一种加密后的人脸特征的匹配方法及装置与流程

1.本公开涉及数据处理技术领域，尤其涉及一种加密后的人脸特征的匹配方法及装置。


背景技术：

2.随着人脸识别技术的不断发展，人脸识别算法的种类也越来越多，而不同人脸识别算法之间是不兼容的。
3.目前，大部分企业在使用一种人脸识别算法时，需要召集相关人员，并利用该种人脸识别算法对相关人员进行人脸特征提取，以形成人脸特征库。后续，在进行人脸识别时，将获取的待识别用户的人脸特征与人脸特征库中的人脸特征进行比对，以确定待识别用户的身份。
4.然而，在不存储人脸图像以保护相关人员隐私的情况下，当企业想要切换使用另一种人脸识别算法时，则需要重新召集相关人员，利用另一种人脸识别算法对相关人员进行人脸特征提取，以形成新的人脸特征库，且为保护不同公司的算法识别内容不被泄露，通常在人脸特征库中保存加密后的人脸特征。这样，费时费力，不利于自由切换人脸识别算法。


技术实现要素：

5.本公开实施例提供一种加密后的人脸特征的匹配方法及装置，用以解决现有技术中存在的在未存储人脸图像的情况下，更换人脸识别算法时需要重新召集相关人员进行特征识别，重新创建加密后的人脸特征库，工作效率低且费时费力的问题。
6.本公开实施例提供的具体技术方案如下：
7.第一方面，提出一种加密后的人脸特征的匹配方法，包括：
8.获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征；
9.根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量；
10.确定所述特征加密向量与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积，其中，待匹配加密向量根据目标特征提取算法提取的目标人脸特征，与第二加密矩阵中各个第二加密向量之间点积结果生成，所述第二加密矩阵中包括采用所述目标特征提取算法从所述n个图像样本中提取的n个第二加密向量；
11.筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。
12.可选的，所述获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得
到的第一人脸特征，包括：
13.获取采集终端发送的待识别对象的第一人脸特征，其中，所述第一人脸特征是所述采集终端采用第一特征提取算法，对所述待识别对象进行特征提取后得到的；或者，
14.接收采集终端采集的待识别对象的人脸图像，采用第一特征提取算法对所述人脸图像进行特征提取，得到对应的第一人脸特征，并删除所述人脸图像。
15.可选的，所述根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，包括：
16.获取保存的第一加密矩阵，并依次计算所述第一加密矩阵中的各个第一加密向量，与所述第一人脸特征之间的点积结果；
17.确定所述各个第一加密向量在所述第一加密矩阵中的相对位置，并按照所述相对位置排列对应的各个点积结果后，生成与所述第一人脸特征对应的特征加密向量。
18.可选的，所述确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵，包括：
19.根据所述特征加密向量与所述第一人脸特征的对应关系、待匹配加密向量与采用目标特征提取算法提取出的目标人脸特征的对应关系，以及设置的采用所述第一特征提取算法提取的人脸特征与采用所述目标特征提取算法提取的人脸特征的对应关系，确定采用所述目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果；
20.根据所述特征点积结果中包括的所述特征加密向量与待匹配加密向量之间的组合关系，确定所述特征加密向量与所述待匹配加密向量之间的转换矩阵。
21.可选的，所述将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果之后，进一步包括：
22.获取筛选出的所述待匹配加密向量关联的身份信息，以及将所述身份信息作为所述待识别对象对应的信息。
23.第二方面，提出一种加密后的人脸特征的匹配装置，包括：
24.获取单元，获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征；
25.生成单元，根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量；
