1.一种隐私保护的表情识别方法,其特征在于,包括以下步骤:获取多幅彩色人脸图像,并对所述多幅彩色人脸图像进行预处理,得到所述多幅彩色人脸图像的颜色分量;
将所述颜色分量作为四元矩阵的虚部,构建第一四元数矩阵,并计算所述第一四元数矩阵的局部方差;
将所述局部方差作为四元矩阵的实部,将所述颜色分量作为四元矩阵的虚部,构建第二四元数矩阵;
采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理,生成实数矩阵;以及随机置乱所述实数矩阵,以进行卷积神经网络的训练,并利用训练好的卷积神经网络对所述彩色人脸图像识别验证;
其中,所述采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理,生成实数矩阵,包括:
采用所述四元数Gyrator变换对所述第二四元数矩阵进行随机相位编码,获得变换后的四元数矩阵;
提取所述变换后的四元数矩阵的四个分量,并将所述四个分量组合成实数矩阵。
2.根据权利要求1所述的隐私保护的表情识别方法,其特征在于,所述对所述多幅彩色人脸图像进行预处理,包括:对所述多幅彩色人脸图像进行人脸检测、剪切和归一化处理。
3.根据权利要求1所述的隐私保护的表情识别方法,其特征在于,所述第一四元数矩阵表示为:
R G B
qt(x,y)=fi(x,y)i+fi(x,y)j+fi(x,y)kR G B
其中,fi (x,y)、fi (x,y)、fi (x,y)为所述彩色人脸图像的红、绿、蓝三个颜色分量,i、j、k为虚数单位。
4.根据权利要求1所述的隐私保护的表情识别方法,其特征在于,所述局部方差的计算公式为:
其中,Ip为人脸图像像素点的邻域,大小为W1×W2,L=W1W2表示邻域内像素点的总数,表示邻域的平均灰度值,n为人脸图像的幅数。
5.根据权利要求1所述的隐私保护的表情识别方法,其特征在于,所述第二四元数矩阵表示为:
V R G B
ft(x,y)=fi(x,y)+fi(x,y)i+fi(x,y)j+fi(x,y)kv R G B
其中,fi 为第一四元数矩阵的局部方差,fi (x,y)、fi (x,y)、fi (x,y)为所述彩色人脸图像的红、绿、蓝三个颜色分量,i、j、k为虚数单位。
6.根据权利要求1所述的隐私保护的表情识别方法,其特征在于,所述实数矩阵为:其中,Ft表示变换后的四元数矩阵,运算符S(·)、X(·)、Y(·)和Z(·)表示分别提取四元数矩阵的第一、第二、第三和第四个分量。
7.根据权利要求1所述的隐私保护的表情识别方法,其特征在于,所述随机置乱所述实数矩阵,包括:
将所述实数矩阵左右分别与仅含0,1的矩阵相乘。
8.一种隐私保护的表情识别系统,其特征在于,包括:预处理模块,用于获取多幅彩色人脸图像,并对所述多幅彩色人脸图像进行预处理,得到所述多幅彩色人脸图像的颜色分量;
计算模块,用将所述颜色分量作为四元矩阵的虚部,构建第一四元数矩阵,并计算所述第一四元数矩阵的局部方差;
构建模块,用于将所述局部方差作为四元矩阵的实部,将所述颜色分量作为四元矩阵的虚部,构建第二四元数矩阵;
加密模块,用于采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理,生成实数矩阵;以及
识别验证模块,用于随机置乱所述实数矩阵,以进行卷积神经网络的训练,并利用训练好的卷积神经网络对所述彩色人脸图像识别验证;
其中,所述采用四元数Gyrator变换对所述第二四元数矩阵进行加密处理,生成实数矩阵,包括:
采用所述四元数Gyrator变换对所述第二四元数矩阵进行随机相位编码,获得变换后的四元数矩阵;
提取所述变换后的四元数矩阵的四个分量,并将所述四个分量组合成实数矩阵。
9.根据权利要求8所述的隐私保护的表情识别系统,其特征在于,所述预处理模块,包括:对所述多幅彩色人脸图像进行人脸检测、剪切和归一化处理。