[发明专利]基于稀疏表示的云环境中人脸图像隐秘识别方法

摘要

本发明公开了一种基于稀疏表示的云环境中人脸图像隐秘识别方法，它能在安全的方式下进行，同时保护图片的隐私和数据库的隐秘性。云端的服务器保存着图像数据库，客户端获取人脸图像并需要服务器确认是否与嫌疑人匹配与此同时服务器不会获得双方更多的信息。本发明首次将稀疏表示应用于隐秘人脸识别安全协议，并介绍了一种安全的欧氏距离算法，然后利用Paillier同态加密与不经意传输算法，隐秘的比对终端和云端人脸的稀疏表示系数向量，其降低了人脸表示向量的维数也避免了基于图像块的攻击。并且该方法很容易通过软件实现，本发明可广泛应用推广到云计算、安全认证、嫌疑人追踪等中。

主权项

1.一种基于稀疏表示的云环境中人脸图像隐秘识别方法，其特征在于实现步骤：(1)训练样本共100幅人脸图像训练人脸字典；(2)客户端和服务器端分别计算其图像的稀疏表示向量；(3)客户端将计算的人脸向量加密后发送给服务器，服务器计算接收向量与自身图库中任意一个图像向量的欧氏距离的密文，并将密文发回给客户端，客户端解出欧氏距离明文；(4)客户端根据欧氏距离再利用不经意传输协议与服务器端进行交互；(5)服务器端事先通过大量实验计算出数据库的每个人脸图像欧氏距离的阈值，在不经意传输中将计算出的欧氏距离与相应的阈值进行比较来判断是否客户端与服务器端的人脸匹配；其中，步骤(1)和(2)所述图像人脸字典和稀疏表示向量采取以下步骤：(11)训练人脸字典的训练样本为20个人的5张不同人脸图像，共100幅训练样本；(12)图像预先压缩处理后，会得到这样的一个矩阵：每一列表示一幅图像的所有像素顺序排列，该所有像素压缩后为18个像素值，100幅人脸图像按照20个不同人的分类方式再依次排列，经过标准化运算之后得到一个18×200的标准化矩阵，即得到人脸字典；(13)将k×j大小的人脸图像看作是一个列向量v∈Rm，m＝kj，用矩阵表示第i类中的所有训练样本，它的每一列表示该类别中的一个训练样本，ni表示该类别中的所有训练样本的个数，训练样本矩阵测试样本y可重新表示为y＝Ax∈Rm；(14)最后解出最稀疏的解得到稀疏表示向量。