用于终端身份认证的人脸数据加密传输方法与流程

1.本发明涉及数据加密技术领域，具体涉及一种用于终端身份认证的人脸数据加密传输方法。


背景技术：

2.人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术，而用于终端的人脸认证的实施场景也日趋增长，如支付时手机的人脸识别，以及用于高铁站等存在进出场景限制的地方，因此，为防止人脸数据被破解，造成支付损失，人脸数据的加密也同步出现。
3.传统的加密方式为对hog特征图像对应的梯度方向直方图进行归一化，来达到对抗统计分析的攻击方式，但这样会导致其变换的方式较为单一，无法对其余攻击方式进行有效抵抗，尤其是在遇到暴力破解时，难以保证数据的安全性。


技术实现要素：

4.本发明提供一种用于终端身份认证的人脸数据加密传输方法，以解决现有的在遇到暴力破解时，难以保证数据的安全性的问题。
5.本发明的一种用于终端身份认证的人脸数据加密传输方法采用如下技术方案：采集人脸图像，并对人脸图像分割得到多个相同的图像块；获取每个图像块的hog特征图像，将每个hog特征图像中的所有梯度方向的梯度幅值的标准差作为每个hog特征图像的第一重要程度；根据每个hog特征图像中所有梯度方向的梯度幅值的水平梯度幅值分量和竖直梯度幅值分量，获取每个hog特征图像的整体梯度方向；根据每个hog特征图像的整体梯度方向与邻域内每个hog特征图像的整体梯度方向的方向偏差值、每个hog特征图像与其邻域内每个hog特征图像在对应的梯度方向的梯度幅值差值获取每个hog特征图像的第二重要程度；根据第一重要程度和第二重要程度获取每个hog特征图像的综合重要程度；根据每个hog特征图像中每个梯度方向的梯度幅值均值、每个梯度方向的梯度幅值获取每个梯度方向的初始变换梯度幅值；利用每个hog特征图像中每个梯度方向的梯度幅值和每个梯度方向的初始变换梯度幅值获取每个hog特征图像中每个梯度方向的目标梯度幅值；根据每个梯度方向的初始变换梯度幅值和目标梯度幅值获取每个梯度方向的变换系数，根据每个梯度方向的变换系数和初始变换梯度幅值，以及hog特征图像的综合重要程度得到hog特征图像的每个梯度方向的最终变换梯度幅值，并根据所有最终变换梯度幅值得到每个图像块的最终hog特征图像；根据所有最终hog特征图像得到加密图像，并将加密图像及每个最终hog特征图像对应的变换系数、综合重要程度进行传输。
6.优选的，本方法，还包括：获取每个hog特征图像与关于人脸图像竖直中心线对称的目标hog特征图像；根据每个hog特征图像与对应的目标hog特征图像的整体梯度方向，获取hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度；根据hog特征图像与其邻域内的每个hog特征图像的整体梯度方向的方向偏差值，以及hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度，获取hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度；根据hog特征图像与其邻域内的所有hog特征图像的整体梯度方向的方向偏差值的和值，判断是否进行邻域尺寸调整，并得到每个hog特征图像对应的最终邻域尺寸；根据每个hog特征图像对应的最终邻域尺寸的长度进行归一化得到hog特征图像的必要度；根据hog特征图像对应的必要度、整体梯度方向对称程度以及hog特征图像与对应的目标hog特征图像的梯度幅值之和，获取每个hog特征图像的调整值；根据调整值对每个对应的hog特征图像的综合重要程度进行调整得到最终的综合重要程度。
7.优选的，得到最终邻域尺寸包括：当hog特征图像与其邻域内的所有hog特征图像的整体梯度方向的方向偏差值的和值小于预设的和值阈值，则对hog特征图像的邻域尺寸进行逐渐增大得到增大后的目标邻域；获取hog特征图像与其目标邻域内的每个hog特征图像的整体梯度方向的方向偏差值的和值，将hog特征图像与其目标邻域内的每个hog特征图像的整体梯度方向的方向偏差值的和值大于或者等于预设的和值阈值时对应的目标邻域的尺寸作为最终邻域尺寸。
