[发明专利]一种结合水印和深度学习的人脸识别加密认证方法及系统在审
申请号: | 202111441926.0 | 申请日: | 2021-11-30 |
公开(公告)号: | CN114170658A | 公开(公告)日: | 2022-03-11 |
发明(设计)人: | 彭长根;吴俊青;谭伟杰;蒋合领;丁红发 | 申请(专利权)人: | 贵州大学 |
主分类号: | G06V40/16 | 分类号: | G06V40/16;G06V10/94;G06V10/96;G06V10/74;G06V10/82;G06N3/08;G06N3/04;G06T1/00;G06K9/62 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 赵兴华 |
地址: | 550025 贵州省贵*** | 国省代码: | 贵州;52 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 结合 水印 深度 学习 识别 加密 认证 方法 系统 | ||
1.一种结合水印和深度学习的人脸识别加密认证方法,其特征在于,包括:
摄像头采集人脸图像,并向人脸图像中嵌入水印图像,得到水印人脸图像,并将所述水印人脸图像发送至客户端;
所述客户端提取水印人脸图像中的水印信息,并将所述水印信息与所述水印图像进行比对认证,得到比对认证结果;
所述客户端采用基于FaceNet的深度学习算法对认证成功的人脸图像进行人脸特征数据提取,并采用CKKS全同态加密算法和国密SM4算法对提取到的人脸特征数据进行加密,得到人脸特征密文数据,并将所述人脸特征密文数据发送至数据库服务器;
所述数据库服务器生成与人脸特征密文数据对应的加密人脸特征模板,并计算所述加密人脸特征模板与数据库服务器中预存的同一用户的人脸特征模板之间的汉明距离,并对所述汉明距离进行加密得到汉明距离密文数据,并将所述汉明距离密文数据发送至身份验证服务器;
所述身份验证服务器对所述汉明距离密文数据进行解密,得到汉明距离明文值;
所述身份验证服务器对汉明距离明文值与预设汉明距离阈值进行大小比较,得到人脸识别认证结果。
2.根据权利要求1所述的结合水印和深度学习的人脸识别加密认证方法,其特征在于,所述采集人脸图像,并向人脸图像中嵌入水印图像,得到水印人脸图像,具体包括:
采集人脸图像;
采用LSB盲水印算法将预设的水印图像嵌入到所述人脸图像中,得到所述水印人脸图像。
3.根据权利要求1所述的结合水印和深度学习的人脸识别加密认证方法,其特征在于,所述提取水印人脸图像中的水印信息,并将所述水印信息与所述水印图像进行比对认证,得到比对认证结果,具体包括:
采用LSB水印提取算法对所述水印人脸图像中的水印信息进行提取,得到提取出的水印信息;
采用PSNR值比对方法,对提取出的水印信息与水印图像进行比对认证,计算得到PSNR值;
根据PSNR值确定比对认证结果;当PSNR值等于预设PSNR阈值时,则比对认证结果为认证成功;当PSNR值大于或小于预设PSNR阈值时,则比对认证结果为认证失败。
4.根据权利要求1所述的结合水印和深度学习的人脸识别加密认证方法,其特征在于,所述采用基于FaceNet的深度学习算法对认证成功的人脸图像进行人脸特征数据提取,并采用CKKS全同态加密算法和国密SM4算法对提取到的人脸特征数据进行加密,得到人脸特征密文数据,具体包括:
采用基于FaceNet的深度学习算法对认证成功的人脸图像进行人脸特征数据提取,得到提取到的人脸特征数据;
采用CKKS全同态加密算法对所述提取到的人脸特征数据进行加密,得到人脸特征密文ct;
采用国密SM4算法对人脸特征密文ct进行加密,得到人脸特征密文cts。
5.根据权利要求4所述的结合水印和深度学习的人脸识别加密认证方法,其特征在于,所述生成与人脸特征密文数据对应的加密人脸特征模板,并计算所述加密人脸特征模板与数据库服务器中预存的同一用户的人脸特征模板之间的汉明距离,并对所述汉明距离进行加密得到汉明距离密文数据,具体包括:
根据所述人脸特征密文数据生成相应的加密人脸特征模板;
对所述人脸特征密文数据中的人脸特征密文ct进行加乘运算,计算所述加密人脸特征模板与数据库服务器中预存的同一用户的人脸特征模板之间的汉明距离;
采用国密SM4算法对汉明距离进行加密,得到汉明距离密文数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州大学,未经贵州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111441926.0/1.html,转载请声明来源钻瓜专利网。