JP6651038B1 - 顔認識用の年齢プライバシー保護方法及びシステム - Google Patents

Abstract

【課題】顔認識技術の信頼性を向上させる顔認識用の年齢プライバシー保護方法及びシステムを提供する。【解決手段】顔認識用の年齢プライバシー保護方法は、顔画像を取得し、顔認識ネットワーク及び年齢認識ネットワークを呼び出してそれぞれ顔画像を認識して、第１顔認識結果及び第１年齢認識結果を取得するステップと、多層ニューラルネットワークを呼び出して顔画像を計算し、年齢隠し画像を取得するステップと、顔認識ネットワーク及び年齢認識ネットワークを呼び出して、それぞれ年齢隠し画像を認識して、第２顔認識結果及び第２年齢認識結果を取得するステップと、第１顔認識結果と第２顔認識結果が一致し且つ第１年齢認識結果と第２年齢認識結果との差が所定の閾値より大きいか否かを判断するステップと、否定の場合は、多層ニューラルネットワークを調整するステップと、肯定の場合は、年齢隠し画像を出力するステップとを含む。【選択図】図１

Description

本発明は画像処理技術分野に関し、特に顔認識用の年齢プライバシー保護方法及びシステムに関する。

人工知能分野の急速な発展に伴って、コンピュータ視覚の可用性はますます高まり、また、たとえば顔認証による支払い、携帯電話アンロック、高速鉄道の駅の自動改札等の各細分化された分野との統合もますます密接になっており、生活の至る所までコンピュータ視覚技術の応用に溢れている。
顔認証による支払い、携帯電話のアンロック、自動改札の幅広い使用からわかるように、顔認識の機能は、各大手企業や政府により広く受け入れられており、徐々に信用し信頼できる認証手段となっている。

しかし、顔画像の取得方法がシンプルで迅速であるため、カメラ等により顔画像をキャプチャー又は撮影することは、便利さをもたらす一方、顔画像に基づくプライバシー情報の損失も引き起こしてしまう。多くの場面において、ユーザーが画像収集装置の存在を知らないうちに、個人画像が取得されてしまっている。ディープラーニングの急速な発展に伴って、多層ニューラルネットワークを設計することで顔画像を効率的に認識することができる。様々な応用場面において、顔画像の様々な属性は十分な役割を果たし、ユーザーの個人属性情報は、消費者行為分析、教育学、市場調査等に用いることができる。現在、いくつかのハイテク企業により提供された顔認識アプリケーションからわかるように、アップロードした顔画像により、人を認識できるだけではなく、さらに、ユーザーの年齢という個人プライバシー属性情報を取得することもできる。従って、これらの顔認識技術を用いるいくつかの場合は、ユーザーの年齢情報が該ユーザーの知らないうちに濫用されてしまう可能性があり、それによりユーザーのプライバシーが侵害されてしまう。

従来技術には、重要部位又は重要点を遮蔽する手段で顔認識におけるユーザープライバシー情報を保護する技術はあるが、この技術はユーザープライバシー情報を保護する一方、顔画像の顔認識を正常に行うことができず、顔画像自体の可用性を失ってしまった。この技術は出発点が単一であり、顔画像の利用背景を考慮せずに、単純にユーザープライバシーを保護しようとするだけであり、顔画像が顔認識用であるとすると、従来の技術は、顔認識の精度を確保すると同時にユーザーの年齢情報を保護することはできない。

中国特許出願公開第106303233号明細書

本発明の実施例が解決しようとする技術課題は、顔認識用の年齢プライバシー保護方法及びシステムを提供することであり、顔認識精度を確保するとともに、ユーザーの年齢プライバシー情報を保護することができ、それにより顔認識技術の信頼性を向上させるものである。

上記技術課題を解決するために、本発明は顔認識用の年齢プライバシー保護方法を提供しており、
顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得るステップと、
多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得るステップと、
前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得るステップと、
前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整し、且つ上記ステップを繰り返し実行するステップと、
前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力するステップとを含む。

さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。

さらに、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。

さらに、前記した前記多層ニューラルネットワークを調整することは、具体的には、
設定された損失関数に基づいて前記多層ニューラルネットワークにおける各層間の接続加重を調整することである。