26.确定单元，确定所述特征加密向量与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积，其中，待匹配加密向量根据目标特征提取算法提取的目标人脸特征，与第二加密矩阵中各个第二加密向量之间点积结果生成，所述第二加密矩阵中包括采用所述目标特征提取算法从所述n个图像样本中提取的n个第二加密向量；
27.筛选单元，筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。
28.可选的，所述获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征时，所述获取单元具体用于：
29.获取采集终端发送的待识别对象的第一人脸特征，其中，所述第一人脸特征是所述采集终端采用第一特征提取算法，对所述待识别对象进行特征提取后得到的；或者，
30.接收采集终端采集的待识别对象的人脸图像，采用第一特征提取算法对所述人脸图像进行特征提取，得到对应的第一人脸特征，并删除所述人脸图像。
31.可选的，所述根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量时，所述生成单元具体用于：
32.获取保存的第一加密矩阵，并依次计算所述第一加密矩阵中的各个第一加密向量，与所述第一人脸特征之间的点积结果；
33.确定所述各个第一加密向量在所述第一加密矩阵中的相对位置，并按照所述相对位置排列对应的各个点积结果后，生成与所述第一人脸特征对应的特征加密向量。
34.可选的，所述确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵时，所述确定单元具体用于：
35.根据所述特征加密向量与所述第一人脸特征的对应关系、待匹配加密向量与采用目标特征提取算法提取出的目标人脸特征的对应关系，以及设置的采用所述第一特征提取算法提取的人脸特征与采用所述目标特征提取算法提取的人脸特征的对应关系，确定采用所述目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果；
36.根据所述特征点积结果中包括的所述特征加密向量与待匹配加密向量之间的组合关系，确定所述特征加密向量与所述待匹配加密向量之间的转换矩阵。
37.可选的，所述将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果之后，所述筛选单元进一步用于：
38.获取筛选出的所述待匹配加密向量关联的身份信息，以及将所述身份信息作为所述待识别对象对应的信息。
39.第三方面，提出一种电子设备，包括：
40.存储器，用于存储可执行指令；
41.处理器，用于读取并执行存储器中存储的可执行指令，以实现上述第一方面中任一项所述的加密后的人脸特征的匹配方法。
42.第四方面，提出一种计算机可读存储介质，当所述存储介质中的指令由电子设备执行时，使得所述电子设备能够执行上述第一方面中任一项所述的加密后的人脸特征的匹配方法。
43.本公开有益效果如下：
44.本公开实施例中，获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征，然后根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量，再确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积，其中，待匹配加密向量为采用目标特征提取算法提取的目标人脸特征，与采用所述目标特征提取算法从所述n个图像样本中提取的n个目标加密向量之间的点积结果，然后筛选
出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。这样，在未保存有人脸图像的情况下，将采用第一提取算法提取的第一人脸特征，加密处理为特征加密向量后，基于转换后的特征加密向量与保存的各个待匹配加密向量之间的向量点积，能够确定保存的各个待匹配加密向量中，与待识别对象匹配的向量结果，实现了基于加密后的人脸特征进行匹配操作，也就是说，在采用第一特征提取算法替代目标特征提取算法时，能够基于第一特征提取算法识别生成的特征加密向量和基于目标特征提取算法保存的各个待匹配加密特征，完成人脸特征的匹配，从而无需针对第一特征提取算法重新创建特征加密向量库，提高了工作效率，保证了对于特征提取算法的可替换性，避免耗费额外的人力成本和物力成本。
