[發(fā)明專(zhuān)利]識(shí)別人臉圖像的方法、裝置、計(jì)算設(shè)備和介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110288509.0
• 申請(qǐng)日: 2021-03-17
• 公開(kāi)（公告）號(hào): CN112949545B
• 公開(kāi)（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 林曉銳;張錦元;沈超建;鄧泳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類(lèi)號(hào): G06V40/16
• 分類(lèi)號(hào): G06V40/16;G06V40/40;G06V10/82;G06N3/08;G06F21/32
• 代理公司: 中科專(zhuān)利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 樊曉

本公開(kāi)提供了一種識(shí)別人臉圖像的方法，可用于信息安全或其他領(lǐng)域。該方法包括：獲取待識(shí)別人臉圖像；利用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來(lái)確定待識(shí)別人臉圖像的人臉特征數(shù)據(jù)；根據(jù)人臉特征數(shù)據(jù)，確定多個(gè)分片數(shù)據(jù)；對(duì)多個(gè)分片數(shù)據(jù)進(jìn)行加密，得到多個(gè)密文分片數(shù)據(jù)；將多個(gè)密文分片數(shù)據(jù)發(fā)送至服務(wù)端設(shè)備，以使服務(wù)端設(shè)備根據(jù)多個(gè)密文分片數(shù)據(jù)，生成針對(duì)待識(shí)別人臉圖像的識(shí)別結(jié)果；以及接收來(lái)自服務(wù)端設(shè)備的識(shí)別結(jié)果。本公開(kāi)還提供了一種識(shí)別人臉圖像的裝置、另一種識(shí)別人臉圖像的方法、另一種識(shí)別人臉圖像的裝置、一種計(jì)算設(shè)備、一種計(jì)算機(jī)存儲(chǔ)介質(zhì)以及一種計(jì)算機(jī)程序產(chǎn)品。

技術(shù)領(lǐng)域

本公開(kāi)涉及信息安全領(lǐng)域，更具體地，涉及一種識(shí)別人臉圖像的方法、裝置、一種計(jì)算設(shè)備、一種計(jì)算機(jī)存儲(chǔ)介質(zhì)以及一種計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)

近年來(lái)，人臉識(shí)別技術(shù)以其不可復(fù)制性、非接觸性、可擴(kuò)展性和快速性等特點(diǎn)，在金融、安防和交通等領(lǐng)域得到了廣泛的部署和使用。然而，伴隨著人臉識(shí)別技術(shù)應(yīng)用范圍的擴(kuò)大，識(shí)別和收集的人臉特征數(shù)據(jù)大量增加，在監(jiān)管要求日益嚴(yán)格的大趨勢(shì)下，如何保證生物特征數(shù)據(jù)的隱私安全成為一大難題。特別是在金融、保險(xiǎn)等數(shù)據(jù)隱私性極高的行業(yè)，一旦在跨機(jī)構(gòu)使用人臉識(shí)別技術(shù)的過(guò)程中，發(fā)生人臉特征數(shù)據(jù)丟失、泄露甚至惡意使用等事件，可造成難以估量的損失影響。

發(fā)明內(nèi)容

本公開(kāi)的一個(gè)方面提供了一種識(shí)別人臉圖像的方法，包括：獲取待識(shí)別人臉圖像；利用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來(lái)確定所述待識(shí)別人臉圖像的人臉特征數(shù)據(jù)；根據(jù)所述人臉特征數(shù)據(jù)，確定多個(gè)分片數(shù)據(jù)；對(duì)所述多個(gè)分片數(shù)據(jù)進(jìn)行加密，得到多個(gè)密文分片數(shù)據(jù)；將所述多個(gè)密文分片數(shù)據(jù)發(fā)送至服務(wù)端設(shè)備，以使所述服務(wù)端設(shè)備根據(jù)所述多個(gè)密文分片數(shù)據(jù)，生成針對(duì)所述待識(shí)別人臉圖像的識(shí)別結(jié)果；以及接收來(lái)自所述服務(wù)端設(shè)備的識(shí)別結(jié)果。