さらに、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を含む。

さらに、前記入力層と前記隠し層の第１層との間、前記隠し層の各層間、前記隠し層の最後の層と前記出力層との間はいずれも全接続方式で接続される。

同じ技術課題を解決するために、本発明は、さらに、第１認識モジュール、隠し画像計算モジュール、第２認識モジュール、ニューラルネットワーク調整モジュール及び画像出力モジュールを備える顔認識用の年齢プライバシー保護システムを提供しており、
前記第１認識モジュールは、顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得ることに用いられ、
前記隠し画像計算モジュールは、多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得ることに用いられ、
前記第２認識モジュールは、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得ることに用いられ、
前記ニューラルネットワーク調整モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整することに用いられ、
前記画像出力モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力することに用いられ、
さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。

さらに、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。

さらに、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を備える。

本発明は顔認識用の年齢プライバシー保護方法及びシステムを開示している。顔認識精度を確保するとともに、ユーザーの年齢プライバシー情報を保護することができる。本発明はトレーニングされた顔認識ネットワークと年齢認識ネットワークを呼び出すことで、それぞれ元の画像を認識し、且つそれぞれ多層ニューラルネットワークで隠し計算した後の画像を認識し、次に認識結果について、顔認識が正常であり且つ年齢認識の誤差が予め設定された閾値より大きくなるという条件を満たすか否かを比較し、満たさない場合、条件を満たすまで前記多層ニューラルネットワークを連続的に調整し、条件を満たす年齢情報隠し画像を最終的に出力する。本発明は顔認識システムに適用でき、顔の正常な認識を確保すると共に、ユーザーの年齢プライバシー情報が不正確に認識されることを確保することができ、それにより顔認識技術の信頼性を効果的に向上させる。

は本発明の実施例１に係る顔認識用の年齢プライバシー保護方法のフローチャートである。 は本発明の実施例１に係る顔認識用の年齢プライバシー保護方法の他のフローチャートである。 は本発明の実施例１に係る顔認識用の年齢プライバシー保護システムの構造模式図である。

以下、本発明の実施例における図面を参照しながら、本発明の実施例について明確且つ完全に説明する。無論、説明される実施例は本発明の実施例の一部であり、実施例の全てではない。本発明の実施例に基づき、当業者が進歩性のある労働を必要とせずに得られる他の実施例は、いずれも本発明の保護範囲に属する。

図１に示すように、本発明の実施例は顔認識用の年齢プライバシー保護方法を提供しており、以下のステップを含む。
ステップＳ１、顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得て、
該ステップは顔認識ネットワークと年齢認識ネットワークを呼び出してそれぞれ取得した顔画像を認識し、元の顔画像の第１顔認識結果と第１年齢認識結果を得ることに用いられる。

本発明の実施例においては、さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。顔認識ネットワークと年齢認識ネットワークは与えられたデータセットによりトレーニングされ、且つネットワークパラメータが固定されている。与えられた元の顔画像に対して、顔認識ネットワークは、元の顔画像における人の顔がどのユーザーに対応するかを正確に認識することができ、年齢認識ネットワークは元の顔画像におけるユーザーの年齢を正確に認識することができる。たとえば、データセットにおけるあるサンプル画像について、対応する目標出力結果が張三、２５歳とすると、認識ネットワークをトレーニングした後、顔認識ネットワークで該サンプル画像を認識すると、該ユーザーが張三であることを正確に認識することができ、年齢認識ネットワークで該サンプル画像を認識し、該ユーザーの年齢が２５歳であることを認識することができる。

なお、一般的には、ニューラルネットワークに対して、初期においてはたとえば異なる層の間のニューロンの加重等のパラメータのネットワーク内におけるパラメータが固定されていない。トレーニングプロセスは、サンプル画像及び対応する目標出力を含み、たとえば年齢認識ネットワークの入力が顔画像、出力が画像に対応するユーザー年齢であるデータセットを与え、トレーニングの際には、このニューラルネットワークが動作する時に生成する出力結果をデータセットにおける目標出力と一致させるように、パラメータの数値を連続的に調整することである。本発明の実施例における顔認識ネットワークと年齢認識ネットワークのネットワークパラメータがいずれもトレーニングされたことは、いくつかのデータセットにより固定されたパラメータを生成したことを意味する。

