定用户身份;前端摄像头采集包含用户人脸区域的用户图像;利用人脸检测、配准算法获得预设的人脸关键点,如左右眼、鼻尖和左右嘴角这5个关键点。基于人脸关键点对齐人脸图像,得到预先规定尺寸如N*N的人脸图像,具体可以通过MTCNN(Multi-task Cascaded ConvolutionalNetworks,一种基于深度学习的人脸检测和人脸对齐方法)或RetinaFace(人脸检测算法)等开源算法进行人脸检测和配准。将N*N的人脸图像切分成B*B大小的图像子块。以256*256的原图切分成8*8的图像子块为例,则共可以得到32*32=1024个图像子块构成的图像子块矩阵;对图像子块矩阵中的图像子块,按照事先约定的角度编码进行方向变化,并按照行列数据组合矩阵进行位置互换,获得置乱身份图像,以保护用户隐私;具体来说,按照编码参数矩阵,对每个图像子块做0°、90°、180°和270°的旋转,每个子块的旋转角度由事先约定的角度编码决定。以N=256,B=8为例,该编码参数矩阵为长度为1024位的编码参数序列θ。若0°、90°、180°和270°依次编码为[0,1,2,3],θ=[2,2,3,1,0,2,…,3,2,0],由于不同子块间的旋转互不影响,方向变化处理可以利用多核芯片进行加速。对方向变化处理后的图像子块在原始人脸图像中的位置进行随机置乱。置乱依赖的位置编码事先随机生成,行列数据组合矩阵Ω为(N/B)2×2维的矩阵,每行的2维向量代表该图像子块在置乱图像中的坐标或行列位置。以N=256,B=8为例,该行列数据组合矩阵为1024×2维,例如:
利用互联网将置乱后的人脸图像传输至云端,如采用本地识别方案则传输至本地的用于进行用户身份识别的图像解置乱模块。其中,置乱后的人脸图像,可以是如图12(a)所示的4*4个置乱图像子块构成的置乱人脸图像,也可以是如图12(b)所示的32*32个置乱图像子块构成的置乱人脸图像。置乱人脸图像的置乱图像子块的数量可以根据实际需要进行设定。
在云端/前端,根据预先设计好的解置乱方案,恢复原始的人脸图像,解置乱方案基于编码参数矩阵和行列数据组合矩阵得到,人脸图像的恢复过程与置乱过程为互逆过程;利用深度卷积神经网络方案等人脸提取方案提取人脸特征;基于arcface(一种人脸识别算法)等算法,与云端/前端的注册用户特征库进行比对,确定用户身份,返回用户身份识别结果至发起识别请求的应用程序。编码参数矩阵和行列数据组合矩阵等置乱参数可以通过定期更换的方式提高安全性。
通过上述方法,能够在不明显增加整套人脸识别系统流程耗时和难以破解的前提下,高效安全地置乱人脸图像,极大地保护了用户隐私,而隐私保障到位的人脸识别系统,可以在技术上消除用户对该系统的担忧,提高其接纳度,从而进一步扩大业务规模,更好地方便人们的生产生活。
此外,通过上述方法,第一,可以避免引入额外的图像压缩效应,以JPEG压缩技术为代表的有损压缩方案,基于8*8的分块进行压缩,图像子块与子块之间相互独立、互不干扰。本申请的用户身份图像处理方法将用户的人脸图像切分成8*8的子块,子块内仅作旋转处理,子块间随机打乱位置顺序,故不会引入额外的图像压缩效应;第二,安全性较高:以256*256的对齐后人脸图像为例,通过8*8的图像子块的切分,共可得1024个子块,每个子块又有4种旋转方式,故存在5.4E2640*4=2.2E2641种可能,而每种方案均需要人工确认对错,故理论上无法破解;第三,置乱与解置乱速度较快:首先,该方案置乱和解置乱有着相同的耗时,而且图像子块的切分、置乱与解置乱均可以充分利用多核芯片的计算能力。与传统骑士巡游、Arnold变换、仿射变换方案需要对图像作多次变换才能达到置乱目的不同的是,本方案仅需对图像作一次变换,就可以高效地使之无法被肉眼分辨出人脸信息。
应该理解的是,虽然图3、图9以及图10的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图3、图9以及图10中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图13所示,提供了一种用户身份图像处理装置1300,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括图像切分模块1302和图像子块置乱模块1304:
图像切分模块1302,用于获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
图像子块置乱模块1304,用于针对多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;置乱参数用于基于置乱身份图像恢复得到用户身份图像;
其中,置乱处理包括方向变化处理和位置互换处理;置乱参数包括方向变化参数和位置互换参数;方向变化处理,是对待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是对待处理的图像子块按照位置互换参数进行位置互换。
在一个实施例中,方向变化处理,是通过多线程并行对多个待处理的图像子块按照方向变化参数进行方向变化;位置互换处理,是通过多线程并行对多个待处理的图像子块按照位置互换参数进行位置互换。
在一个实施例中,用户身份图像处理装置还包括候选方向变化参数确定模块以及方向变化参数生成模块;
候选方向变化参数确定模块,用于根据图像子块的形状,确定图像子块的候选方向变化参数,按照任一候选方向变化参数对图像子块进行的方向变化处理,不改变图像子块的形状和尺寸;
方向变化参数生成模块,用于基于候选方向变化参数,随机生成与待进行方向变化处理的图像子块对应的方向变化参数。
在一个实施例中,用户身份图像处理装置还包括图像子块的形状和尺寸确定模块,用于基于用户身份图像对应图像文件格式的最小压缩像素单元,确定图像子块的形状和尺寸,图像子块的形状和尺寸为最小压缩像素单元的形状和尺寸,或是多个最小压缩像素单元构成的对称图形的形状和尺寸。