8.优选的，得到hog特征图像的必要度包括：获取所有hog特征图像对应的最终邻域尺寸的长度中的对应的最终邻域尺寸的长度和最小邻域尺寸的长度；根据对应的最终邻域尺寸的长度、最小邻域尺寸的长度及每个hog特征图像对应的最终邻域尺寸的长度，获取归一化后的hog特征图像对应的目标邻域尺寸；将目标邻域尺寸对应的长度作为hog特征图像的必要度。
9.优选的，hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度的计算公式：式中，表示hog特征图像的邻域内的hog特征图像与对应的目标hog特征图像的邻域内，与hog特征图像位置对称的hog特征图像的方向对称程度；表示hog特征图像的邻域内的hog特征图像的整体梯度方向；表示hog特征图像对应的目标hog特征图像的邻域内，与hog特征图像位置
对称的hog特征图像的整体梯度方向；表示取绝对值。
10.优选的，获取hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度包括：获取hog特征图像与其邻域内的每个hog特征图像的整体梯度方向的方向偏差值，和hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度的比值的和值；并将和值作为hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度。
11.优选的，每个hog特征图像的调整值的计算公式为：式中，表示hog特征图像的调整值；表示hog特征图像的梯度幅值之和；表示hog特征图像对应的目标hog特征图像的梯度幅值之和；表示hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度；表示hog特征图像的必要度；表示取整符号。
12.优选的，获取每个hog特征图像的第二重要程度包括：获取hog特征图像与其邻域内的hog特征图像在所有对应的梯度方向的梯度幅值差值的绝对值之和；将hog特征图像的邻域内所有的hog特征图像对应的梯度幅值差值的绝对值之和与整体梯度方向的方向偏差值的乘积之和作为hog特征图像的第二重要程度。
13.优选的，得到hog特征图像的每个梯度方向的最终变换梯度幅值包括：获取变换系数和综合重要程度的乘积；获取hog特征图像中每个梯度方向对应的初始变换梯度幅值，与变换系数和综合重要程度的乘积的比值，并作为hog特征图像的每个梯度方向的最终变换梯度幅值。
14.优选的，还包括：对加密数据进行解密，解密步骤包括：根据每个最终hog特征图像和对应的变换系数、综合重要程度获取hog特征图像的每个梯度方向的变换前的梯度；根据hog特征图像的每个梯度方向的变换前的梯度获取hog特征图像；根据所有hog特征图像得到人脸图像。
15.本发明的一种用于终端身份认证的人脸数据加密传输方法的有益效果是：由于在人脸图像中不同的脸部器官对应的区域的梯度方向是不同的，故将人脸图像分为多个图像块，然后获取表征每个图像块的hog特征图像，以hog特征图像对应所有梯度方向的梯度幅值的标准差来反映hog特征图像的第一重要程度，标准差越大，其梯度幅值