附图说明
45.图1为本公开实施例中加密后的人脸特征的匹配流程示意图；
46.图2为本公开实施例中一种人脸识别系统的架构示意图；
47.图3为本公开实施例中加密后的人脸特征的匹配装置的逻辑结构示意图；
48.图4为本公开实施例中加密后的人脸特征的匹配装置的实体结构示意图。
具体实施方式
49.为了使本公开的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本公开，并不用于限定本公开。
50.本领域技术人员知道，本公开的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
51.为了解决现有技术中存在的在未存储人脸图像的情况下，更换人脸识别算法时需要重新召集相关人员进行特征识别，重新创建加密后的人脸特征库，工作效率低且费时费力的问题，本公开提出一种加密后的人脸特征的匹配方法及装置，获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征，然后根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量，再确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积，其中，待匹配加密向量为采用目标特征提取算法提取的目标人脸特征，与采用所述目标特征提取算法从所述n个图像样本中提取的n个目标加密向量之间的点积结果，然后筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。
52.下面结合附图，对本公开实施例优选的实施方式进行进一步详细说明：
53.参考图1，其为本公开实施例中加密后的人脸特征的匹配流程示意图，下面结合附图1，对处理设备对加密后的人脸特征进行匹配操作的过程进行详细说明。
54.步骤101：获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的
第一人脸特征。
55.具体的，处理设备获取采用第一特征提取算法对待识别对象进行处理后，提取出的第一人脸特征，其中，所述处理设备可以采用包括但不限于以下任意一种的处理方式，获取第一人脸特征，其中，所述第一人脸特征可以表征为向量的形式，如，可以是n维行向量，或者，可以是n维列向量，n为正整数，且n的取值和第一人脸特征的向量形式根据实际配置需要而定。
56.方式一、获取采集终端发送的待识别对象的第一人脸特征。
57.具体的，获取采集终端发送的待识别对象的第一人脸特征，其中，所述第一人脸特征是所述采集终端采用第一特征提取算法，对所述待识别对象进行特征提取后得到的。
58.也就是说，在方式一的实现方式中，所述处理设备与所述采集终端关联使用，由所述采集终端采用第一特征提取算法对待识别对象进行特征提取后得到第一人脸特征，即，所述处理设备直接获取采集终端提取的所述待识别对象的第一人脸特征。
59.例如，假设采集终端为某公司出入口的闸机，当公司职员意图从闸机通过时，闸机作为采集终端采用第一特征提取算法，基于出现在识别区域内的公司职员的人脸，提取出对应的第一人脸特征，并将所述第一人脸特征发送至处理设备。
60.方式二、接收采集终端采集的待识别对象的人脸图像，采用第一特征提取算法对所述人脸图像进行特征提取，得到对应的第一人脸特征，并删除所述人脸图像。
61.具体的，处理设备接收采集终端采集的待识别对象的人脸图像，并采用第一特征提取算法对所述人脸图像进行特征提取，得到对应的第一人脸特征，并在特征提取结束后，删除所述人脸图像。
62.也就是说，在方式二的实现方式中，所述处理设备接收采集终端采集的人脸图像，并采用第一特征提取算法从所述人脸图像中提取出第一人脸特征，进而，为保护待识别对象的生物信息隐私，删除获取的所述待识别对象的人脸图像。
63.例如，假设采集终端为某公司出入口的闸机，当公司职员意图从闸机通过时，闸机作为采集终端采集出现在识别区域内的公司职员的人脸图像，并将所述人脸图像发送至处理设备，所述处理设备采用第一特征提取算法从所述人脸图像中提取出对应的第一人脸特征，并删除所述人脸图像。
64.步骤102：根据第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量。
65.处理设备获取采用第一特征识别算法对待识别对象进行人脸特征提取，得到的第一人脸特征后，根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量。