ステップＳ２、多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得て、
本発明の実施例においては、該ステップは、多層ニューラルネットワークを呼び出して元の顔画像を計算し、年齢隠し画像を得ることに用いられる。好ましくは、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を含む。好ましくは、前記入力層と前記隠し層の第１層との間、前記隠し層の各層間、前記隠し層の最後の層と前記出力層との間はいずれも全接続方式で接続され、初期においてこれらの接続加重へランダムに値を割り当てる。前記多層ニューラルネットワークは実際の需要に応じて自動的に設計することができ、隠し層の層数、各層のノード数、ノード間の接続方式、初期パラメータの生成等は、いずれも適切且つ柔軟に設計できることが理解されるべきである。

なお、本発明の実施例においては、画像の大きさがｍ＊ｎであり、すなわちｍ＊ｎ個の画素点を含むと仮定すると、前記入力層がｍ＊ｎ個のノードを含み、出力層がｍ＊ｎ個のノードを含み、隠し層が合計ｋ層であり、隠し層の各層のノード数が任意数に設定することができる。多層ニューラルネットワークに対して、入力層と出力層がいずれもｍ＊ｎ個のノードを含み、従って計算して得られた年齢隠し画像のサイズが入力した元の顔画像のサイズと一致していることが理解されるべきである。

ステップＳ３、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得て、
本発明の実施例においては、該ステップは、前記顔認識ネットワークと年齢認識ネットワークを呼び出してステップＳ２で計算して得られた年齢隠し画像を認識し、それぞれ第２顔認識結果と第２年齢認識結果を得ることに用いられる。

ステップＳ４、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整し、且つステップＳ１−Ｓ３を繰り返して実行し、
本ステップでは、認識ネットワークの前後２回の認識結果を比較し、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、上部の多層ニューラルネットワークを調整する必要がある。第１顔認識結果が第２顔認識結果と一致しないと、顔認識精度が確保されず、すなわち顔認識ネットワークが正常に顔認識できていないことを示し、この場合、前後の年齢認識結果にかかわらず、多層ニューラルネットワークを調整する必要があり、第１年齢認識結果と第２年齢認識結果との差値が予め設定した閾値以下であると、人の顔における年齢プライバシー情報が隠し保護されていないことを示し、この場合、前後の顔認識結果が一致するか否かにかかわらず、多層ニューラルネットワークを調整する必要があることを理解されるべきである。前記多層ニューラルネットワークを調整しトレーニングする最終目的は、入力した元の顔画像を計算し年齢隠し画像を得て、且つ年齢隠し画像を顔認識ネットワークで正常に認識して正確なユーザーを得られる一方、年齢隠し画像から年齢認識ネットワークで年齢プライバシー情報を正確に認識できないことであることが理解されるべきである。

本発明の実施例においては、好ましくは、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。さらに、前記した前記多層ニューラルネットワークを調整することは、具体的には、設定された損失関数に基づいて前記多層ニューラルネットワークにおける各層間の接続加重を調整することである。なお、多層ニューラルネットワークのパラメータ調整方式は、バックプロパゲーション法で調整することを含むがそれに限らず、損失関数の設計及びバックプロパゲーション法によるネットワーク加重に対する調整はディープラーニングでの常用技術であり、本発明では詳細な説明は省略する。

なお、本ステップでは前記多層ニューラルネットワークを調整した後、上記ステップＳ１−Ｓ３を繰り返し、続いて次の認識結果の判断を行う必要があり、判断結果が本ステップにおける判断条件と依然として一致していない場合、多層ニューラルネットワークを継続調整し上記ステップＳ１−Ｓ３を繰り返し続け、判断結果が本ステップにおける判断条件と一致していないと、次のステップを実行する。

ステップＳ５、前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力する。

本ステップでは、第１顔認識結果が第２顔認識結果と一致し且つ第１年齢認識結果と第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、最終的な年齢隠し画像を出力する。すなわち、多層ニューラルネットワークで計算して得られた年齢隠し画像は、顔認識の精度を確保できる一方、ユーザーの年齢プライバシー情報が年齢認識ネットワークにより正確に認識されないことを確保することを示す。前記予め設定した閾値は好みに応じて自由に設定することができ、たとえば、閾値を５に設定すると、この場合、第１年齢認識結果と第２年齢認識結果との差値が５以下である時、年齢隠し画像が年齢認識ネットワークにより正確に認識されていると見なされ、すなわち年齢隠し画像がユーザーの年齢プライバシー情報を保護できていないことを示し、第１顔認識結果が第２顔認識結果と一致し且つ第１年齢認識結果と第２年齢認識結果との差値が５より大きくなると、最終的に計算して得られた年齢隠し画像を出力するまで多層ニューラルネットワークを調整する必要があることが理解されるべきである。