差异越大，则对应的第一重要程度也越大，即第一重要程度反应的是hog特征图像的自身hog特征的重要程度，然后，利用hog特征图像与其邻域内所有hog特征图像的方向偏差值和梯度幅值差值来反映hog特征图像的第二重要程度，即第二重要程度反应的是hog特征图像与其领域的hog特征图像的hog特征的重要程度，故结合hog特征图像的自身hog特征的第一重要程度，与hog特征图像和其领域的hog特征图像的hog特征的第二重要程度来综合评价hog特征图像的综合重要程度，使得在遭受攻击时，一个hog特征图像的破解错误，会导致其后续的所有hog特征图像的破解结果都是错误的，因此，破解时具有雪崩效应，从而使得基于综合重要程度进行加密得到的加密数据的安全性较高，其次，综合重要程度表征的是hog特征图像内梯度方向的显著性，由于人脸器官对应的区域的方向梯度区别于额头、脸颊区域，故人脸器官区域对应的hog特征图像存在显著的梯度方向，如果将其中显著的梯度方向的幅值大小进行变换，使得整张图像中每一个hog特征图像的梯度幅值相近，就会使得整张图像的所有hog特征图像之间相比都差异小，那么即使存储的加密数据被窃取，也不会被破解，故依据综合重要程度和每个梯度方向的变换系数来对hog特征图像的梯度进行变换得到最终变换梯度幅值，并根据最终变换梯度幅值得到每个图像块的最终hog特征图像，实现使得所有最终hog特征图像对应的梯度幅值相近，即利用hog特征图像的综合重要程度不同，实现了对不同hog特征图像进行不同程度的加密，进而提高了传输数据的安全性，同时，每个最终hog特征图像对应一个密钥，从而增加密钥的复杂度，保证了传输数据的安全性。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明的一种用于终端身份认证的人脸数据加密传输方法的实施例的流程图；图2为本发明的一种用于终端身份认证的人脸数据加密传输方法的实施例中的hog特征图像和对称的hog特征图像的示意图。
具体实施方式
18.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.本发明的一种用于终端身份认证的人脸数据加密传输方法的实施例，如图1所示，本实施包括：s1、采集人脸图像，并对人脸图像分割得到多个相同的图像块；具体的，采集设备如h3200，采集设备的高度与所采集人员头部高度一致，并正面朝向人员，获得其正面的人脸图像，并通过语义分割，对所采集的正面图像进行人脸区域的分割，将图像分割为大小为的图像块，其中分割块尺寸为，其中为所采集
的人脸图像的尺寸大小，给出经验值为50（具体大小实施者可根据具体场景进行调整，过大会增大清晰度，但识别速度会降低）。
20.至此，采集到了人脸图像及将人脸图像分割得到多个相同的图像块。
21.s2、获取hog特征图像第一重要程度；由于，脸部和额头区域对应的像素点的梯度方向比较统一，而五官对应的像素点的梯度方向比较杂乱，故五官区域对应的hog特征图像明显区别于脸颊，额头区域对应的hog特征图像，即五官区域对应的hog特征图像中存在较为显著的梯度方向，即具有较强的标识性，因此，本实施需要将具有标识性的梯度方向的梯度幅值大小进行变换，使得整张人脸图像中每一个hog特征图像中的梯度幅值相近，即使得整张人脸图像的每两个hog特征图像之间的梯度幅值相比差异都较小，因此，即使后续存储的数据被窃取，也不容易被破解。
22.故，本实施例先获取每个图像块的hog特征图像，在得到每个hog特征图像后，每个hog特征图像均对应一个方向梯度直方图，故获取hog特征图像对应的方向梯度直方图中的所有梯度方向的梯度幅值的标准差，并将标准差作为hog特征图像的第一重要程度，其中，第一重要程度的计算公式为：式中，表示hog特征图像的所有梯度方向的梯度幅值的标准差，即hog特征图像的第一重要程度；表示hog特征图像中的所有梯度方向的梯度幅值均值；表示hog特征图像中的第个梯度方向的梯度幅值；需要说明的是，求和公式的上标9表示将180
°
均分得到的9个角度，即在方向梯度直方图中对应的9个梯度方向，标准差表征hog特征图像中的9个梯度方向的梯度幅值的差异，标准差越大，则对应的其中梯度幅值差异越大，即存在一个或多个梯度方向的梯度幅值远大于其余梯度方向的梯度幅值，其次，标准差公式为现有技术公式，本实施例不再赘述。
