[发明专利]基于图像处理技术的人脸隐私保护方法

说明书

本发明提供一种基于图像处理技术的人脸隐私保护方法，首先载入AFW数据集，利用CLM算法进行特征点处的局部特征提取和回归，计算与所述数据集特征点的马氏距离误差，反向传播微调参数，得到检测68个人脸关键点的参数模型；其次，载入待处理人脸图像和所述参数模型，利用该参数模型处理所述待处理人脸图像得到68个人脸关键点，将该68个人脸关键点按顺序分为N组轮廓点，对这N组轮廓点按一定规则进行遮挡处理；最后，将遮挡处理后的人脸图像送入RGB肤色模型进行逐行逐列扫描，当该人脸图像上的某一像素点的像素值满足条件时，则认为该像素点为皮肤；否则为非皮肤。实现了在医疗人脸识别数据库中对人脸隐私的有效合理保护。

技术领域

本发明属于人脸识别技术领域，具体涉及一种基于图像处理技术的人脸隐私保护方法。

背景技术

随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别，尤其是人脸识别技术在近十年中得到了飞速的发展。在医学诊断应用中，人脸识别通过提取患者脸部特定区域的测量数据，分析患者脸部模式并与疾病数据库进行比对，确定患者的疾病类型。人脸识别技术在医学诊断上的应用，可以减少疾病延迟诊断、医疗资源不足的问题，在部分研究中其对疾病的诊断正确率甚至高于相应领域的专家，有望日后用于疾病的早期筛查、提高临床诊断力。应用医学诊断的人脸识别的研究需要庞大的数据库，而目前医院对患者的数据进行采集，存储，使用以及管理等工作时，均缺乏相应的标准、规范以及监管，患者的隐私并不能得到有效合理的保护，此外，患者也并不会被告知其隐私信息被用于何处。

发明内容

针对上述现有技术的不足，本发明提出一种基于图像处理技术的人脸隐私保护方法，以实现在人脸识别数据库中对人脸隐私的保护。

为实现本发明的目的，本发明采用以下技术方案：

一种基于图像处理技术的人脸隐私保护方法，包括如下步骤：

S1，载入AFW数据集，利用CLM算法进行特征点处的局部特征提取和回归，以样本真实值计算与所述特征点的马氏距离作为误差，反向传播微调参数，得到检测68个人脸关键点的参数模型；

S2，载入待处理人脸图像和所述参数模型，利用该参数模型处理所述待处理人脸图像得到68个人脸关键点，将该68个人脸关键点按顺序分为N组轮廓点，对这N组轮廓点按预定规则进行遮挡处理；其中，N≥5；

S3，将遮挡处理后的人脸图像送入RGB肤色模型进行逐行逐列扫描，当该人脸图像上的某一像素点的像素值满足条件时，则认为该像素点为皮肤；否则为非皮肤，并将该像素点的像素值置为0。

优选地，所述N组轮廓点至少包括脸部轮廓、眉毛、眼睛以及嘴部轮廓。

优选地，所述步骤S2中，按预定规则进行遮挡处理的具体步骤为：

S21，对脸部轮廓进行遮挡处理，具体为：

设脸部轮廓第一个点坐标为(x₁,y₁)，最后一个点坐标为(x₁₈,y₁₈)，设置新增点a₁(x₀,y₀)，a₂(x₁₉,y₁₉)，其中，x₀，x₁₉分别是0，x‐1；其中x表示图片宽度值。获取第一个点和新增点a₁之间的斜率k₁，以及最后一个点和新增点a₂之间的斜率k₂，按下式计算a₁，a₂点的纵坐标：

y₀＝-x₁k₁+y₁