保护隐私的生物特征识别方法和装置制造方法及图纸

本说明书实施例提供一种保护隐私的生物特征识别方法和装置。该方法的一具体实施方式包括：首先，获取无透镜成像设备针对生物特征采集的原始图像，其中，无透镜成像设备包括掩模板和图像传感器，原始图像是通过掩模板调制后由图像传感器采集到的图像。其次，基于掩模板的调制参数对原始图像进行重构，得到重构图像。然后，使用预先训练的特征提取网络对重构图像进行特征提取，得到重构图像的特征表示。最后，基于特征表示，对重构图像进行生物特征识别。识别。识别。

【技术实现步骤摘要】
保护隐私的生物特征识别方法和装置
[0001]本申请为2021年7月27日提交的申请号为202110849620.2，名为“保护隐私的生物特征识别方法和装置”的专利技术专利申请的分案申请。


[0002]本说明书一个或多个实施例涉及计算机
，尤其涉及一种保护隐私的生物特征识别方法和装置。

技术介绍

[0003]生物特征识别技术的不断成熟以及大规模应用，给我们的日常生活带来了极大的便利。比如，指纹支付、指纹考勤、刷脸支付、人脸考勤、人脸识别门禁等的普遍应用，让我们的生活更加便利。然而，在得到这些便利的同时，人们也越来越关注自己的隐私保护。而现在随处可见的摄像头可以将生物特征信息进行收集，一旦生物特征信息被泄漏，人们的隐私也将遭受严重的侵害。因此，隐私保护是生物特征识别技术中的一个重要环节。