66.具体的，所述处理设备获取第一人脸特征后，获取保存的第一加密矩阵，并依次计算所述第一加密矩阵中的各个第一加密向量，与所述第一人脸特征之间的点积结果，再确定所述各个第一加密向量在所述第一加密矩阵中的相对位置，并按照所述相对位置排列对应的各个点积结果后，生成与所述第一人脸特征对应的特征加密向量。
67.需要说明的是，本公开实施例中，所述处理设备保存的第一加密矩阵，是采用所述第一特征提取算法，对n个图像样本进行特征提取后生成的，所述处理设备采用所述第一特
征提取算法，从每一个图像样本中提取出人脸特征，进而基于从n个图像样本中提取出的n个人脸特征，生成第一加密矩阵，其中，所述n个图像样本是固定设置的，本公开对所述n个图像样本的来源不做限制，可以是所述第一特征提取算法的使用规范中自带的图像，或者，可以是目标特征提取算法的使用规范中自带的图像，或者，可以是自行配置的图像。
68.例如，假设采用第一特征提取算法进行特征提取时，得到的是1*n的行向量，那么第一加密矩阵为由n个1*n的向量组成的矩阵，矩阵的维度为n*n；假设采用所述第一特征提取算法进行特征提取时，得到的是n*1的列向量，那么第一加密矩阵为由n个n*1的向量组成的矩阵，矩阵的维度为n*n，最终得到的特征加密向量用于表征进行特征提取后的得到的向量与第一加密矩阵中包含的各个向量之间的点积结果。
69.需要说明的是，本公开实施例中，假设对于采用第一特征提取算法提取的人脸特征的维度为1*n，采用目标特征提取算法提取的人脸特征的维度为1*m，那么，n和m的取值没有必然联系，n和m的取值根据实际的处理需要自行设置，在一些实施例中，n和m的取值可能相同，在另一些实施例中，n和m的取值可能不同，不公开在此不做过多限定，本公开下述的公式推导中仅以第一特征提取算法提取的向量为列向量的形式为例，进行示意性推导说明。
70.具体实施时，可以采用如下公式1.1所示意的，得到与第一人脸特征对应的特征加密向量：
[0071][0072]
其中，为处理得到的特征加密向量，为采用第一特征提取算法进行特征提取后，得到的人脸特征，ab为创建的第一加密矩阵。
[0073]
需要说明的是，对于创建的第一加密矩阵ab来说，在n个图像样本是固定的情况下，第一加密矩阵ab可以视为一个已知的矩阵，在实际的使用中，为采用第一特征提取算法从待识别对象中提取出的第一人脸特征。
[0074]
这样，借助于第一加密矩阵，相当于对提取的人脸特征进行了加密处理，使得后续的匹配过程中，不直接使用提取出的人脸特征进行匹配，一定程度上保护了第一特征提取算法提取的特征内容不被公开。
[0075]
步骤103：确定特征加密向量与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积。
[0076]
处理设备对采用第一特征提取算法对待识别对象提取的第一人脸特征，加密生成特征加密向量之后，确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵，其中，待匹配加密向量根据目标特征提取算法提取的目标人脸特征，与第二加密矩阵中各个第二加密向量之间点积结果生成，所述第二加密矩阵中包括采用所述目标特征提取算法从所述n个图像样本中提取的n个第二加密向量，所述待匹配加密向量为先前采用目标特征提取算法针对各个注册对象进行人脸特征提取后，基于同类型的加密方式进行加密后的得到。
[0077]
具体的，在确定转换矩阵时，所述处理设备根据所述特征加密向量与所述第一人脸特征的对应关系、待匹配加密向量与采用目标特征提取算法提取出的目标人脸特征的对
应关系，以及设置的采用所述第一特征提取算法提取的人脸特征与采用所述目标特征提取算法提取的人脸特征的对应关系，确定采用所述目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果，再根据所述特征点积结果中包括的所述特征加密向量与待匹配加密向量之间的组合关系，确定所述特征加密向量与所述待匹配加密向量之间的转换矩阵。
[0078]
具体实施时，所述处理设备首先确定采用第一特征提取算法提取的第一人脸特征与对应的特征加密向量的对应关系，以及确定采用目标特征提取算法提取出的目标人脸特征与保存的待匹配加密向量的对应关系，具体可以用如上述公式1.1和下述公式2.1表征：
[0079][0080]
其中，为待匹配加密向量，为采用目标特征提取算法进行特征提取后，得到的人脸特征，aa为采用目标特征提取算法对n个图像样本进行特征提取后，基于从n个图像样本提取出的n个人脸特征生成的第二加密矩阵。