在一个实施例中,图像子块为对称图形;候选方向变化参数确定模块,还用于根据图像子块的对称类型,确定图像子块的候选方向变化参数,图像子块的对称类型,包括旋转对称图形和轴对称图形中的至少一种;旋转对称图形的候选方向变化参数包括多个候选的旋转角参数;轴对称图形的候选方向变化参数包括多条候选的对称轴参数。
在一个实施例中,方向变化参数包括编码参数矩阵;方向变化参数生成模块,包括候选编码参数确定模块和编码参数矩阵生成模块;
候选编码参数确定模块,用于对候选方向变化参数进行编码处理,确定每一候选方向变化参数对应的候选编码参数;
编码参数矩阵生成模块,用于基于候选编码参数,随机生成编码参数矩阵,编码参数矩阵中各元素的位置表征待进行方向变化处理的图像子块在用户身份图像中的相对位置,元素的元素值为待进行方向变化处理的图像子块对应的编码参数。
在一个实施例中,用户身份图像处理装置还包括位置参数确定模块以及位置参数置乱模块;
位置参数确定模块,用于基于待进行位置互换处理的图像子块在用户身份图像中的相对位置,确定每一相对位置对应的位置参数;
位置参数置乱模块,用于对位置参数进行随机置乱,得到待进行位置互换处理的图像子块对应的位置互换参数。
在一个实施例中,位置参数,包括待进行位置互换处理的图像子块在切分得到的图像子块矩阵中的行列数据组合;位置互换参数,包括对行列数据组合进行置乱处理随机生成的行列数据组合矩阵;行列数据组合矩阵中元素的位置表征待进行位置互换处理的图像子块在用户身份图像中的相对位置。
在一个实施例中,图像子块置乱模块,还用于针对多个图像子块中的至少一部分图像子块,依次执行或嵌套执行方向变化处理和位置互换处理,获得置乱身份图像;其中,依次执行,是针对同一图像子块,将方向变化处理和位置互换处理的其中一项处理的输出作为另一项处理的输入的执行方式;嵌套执行,是针对同一图像子块,在位置互换处理的过程中进行方向变化处理的执行方式。
在一个实施例中,用户身份图像处理装置还包括身份信息关键点识别模块和用户图像裁剪模块;
身份信息关键点识别模块,用于对获取的用户图像进行身份信息关键点识别,确定身份信息关键点在用户图像中的位置;
用户图像裁剪模块,用于基于身份信息关键点在用户图像中的位置,通过关键点对齐处理对用户图像进行裁剪,得到包含身份信息关键点的用户身份图像。
在一个实施例中,图像子块置乱模块,还用于当用户身份图像对应的图像类型与当前选择的置乱参数匹配失败时,从置乱参数集合中选择与图像类型匹配的置乱参数进行置乱处理,置乱参数集合中包括多组随机生成的与图像类型匹配的置乱参数。
在一个实施例中,如图14所示,还提供了一种用户身份图像处理装置1400,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括置乱身份图像提取模块1402、图像解置乱模块1404和用户身份识别模块1406:
置乱身份图像提取模块1402,用于提取用户身份识别请求携带的置乱身份图像,置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
图像解置乱模块1404,用于基于置乱参数,对置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
用户身份识别模块1406,用于基于恢复的用户身份图像进行用户身份识别,得到与用户身份识别请求对应的用户身份识别结果。
在一个实施例中,置乱参数包括方向变化参数和位置互换参数;解置乱处理包括方向恢复处理和位置恢复处理;方向恢复处理,是对置乱身份图像中的置乱图像子块按照方向变化参数进行方向恢复;位置恢复,是对置乱身份图像中的置乱图像子块按照位置互换参数进行位置恢复。
关于用户身份图像处理装置和用户身份图像识别装置的具体限定可以参见上文中对于用户身份图像处理方法和用户身份图像识别方法的限定,在此不再赘述。上述用户身份图像处理装置和用户身份图像识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图15所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储置乱参数。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户身份图像识别方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图16所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种用户身份图像处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图15和图16中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (17)
1.一种用户身份图像处理方法,其特征在于,所述方法包括:
获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;所述置乱参数用于基于所述置乱身份图像恢复得到所述用户身份图像;
其中,所述置乱处理包括方向变化处理和位置互换处理;所述置乱参数包括方向变化参数和位置互换参数;所述方向变化处理,是对待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是对待处理的图像子块按照所述位置互换参数进行位置互换。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述图像子块的形状,确定所述图像子块的候选方向变化参数,按照任一所述候选方向变化参数对所述图像子块进行的方向变化处理,不改变所述图像子块的形状和尺寸;
基于所述候选方向变化参数,随机生成与待进行方向变化处理的图像子块对应的方向变化参数。
