[发明专利]保护隐私的生物特征识别方法和装置

说明书

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。

技术领域

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

背景技术

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。

发明内容

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。

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。

在一个实施例中，上述方法是在可信执行环境中执行的。

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。

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。

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。

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。

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。

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。