[0081]
需要说明的是，本公开所谓的加密过程，实质上是计算提取出的人脸特征与设置的第一加密矩阵中各个第一加密向量之间的距离，也就是计算向量之间的点积。
[0082]
与此同时，所述处理设备建立采用所述第一特征提取算法提取的人脸特征，与采用所述目标特征提取算法提取的人脸特征的对应关系，具体可以如下述公
[0083]
式3、公式4.1和公式5表征：
[0084][0085]
qab≈aaꢀꢀꢀ
(公式4.1)
[0086][0087]
具体的，矩阵q为假设的能够将采用第一特征提取算法提取后直接保存的人脸特征：转换为采用目标特征提取算法提取后直接保存的人脸特征的矩阵，则基于同理的对应关系，矩阵q能够使第一加密矩阵：ab，转换为采用目标特征提取算法提取后生成的第二加密矩阵：aa，所述矩阵q能够使采用第一特征提取算法提取的人脸特征：转换为采用目标特征提取算法提取的人脸特征：
[0088]
进而所述处理设备基于上述的各个对应关系，确定采用所述目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果，再根据所述特征点积结果中包括的所述特征加密向量与待匹配加密向量之间的组合关系，确定所述特征加密向量与所述待匹配加密向量之间的转换矩阵。
[0089]
下面对本公开实施例中，采用上述各个对应关系，确定采用所述目标特征提取算法提取的人脸特征，与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果的过程进行说明：
[0090]
需要说明的是，本公开实施例中，求解采用目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果，相当于求解采用目标特征提取算法提取的人脸特征，与保存的各个目标特征算法直接提取的目标人脸特征之间的特征点积结果，公知的是，向量的点积结果在表征向量间距离的同时，能够表征向量之间的
相似度，故计算所述特征点积结果，相当于求解目标特征提取算法识别出的特征向量与对应已注册的各个对象的各个目标特征向量之间的相似度，其中，特征点积结果越大，表征特征向量之间的相似度越大。
[0091]
推导过程中，首先建立如下公式6.1所示意的采用目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果：
[0092][0093]
其中，表征采用目标特征提取算法提取的人脸特征，表征采用目标特征提取算法提取后直接保存的目标人脸特征，也就是说，相当于是采用目标特征提取算法对各个注册对象进行特征提取后，统一保存的特征。
[0094]
需要说明的是，本公开实施例中，采用的是加密后的人脸特征进行的匹配操作，而且保存的人脸特征也是进行加密处理后的，此处公式6.1所示意的仅是为了推导需要所假设的特征关系，为了表征基于目前公式6.1所示意的内容，能够实现人脸特征的匹配。
[0095]
将所述公式6.1中的替换为公式所示意的表示形式后，公式6.1可以整理如下公式6.2所示意的内容：
[0096][0097]
同时，基于公式4.1：qab≈aa所示意的内容，可将q表征为如下公式4.2所示意的内容：
[0098][0099]
需要说明的是，对于公式4.2中的是矩阵ab的广义逆，故不要求矩阵ab是方阵。
[0100]
进而在将公式4.2所表征的q，替换公式6.2中的q后，可得到公式6.3所示意的内容：
[0101][0102]
在上述公式6.3的基础上，根据向量点积与转置的转换关系，可以将公式6.3中的点积形式，变换为6.4中所示意的矩阵乘积形式：
[0103][0104]
进一步的，在公式6.4的基础上，对转置形式进行分解和合并，能够变换得到如下公式6.5所示意的转换形式：
[0105][0106]
进一步的，在公式6.5的基础上将上式的矩阵乘积形式，逆向转换为点积的形式后，可以得到公式6.6所示意的表示形式：
[0107][0108]
将公式2.1所示意的向量点积的形式，转换为矩阵相乘的形式时，公式2.1可以变换为如下公式2.2所示意的形式：
[0109][0110]
需要说明的是，本公开实施例中，是一个一维向量，具体以行向量或者列向量来表征，本公开不做过多限定，特殊的，在某些情况下，可以适应性地以行向量或列向量的形式表征。
[0111]
将上述公式6.6中的部分内容，用公式2.2进行替换后，可得到如下公式6.7所示意的内容：
[0112][0113]