23.s3、获取hog特征图像的第二重要程度；具体的，根据每个hog特征图像中所有梯度方向的梯度幅值的水平梯度幅值分量和竖直梯度幅值分量，获取每个hog特征图像的整体梯度方向；根据每个hog特征图像的整体梯度方向与邻域内每个hog特征图像的整体梯度方向的方向偏差值、每个hog特征图像与其邻域内每个hog特征图像在对应的梯度方向的梯度幅值差值获取每个hog特征图像的第二重要程度。
24.具体的，获取每个hog特征图像的第二重要程度：通过hog方向特征计算图像块中的每一个像素点的梯度方向和梯度幅值，并统计放入得到方向梯度直方图，其中，方向梯度直方图的横坐标为将180
°
均分为9个角度，即作为9个梯度方向，9个梯度方向依次为：；计算时，判断像素点的梯度方向所存在的梯度方向区间，梯度方向区间依次为，
……
，并按照每个梯度方向区间内的最大梯度方向、最小梯度方向及每个梯度方向进行分配，例如，当图像块中某一像素点的梯度方向为，则此时它存在于梯度方向区间中，则它分配
在梯度方向区间的最大梯度方向为、分配到最小梯度方向的梯度幅值为，其中为像素点的梯度幅值，至此，即可得到每个图像块对应的方向梯度直方图，并得到每个图像块的h0g特征及h0g特征图像，需要说明的是，h0g特征的获取方式为现有技术，本实施例不再进行赘述，即利用三角公式获取hog特征图像中所有梯度方向的梯度幅值的水平梯度幅值分量和竖直梯度幅值分量，获取每个hog特征图像的整体梯度方向，整体梯度方向的计算公式为：式中，表示hog特征图像的整体梯度方向；表示hog特征图像的第个梯度方向的梯度幅值的水平梯度幅值分量；表示hog特征图像的第个梯度方向的梯度幅值的竖直梯度幅值分量；需要说明的是，式中，求和公式的上标9是hog特征图像的梯度方向的总数，且式中的水平梯度幅值分量和竖直梯度幅值分量基于指向方向是具有正负的，如梯度方向为40
°
时，其对应的梯度在水平方向（方向）的梯度幅值分量为正值，而梯度方向为150
°
时，其对应的梯度在水平方向（方向）的梯度幅值分量为负值，其次，整体梯度方向的计算公式为现有技术公式，本实施例不再赘述。
25.利用整体梯度方向的计算公式，同样的计算获得每个hog特征图像的8邻域范围内的hog特征图像的整体梯度方向，基于此，将hog特征图像与其邻域内每个hog特征图像对应的整体梯度方向，获取hog特征图像与其邻域内每个hog特征图像对应的整体梯度方向的方向偏差值，其中，hog特征图像与其邻域内每个hog特征图像对应的整体梯度方向的方向偏差值的计算公式：式中，表示hog特征图像与其邻域内的hog特征图像的整体梯度方向的方向偏差值；表示hog特征图像的整体梯度方向；表示hog特征图像的邻域内的hog特征图像的整体梯度方向；需要说明的是，当hog特征图像的整体梯度方向与其邻域内的hog特征图像的整体梯度方向偏差越大，即方向差值越接近90
°
，此时方向偏差值越大，从而表示这hog特征图像在hog特征图像局部区域中的标识性越明显，式中，分母 1是为了防止分母为0，至此，即得到了每个hog特征图像与其邻域内每个hog特征图像对应的整体梯度方向的方向偏差值。
26.基于hog特征图像与其邻域内每个hog特征图像对应的整体梯度方向的方向偏差值的计算公式，得到了hog特征图像与其邻域内每个hog特征图像对应的整体梯度方向的方向偏差值，然后依据方向偏差值来反映hog特征图像的邻域内标识性，进而依据方向偏差值
来对后续hog特征图像的局部范围内的重要程度进行调整，故根据方向偏差值及梯度幅值差值获取每个hog特征图像的第二重要程度包括：获取hog特征图像与其邻域内的hog特征图像在所有对应的梯度方向的梯度幅值差值的绝对值之和；获取梯度幅值差值的绝对值之和，与hog特征图像与其邻域内的对应的hog特征图像的整体梯度方向的方向偏差值的乘积；并将hog特征图像的邻域内所有的hog特征图像对应的梯度幅值差值的绝对值之和与整体梯度方向的方向偏差值的乘积之和作为hog特征图像的第二重要程度，其中，第二重要程度的计算公式为：式中，表示hog特征图像的第二重要程度；表示hog特征图像与其邻域内的hog特征图像的整体梯度方向的方向偏差值；表示hog特征图像在第个梯度方向的梯度幅值；表示hog特征图像的邻域内的hog特征图像在第个梯度方向的梯度幅值。