図２に示すように、本発明の実施例においては、図２中、１０１は入力した顔画像Ｘであり、１０２は多層ニューラルネットワークＡであり、１０３は顔画像Ｘを多層ニューラルネットワークＡで計算して得られた一時出力画像Ｙ（すなわち年齢隠し画像）であり、１０４は、顔画像Ｙを認識し、トレーニングされた年齢認識ネットワークＢであり、１０５は、顔画像Ｙを認識し、トレーニングされた顔認識ネットワークＣであり、１０６は以上の認識結果を判断することであり、判断条件は、年齢認識ネットワークＢがそれぞれ顔画像Ｘと一時出力画像Ｙを認識し、得られた２つの結果の差値が予め設定された閾値Ｋより大きく、顔認識ネットワークＣが顔画像ＸとＹを認識して得られた結果が同じであることであり、１０７は判断条件を満たさないと、設計された損失関数により、バックプロパゲーション法で多層ニューラルネットワークＡのパラメータを調整することであり、１０８は判断条件を満たすと、顔画像Ｙを出力することである。１０７でニューラルネットワークパラメータを調整した後、顔画像Ｘを繰り返して計算し、出力条件を満たすまで計算と認識プロセスを繰り返す。

本発明のステッププロセスと動作原理についてより良く説明するために、以下、具体的な数値設計の実施例について説明する。

データセットから、名字が張三で、年齢が２５歳のユーザーに対応し、大きさが１００＊５０の顔画像Ｘを選択する。年齢認識ネットワークＢと顔認識ネットワークＣが予めトレーニングされたため、年齢認識ネットワークＢは画像Ｘを正確に分類することができ、すなわちＢ（Ｘ）＝２５歳であることが得られ、顔認識ネットワークＣは画像Ｘを正確に認識することができ、すなわちＣ（Ｘ）＝張三であることが得られる。

本実施例において設計された多層ニューラルネットワークＡは、２つの隠し層を含み、入力層は１００＊５０＝５０００個のノード、第１隠し層は１０００個のノード、第２隠し層は１０００個のノード、出力層は１００＊５０＝５０００個のノードを有する。入力層の５０００個のノードが第１隠し層の１０００個のノードに全接続され、すなわち５０００＊１０００本の辺を有し、各辺の加重は値がランダムに割り当てられ、第１隠し層の１０００個のノードが第２隠し層の１０００個のノードに全接続され、すなわち１０００＊１０００本の辺を有し、各辺の加重は値がランダムに割り当てられ、第２隠し層の１０００個のノードが出力層５０００個のノードに全接続され、すなわち１０００＊５０００本の辺を有し、各辺の加重は値がランダムに割り当てられる。

画像Ｘに対して、多層ニューラルネットワークＡで計算し、サイズが１００＊５０の顔画像Ｙを得て、それぞれ年齢認識ネットワークＢと顔認識ネットワークＣを呼び出して画像Ｙを認識する。年齢認識誤差の閾値Ｋ＝５と設定した場合、年齢認識ネットワークＢを呼び出して２枚の画像から認識したユーザー年齢差が５歳以上である場合は、すなわち、｜Ｂ（Ｘ）−Ｂ（Ｙ）｜＞５となり、ユーザーの年齢プライバシーが保護され、そうでなければ、ユーザーの年齢プライバシーが漏れる。

年齢認識ネットワークＢと顔認識ネットワークＣを呼び出してそれぞれ画像ＸとＹを認識した後、Ｂ（Ｙ）＝３１（Ｂ（Ｙ）−Ｂ（Ｘ）＝６＞５）、且つＣ（Ｙ）＝張三とすると、システムは画像Ｙを出力し、画像Ｙが顔認識の正確性を確保できる一方、年齢情報認識にエラーが出ることが確保されるため、ユーザーの年齢プライバシー情報が保護される。Ｂ（Ｙ）と２５との差が５より小さく、たとえばＢ（Ｙ）＝２７、又はＣ（Ｙ）が張三に等しくない（例えばＣ（Ｙ）＝李四）場合、設計された損失関数に基づいて多層ニューラルネットワークＡのすべての辺の加重を調整して計算し、その調整方法はディープラーニングにおいて用いられたバックプロパゲーションアルゴリズムである。多層ニューラルネットワークＡのパラメータを調整した後に顔画像Ｘを再計算し、生成する画像Ｙが、Ｂ（Ｙ）とＢ（Ｘ）との差値が５より大きく且つＣ（Ｙ）＝張三を満たすまで、上記プロセスを繰り返し、画像Ｙを生成して認識認証する。