又因为为单位矩阵，那么将所述单位矩阵引入公式6.7后，能够得到公式6.8所示意的内容如下：
[0114][0115]
再者，将公式1.1所示意的向量点积的形式，转换为矩阵乘积的形式时，公式1.1可以变换为如下公式1.2所示意的形式：
[0116][0117]
故，将公式1.2的内容替换上述公式6.8中对应的部分后，能够得到公式6.9示意的内容如下：
[0118][0119]
进一步的，根据公式4.2所示意的内容，可以拆解出得到对应的示意公式如公式4.3所示意的内容：
[0120][0121][0122]
故将公式4.3所示意的内容，替换公式6.9中的部分内容后，能够得到形如公式6.10的表示形式如下：
[0123][0124]
由于公式6.10中，故公式6.10可以整理为形如公式6.11所示意的内容：
[0125][0126]
对于公式6.11，可以将示意性的作为转换矩阵，所述转换矩阵可以象征性的表示为，用于对特征加密向量进行转换处理，使得通过计算转换后的特征加密向量与待匹配加密向量之间的向量点积，能够实现提取的特征与保存的各个特征的
相似度匹配。
[0127]
这样，能够通过推导由目标特征提取算法提取的人脸特征，与保存的由所述目标提取算法提取的目标人脸特征之间的特征点积结果，得到特征加密向量、待匹配加密向量，以及生成的第一加密矩阵之间的运算形式，也就是说，基于上述推导过程，能够将所述特征点积结果的求解过程，等价为求解转换后的特征加密向量与待匹配加密向量的向量点积的过程，实现了基于加密的人脸特征进行匹配操作。
[0128]
步骤104：筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。
[0129]
处理设备筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果，然后，所述处理设备获取筛选出的所述待匹配加密向量关联的身份信息，以及将所述身份信息作为待识别对象对应的信息。
[0130]
具体的，所述处理设备筛选出最大向量点积对应的待匹配加密向量，作为与提取的第一人脸特征匹配的向量，进而获取筛选出的待匹配加密向量关联的身份信息，并将所述身份信息作为待识别对象对应的信息。
[0131]
需要说明的是，本公开实施例中，所述待匹配加密向量可以存在于对应目标特征提取算法创建的待匹配加密向量库中。
[0132]
例如，继续以公司出入口闸机处的识别为例，处理设备保存有先前采用目标特征提取算法时提取的各个公司职员的待匹配加密人脸特征库，当该公司将提取算法由目标特征提取算法更换为第一特征提取算法时，为保证基于所述目标特征提取算法建立的待匹配加密人脸特征库能够支持对于公司职员的身份识别操作，在进行匹配操作时，首先采用第一特征提取算法，待识别的公司职员的第一人脸特征后，基于设置的第一加密矩阵，加密得到特征加密向量，并根据上述公式6.11所确定的转换矩阵和运行形式，计算所述公司职员与待匹配加密人脸特征库中各个待匹配加密人脸特征之间的向量点积，进而将最大的向量点积对应的待匹配加密人脸特征，确定为与所述公司职员最匹配的待匹配加密人脸特征，并确定该待匹配加密人脸特征所关联的身份信息，并将所述身份信息作为该公司职员的身份信息。
[0133]
基于同一发明构思，本公开提出的加密后的人脸特征匹配方法可以具体用于人脸识别系统中，下面对本公开涉及到的一些可能的应用场景进行说明。
[0134]
图2为本公开实施例中一种人脸识别系统的架构示意图，包括第一电子设备和第二电子设备，第一电子设备如闸机、门禁、摄像头(如球机、枪机、usb摄像头等)、手机、电脑等，第二电子设备如服务器、电脑等，第一电子设备和第二电子设备之间通过有线连接或者无线连接进行通信，其中：
[0135]
第一电子设备，用于获取目标人脸图像，利用第一特征提取算法提取目标人脸图像的人脸特征，得到第一人脸特征，向第二电子设备发送人脸识别请求，该人脸识别请求中包含第一人脸特征。
[0136]
其中，目标特征提取算法可以是预先约定的特征提取算法，也可以是强制规定的特征提取算法。
[0137]
第二电子设备，用于接收人脸识别请求，基于保存的各待匹配加密向量，对人脸识别请求中的第一人脸特征进行人脸识别处理。
[0138]
实际应用中，第二电子设备对第一人脸特征进行加密处理，使得得到的特征加密向量与保存的待匹配加密向量统一在相同的特征空间中，将特征加密向量转换为待匹配加密向量的目的即是将特征加密向量转换到该特征空间中，从而使得后续第二电子设备能够直接计算特征加密向量与每个待匹配加密向量之间的相似度。