3.根据权利要求2所述的方法,其特征在于,所述图像子块为对称图形;
所述根据所述图像子块的形状,确定所述图像子块的候选方向变化参数,包括:
根据所述图像子块的对称类型,确定所述图像子块的候选方向变化参数,所述图像子块的对称类型,包括旋转对称图形和轴对称图形中的至少一种;所述旋转对称图形的候选方向变化参数包括多个候选的旋转角参数;所述轴对称图形的候选方向变化参数包括多条候选的对称轴参数。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
基于用户身份图像对应图像文件格式的最小压缩像素单元,确定图像子块的形状和尺寸,所述图像子块的形状和尺寸为所述最小压缩像素单元的形状和尺寸,或是多个所述最小压缩像素单元构成的对称图形的形状和尺寸。
5.根据权利要求2所述的方法,其特征在于,所述方向变化参数包括编码参数矩阵;
所述基于所述候选方向变化参数,随机生成与待进行方向变化处理的图像子块对应的方向变化参数,包括:
对所述候选方向变化参数进行编码处理,确定每一候选方向变化参数对应的候选编码参数;
基于所述候选编码参数,随机生成编码参数矩阵,所述编码参数矩阵中各元素的位置表征所述待进行方向变化处理的图像子块在用户身份图像中的相对位置,所述元素的元素值为所述待进行方向变化处理的图像子块对应的编码参数。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于待进行位置互换处理的图像子块在用户身份图像中的相对位置,确定每一所述相对位置对应的位置参数;
对所述位置参数进行随机置乱,得到待进行位置互换处理的图像子块对应的位置互换参数。
7.根据权利要求6所述的方法,其特征在于,所述位置参数,包括所述待进行位置互换处理的图像子块在切分得到的图像子块矩阵中的行列数据组合;所述位置互换参数,包括对所述行列数据组合进行置乱处理随机生成的行列数据组合矩阵;所述行列数据组合矩阵中元素的位置表征所述待进行位置互换处理的图像子块在用户身份图像中的相对位置。
8.根据权利要求1所述的方法,其特征在于,所述针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像,包括:
针对所述多个图像子块中的至少一部分图像子块,依次执行或嵌套执行方向变化处理和位置互换处理,获得置乱身份图像;
其中,所述依次执行,是针对同一图像子块,将方向变化处理和位置互换处理的其中一项处理的输出作为另一项处理的输入的执行方式;所述嵌套执行,是针对同一图像子块,在位置互换处理的过程中进行方向变化处理的执行方式。
9.根据权利要求1所述的方法,其特征在于,所述方向变化处理,是通过多线程并行对多个待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是通过多线程并行对多个待处理的图像子块按照所述位置互换参数进行位置互换。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述方法还包括:
对获取的用户图像进行身份信息关键点识别,确定身份信息关键点在所述用户图像中的位置;
基于所述身份信息关键点在所述用户图像中的位置,通过关键点对齐处理对所述用户图像进行裁剪,得到包含所述身份信息关键点的用户身份图像。
11.根据权利要求1至9中任一项所述的方法,其特征在于,所述按照随机生成的置乱参数进行置乱处理,包括:
当所述用户身份图像对应的图像类型与当前选择的置乱参数匹配失败时,从置乱参数集合中选择与所述图像类型匹配的置乱参数进行置乱处理,所述置乱参数集合中包括多组随机生成的与图像类型匹配的置乱参数。
12.一种用户身份图像识别方法,其特征在于,所述方法包括:
提取用户身份识别请求携带的置乱身份图像,所述置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
基于所述置乱参数,对所述置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
基于所述恢复的用户身份图像进行用户身份识别,得到与所述用户身份识别请求对应的用户身份识别结果。
13.根据权利要求12所述的方法,其特征在于,所述置乱参数包括方向变化参数和位置互换参数;所述解置乱处理包括方向恢复处理和位置恢复处理;所述方向恢复处理,是对所述置乱身份图像中的置乱图像子块按照所述方向变化参数进行方向恢复;所述位置恢复,是对所述置乱身份图像中的置乱图像子块按照所述位置互换参数进行位置恢复。
14.一种用户身份图像处理装置,其特征在于,所述装置包括:
图像切分模块,用于获取将用户身份图像进行切分得到的多个图像子块,每个图像子块具有相同的形状和尺寸;
图像子块置乱模块,用于针对所述多个图像子块中的至少一部分图像子块,按照随机生成的置乱参数进行置乱处理,获得置乱身份图像;所述置乱参数用于基于所述置乱身份图像恢复得到所述用户身份图像;
其中,所述置乱处理包括方向变化处理和位置互换处理;所述置乱参数包括方向变化参数和位置互换参数;所述方向变化处理,是对待处理的图像子块按照所述方向变化参数进行方向变化;所述位置互换处理,是对待处理的图像子块按照所述位置互换参数进行位置互换。
15.一种用户身份图像识别装置,其特征在于,所述装置包括:
置乱身份图像提取模块,用于提取用户身份识别请求携带的置乱身份图像,所述置乱身份图像,是按照随机生成的置乱参数,对用户身份图像切分得到的图像子块进行置乱处理得到的图像;
图像解置乱模块,用于基于所述置乱参数,对所述置乱身份图像进行解置乱处理,得到恢复的用户身份图像;
用户身份识别模块,用于基于所述恢复的用户身份图像进行用户身份识别,得到与所述用户身份识别请求对应的用户身份识别结果。
16.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至13中任一项所述的方法的步骤。