27.需要说明的是，本实施例中取邻域大小为8邻域，故以一个hog特征图像的8邻域范围在人脸图像中是具有相似性的，反映在hog特征图像中其梯度方向以及对应的梯度幅值都是相近的，当hog特征图像与其邻域范围内的其余hog特征图像在梯度方向以及对应的梯度幅值上都差异值很大，那么则说明该hog特征图像也具有高的标识性，即以本公式来反映hog特征图像在其邻域内的梯度的显著程度即第二重要程度。
28.s4、获取每个hog特征图像的综合重要程度；具体的，根据第一重要程度和第二重要程度获取每个hog特征图像的综合重要程度包括：设置第一重要程度和第二重要程度的权重均为0.5，将hog特征图像对应的第一重要程度乘0.5与hog特征图像对应的第二重要程度乘0.5相加得到hog特征图像的综合重要程度。
29.除此之外，本发明考虑到了在采集人脸信息时，采集场景下的受光线影响的问题，以及五官的立体特征，人的脸部或多或少都会存在阴影情况以及反光情况，这些因素会导致所得到的hog特征图像中，部分区域的特征并不完整，如鼻子区域一侧会出现阴影，进而使得hog特征图像中所有梯度幅值分布的特征减弱，进而使得其因局部特征得到的第二重要程度减小，最终会导致后续获取变化程度时，重要的hog特征图像所得到的变换程度较小，因此，需要对采集到的hog特征图像进行对应的调整。
30.故，本发明的一种用于终端身份认证的人脸数据加密传输方法，还包括：获取每个hog特征图像与关于人脸图像竖直中心线对称的目标hog特征图像；根据每个hog特征图像与对应的目标hog特征图像的整体梯度方向，获取hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度，如图2所示，hog特征图像与hog特征图像对称；根据hog特征图像与其邻域内的每个hog特征图像的整体梯度方向的方向偏差值，以及hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度，获取hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度；根据hog特征图像与
其邻域内的所有hog特征图像的整体梯度方向的方向偏差值的和值，判断是否进行邻域尺寸调整，并得到每个hog特征图像对应的最终邻域尺寸；根据每个hog特征图像对应的最终邻域尺寸的长度进行归一化得到hog特征图像的必要度；根据hog特征图像对应的必要度、整体梯度方向对称程度以及hog特征图像与对应的目标hog特征图像的梯度幅值之和，根据调整值对每个对应的hog特征图像的综合重要程度进行调整得到最终的综合重要程度。
31.其中，得到最终邻域尺寸包括：当hog特征图像与其邻域内的所有hog特征图像的整体梯度方向的方向偏差值的和值小于预设的和值阈值，则对hog特征图像的邻域尺寸进行增大得到增大后的目标邻域；获取hog特征图像与其目标邻域内的每个hog特征图像的整体梯度方向的方向偏差值的和值，将hog特征图像与其目标邻域内的每个hog特征图像的整体梯度方向的方向偏差值的和值大于或者等于预设的和值阈值时对应的目标领域的尺寸作为最终邻域尺寸，具体的，本实施例hog特征图像的3*3邻域范围内的特征图像的整体梯度方向的方向偏差值进行加和，即，表示hog特征图像与其3*3邻域范围内的所有特征图像的整体梯度方向的方向偏差值的和值，表示hog特征图像与其邻域内的hog特征图像的整体梯度方向的方向偏差值，本实施例设置和值阈值为（阈值实施者可以根据所用终端采集人脸图像时的分辨率，转为hog人脸数据模型时的精度设定大小等参数进行调整，这里给出经验值为500），若，则以邻域范围的长度增加步长2，得到增加后的邻域范围，即增加后的邻域范围为的邻域范围，计算hog特征图像的5*5邻域范围内的特征图像的整体梯度方向的方向偏差值进行加和，若，则继续增大邻域范围，直至时，此时的邻域范围为，则将作为最终邻域尺寸。