可選地，所述預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型包括第一神經(jīng)網(wǎng)絡(luò)模型和第二神經(jīng)網(wǎng)絡(luò)模型；所述利用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來(lái)確定所述待識(shí)別人臉圖像的人臉特征數(shù)據(jù)包括：通過(guò)第一神經(jīng)網(wǎng)絡(luò)模型，確定所述待識(shí)別人臉圖像中的人臉關(guān)鍵點(diǎn)和人臉邊界框；以及通過(guò)第二神經(jīng)網(wǎng)絡(luò)模型，根據(jù)所述人臉關(guān)鍵點(diǎn)和所述人臉邊界框，確定所述待識(shí)別人臉圖像的人臉特征數(shù)據(jù)。。

可選地，所述第一神經(jīng)網(wǎng)絡(luò)模型包括第一層網(wǎng)絡(luò)結(jié)構(gòu)、第二層網(wǎng)絡(luò)結(jié)構(gòu)和第三層網(wǎng)絡(luò)結(jié)構(gòu)；所述通過(guò)第一神經(jīng)網(wǎng)絡(luò)模型確定所述待識(shí)別人臉圖像中的人臉關(guān)鍵點(diǎn)和人臉邊界框包括：利用所述第一層網(wǎng)絡(luò)結(jié)構(gòu)，確定所述待識(shí)別人臉圖像中的多個(gè)候選人臉區(qū)域；利用所述第二層網(wǎng)絡(luò)結(jié)構(gòu)，確定所述多個(gè)候選人臉區(qū)域中的至少一個(gè)目標(biāo)人臉區(qū)域；以及利用所述第三層網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)所述至少一個(gè)目標(biāo)人臉區(qū)域確定人臉關(guān)鍵點(diǎn)和人臉邊界框。

可選地，所述所述第一神經(jīng)網(wǎng)絡(luò)模型為多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)，所述第一層網(wǎng)絡(luò)結(jié)構(gòu)包括P-Net，所述第二層網(wǎng)絡(luò)結(jié)構(gòu)包括R-Net，所述第三層網(wǎng)絡(luò)結(jié)構(gòu)包括O-Net，所述第二神經(jīng)網(wǎng)絡(luò)模型為FaceNet。

可選地，所述多個(gè)分片數(shù)據(jù)包括第一分片數(shù)據(jù)和第二分片數(shù)據(jù)；所述根據(jù)所述人臉特征數(shù)據(jù)，確定多個(gè)分片數(shù)據(jù)包括：根據(jù)隨機(jī)生成算法，基于所述人臉特征數(shù)據(jù)，生成與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第一分片數(shù)據(jù)；以及針對(duì)所述人臉特征數(shù)據(jù)和所述第一分片數(shù)據(jù)執(zhí)行預(yù)設(shè)運(yùn)算，得到與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第二分片數(shù)據(jù)。

可選地，所述根據(jù)隨機(jī)生成算法，基于所述人臉特征數(shù)據(jù)，生成與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第一分片數(shù)據(jù)，包括：根據(jù)隨機(jī)生成算法，隨機(jī)確定目標(biāo)運(yùn)算；以及針對(duì)所述人臉特征數(shù)據(jù)中的每個(gè)元素，分別執(zhí)行所述目標(biāo)運(yùn)算，得到與所述人臉特征數(shù)據(jù)具有相同的維數(shù)的運(yùn)算結(jié)果，作為所述第一分片數(shù)據(jù)。

可選地，所述預(yù)設(shè)運(yùn)算為差運(yùn)算；所述針對(duì)所述人臉特征數(shù)據(jù)和所述第一分片數(shù)據(jù)執(zhí)行預(yù)設(shè)運(yùn)算，得到與所述人臉特征數(shù)據(jù)具有相同維數(shù)的第二分片數(shù)據(jù)，包括：計(jì)算所述人臉特征數(shù)據(jù)中的每個(gè)元素與所述第一分片數(shù)據(jù)中與該元素對(duì)應(yīng)的元素之差，得到多個(gè)差值，作為所述第二分片數(shù)據(jù)。