[0139]
具体实施时，第二电子设备可计算基于特征矩阵处理后的特征加密向量与每个待匹配加密向量之间的点积结果，确定匹配的匹配加密向量，进而确定人脸识别结果。
[0140]
此外，第二电子设备还可将人脸识别结果发送给第一电子设备，以使第一电子设备基于人脸识别结果执行后续的业务流程。比如，控制闸机打开等操作。
[0141]
在一种可能的实施方式中，第一电子设备可以采用第一特征提取算法提取第一人脸特征，并将所述第一人脸特征加密生成特征加密向量，以及采用转换矩阵对特征加密向量进行加密处理；在一种可能的实现方式中，第一电子设备可以采用第一特征提取算法提取第一人脸特征，并将所述第一人脸特征发送至第二电子设备进行处理；在另一种可能的实施方式中，第二电子设备可以采用第一特征提取算法提取人脸特征，并将获得的人脸特征加密生成特征加密向量，并采用转换矩阵对特征加密向量进行加密处理。
[0142]
具体实施时，第一电子设备中可以安装一个公司的人脸识别产品，第二电子设备中安装另一个公司的人脸识别产品，或者，第一电子设备可以是一个公司的人脸识别产品，第二电子设备是另一个公司的人脸识别产品，再或者，第一电子设备中可以安装一个公司的一种人脸识别产品，第二电子设备中安装这个公司的另一种人脸识别产品。并且，无论哪种情况，进行人脸特征提取的第一特征提取算法与待匹配加密向量对应的特征提取算法(如目标特征提取算法)都是不同的特征提取算法。
[0143]
由于可以对利用第一特征提取算法提取的人脸特征进行加密后，转换得到能够与待匹配加密向量进行比对的向量，所以在只保存待匹配加密向量而不保存相应人脸图像的情况下，可以自由更换进行人脸特征提取的第一特征提取算法。
[0144]
需要说明的是，对第一人脸特征进行加密处理，得到能与待匹配加密向量进行比对的特征加密向量的过程，与本公开实施例中图1所示的流程中人脸特征的加密方式相同，本公开在此不再赘述。
[0145]
基于同一发明构思，参阅图3所示，其为本公开实施例中加密后的人脸特征的匹配装置的逻辑结构示意图，本公开实施例中提出一种加密后的人脸特征的匹配装置，包括：获取单元301，生成单元302，确定单元303，以及筛选单元304，其中，
[0146]
获取单元301，获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征；
[0147]
生成单元302，根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量；
[0148]
确定单元303，确定所述特征加密向量与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积，其中，待匹配加密向量根据目标特征提取算法提取的目标人脸特征，与第二加密矩阵中各个第二加密向量之间点积结果生成，所述第二加密矩阵中包括采用所述目
标特征提取算法从所述n个图像样本中提取的n个第二加密向量；
[0149]
筛选单元304，筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。
[0150]
可选的，所述获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征时，所述获取单元301具体用于：
[0151]
获取采集终端发送的待识别对象的第一人脸特征，其中，所述第一人脸特征是所述采集终端采用第一特征提取算法，对所述待识别对象进行特征提取后得到的；或者，
[0152]
接收采集终端采集的待识别对象的人脸图像，采用第一特征提取算法对所述人脸图像进行特征提取，得到对应的第一人脸特征，并删除所述人脸图像。
[0153]
可选的，所述根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量时，所述生成单元302具体用于：
[0154]
获取保存的第一加密矩阵，并依次计算所述第一加密矩阵中的各个第一加密向量，与所述第一人脸特征之间的点积结果；
[0155]
确定所述各个第一加密向量在所述第一加密矩阵中的相对位置，并按照所述相对位置排列对应的各个点积结果后，生成与所述第一人脸特征对应的特征加密向量。
[0156]
可选的，所述确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵时，所述确定单元303具体用于：
[0157]
根据所述特征加密向量与所述第一人脸特征的对应关系、待匹配加密向量与采用目标特征提取算法提取出的目标人脸特征的对应关系，以及设置的采用所述第一特征提取算法提取的人脸特征与采用所述目标特征提取算法提取的人脸特征的对应关系，确定采用所述目标特征提取算法提取的人脸特征与保存的待匹配加密向量对应的目标人脸特征之间的特征点积结果；
[0158]
根据所述特征点积结果中包括的所述特征加密向量与待匹配加密向量之间的组合关系，确定所述特征加密向量与所述待匹配加密向量之间的转换矩阵。
[0159]
可选的，所述将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果之后，所述筛选单元304进一步用于：
[0160]
获取筛选出的所述待匹配加密向量关联的身份信息，以及将所述身份信息作为所述待识别对象对应的信息。
[0161]
基于同一发明构思，参阅图4所示，其为本公开实施例中加密后的人脸特征的匹配装置的实体结构示意图，装置400包括处理组件422，其进一步包括一个或多个处理器，以及由存储器432所代表的存储器资源，用于存储可由处理组件422的执行的指令，例如应用程序。存储器432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件422被配置为执行指令，以执行上述方法。
[0162]
装置400还可以包括一个电源组件426被配置为执行装置400的电源管理，一个有线或无线网络接口450被配置为将装置400连接到网络，和一个输入输出(i/o)接口458。装置400可以操作基于存储在存储器432的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm或类似系统。
[0163]
基于同一发明构思，本公开实施例中基于加密后的人脸特征的匹配的实施例中提
供一种存储介质，当所述存储介质中的指令由电子设备执行时，使得所述电子设备能够执行上述任一种方法。
[0164]
综上所述，本公开实施例中，获取采用第一特征提取算法对待识别对象进行人脸特征提取后，得到的第一人脸特征，然后根据所述第一人脸特征与保存的第一加密矩阵中的各个第一加密向量的点积结果，生成与所述第一人脸特征对应的特征加密向量，其中，所述第一加密矩阵中包括采用所述第一特征提取算法对n个图像样本进行特征提取后，得到的n个第一加密向量，再确定所述特征加密向量，与保存的各个待匹配加密向量之间的转换矩阵，并计算采用所述转换矩阵处理后的所述特征加密向量，与所述各个待匹配加密向量之间的向量点积，其中，待匹配加密向量为采用目标特征提取算法提取的目标人脸特征，与采用所述目标特征提取算法从所述n个图像样本中提取的n个目标加密向量之间的点积结果，然后筛选出最大的向量点积对应的待匹配加密向量，并将筛选出的所述待匹配加密向量作为所述待识别对象匹配的向量结果。这样，在未保存有人脸图像的情况下，将采用第一提取算法提取的第一人脸特征，加密处理为特征加密向量后，基于转换后的特征加密向量与保存的各个待匹配加密向量之间的向量点积，能够确定保存的各个待匹配加密向量中，与待识别对象匹配的向量结果，实现了基于加密后的人脸特征进行匹配操作，也就是说，在采用第一特征提取算法替代目标特征提取算法时，能够基于第一特征提取算法识别生成的特征加密向量和基于目标特征提取算法保存的各个待匹配加密特征，完成人脸特征的匹配，从而无需针对第一特征提取算法重新创建特征加密向量库，提高了工作效率，保证了对于特征提取算法的可替换性，避免耗费额外的人力成本和物力成本。
[0165]
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0166]
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0167]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0168]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0169]
尽管已描述了本公开的优选实施例，但本领域内的技术人员一旦得知了基本创造
性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本公开范围的所有变更和修改。
[0170]
显然，本领域的技术人员可以对本公开实施例进行各种改动和变型而不脱离本公开实施例的精神和范围。这样，倘若本公开实施例的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。