17.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至13中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293708.0A CN112800452B (zh) | 2021-03-19 | 2021-03-19 | 用户身份图像处理和识别的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110293708.0A CN112800452B (zh) | 2021-03-19 | 2021-03-19 | 用户身份图像处理和识别的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800452A true CN112800452A (zh) | 2021-05-14 |
CN112800452B CN112800452B (zh) | 2022-09-30 |
Family
ID=75817203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110293708.0A Active CN112800452B (zh) | 2021-03-19 | 2021-03-19 | 用户身份图像处理和识别的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800452B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541872A (zh) * | 2023-07-07 | 2023-08-04 | 深圳奥联信息安全技术有限公司 | 数据信息安全传输方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5287203A (en) * | 1992-01-17 | 1994-02-15 | Ricoh Company, Ltd. | Apparatus for encoding and decoding information on recording medium |
CN101540823A (zh) * | 2008-03-21 | 2009-09-23 | 富士通株式会社 | 图像处理装置、图像处理系统和图像处理方法 |
CN201699807U (zh) * | 2010-07-09 | 2011-01-05 | 苏州市职业大学 | 一种数字图像置乱装置 |
CN103092567A (zh) * | 2013-01-16 | 2013-05-08 | 西安电子科技大学 | 一种基于单幅图像的真随机数序列生成方法 |
CN104851071A (zh) * | 2015-05-21 | 2015-08-19 | 东北大学 | 一种基于三维混沌系统的数字图像加密方法 |
CN106780282A (zh) * | 2016-12-27 | 2017-05-31 | 东北林业大学 | 基于分块dna编码和均匀置乱的图像加密算法 |
WO2020037937A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳壹账通智能科技有限公司 | 人脸识别的方法、装置、终端及计算机可读存储介质 |
CN111461951A (zh) * | 2020-03-30 | 2020-07-28 | 三维通信股份有限公司 | 彩色图像加密方法、装置、计算机设备和可读存储介质 |
CN111553267A (zh) * | 2020-04-27 | 2020-08-18 | 腾讯科技(深圳)有限公司 | 图像处理方法、图像处理模型训练方法及设备 |
-
2021
- 2021-03-19 CN CN202110293708.0A patent/CN112800452B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5287203A (en) * | 1992-01-17 | 1994-02-15 | Ricoh Company, Ltd. | Apparatus for encoding and decoding information on recording medium |
CN101540823A (zh) * | 2008-03-21 | 2009-09-23 | 富士通株式会社 | 图像处理装置、图像处理系统和图像处理方法 |
CN201699807U (zh) * | 2010-07-09 | 2011-01-05 | 苏州市职业大学 | 一种数字图像置乱装置 |
CN103092567A (zh) * | 2013-01-16 | 2013-05-08 | 西安电子科技大学 | 一种基于单幅图像的真随机数序列生成方法 |
CN104851071A (zh) * | 2015-05-21 | 2015-08-19 | 东北大学 | 一种基于三维混沌系统的数字图像加密方法 |
CN106780282A (zh) * | 2016-12-27 | 2017-05-31 | 东北林业大学 | 基于分块dna编码和均匀置乱的图像加密算法 |
WO2020037937A1 (zh) * | 2018-08-20 | 2020-02-27 | 深圳壹账通智能科技有限公司 | 人脸识别的方法、装置、终端及计算机可读存储介质 |
CN111461951A (zh) * | 2020-03-30 | 2020-07-28 | 三维通信股份有限公司 | 彩色图像加密方法、装置、计算机设备和可读存储介质 |