32.其中，得到hog特征图像的必要度包括：获取所有hog特征图像对应的最终邻域尺寸的长度中的对应的最终邻域尺寸的长度和最小邻域尺寸的长度；根据对应的最终邻域尺寸的长度、最小邻域尺寸的长度及每个hog特征图像对应的最终邻域尺寸的长度获取归一化后的hog特征图像对应的目标邻域尺寸；将目标邻域尺寸对应的长度作为hog特征图像的必要度，需要说明的是，同时考虑到人脸识别时，是基于局部特征进行识别，而如果只通过对称位置的幅值差异进行对应的调整，那么便会对部分不重要区域也进行调整，如头发，胡子，脸颊等区域，进而使得不重要区域与重要区域之间的差异减弱，因此，需要根据局部区域所具有的梯度方向特征所表现出来的标识性，来对hog特征图像的调整的必要度，具体的，hog特征图像的必要度计算公式为：式中，表示hog特征图像的必要度；表示所有hog特征图像对应的最终邻域尺寸的长度中的对应的最终邻域尺寸的长度的长度；表示所有hog特征图像对应的最终邻域尺寸的长度中的最小邻域尺寸的长度；表示hog特征图像的最终邻域尺寸的长度；需要说明的是，当hog特征图像所在邻域范围中整体梯度方向偏差值的累加值达
到阈值时，所需要的范围越大，则hog特征图像本身所处的局部位置其标识性越差，其在人脸识别中的重要程度越低，即需要进行调整的必要度也越小，其次，归一化公式为现有技术公式，本实施例不再赘述。
33.其中，hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度的计算公式为：式中，表示hog特征图像的邻域内的hog特征图像与对应的目标hog特征图像的邻域内，与hog特征图像位置对称的hog特征图像的方向对称程度；表示hog特征图像的邻域内的hog特征图像的整体梯度方向；表示hog特征图像对应的目标hog特征图像的邻域内，与hog特征图像位置对称的hog特征图像的整体梯度方向；表示取绝对值；需要说明的是，本实施例以人脸图像的竖直中心线为对称线，即人脸图像关于竖直中心线左右对称，本实施例规定水平朝右为0
°
，因此，竖直中心线即为90
°
，而左右对称以135
°
与45
°
为例，便是以90
°
为中心线进行对称的，因此，两个梯度方向的幅值之和的一半越接近90
°
，则表示这两个梯度方向呈左右对称的程度越高，式中分母加1是为了防止分母为0。
34.其中，获取hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度包括：获取hog特征图像与其邻域内的每个hog特征图像的整体梯度方向的方向偏差值，和hog特征图像的邻域内的每个hog特征图像与对应的目标hog特征图像的邻域内的对称位置的hog特征图像的方向对称程度的比值的和值；并将和值作为hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度，整体梯度方向对称程度的计算公式为：式中，表示hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度；表示hog特征图像与其邻域内的hog特征图像的整体梯度方向的方向偏差值；表示hog特征图像的邻域内的hog特征图像与对应的目标hog特征图像的邻域内，与hog特征图像位置对称的hog特征图像的方向对称程度；需要说明的是，方向对称程度越大，则hog特征图像与对应的目标hog特征图像在局部范围内的hog特征越呈左右对称，即方向对称程度越大，而整体梯度方向偏差值越大，反应在人脸图像中的左右对称位置上的两个点并不一定完全对应实际的对称位置，但对称位置仍保留整体梯度方向呈左右对称的特征，且因为局部相似性，8邻域范围内
所对应的人脸区域实际是较小的，因此，整体梯度方向应该都是很相近的，所以对于整体梯度方向偏差值较大的，其在这一局部位置的对称判断上的置信度很低，故方向偏差值与整体梯度方向对称程度为负相关关系。
