一种人脸图像传输方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了人脸图像传输方法、装置、电子设备及存储介质，方法包括：获取终端所采集的目标用户的人脸图像；对所采集的人脸图像进行第一加密处理，形成第一加密人脸图像；通过人脸图像处理模型，对所述第一加密人脸图像进行第二加密处理，形成第二加密人脸图像；将所述第二加密人脸图像向相应的人脸检测模型进行传输，以实现通过人脸检测模型确定相应的人脸分类结果，由此，不但保证了人脸图像传输的安全性，降低人脸检测过程中数据传输的复杂性，使得人脸图像处理模型的泛化能力以及数据处理能力更强，适应不同的人脸图像检测处理环境。境。境。

【技术实现步骤摘要】
一种人脸图像传输方法、装置、电子设备及存储介质


[0001]本专利技术涉及信息处理技术，尤其涉及人脸图像传输方法、装置、电子设备及存储介质。

技术介绍

[0002]人脸活体检测的主要目的是判断当前的人脸是否为真实活人，以抵挡假人脸的攻击，人脸图像传输是进行人脸识别之前的重要步骤。相关技术中，人脸数据都是按照一定的加密格式采用经典的非对称算法加密进行传输，容易被盗取，影响人脸活体检测的安全，同时泄露的人脸数据会影响银行系统的远程核身、即时通讯客户端的人脸支付、出租车司机远程认证、小区门禁系统等人脸活体检测的准确性。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种人脸图像传输方法、装置、电子设备及存储介质，本专利技术实施例的技术方案是这样实现的：
[0004]本专利技术实施例提供了一种人脸图像传输方法，包括：
[0005]获取终端所采集的目标用户的人脸图像；
[0006]对所采集的人脸图像进行第一加密处理，形成第一加密人脸图像；
[0007]通过人脸图像处理模型，对所述第一加密人脸图像进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸图像传输方法，其特征在于，所述方法包括：获取终端所采集的目标用户的人脸图像；对所采集的人脸图像进行第一加密处理，形成第一加密人脸图像；通过人脸图像处理模型，对所述第一加密人脸图像进行第二加密处理，形成第二加密人脸图像；将所述第二加密人脸图像向相应的人脸检测模型进行传输，以实现通过人脸检测模型确定相应的人脸分类结果。2.根据权利要求1所述的方法，其特征在于，所述对所采集的人脸图像进行第一加密处理，形成第一加密人脸图像，包括：响应于所采集的人脸图像，确定与所述人脸图像相匹配的环境特征以及相应的签名算法；触发第一加密进程，并通过所述第一加密进程确定与所述人脸图像相匹配的采集设备序列号、时间戳信息、计数器信息以及随机字符串信息；通过所述第一加密进程，基于所述签名算法、所述采集设备序列号、时间戳信息、计数器信息以及随机字符串信息对所采集的人脸图像进行第一加密处理，形成第一加密人脸图像。3.根据权利要求1所述的方法，其特征在于，所述通过人脸图像处理模型，对所述第一加密人脸图像进行第二加密处理，形成第二加密人脸图像，包括：对所述第一加密人脸图像进行灰度处理，确定相应的人脸图像灰度值；通过人脸图像处理模型中的深度残差网络，对所述人脸图像灰度值进行处理，确定与所述人脸图像灰度值相匹配的第一特征向量；通过人脸图像处理模型中的基于注意力机制的卷积神经处理网络，对所述第一特征向量进行处理，形成第二特征向量；获取与所述第二特征向量相匹配的对数几率向量；基于所述对数几率向量对所述第一加密人脸图像进行第二加密处理，形成第二加密人脸图像。4.根据权利要求3所述的方法，其特征在于，所述获取与所述第二特征向量相匹配的对数几率向量，包括：确定与所述人脸图像处理模型相匹配的人脸图像的块数以及每一块人脸图像的预测值；基于所述人脸图像的块数以及每一块人脸图像的预测值，确定与所述第二特征向量相匹配的对数几率向量。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取与所述人脸图像处理模型的使用环境相匹配的第一训练样本集合，其中，所述第一训练样本中包括正例用户人脸图像和负例用户人脸图像；对所述第一训练样本集合进行去噪处理，形成相应的第二训练样本集合；通过人脸图像处理模型对所述第二训练样本集合进行处理，以确定所述人脸图像处理模型中的深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始参数；响应于所述深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始
参数，通过所述人脸图像处理模型对所述第二训练样本集合进行处理，确定所述人脸图像处理模型的不同神经网络对应的更新参数；根据所述人脸图像处理模型的不同神经网络对应的更新参数，通过所述第二训练样本集合对所述人脸图像处理模型的深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始参数分别进行迭代更新，以实现通过所述人脸图像处理模型对所述人脸图像进行图像类型识别。6.根据权利要求5所述的方法，其特征在于，所述获取与所述人脸图像处理模型的使用环境相匹配的第一训练样本集合，包括：对所述人脸图像进行图像增广处理；基于图像增广的处理结果，通过人脸检测算法确定相应的人脸位置，并截取包括背景图像的人脸图像；通过所述人脸图像处理模型的深度处理网络对所述包括背景图像的人脸图像进行处理，形成相应的深度图作为与所述人脸图像处理模型的使用环境相匹配的训练样本集合中的任一训练样本。7.根据权利要求5所述的方法，其特征在于，所述方法还包括：基于所述正例样本，确定对应的第一深度图像，并基于所述负例样本，确定对应的第二深度图像；当确定所述人脸图像处理模型中的深度残差网络的初始参数和基于注意力机制的卷积神经处理网络的初始参数时，通过所述人脸图像处理模型的深度处理网络确定与相应重组特征向量相匹配的第三深度图像；通过所述第一深度图像或者第二深度图像，与所述第三深度图像进行比对，以监督不同正例训练样本和负例训练样本训练的准确性。8.根据权利要求5所述的方法，其特征在于，所述对所述第一训练样...

【专利技术属性】
技术研发人员：杨伟明，郭润增，王少鸣，唐惠忠，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：