技术实现思路

[0004]本说明书一个或多个实施例描述了一种保护隐私的生物特征识别方法和装置，利用无透镜成像设备对生物特征进行图像采集，形成肉眼不可辨识的原始图像，之后在原始图像的基础上对生物特征进行识别，从而实现了保护隐私的生物特征识别，提高了生物特征信息的安全性。
[0005]根据第一方面，提供了一种保护隐私的生物特征识别方法，包括：获取无透镜成像设备针对生物特征采集的原始图像，其中，上述无透镜成像设备包括掩模板和图像传感器，上述原始图像是通过上述掩模板调制后由上述图像传感器采集到的图像；基于上述掩模板的调制参数对上述原始图像进行重构，得到重构图像；使用预先训练的特征提取网络对上述重构图像进行特征提取，得到上述重构图像的特征表示；基于上述特征表示，对上述重构图像进行生物特征识别。
[0006]在一个实施例中，上述方法是在可信执行环境中执行的。
[0007]在一个实施例中，上述掩模板与上述图像传感器之间像素对齐，上述掩模板的各像素位置对应设置有调制参数；以及上述基于上述掩模板的调制参数对上述原始图像进行重构，得到重构图像，包括：根据上述掩模板各像素位置的调制参数，确定用于对图像进行重构的重构矩阵；根据上述原始图像的像素值和上述重构矩阵对上述原始图像进行重构，得到重构图像。
[0008]在一个实施例中，上述掩模板上设置有图案，上述图案是随机生成的，包括透光部分和不透光部分，其中，上述透光部分的像素位置的调制参数为1，上述不透光部分的像素位置的调制参数为0。
[0009]在一个实施例中，上述生物特征为人脸；以及上述基于上述特征表示，对上述重构图像进行生物特征识别，包括：获取验证用人脸特征模板，其中，上述人脸特征模板是使用
上述特征提取网络对验证用人脸图像进行特征提取得到的；根据上述特征表示和上述人脸特征模板，确定上述重构图像与上述验证用人脸图像是否指示同一人。
[0010]在一个实施例中，上述生物特征为人脸；以及上述基于上述特征表示，对上述重构图像进行生物特征识别，包括：获取人脸图像集合中的各个人脸图像对应的各个特征模板，其中，上述各个特征模板是使用上述特征提取网络对人脸图像集合中的各个人脸图像进行特征提取得到的；根据上述特征表示和上述各个特征模板，从上述人脸图像集合中确定出与上述重构图像指示为同一人的人脸图像。
[0011]在一个实施例中，上述特征提取网络是通过以下方式训练得到的：获取样本集，其中，上述样本集的样本包括样本图像和与样本图像对应的类别标识，上述样本图像是将无透镜成像设备采集的图像进行重构得到的图像；将上述样本图像作为输入，将与输入的样本图像对应的类别标识作为期望输出，对待训练分类器进行训练，其中，上述待训练分类器包括用于提取图像特征的神经网络；将训练完成后的分类器中的神经网络作为上述特征提取网络。
[0012]在一个实施例中，上述生物特征包括以下之一：人脸、指纹、虹膜、掌纹。
[0013]根据第二方面，提供了一种保护隐私的生物特征识别装置，包括：获取单元，配置为获取无透镜成像设备针对生物特征采集的原始图像，其中，上述无透镜成像设备包括掩模板和图像传感器，上述原始图像是通过上述掩模板调制后由上述图像传感器采集到的图像；重构单元，配置为基于上述掩模板的调制参数对上述原始图像进行重构，得到重构图像；特征提取单元，配置为使用预先训练的特征提取网络对上述重构图像进行特征提取，得到上述重构图像的特征表示；识别单元，配置为基于上述特征表示，对上述重构图像进行生物特征识别。
[0014]根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当上述计算机程序在计算机中执行时，令计算机执行如第一方面中任一实现方式描述的方法。
[0015]根据第四方面，提供了一种计算设备，包括存储器和处理器，其特征在于，上述存储器中存储有可执行代码，上述处理器执行上述可执行代码时，实现如第一方面中任一实现方式描述的方法。
[0016]根据本说明书实施例提供的保护隐私的生物特征识别方法和装置，首先获取无透镜成像设备针对生物特征采集的肉眼不可辨识的原始图像，而后对原始图像进行重构得到重构图像，最后基于重构图像的特征表示进行生物特征识别，由于生物特征识别所使用的原始图像为肉眼不可辨识的图像，因此，无透镜成像设备采集的原始图像即使被不法人员获取也不会造成生物特征信息的泄露，从而实现了保护隐私的生物特征识别，提高了生物特征信息的安全性。
附图说明
[0017]图1示出了根据一个实施例的保护隐私的生物特征识别方法的流程图；
[0018]图2示出了无透镜成像设备成像的示意图；
[0019]图3示出了一个例子中的掩模板的示意图；
[0020]图4示出了一个例子中真实人脸、原始人脸图像以及重构人脸图像的示意图；
[0021]图5示出了物点经过掩模板调制在图像传感器形成图像的示意图；
[0022]图6示出了根据一个实施例的保护隐私的生物特征识别装置的示意性框图。
具体实施方式
[0023]下面结合附图和实施例，对本说明书提供的技术方案做进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本说明书的实施例及实施例中的特征可以相互组合。
[0024]图1示出了根据一个实施例的保护隐私的生物特征识别方法的流程图。可以理解，该方法可以通过任何具有计算、处理能力的装置、设备、平台、设备集群来执行。如图1所示，该保护隐私的生物特征识别方法，包括以下步骤：
[0025]步骤101，获取无透镜成像设备针对生物特征采集的原始图像。
[0026]在本实施例中，用于执行保护隐私的生物特征识别方法的执行主体，可以从无透镜成像设备获取该无透镜成像设备针对生物特征采集的原始图像。这里，上述无透镜成像设备可以包括掩模板和图像传感器，原始图像是通过上述掩模板调制后由上述图像传感器采集到的图像，该图像为肉眼不可辨识的图像。
[0027]无透镜成像方法是一种颠本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种保护隐私的生物特征识别方法，所述方法在可信执行环境TEE中执行，包括：获取无透镜成像设备采集的生物特征的原始图像，其中，所述原始图像为肉眼不可辨识的图像；对所述原始图像进行重构，得到重构图像，其中，所述重构图像为肉眼可辨识的图像；使用预先训练的特征提取网络对所述重构图像进行特征提取，得到所述重构图像的特征表示；基于所述特征表示，对所述重构图像进行生物特征识别。2.根据权利要求1所述的方法，其中，所述生物特征为人脸；以及所述基于所述特征表示，对所述重构图像进行生物特征识别，包括：获取验证用人脸特征模板，其中，所述人脸特征模板是使用所述特征提取网络对验证用人脸图像进行特征提取得到的；根据所述特征表示和所述人脸特征模板，确定所述重构图像与所述验证用人脸图像是否指示同一人。3.根据权利要求1所述的方法，其中，所述生物特征为人脸；以及所述基于所述特征表示，对所述重构图像进行生物特征识别，包括：获取人脸图像集合中的各个人脸图像对应的各个特征模板，其中，所述各个特征模板是使用所述特征提取网络对人脸图像集合中的各个人脸图像进行特征提取得到的；根据所述特征表示和所述各个特征模板，从所述人脸图像集合中确定出与所述重构图像指示为同一人的人脸图像。4.根据权利要求1所述的方法，其中，所述特征提取网络是通过以下方式训练得到的：获取样本集，其中，所述样本集的样本包括样本图像和与样本图像对应的类别标识，所述样本图像是将无透镜成像设备采集的图像进行重构得到的图像；将所述样本图像作为输入，将与输入的样本图像对应的类别标识作为期望输出，对待训练分类器进行训练，其中，所述待训练分类器包括用于...

【专利技术属性】
技术研发人员：胡永恒，马晨光，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：