一种生物特征隐私保护的前端人像加密与识别方法技术

本发明专利技术公开了一种生物特征隐私保护的前端人像加密与识别方法，包括：人像数据采集，利用前端摄像头拍摄具有人像生物特征的视频流；人像预处理，利用自适应分数阶积分算法对不同强度的图像噪声进行不同程度的衰减，实现图像的自适应去噪效果，并利用人像定位算法检测视频动态人像位置；人像加密，利用混沌系统生成的伪随机序列，对人像进行灰度置乱和扩散，获得加密人像，建立加密人像库；加密人像识别，以加密人像库作为训练集训练人像识别模型，可对加密待测人像直接进行识别。本发明专利技术将图像加密应用到人像识别，并利用一种加密人像识别方法，规避解密过程隐私泄露的风险，避免使用人像识别产品时导致的个人隐私泄露问题。

【技术实现步骤摘要】
一种生物特征隐私保护的前端人像加密与识别方法
本专利技术涉及深度学习应用
，具体涉及一种生物特征隐私保护的前端人像加密与识别方法。
技术介绍
生物特征识别凭借其安全性和便捷性在身份认证领域取得了越来越广泛的应用。基于生物特征的身份识别能够解决传统身份识别存在的不安全和不方便等问题。在指纹、人脸、掌纹、虹膜、视网膜、声音、步态等生物特征中，人脸因其较高的通用性、唯一性、永久性、可获得性、可接受性成为用于身份识别最广泛的生物特征之一。近年来，人脸识别取得了非常显著的研究成果，识别率和识别速度均有大幅度的提高。新一代人工智能的崛起，在给人类带来惊喜和更高生产力的同时，也引发了一些如何避免人工智能挑战人类安全或社会伦理道德的担忧。其中不乏互联网巨头出现严重数据泄露导致用户隐私泄露的问题，给企业的数据管理和使用敲响了警钟，对数据的隐私保护重视成为大势所趋。在我国，人工智能已经渗透到日常生活、工作的方方面面，不论是个人还是企业，都是当中的参与者，面对AI应用所带来的一系列安全与隐私保护问题，值得每个人的重视并获得更好的解决方案。近年来，嵌入式技术的发展突飞猛进，各式各样的嵌入式产品在工业控制、国防安全、数字通讯中发挥着重要的作用。嵌入式处理器的性能越来越高，成本越来越低，应用开发部署越来越快速，这个发展趋势越来越明显。关于人像识别隐私保护方面的争议极大，成为行业发展的痛点，从技术层面，数据隐私保护的方法论并不神秘，如k-anonymity，l-diversity，t-closeness，在模型训练里加噪声等，但在实际应用上往往会出现技术难点，比如加入噪声、扰动后，本来可用的原信息被扰动信息淹没了，造成数据失效。因此，面向个人隐私保护的前端人像加密与识别仍然是发展人工智能领域的技术瓶颈问题。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种生物特征隐私保护的前端人像加密与识别方法。本专利技术的目的可以通过采取如下技术方案达到：一种生物特征隐私保护的前端人像加密与识别方法，所述的前端人像加密与识别方法包括：S1、人像数据采集步骤，利用前端摄像头拍摄具有人像生物特征的视频流，该人像生物特征包括人脸和体貌特征，提取视频流中的图像并通过数据传输线传输到嵌入式图像处理系统；S2、人像预处理步骤，利用自适应分数阶积分算法对采集到的图像进行去噪、增强等预处理，对不同的边缘点采取不同程度的增强方法，以实现图像的自适应去噪和增强效果，保证图像的质量，最后利用人像定位算法对图像中的人像位置进行检测，截取人像；S3、人像加密步骤，利用基于Lorenz混沌系统的加密算法，对得到的高质量人像图像进行加密，将得到的加密人像储存，建立加密人像库；将加密人像库中的加密人像投影到特征空间得到投影值，即提取加密人像的特征向量，建立加密人像特征库；S4、加密人像识别步骤，对待识别的人像图像，经过人像预处理和人像加密处理，并采用投影方法获得该待识别加密人像的特征向量，通过欧氏距离衡量该特征向量与加密人像特征库中数据的相似度，以相似度最大数据对应的身份信息作为待识别人像的身份信息。进一步地，所述的嵌入式图像处理系统采用DSP架构，能够实现其内部算法的高速运行，内部算法包括图像增强与人像检测算法、人像加密算法、加密人像识别算法。进一步地，所述的S2、人像预处理步骤的过程如下：S21、对采集到的图像进行梯度转换，该梯度转换包括像素点灰度变换、噪声梯度变换，得到含有噪声的二维梯度图像；S22、利用小概率策略和最大类间方差准则对图像进行分割，得到图像的各个区域(干扰噪声区域、纹理区域和平滑区域)；S23、利用自适应分数阶微积分算法，生成具有变化阶次的分数阶掩模，将分数阶掩模与分割后得到的图像的各区域进行卷积运算，得到自适应去噪和增强后的二维图像。其中，所述的自适应分数阶微积分算法的实现过程如下：S231、依据分数阶的阶次可以连续变化这一特性，设计自适应分数阶微积分阶次的函数，在图像的噪声处具有负阶次，在图像的边缘处具有较大的微分阶次，在图像的弱纹理和平滑区域具有较小微分阶次，从而实现自适应图像去噪效果和自适应图像边缘增强效果。自适应分数阶微积分阶次的函数为：其中，vnoise、vedge、vtexture分别为噪声处、边缘处、弱纹理区对应的分数阶阶次，M(i,j)为图像中每一个像素点(i，j)在8个方向上的平均梯度，Y为M(i,j)中的最大值，r是由小概率策略求取的噪声阈值，s为图像的边缘阈值(首先对含噪图像进行基于小概率策略的自适应阶积分去噪处理后，然后对去噪后的图像进行二维最大类间方差算法求取边缘阈值s)，v是每一个像素点对应的分数阶阶次，参数v1、v2分别为噪声、边缘对应阶次的阈值。S232、根据分数阶G-L定义，当分数阶的阶次是正数时为微分运算，当分数阶的阶次是负数时为积分运算：当v＞0时，G-L定义下v阶次的分数阶微分为:其中，表示G-L定义下的分数阶积分算子，左上标G-L表示G-L定义，右上标v表示求微分的阶次，左下标a和右下标b表示积分式的上界和下界，k为一个变量，取值为t表示像素点位置，f(t)、f(t-1)、f(t-2)、…、f(t-n)分别表示图像在像素点t、t-1、t-2、…、t-n处的局部图像块，f(t-kh)表示图像在像素点t,t-h,…,t-b+a处的局部图像块，Γ()表示伽马函数；当-v＜0时，G-L定义下的分数阶积分公式为：其中，当h＝1，通过朗格朗日算法得到v阶微分的近似表达式：其中，ξ0、ξ1、ξ2、…、ξn分别是f(t)、f(t-1)、f(t-2)、…、f(t-n)的加权系数，ξ0＝1，ξ1＝-v，计算8个单方向的分数阶偏微分掩模(与x+轴方向成0°,45°，90°,135°,180°,225°,270°,315°)，将8个方向的掩模算子叠加，得到分数阶微分掩模，将每一个元素除以8×(ξ0+ξ1+ξ2+…+ξn)完成模板的归一化处理，与图像进行卷积运算后，得到经过阶次为v的分数阶微分处理后的图像。S24、利用人像关键点定位模型，精确检测图像中人像的关键区域位置，包括肢体、眉毛、眼睛、鼻子、嘴巴，脸部轮廓等，获得准确的人像区域图像。进一步地，所述的S3中人像加密过程如下：S31、设人像图像的高和宽分别为H、W，分离三个通道得到B、G、R三个矩阵，通过公式(5)、(6)计算Lorenz混沌系统的三个初值x0、y0、z0，其中，x'0、y'0、z'0为计算过程中产生的中间变量，sum(sum(B))、sum(sum(G))、sum(sum(R))分别表示求解B、G、R三个矩阵中各像素值之和，其中，round(x'0，4)表示对结果取四位小数；S32、将x0、y0、z0代入Lorenz混沌系统，利用龙格库塔法求解Lorenz混沌系统的微分方程组，经5000次迭代后，得到三本文档来自技高网...

【技术保护点】
1.一种生物特征隐私保护的前端人像加密与识别方法，其特征在于，所述的前端人像加密与识别方法包括以下步骤：/nS1、人像数据采集步骤，利用前端摄像头拍摄具有人像生物特征的视频流，该人像生物特征包括人脸和体貌特征，提取视频流中的图像传输到嵌入式图像处理系统；/nS2、人像预处理步骤，利用自适应分数阶积分算法对采集到的图像进行去噪、增强，然后利用人像定位算法对图像中的人像位置进行检测，截取人像；/nS3、人像加密步骤，利用基于Lorenz混沌系统的加密算法，对得到的高质量人像图像进行加密，将得到的加密人像储存，建立加密人像库，将加密人像库中的加密人像投影到特征空间得到投影值，即提取加密人像的特征向量，建立加密人像特征库；/nS4、加密人像识别步骤，对待识别的人像图像，经过人像预处理和人像加密处理，并采用投影方法获得该待识别加密人像的特征向量，通过欧氏距离衡量该特征向量与加密人像特征库中数据的相似度，以相似度最大数据对应的身份信息作为待识别人像的身份信息。/n

【技术特征摘要】
1.一种生物特征隐私保护的前端人像加密与识别方法，其特征在于，所述的前端人像加密与识别方法包括以下步骤：
S1、人像数据采集步骤，利用前端摄像头拍摄具有人像生物特征的视频流，该人像生物特征包括人脸和体貌特征，提取视频流中的图像传输到嵌入式图像处理系统；
S2、人像预处理步骤，利用自适应分数阶积分算法对采集到的图像进行去噪、增强，然后利用人像定位算法对图像中的人像位置进行检测，截取人像；
S3、人像加密步骤，利用基于Lorenz混沌系统的加密算法，对得到的高质量人像图像进行加密，将得到的加密人像储存，建立加密人像库，将加密人像库中的加密人像投影到特征空间得到投影值，即提取加密人像的特征向量，建立加密人像特征库；
S4、加密人像识别步骤，对待识别的人像图像，经过人像预处理和人像加密处理，并采用投影方法获得该待识别加密人像的特征向量，通过欧氏距离衡量该特征向量与加密人像特征库中数据的相似度，以相似度最大数据对应的身份信息作为待识别人像的身份信息。


2.根据权利要求1所述的一种生物特征隐私保护的前端人像加密与识别方法，其特征在于，所述的S2、人像预处理步骤的过程如下：
S21、对采集到的图像进行梯度转换，该梯度转换包括像素点灰度变换、噪声梯度变换，得到含有噪声的二维梯度图像；
S22、利用小概率策略和最大类间方差准则对图像进行分割，得到图像的干扰噪声区域、纹理区域和平滑区域；
S23、利用自适应分数阶微积分算法，生成具有变化阶次的分数阶掩模，将分数阶掩模与分割后得到的图像的各区域进行卷积运算，得到自适应去噪和增强后的二维图像；
S24、对人像进行关键点定位，精确检测图像中人像的关键区域位置，关键区域位置包括肢体、眉毛、眼睛、鼻子、嘴巴和脸部轮廓，获得准确的人像区域图像。


3.根据权利要求2所述的一种生物特征隐私保护的前端人像加密与识别方法，其特征在于，所述的S23中自适应分数阶微积分算法的实现过程如下：
S231、设计自适应分数阶微积分阶次的函数，在图像的噪声处采用负阶次，在图像的边缘处采用较大的微分阶次，在图像的弱纹理和平滑区域采用较小微分阶次，其中，自适应分数阶微积分阶次的函数为：



其中，vnoise、vedge、vtexture分别为噪声处、边缘处、弱纹理区对应的分数阶阶次，M(i,j)为图像中每一个像素点(i，j)在与X轴正方向分别成0°、45°、90°、135°、180°、225°、270°、315°这8个方向上的平均梯度，Y为M(i,j)中的最大值，r是由小概率策略求取的噪声阈值，s为图像的边缘阈值，v是每一个像素点对应的分数阶阶次，参数v1、v2分别为噪声、边缘对应阶次的阈值；
S232、根据分数阶G-L定义，当分数阶的阶次是正数时为微分运算，当分数阶的阶次是负数时为积分运算：
当v＞0时，G-L定义下v阶次的分数阶微分为:



其中，表示G-L定义下的分数阶积分算子，左上标G-L表示G-L定义，右上标v表示求微分的阶次，左下标a和右下标b表示积分式的上界和下界，k为一个变量，取值为t表示像素点位置，f(t)、f(t-1)、f(t-2)、…、f(t-n)分别表示图像在像素点t、t-1、t-2、…、t-n处的局部图像块，f(t-kh)表示图像在像素点t,t-h,…,t-b+a处的局部图像块，Γ()表示伽马函数；
当-v＜0时，G-L定义下的分数阶积分公式为：



其中，
当h＝1，通过朗格朗日算法得到v阶微分的近似表达式：



其中，ξ0、ξ1、ξ2、…、ξn分别是f(t)、f(t-1)、f(t-2)、…、f(t-n)的加权系数，计算与X轴正方向分别成0°、45°、90°、135°、180°、225°、270°、315°这8个方向的分数阶偏微分掩膜，将8个方向的掩模算子叠加，得到分数阶微分掩模，将每一个元素除以8×(ξ0+ξ1+ξ2+…+ξn)完成模板的归一化处理，与图像进行卷积运算后，得到经过阶次为v的分数阶微分处理后的图像。


4.根据权利要求3所述的一种生物特征隐私保护的前端人像加密与识别方法，其特征在于，所述的边缘阈值s的计算过程如下：
首先对含噪图像进行基于小概率策略的自适应阶积分去噪处理，然后对去噪后的图像进行二维最大类间方差算法求取边缘阈值s。


5.根据权利要求1所述的生物特征隐私保护的前端人像加密与识别...

【专利技术属性】
技术研发人员：谢巍，张浪文，解宇敏，余孝源，余锦伟，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44