一种人脸特征向量隐私保护识别方法技术

本发明专利技术公开了一种人脸特征向量隐私保护识别方法，涉及人脸识别领域，包括如下步骤：S10，参考对象人脸图像隐私保护；S20，被识别对象人脸图像隐私保护；S30，对所述被识别对象进行识别。本发明专利技术降低了服务提供商数据存储上的压力和因为数据泄露而带来的道德与法律风险，避免了网络传输中不安全因素所造成的脸部隐私泄露风险，有效地保护了人脸识别的隐私。

【技术实现步骤摘要】
一种人脸特征向量隐私保护识别方法
本专利技术涉及人脸识别领域，尤其涉及一种人脸特征向量隐私保护识别方法。
技术介绍
伴随人工智能深度学习的发展、处理器速度的提高以及资本市场的推动，人脸识别在生活中的应用场景越来越多。人脸识别可以快速有效地进行人员核对，大幅度避免因材料造假、冒用身份等给个人和机构造成的不便与损失。然而人脸识别也带来了用户隐私的问题。目前，人脸识别服务主要依赖于将用户上传的照片及摄像头捕捉的人脸画面全都传送给提供人脸识别服务的第三方企业平台，由它们进行图片的处理和匹配。这些平台资质参差不齐，对于用户隐私的保护也难以监管。因此服务使用者在图像被上传至提供人脸识别服务的企业平台后就无法保证自身脸部图像的隐私性。同时，对于脸部图像的恶意传播很可能会带来信息安全、网络暴力、肖像侵犯等诸多问题。使用引入自适应随机噪声的人脸特征向量隐私保护识别方法，可以避免参考对象和被识别对象脸部图像直接被上传到或许不可靠的第三方企业平台，选择在摄像头本地进行图像的处理。另一方面，在人脸特征计算网络输出的人脸原始特征向量中加入了随机生成、服从高斯分布的自适应的噪声，使得即使是同一张图片，每次通过人本文档来自技高网...

【技术保护点】
1.一种人脸特征向量隐私保护识别方法，其特征在于，包括如下步骤：S10，参考对象人脸图像隐私保护；S20，被识别对象人脸图像隐私保护；S30，对所述被识别对象进行识别。

【技术特征摘要】
1.一种人脸特征向量隐私保护识别方法，其特征在于，包括如下步骤：S10，参考对象人脸图像隐私保护；S20，被识别对象人脸图像隐私保护；S30，对所述被识别对象进行识别。2.如权利要求1所述的人脸特征向量隐私保护识别方法，其特征在于，所述参考对象人脸图像隐私保护包括：S101，使用具有参考对象人脸图像隐私保护功能的摄像头拍摄所述参考对象脸部照片；S102，通过人脸特征计算网络计算所述参考对象脸部的原始特征向量MRFace；S103，对所述参考对象脸部的原始特征向量MRFace进行加噪处理，计算所述参考对象脸部的加噪特征向量MRNoiseFace；S104，将所述参考对象脸部的加噪特征向量MRNoiseFace保存到数据库中。3.如权利要求2所述的人脸特征向量隐私保护识别方法，其特征在于，所述步骤S104包括：S1040，利用远程调用接口唤醒服务端；S1041，将所述参考对象脸部的加噪特征向量MRNoiseFace传输给所述服务端；S1042，所述服务端将所述参考对象脸部的加噪特征向量MRNoiseFace存储于数据库中并进行聚类。4.如权利要求3所述的人脸特征向量隐私保护识别方法，其特征在于，所述被识别对象人脸图像隐私保护包括：S201，使用具有被识别对象人脸图像隐私保护功能的摄像头拍摄所述被识别对象脸部照片；S202，通过人脸特征计算网络计算所述被识别对象脸部的原始特征向量MIFace；S203，对所述被识别对象脸部的原始特征向量MIFace进行加噪处理，计算所述被识别对象脸部的加噪特征向量MINoiseFace。5.如权利要求4所述的人脸特征向量隐私保护识别方法，其特征在于，所述对所述被识别对象脸部进行识别包括：S301，所述被识别对象脸部的加噪特征向量MINoiseFace与所述参考对象脸部的加噪特征向量MRNoiseFace进行比较；S302，输出所述被识别对象的人脸匹配结果。6.如权利要求5所述的人脸特征向量隐私保护识别方法，其特征在于，所述步骤S103使用自适应的高斯加噪器进行加噪处理，所述高斯加噪器包括预先设定好的N*N的噪声系数矩阵MRk、默认的N维方差向量MRσ_default、拍摄的人脸数据统计出的N维方差向量MRσ_stat和所述MRk的对角线上的N个噪声值kRn；当拍摄的人脸数目<Rsmall_num时，MRσ＝0.8*MRσ_default+0.2*MRσ_stat；当拍摄的人脸...

【专利技术属性】
技术研发人员：彭炫，华远，何诗音，黄征，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31