人脸图片加密方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种人脸图片加密方法，其特征在于，所述方法包括：获取具有时间顺序的n张人脸图片；n为大于等于2的整数；对所述n张人脸图片进行特征提取，获取所述n张人脸图片分别对应的图片特征；将所述n张人脸图片分别对应的图片特征按照所述时间顺序依次输入图像预测模型中的递归网络，获得所述递归网络输出的，所述n张人脸图片各自的预测信息；所述预测信息用于指示对应的人脸图片的预测结果；所述递归网络是通过状态信息对输入的图片特征进行预测的网络，且所述状态信息是基于已输入的人脸图片的图片特征进行更新的信息；基于所述n张人脸图片各自的预测信息，对所述n张人脸图片进行加密。2.根据权利要求1所述的方法，其特征在于，所述对所述n张人脸图片进行特征提取，获取所述n张人脸图片分别对应的图片特征之前，还包括：通过所述图像预测模型中的分块网络，按照目标窗口大小对所述n张人脸图片进行分块处理，获取所述n张人脸图片各自对应的m张人脸图块；m为大于等于1的整数；所述目标窗口大小是所述分块网络的网络参数；所述对所述n张人脸图片进行特征提取，获取所述n张人脸图片分别对应的图片特征，包括：基于所述m张人脸图块分别对应的注意力权重，对所述n张人脸图片各自对应的所述m张人脸图块进行特征提取，获取所述n张人脸图片分别对应的图片特征。3.根据权利要求2所述的方法，其特征在于，所述预测信息包括对应的人脸图片的所述m张人脸图块各自的预测子信息，所述预测子信息用于指示对应的人脸图块的预测结果。4.根据权利要求2所述的方法，其特征在于，所述基于所述m张人脸图块分别对应的注意力权重，对所述n张人脸图片各自对应的所述m张人脸图块进行特征提取，获取所述n张人脸图片分别对应的图片特征，包括：对目标人脸图片对应的所述m张人脸图块进行预处理，获得所述目标人脸图片对应的所述m张人脸图块各自的预处理特征；所述目标人脸图片是所述n张人脸图片中的任意一张；将所述目标人脸图片对应的所述m张人脸图块各自的预处理特征输入所述图像预测模型中的图像特征提取网络，获取所述图像特征提取网络输出的所述目标人脸图片的图片特征；其中，所述图像特征提取网络中包含注意力机制层；所述注意力机制层用于以所述m张人脸图块的注意力权重为参数，对所述m张人脸图块各自的预处理特征进行处理。5.根据权利要求4所述的方法，其特征在于，所述对目标人脸图片对应的所述m张人脸图块进行预处理，获得所述目标人脸图片对应的所述m张人脸图块各自的预处理特征，包括：获取目标人脸图块的灰度值；所述目标人脸图块是所述目标人脸图片对应的所述m张人脸图块中的任意一个；基于指定数量级的快速傅里叶变换，获取所述目标人脸图块的指定类型特征信息；将所述目标人脸图块的灰度值，与所述目标人脸图块的指定类型特征信息进行组合，获得所述目标人脸图块的预处理特征。
6.根据权利要求5所述的方法，其特征在于，所述指定类型特征信息包括：图像频谱图的能量分布特征信息、高低频率分布特征信息、平面度特征信息以及频谱质心特征信息中的至少一种。7.根据权利要求4所述的方法，其特征在于，所述获取具有时间顺序的n张人脸图片之前，还包括：获取训练数据，所述训练数据包括具有时间顺序的k张人脸图片样本，以及所述k张人脸图片样本各自的标注信息；对所述k张人脸图片样本进行特征提取，获取所述k张人脸图片样本分别对应的图片特征；将所述k张人脸图片样本分别对应的图片特征按照所述时间顺序依次输入所述图像预测模型中的递归网络，获得所述递归网络输出的，所述k张人脸图片样本各自的预测信息；基于所述k张人脸图片样本各自的预测信息，获取所述k张人脸图片样本各自的预测结果；基于所述k张人脸图片样本各自的预测结果，以及k张人脸图片样本各自的标注信息获取损失函数值；基于所述损失函数值，对所述图像预测模型进行更新。8.根据权利要求7所述的方法，其特征在于，所述基于所述损失函数值，对所述图像预测模型进行更新，包括：基于所述损失函数值，对所述分块网络以及所述图像特征提取网络进行参数更新。9.根据权利要求1至8任一所述的方法，其特征在于，所述递归网络包括：双向门控循环单元bgru、门控循环单元gru以及长短期记忆网络lstm中的至少一种。10.根据权利要求1至8任一所述的方法，其特征在于，所述基于所述n张人脸图片各自的预测信息，对所述n张人脸图片进行加密，包括：将所述n张人脸图片与各自对应的所述预测信息进行拼接，生成所述n张人脸图片的加密图片数据。11.根据权利要求1至8任一所述的方法，其特征在于，所述预测信息用于指示对应的所述人脸图片中是否包含人脸。12.根据权利要求1至8任一所述的方法，其特征在于，所述n张人脸图片是在单次人脸识别过程中，按照时间顺序依次采集得到的人脸图片。13.一种人脸图片加密装置，其特征在于，所述装置包括：图片获取模块，用于获取具有时间顺序的n张人脸图片；n为大于等于2的整数；特征提取模块，用于对所述n张人脸图片进行特征提取，获取所述n张人脸图片分别对应的图片特征；信息输出模块，用于将所述n张人脸图片分别对应的图片特征按照所述时间顺序依次输入图像预测模型中的递归网络，获得所述递归网络输出的，所述n张人脸图片各自的预测信息；所述预测信息用于指示对应的人脸图片的预测结果；所述递归网络是通过状态信息对输入的图片特征进行预测的网络，且所述状态信息是基于已输入的人脸图片的图片特征进行更新的信息；图片加密模块，用于基于所述n张人脸图片各自的预测信息，对所述n张人脸图片进行
加密。14.一种计算机设备，其特征在于，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至12任一所述的人脸图片加密方法。15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至12任一所述的人脸图片加密方法。

技术总结
本申请是关于一种人脸图片加密方法、装置、计算机设备及存储介质，属于人工智能技术领域。该方法包括：获取具有时间顺序的N张人脸图片；对N张人脸图片进行特征提取，获取N张人脸图片分别对应的图片特征；将图片特征按照时间顺序依次输入图像预测模型中的递归网络，输出N张人脸图片各自的预测信息；预测信息用于指示对应的人脸图片的预测结果；递归网络是通过状态信息对输入的图片特征进行预测的网络，且状态信息是基于已输入的人脸图片的图片特征进行更新的信息；基于N张人脸图片各自的预测信息，对N张人脸图片进行加密。通过上述方案，避免了人脸图像的加密格式容易被破解的情况，提高了加密后的人脸图像的安全性。提高了加密后的人脸图像的安全性。提高了加密后的人脸图像的安全性。


技术研发人员：杨伟明 唐惠忠 王少鸣 郭润增
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2020.11.19
技术公布日：2021/10/18