CN111553267A (zh) * | 2020-04-27 | 2020-08-18 | 腾讯科技(深圳)有限公司 | 图像处理方法、图像处理模型训练方法及设备 |
Non-Patent Citations (1)
Title |
---|
朱晓升等: "基于图像分区的置乱算法", 《计算机技术与发展》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541872A (zh) * | 2023-07-07 | 2023-08-04 | 深圳奥联信息安全技术有限公司 | 数据信息安全传输方法和系统 |
CN116541872B (zh) * | 2023-07-07 | 2024-04-09 | 深圳奥联信息安全技术有限公司 | 数据信息安全传输方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112800452B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Celeb-df: A large-scale challenging dataset for deepfake forensics | |
Parkin et al. | Recognizing multi-modal face spoofing with face recognition networks | |
Jia et al. | 3D face anti-spoofing with factorized bilinear coding | |
CN111680672B (zh) | 人脸活体检测方法、系统、装置、计算机设备和存储介质 | |
Ramachandran et al. | An experimental evaluation on deepfake detection using deep face recognition | |
US10984225B1 (en) | Masked face recognition | |
CN108650434B (zh) | 一种图像加密的方法 | |
CN111814194B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
TWI850800B (zh) | 用於多方安全計算系統的生物特徵提取方法及設備、電腦儲存媒介、電腦程式產品 | |
CN109872279B (zh) | 一种基于神经网络的智能云平台人脸识别并局部加密方法 | |
Li et al. | Celeb-df (v2): a new dataset for deepfake forensics [j] | |
Hore et al. | A real time dactylology based feature extractrion for selective image encryption and artificial neural network | |
Ramadhani et al. | Improving video vision transformer for deepfake video detection using facial landmark, depthwise separable convolution and self attention | |
Hao et al. | Robustness analysis of face obscuration | |
Lim et al. | One-class learning method based on live correlation loss for face anti-spoofing | |
CN112800452B (zh) | 用户身份图像处理和识别的方法及装置 | |
Papadopoulos et al. | Face-GCN: A graph convolutional network for 3D dynamic face identification/recognition | |
Zhang et al. | Morphganformer: Transformer-based face morphing and de-morphing | |
Jie et al. | Biometric Authentication based on Liveness Detection Using Face Landmarks and Deep Learning Model | |
Li et al. | Generative adversarial networks-based privacy-preserving 3D reconstruction | |
Zhang et al. | Faceliveplus: a unified system for face liveness detection and face verification | |
CN115424314A (zh) | 一种可识别的人脸匿名化处理方法及系统 | |
Thakur et al. | Design of semantic segmentation algorithm to classify forged pixels | |
Arab et al. | Revealing true identity: Detecting makeup attacks in face-based biometric systems | |
CN110990847B (zh) | 一种基于局部敏感哈希的指纹模板保护方法 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40044573 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |