[发明专利]一种分布式人脸认证信息生成方法、认证方法和装置

说明书

技术领域

本发明属于数据处理技术领域。

背景技术

当前，人脸识别技术已经有了很大的发展。目前市场上也出现了相当多种类的人脸识别系统及相关设备。但是，这些系统或设备都有一个共同点，即都需要将提前采集到的待识别的人脸的样本信息统一存储在整个系统的存储器或者分布式存储在不同的设备存储器中，形成人脸特征数据库，系统或者设备运行时，需要通过网络连接的方式，或者直接访问本地存储器的方式获取这些样本信息，从而实现人脸识别或人脸比对，完成人脸识别功能。

此外，随着机器学习技术的发展，现阶段识别效果较好人脸识别系统或设备，其人脸识别算法大多采用的是深度神经网络。其特点是需要大量的人脸数据进行训练。人脸数据库的量越大所耗费的训练时间越长，而且识别所耗费的运算时间也越长。随着时间的推移，所采集的人脸图片数据也会因为现实中原来主体的生物特征的变化而不准确。

因此，以上所描述的系统或设备，都存在着一些共性的问题：

1)识别均需要人脸数据库的支持。如果数据库存储在本地，增加了存储硬件成本，若存储服务器放在远端并通过网络连接来通讯，则在增加存储硬件成本的同时，还提高了系统部署复杂度。

2)难以搜集包含所有目标的人脸数据库。基于机器学习的识别算法，为了达到较好的识别效果，每次增加新的待识别人脸样本，都可能会需要重新调整神经网络参数。由于无法获得包含所有目标的人脸数据库并提前训练，因此，每次在对系统进行部署之前，都需要采集样本并进行训练，系统待识别人脸样本变动时，仍肯能要重新训练。这样，系统的部署复杂度以及维护成本进一步提高。

3)在大数量级的人脸识别数据库条件下，实现快速识别以及高精度识别会比较困难。神经网络算法自身的特点决定了，人脸数据库越大，识别时所需要的运算量越大，耗时越长，精度也会越来越低。

4)有侵犯隐私的法律道德风险。人脸特征信息属于个人敏感隐私信息，当前的系统或设备都需要在服务器或者设备本地存储器上存储待识别者的人脸特征信息，这样系统的实施，就无法回避个人隐私问题。

也正是以上提到的这些实际问题，为当前人脸识别系统或者设备的广泛使用带来了较多的困难。

发明内容

有鉴于此，本发明的一个目的是提供一种分布式人脸认证信息生成方法、用户鉴权方法和装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

本发明提供了一种分布式人脸认证信息生成方法，包括：

从目标人脸图片中提取人脸特征数据；

根据预设的策略为所述人脸特征数据生成授权信息；

根据二维码最大支持容量对所述人脸特征数据和所述授权信息进行压缩处理；

将压缩后的数据输入二维码生成器；

输出承载人脸认证信息的二维码。

较佳地，还包括对所述人脸特征数据和所述授权信息生成校验码的步骤；

在压缩处理时，根据二维码最大支持容量对所述人脸特征数据、所述授权信息和检验码一起进行压缩处理。

较佳地，将压缩后的数据输入二维码生成器之前，还对所述压缩后的数据进行加密处理。

较佳地，在提取人脸特征数据之前，还对采集到的人脸图片进行预处理，包括：

识别图片中的人脸区域，去除多余区域；

对人脸区域进行人脸对齐。

较佳地，还包括：以一摄像头现场采集目标人脸图片；或者，接收用 户上传的照片，从中获取目标人脸图片。

本发明还提供了一种分布式人脸认证方法，包括：

扫描并解析承载人脸认证信息的二维码；

从所述二维码中提取数据，包括第一人脸特征数据和授权信息；

采集人脸图片，从中提取出第二人脸特征数据；

比较所述第一人脸特征数据和所述第二人脸特征数据，当满足预定的阈值时，则判定人脸识别通过；否则判定认证不通过；

判断授权信息是否符合预设条件，如果符合，则判定授权信息通过；否则，判定认证不通过；

当人脸识别通过且授权信息通过时，判定认证通过。

较佳地，从所述二维码中提取的数据还包括校验码；在执行人脸识别步骤之前，先根据所述校验码对所述第一人脸特征数据和授权信息进行校验，如果校验通过再执行人脸识别；否则判定认证不通过。