35.其中，hog特征图像的调整值计算公式：式中，表示hog特征图像的调整值；表示hog特征图像的梯度幅值之和；表示hog特征图像对应的目标hog特征图像的梯度幅值之和；表示hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度；表示hog特征图像的必要度；表示取整符号；需要说明的是，当hog特征图像的梯度幅值之和大于或者等于其对应的目标hog特征图像的梯度幅值之和时，则调整值取1，调整值为1，即不需要调整，当hog特征图像的梯度幅值之和小于其对应的目标hog特征图像的梯度幅值之和时，说明需要调整，故在hog特征图像与其对应的目标hog特征图像在邻域范围内的整体梯度方向对称程度越大时，则表明hog特征图像与其对称位置的目标hog特征图像越对称，越对称，则对应的调整值越大，必要度越大时，对应的调整值也越大，对于hog特征图像的梯度幅值之和与其对应的目标hog特征图像的梯度幅值之和的比值越小，则说明需要调整的越大，故在比值越小时，对应的调整值越大。
36.其中，根据调整值、第一重要程度和第二重要程度获取每个hog特征图像的综合重要程度，综合重要程度的计算公式为：式中，表示hog特征图像的综合重要程度；表示hog特征图像的第一重要程度；表示hog特征图像的第二重要程度；表示归一化函数；表示hog特征图像的调整值；需要说明的是，第一重要程度、第二重要程度与重要程度成正相关，同时本实施例中认为第一重要程度、第二重要程度的重要性相等，因此，这里对第一重要程度、第二重要程度设置相同的权值0.5，其次，越大，则反应hog特征图像的自身的标识性越明显，越大，越表示hog特征图像在其邻域范围的局部标识性越大，局部标识性越大则说明hog特征图像的标识性越强，即综合重要程度越高越需要加密，考虑到终端采集人脸时的光线影响，导致hog特征图像在识别人脸数据时，本该重要的区域特征反而幅值较小，因此，通过计算
对称位置的hog特征图像之间的什么差异，来获得较小幅值的hog特征图像的调整值，避免了重要位置的hog特征图像得到的综合重要程度过小。
37.s5、获取每个图像块的最终hog特征图像；具体的，根据每个hog特征图像中每个梯度方向的梯度幅值均值、每个梯度方向的梯度幅值获取每个梯度方向的初始变换梯度幅值；利用每个hog特征图像中每个梯度方向的梯度幅值和每个梯度方向的初始变换梯度幅值获取每个hog特征图像中每个梯度方向的目标梯度幅值，根据每个梯度方向的初始变换梯度幅值和目标梯度幅值获取每个梯度方向的变换系数，根据每个梯度方向的变换系数和初始变换梯度幅值，以及hog特征图像的综合重要程度得到hog特征图像的每个梯度方向的最终变换梯度幅值，并根据所有最终变换梯度幅值得到每个图像块的最终hog特征图像。
38.由于，梯度方向直方图中存在部分幅值之间的差异程度很大，故需要将幅值较大的部分梯度幅值进行变换，从而便消除每个hog特征图像中梯度幅值差异大的部分，进而使得所有hog特征图像的方向梯度直方图都相近，故，将hog特征图像中每个梯度方向的梯度幅值与hog特征图像中对应梯度方向的梯度幅值均值作差得到每个梯度方向的初始变换梯度幅值，然后将每个梯度方向的梯度幅值减去每个梯度方向的初始变换梯度幅值即可得到每个方向变换后的梯度，即目标梯度幅值，并计算获得初始变换梯度幅值在变换后的目标梯度幅值中的占比并作为变换系数，由于梯度为矢量，故变换系数也是有正负的，最后计算变换后的最终变化梯度，每个梯度方向的最终变化梯度的计算公式为：式中，表示hog特征图像的第个梯度方向的最终变换梯度幅值；表示hog特征图像的第个梯度方向的初始变换梯度幅值；表示第个梯度方向的变换系数；表示hog特征图像的综合重要程度；需要说明的是，由于现有技术对方向梯度直方图进行了初步的归一化，但此时每个hog特征图像对应的方向梯度直方图之间的变换规律都一模一样的，所得到的密钥太过简单，虽然可以一定程度上对抗直方图统计分析的攻击方式，但是对于暴力破解的攻击方式的抵抗能力较弱，同时安全性也较低，因此，本实施例将综合重要程度作为变换系数的调整值，对变换系数进行调整，使得变换梯度幅值也发生调整，从而使得到最终hog特征图像安全性更高。