本発明の実施例においては、本発明は多層ニューラルネットワークをトレーニングすることで、顔認識システムが顔認識の正確性を確保する一方、ユーザー年齢情報を不正確に認識することと確保し、従来の顔認識におけるプライバシー保護方法に比べて、本発明の生成した年齢隠し画像は顔画像自体の可用性を損なうことはないことが理解されるべきである。本発明は異なるタイプ、異なる構造の顔認識ネットワークと年齢認識ネットワークに適用でき、対応する多層ニューラルネットワークに指向的なトレーニングを行うことができ、使用適合性が高い。

図３に示すように、同じ技術課題を解決するために、本発明は、さらに、第１認識モジュール、隠し画像計算モジュール、第２認識モジュール、ニューラルネットワーク調整モジュール及び画像出力モジュールを備える顔認識用の年齢プライバシー保護システムを提供しており、
前記第１認識モジュールは、顔画像を取得し、且つ顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を得ると同時に、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を得ることに用いられ、
前記隠し画像計算モジュールは、多層ニューラルネットワークを呼び出して前記顔画像を計算して年齢隠し画像を得ることに用いられ、
前記第２認識モジュールは、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を得ると同時に、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を得ることに用いられ、
前記ニューラルネットワーク調整モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致しないと判断し、又は前記第１年齢認識結果と前記第２年齢認識結果との差値が予め設定した閾値以下であると判断した場合、前記多層ニューラルネットワークを調整することに用いられ、
前記画像出力モジュールは、前記第１顔認識結果が前記第２顔認識結果と一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差値が前記予め設定した閾値より大きいと判断した場合、前記年齢隠し画像を出力することに用いられる。

本発明の実施例においては、さらに、前記顔認識ネットワークは与えられたデータセットに基づいてトレーニングして得られるものであり、前記年齢認識ネットワークは前記データセットに基づいてトレーニングして得られるものであり、前記データセットはサンプル画像、前記サンプル画像に対応する目標出力結果を含む。

本発明の実施例においては、さらに、前記多層ニューラルネットワークを調整する時に、バックプロパゲーション法で調整する。

本発明の実施例においては、さらに、前記多層ニューラルネットワークは、入力層、層数が１より大きい隠し層及び出力層を含む。

以上から、本発明の実施例を実施すると、下記有益な効果を有する。
本発明の実施例は、顔認識用の年齢プライバシー保護方法及びシステムを開示している。顔認識精度を確保するとともに、ユーザーの年齢プライバシー情報を保護することができる。本発明は、トレーニングされた顔認識ネットワークと年齢認識ネットワークを呼び出すことで、それぞれ元の画像を認識し、且つそれぞれ多層ニューラルネットワークで秘匿計算した後の画像を認識し、次に認識結果は、顔認識が正常であり且つ年齢認識誤差が予め設定された閾値より大きい条件を満たすか否かを比較し、満たさない場合は、条件を満たすまで前記多層ニューラルネットワークを連続的に調整し、条件を満たす年齢情報隠し画像を最終的に出力する。本発明は顔認識システムに適用でき、人の顔の正常な認識を確保する一方、ユーザーの年齢プライバシー情報の不正確な認識を確保することができ、それにより顔認識技術の信頼性を効果的に向上させる。

以上は本発明の好適な実施の形態である。ただし、当業者であれば、本発明の原理から逸脱することなく、複数の改良や修正ができ、これらの改良や修正も本発明の保護範囲とすべきである。

Claims (10)

