[发明专利]一种人脸特征向量隐私保护识别方法

说明书

本发明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。

技术领域

本发明涉及人脸识别领域，尤其涉及一种人脸特征向量隐私保护识别方法。

背景技术

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，每次通过人脸特征计算网络后输出的特征向量仍然是不同的。此项举措降低了对特征向量进行逆操作从而得出原始脸部图像的可能性。最终在服务提供商进行人脸识别时，存储的为加噪特征向量，比较识别对象也为加噪特征向量。服务提供商无法直接接触到服务使用者的脸部图片，也无法从当前获取的加噪特征向量逆操作得出原本的脸部图像，从而保证了服务使用者的脸部图像隐私。

经对现有技术文献的检索发现，目前还没有使用上述方法来实现隐私保护的人脸识别方案。

因此，本领域的技术人员致力于开发一种人脸特征向量隐私保护识别方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何实现隐私保护的人脸识别。

为实现上述目的，本发明提供了一种人脸特征向量隐私保护识别方法。本发明中，提供人脸识别的服务提供商将不能直接获取参考对象和被识别对象的脸部图像，且服务提供商获取的信息不足以进行逆操作得出原本的脸部图像。用户即参考对象使用具有人脸特征向量隐私保护识别方法的摄像头拍摄脸部照片，在摄像头本地进行对于脸部图像的处理，处理包括经过人脸特征计算网络得出一组表征面部特征的原始特征向量，由该向量加上随机生成、服从高斯分布的自适应的噪声后得出一个N维的加噪特征向量M_RNoiseFace。然后通过远程调用接口唤醒提供人脸识别服务的服务提供商，服务提供商将加噪特征向量M_RNoiseFace放入数据库中等待被匹配识别。类似地，在识别过程中若有隐私保护需要，则被识别方需要部署具有人脸特征向量隐私保护识别方法的摄像头，本地检测并截取脸部图像，计算指定被识别对象的加噪特征向量M_INoiseFace并将与服务提供商存储的参考对象M_RNoiseFace通过比较判断器。比较判断器利用SVM(Support Vector Machine)或欧氏距离阈值判定，最终输出人脸的匹配结果。当参数设定合理时，应用该方法仍能够保持原本的人脸识别精度。

具体地，一种人脸特征向量隐私保护识别方法包括如下步骤：

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。

进一步地，所述参考对象人脸图像隐私保护包括：