39.基于每个梯度方向的最终变化梯度的计算公式，能得到每个hog特征图像的所有最终变换梯度幅值，进而实现对每个综合重要程度不同的hog特征图像进行不同程度的方向梯度的变换，使得在同一个hog特征图内的多个方向梯度之间的幅值差异减小，同时也使这一hog特征图在其邻域范围内的标识性也降低。
40.s6、获取加密图像，并进行传输；具体的，根据所有最终hog特征图像得到加密图像，并将加密图像及每个最终hog特征图像对应的变换系数、综合重要程度进行传输。
41.其中，将每个最终hog特征图像置于人脸图像中对应的图像块位置得到加密图像，
将每个最终hog特征图像对应的变换系数、综合重要程度作为每个对应的最终hog特征图像的密钥进行存储，从而实现人脸图像的加密传输。
42.还包括：对加密数据进行解密，解密步骤包括：根据每个最终hog特征图像和对应的变换系数、综合重要程度获取hog特征图像的每个梯度方向的变换前的梯度；根据hog特征图像的每个梯度方向的变换前的梯度获取hog特征图像；根据所有hog特征图像得到人脸图像，每个梯度方向的变换前的梯度，其中，表示第个梯度方向的变换系数；表示hog特征图像的综合重要程度，表示最终hog特征图像的第个梯度方向的最终变换梯度幅值，由于每一个hog特征图像的最终变换梯度幅值都是基于自身hog特征以及其邻域内的局部hog特征所得到的，即基于第二重要程度和第一重要程度得到的综合重要程度得到的，故当一个hog特征图像的破解错误，会导致其后续的所hog特征图像的破解结果都是错误的，因此，破解时具有雪崩效应，从而使得加密数据的安全性较高。
43.本发明的一种用于终端身份认证的人脸数据加密传输方法，由于在人脸图像中不同的脸部器官对应的区域的梯度方向是不同的，故将人脸图像分为多个图像块，然后获取表征每个图像块的hog特征图像，以hog特征图像对应所有梯度方向的梯度幅值的标准差来反映hog特征图像的第一重要程度，标准差也越大，其梯度幅值差异越大，则对应的第一重要程度也越大，即第一重要程度反应的是hog特征图像的自身hog特征的重要程度，然后，利用hog特征图像与其邻域内所有hog特征图像的方向偏差值和梯度幅值差值来反映hog特征图像的第二重要程度，即第二重要程度反应的是hog特征图像与其领域的hog特征图像的hog特征的重要程度，故结合hog特征图像自身hog特征第一重要程度，与hog特征图像和其领域的hog特征图像的hog特征的第二重要程度和综合评价hog特征图像的综合重要程度，使得在遭受攻击时，一个hog特征图像的破解错误，会导致其后续的所hog特征图像的破解结果都是错误的，因此，破解时具有雪崩效应，从而使得基于综合重要程度进行加密得到的加密数据的安全性较高，其次，综合重要程度表征的是hog特征图像内梯度方向的显著性，由于人脸器官对应的区域的方向梯度区别于额头、脸颊区域，故人脸器官区域对应的hog特征图像存在显著的梯度方向，如果将其中显著的梯度方向的幅值大小进行变换，使得整张图像中每一个hog特征图像的梯度幅值相近，就会使得整张图像的所有hog特征图像之间相比都差异小，那么即使存储的加密数据被窃取，也不会被破解，故依据综合重要程度和每个梯度方向的变换系数来对hog特征图像的梯度进行变换得到最终变换梯度幅值，并根据最终变换梯度幅值得到每个图像块的最终hog特征图像，实现使得所有最终hog特征图像对应的梯度幅值相近，即利用hog特征图像的综合重要程度不同，实现了对不同hog特征图像进行不同程度的加密，进而提高了传输数据的安全性，同时，每个最终hog特征图像对应一个密钥，从而增加密钥的复杂度，保证了传输数据的安全性。
44.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。