[发明专利]姿态估计方法、装置、设备及存储介质

说明书

本申请公开了一种姿态估计方法、装置、设备以及存储介质。姿态估计方法包括：获取待测人脸图像数据，根据预设加密算法对待测人脸图像数据处理并计算得到与待测人脸图像数据相关的矩阵化加密数据，根据训练好的姿态估计模型将矩阵化加密数据进行计算得到姿态估计结果，姿态估计模型由训练人脸图像数据处理得到的训练矩阵化加密数据训练生成。本申请实施方式的姿态估计方法中，通过对待检测人脸图像数据进行加密处理，避免了直接通过人脸图像数据得到姿态估计结果，降低了人脸图像数据因泄露而暴露用户隐私的风险。

技术领域

本申请涉及图像识别领域，特别涉及一种姿态估计方法、姿态估计装置、姿态估计设备及计算机可读存储介质。

背景技术

目前，人脸识别的相关应用日趋成熟，基于深度学习的人脸识别算法能够得到较高的识别准确率。但大多应用均需要在大量人脸数据的驱动下进行模型的训练。在包含人脸数据在内的个人数据保护措施愈加严格的环境下，如何解决数据泄漏与模型训练之间的矛盾成了亟待解决的问题。

发明内容

有鉴于此，本申请提供一种姿态估计方法、姿态估计装置、姿态估计设备及非失易性计算机可读存储介质。

本申请的姿态估计方法包括：

获取待测人脸图像数据；

根据预设加密算法对所述待测人脸图像数据处理生成与所述待测人脸图像数据相关的矩阵化加密数据；和

根据训练好的姿态估计模型将所述矩阵化加密数据进行计算得到姿态估计结果，所述姿态估计模型由训练人脸图像数据处理得到的训练矩阵化加密数据训练生成。

在某些实施方式中，所述根据预设加密算法对所述待测人脸图像数据处理并计算得到与所述待测人脸图像数据相关的矩阵化加密数据包括：

提取所述待测人脸图像数据中多个特征点；

以坐标转换算法将每个所述特征点的坐标进行坐标转换以生成转换点；

根据所述转换点的坐标进行矩阵转换生成所述矩阵化加密数据。

在某些实施方式中，所述根据预设加密算法对所述待测人脸图像数据处理并计算得到与所述待测人脸图像数据相关的矩阵化加密数据包括：

提取所述待测人脸图像数据中多个特征点；

根据欧式距离算法计算多个所述特征点之间的欧氏距离以得到第一特征向量；

将所述第一特征向量进行矩阵转换生成所述矩阵化加密数据。

在某些实施方式中，所述根据预设加密算法对所述待测人脸图像数据处理并计算得到与所述待测人脸图像数据相关的矩阵化加密数据包括：

提取所述待测人脸图像数据中多个特征点；

根据尺度不变特征变换算法计算出所述特征点的第二特征向量；

将所述第二特征向量进行矩阵转换成生成所述矩阵化加密数据。

在某些实施方式中，所述根据预设加密算法对所述待测人脸图像数据处理并计算得到与所述待测人脸图像数据相关的矩阵化加密数据包括：

通过深度卷积神经网络模型将所述待测人脸图像数据处理以生成多个第三特征向量；

将所述第三特征向量进行矩阵转换成生成所述矩阵化加密数据。

在某些实施方式中，所述姿态估计模型包括姿态估计算法，所述姿态估计算法包括卷积层、池化层、展平层和全连接层，所述根据预设姿态估计算法对所述矩阵化加密数据处理得到姿态估计结果包括：