保护用户隐私的人脸识别方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111310734A(43)申请公布日2020.06.19(21)申请号202010197393.5(22)申请日2020.03.19(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人杨成平赵凯(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人孙欣欣周良玉(51)Int.Cl.G06K9/00(2006.01)G06F21/60(2013.01)G06F21/62(2013.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书6页附图2页(54)发明名称保护用户隐私的人脸识别方法和装置(57)摘要本说明书实施例提供一种保护用户隐私的人脸识别方法和装置，方法包括：第一设备获取人脸图片；所述第一设备利用加密模型，通过卷积处理的方式，将所述人脸图片加密为多通道的第一特征图；所述第一设备对所述第一特征图至少进行压缩处理，得到第二特征图；所述第一设备存储或传输所述第二特征图，以利用第二设备中的识别模型根据所述第二特征图进行人脸识别。能够在不影响人脸识别准确性的基础上，防止隐私泄露。CN111310734ACN111310734A权利要求书1/2页1.一种保护用户隐私的人脸识别方法，所述方法包括：第一设备获取人脸图片；所述第一设备利用加密模型，通过卷积处理的方式，将所述人脸图片加密为多通道的第一特征图；所述第一设备对所述第一特征图至少进行压缩处理，得到第二特征图；所述第一设备存储或传输所述第二特征图，以利用第二设备中的识别模型根据所述第二特征图进行人脸识别。2.如权利要求1所述的方法，其中，所述加密模型包括：卷积层和池化层；所述卷积层使用卷积核进行特征提取和特征映射，并通过非线性映射得到多通道的初始特征图；所述池化层对所述多通道的初始特征图进行降维操作，得到所述多通道的第一特征图。3.如权利要求1所述的方法，其中，所述加密模型包括：卷积层、池化层和归一化层；所述卷积层使用卷积核进行特征提取和特征映射，并通过非线性映射得到多通道的初始特征图；所述池化层对所述多通道的初始特征图进行降维操作，得到所述多通道的中间特征图；所述归一化层对所述多通道的中间特征图进行归一化和量化处理，得到所述多通道的第一特征图。4.如权利要求1所述的方法，其中，所述加密模型包括：多个加密分支和混淆加密网络；所述将所述人脸图片加密为多通道的第一特征图，包括：将所述人脸图片引入不同分布的随机噪声后分别输入各加密分支，各加密分支采用卷积处理的方式，输出多通道的各分支特征图；将多通道的各分支特征图输入所述混淆加密网络，通过所述混淆加密网络对所述多通道的各分支特征图进行混淆融合，生成所述多通道的第一特征图。5.如权利要求4所述的方法，其中，所述通过所述混淆加密网络对所述多通道的各分支特征图进行混淆融合，包括：通过所述混淆加密网络对所述多通道的各分支特征图进行加权求和，其中，各分支特征图的权重通过学习得到。6.如权利要求1所述的方法，其中，所述第一特征图和/或所述第二特征图为通道、宽、高三个维度组成的三维矩阵。7.如权利要求1所述的方法，其中，所述加密模型中包含了丢尺度的操作；所述第一设备对所述第一特征图至少进行压缩处理，得到第二特征图，包括：所述第一设备对所述第一特征图先进行压缩处理，再进行找回尺度的操作，得到所述第二特征图。8.如权利要求1所述的方法，其中，所述识别模型包括卷积神经网络CNN。9.一种保护用户隐私的人脸识别装置，所述装置设置于第一设备，所述装置包括：获取单元，用于获取人脸图片；加密单元，用于利用加密模型，通过卷积处理的方式，将所述获取单元获取的人脸图片2CN111310734A权利要求书2/2页加密为多通道的第一特征图；压缩单元，用于对所述加密单元得到的第一特征图至少进行压缩处理，得到第二特征图；识别单元，用于存储或传输所述压缩单元得到的第二特征图，以利用第二设备中的识别模型根据所述第二特征图进行人脸识别。10.如权利要求9所述的装置，其中，所述加密模型包括：卷积层和池化层；所述加密单元，具体用于：利用所述卷积层使用卷积核进行特征提取和特征映射，并通过非线性映射得到多通道的初始特征图；利用所述池化层对所述多通道的初始特征图进行降维操作，得到所述多通道的第一特征图。11.如权利要求9所述的装置，其中，所述加密模型包括：卷积层、池化层和归一化层；所述加密单元，具体用于：利用所述卷积层使用卷积核进行特征提取和特征映射，并通过非线性映射得到多通道的初始特征图；利用所述池化层对所述多通道的初始特征图进行降维操作，得到所述多通道的中间特征图；利用所述归一化