1. 顔認識用の年齢プライバシー保護方法であって、
   顔画像を取得し、顔認識ネットワークを呼び出して前記顔画像を認識して、第１顔認識結果を取得するとともに、年齢認識ネットワークを呼び出して前記顔画像を認識して、第１年齢認識結果を取得するステップと、
   多層ニューラルネットワークを呼び出して、前記顔画像を計算し、年齢隠し画像を取得するステップと、
   前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して、第２顔認識結を取得するとともに、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して、第２年齢認識結果を取得するステップと、
   前記第１顔認識結果と前記第２顔認識結果が一致せず、又は、前記第１年齢認識結果と前記第２年齢認識結果との差が所定の閾値以下であると判断する場合、前記多層ニューラルネットワークを調整し、上記ステップを繰り返して実行するステップと、
   前記第１顔認識結果と前記第２顔認識結果が一致し、且つ前記第１年齢認識結果と前記第２年齢認識結果との差が前記所定の閾値より大きいと判断する場合、前記年齢隠し画像を出力するステップを含むことを特徴とする顔認識用の年齢プライバシー保護方法。
2. 前記顔認識ネットワークは、所定のデータセットに基づいて訓練して得るものであり、前記年齢認識ネットワークは、前記データセットに基づいて訓練して得るものであり、前記データセットは、サンプル画像、前記サンプル画像に対応する目的出力結果を含むことを特徴とする請求項１に記載の顔認識用の年齢プライバシー保護方法。
3. 前記多層ニューラルネットワークを調整するときに、バックプロパゲーション法を用いて調整することを特徴とする請求項１に記載の顔認識用の年齢プライバシー保護方法。
4. 前記多層ニューラルネットワークを調整する前記ステップは、具体的には、
   設定された損失関数に基づいて前記多層ニューラルネットワークにおける各層間の結合重みを調整することを特徴とする請求項１に記載の顔認識用の年齢プライバシー保護方法。
5. 前記多層ニューラルネットワークは、入力層、隠れ層及び出力層を備え、前記隠れ層の層数が１以上であることを特徴とする請求項１に記載の顔認識用の年齢プライバシー保護方法。
6. 前記入力層と前記隠れ層の第１層との間、前記隠れ層の各層間、前記隠れ層の最後層と前記出力層との間は、いずれも全結合方式で結合されていることを特徴とする請求項５に記載の顔認識用の年齢プライバシー保護方法。
7. 顔認識用の年齢プライバシー保護システムであって、第１認識モジュール、隠し画像計算モジュール、第２認識モジュール、ニューラルネットワーク調整モジュール、及び画像出力モジュールを備え、
   前記第１認識モジュールは、顔画像を取得し、顔認識ネットワークを呼び出して前記顔画像を認識して第１顔認識結果を取得するとともに、年齢認識ネットワークを呼び出して前記顔画像を認識して第１年齢認識結果を取得することに用いられ、
   前記隠し画像計算モジュールは、多層ニューラルネットワークを呼び出して、前記顔画像を計算し、年齢隠し画像を取得することに用いられ、
   前記第２認識モジュールは、前記顔認識ネットワークを呼び出して前記年齢隠し画像を認識して第２顔認識結果を取得するとともに、前記年齢認識ネットワークを呼び出して前記年齢隠し画像を認識して第２年齢認識結果を取得することに用いられ、
   前記ニューラルネットワーク調整モジュールは、前記第１顔認識結果と前記第２顔認識結果が一致せず、又は、前記第１年齢認識結果と前記第２年齢認識結果との差が所定の閾値以下であると判断する場合、前記多層ニューラルネットワークを調整することに用いられ、
   前記画像出力モジュールは、前記第１顔認識結果と前記第２顔認識結果が一致し且つ前記第１年齢認識結果と前記第２年齢認識結果との差が前記所定の閾値より大きいと判断する場合、前記年齢隠し画像を出力することに用いられることを特徴とする顔認識用の年齢プライバシー保護システム。
8. 前記顔認識ネットワークは、所定のデータセットに基づいて訓練して得るものであり、前記年齢認識ネットワークは、前記データセットに基づいて訓練して得るものであり、前記データセットは、サンプル画像、前記サンプル画像に対応する目的出力結果を含むことを特徴とする請求項７に記載の顔認識用の年齢プライバシー保護システム。
9. 前記多層ニューラルネットワークを調整するときに、バックプロパゲーション法を用いて調整することを特徴とする請求項７に記載の顔認識用の年齢プライバシー保護システム。
10. 前記多層ニューラルネットワークは、入力層、隠れ層及び出力層を備え、前記隠れ層の層数が１以上であることを特徴とする請求項７に記載の顔認識用の年齢プライバシー保護システム。