[發明專利]一種分布式人臉認證信息生成方法、認證方法和裝置

在審

• 申請號: 201710227584.X
• 申請日: 2017-04-10
• 公開（公告）號: CN107092821A
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 楊陶柳;王曲直;賈海濤
• 申請（專利權）人: 成都元息科技有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06F21/31;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于數據處理技術領域。

背景技術

當前，人臉識別技術已經有了很大的發展。目前市場上也出現了相當多種類的人臉識別系統及相關設備。但是，這些系統或設備都有一個共同點，即都需要將提前采集到的待識別的人臉的樣本信息統一存儲在整個系統的存儲器或者分布式存儲在不同的設備存儲器中，形成人臉特征數據庫，系統或者設備運行時，需要通過網絡連接的方式，或者直接訪問本地存儲器的方式獲取這些樣本信息，從而實現人臉識別或人臉比對，完成人臉識別功能。

此外，隨著機器學習技術的發展，現階段識別效果較好人臉識別系統或設備，其人臉識別算法大多采用的是深度神經網絡。其特點是需要大量的人臉數據進行訓練。人臉數據庫的量越大所耗費的訓練時間越長，而且識別所耗費的運算時間也越長。隨著時間的推移，所采集的人臉圖片數據也會因為現實中原來主體的生物特征的變化而不準確。

因此，以上所描述的系統或設備，都存在著一些共性的問題：

1)識別均需要人臉數據庫的支持。如果數據庫存儲在本地，增加了存儲硬件成本，若存儲服務器放在遠端并通過網絡連接來通訊，則在增加存儲硬件成本的同時，還提高了系統部署復雜度。

2)難以搜集包含所有目標的人臉數據庫。基于機器學習的識別算法，為了達到較好的識別效果，每次增加新的待識別人臉樣本，都可能會需要重新調整神經網絡參數。由于無法獲得包含所有目標的人臉數據庫并提前訓練，因此，每次在對系統進行部署之前，都需要采集樣本并進行訓練，系統待識別人臉樣本變動時，仍肯能要重新訓練。這樣，系統的部署復雜度以及維護成本進一步提高。

3)在大數量級的人臉識別數據庫條件下，實現快速識別以及高精度識別會比較困難。神經網絡算法自身的特點決定了，人臉數據庫越大，識別時所需要的運算量越大，耗時越長，精度也會越來越低。

4)有侵犯隱私的法律道德風險。人臉特征信息屬于個人敏感隱私信息，當前的系統或設備都需要在服務器或者設備本地存儲器上存儲待識別者的人臉特征信息，這樣系統的實施，就無法回避個人隱私問題。

也正是以上提到的這些實際問題，為當前人臉識別系統或者設備的廣泛使用帶來了較多的困難。

發明內容

有鑒于此，本發明的一個目的是提供一種分布式人臉認證信息生成方法、用戶鑒權方法和裝置。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念，以此作為后面的詳細說明的序言。

本發明提供了一種分布式人臉認證信息生成方法，包括：

從目標人臉圖片中提取人臉特征數據；

根據預設的策略為所述人臉特征數據生成授權信息；

根據二維碼最大支持容量對所述人臉特征數據和所述授權信息進行壓縮處理；

將壓縮后的數據輸入二維碼生成器；

輸出承載人臉認證信息的二維碼。

較佳地，還包括對所述人臉特征數據和所述授權信息生成校驗碼的步驟；

在壓縮處理時，根據二維碼最大支持容量對所述人臉特征數據、所述授權信息和檢驗碼一起進行壓縮處理。

較佳地，將壓縮后的數據輸入二維碼生成器之前，還對所述壓縮后的數據進行加密處理。

較佳地，在提取人臉特征數據之前，還對采集到的人臉圖片進行預處理，包括：

識別圖片中的人臉區域，去除多余區域；

對人臉區域進行人臉對齊。

較佳地，還包括：以一攝像頭現場采集目標人臉圖片；或者，接收用 戶上傳的照片，從中獲取目標人臉圖片。

本發明還提供了一種分布式人臉認證方法，包括：

掃描并解析承載人臉認證信息的二維碼；

從所述二維碼中提取數據，包括第一人臉特征數據和授權信息；

采集人臉圖片，從中提取出第二人臉特征數據；

比較所述第一人臉特征數據和所述第二人臉特征數據，當滿足預定的閾值時，則判定人臉識別通過；否則判定認證不通過；

判斷授權信息是否符合預設條件，如果符合，則判定授權信息通過；否則，判定認證不通過；

當人臉識別通過且授權信息通過時，判定認證通過。

較佳地，從所述二維碼中提取的數據還包括校驗碼；在執行人臉識別步驟之前，先根據所述校驗碼對所述第一人臉特征數據和授權信息進行校驗，如果校驗通過再執行人臉識別；否則判定認證不通過。