龐寅

1.數(shù)字水印技術(shù)簡介

水印是“制造過程中壓在紙上的半透明設(shè)計，紙張對光時可見”。如果您有一個重要打印文件（如對某輛汽車的資格證書），希望確保別人不能僅通過在激光復(fù)印機(jī)上打印出一個副本便聲稱擁有您的汽車。這種文檔上的水印便可以驗證其真實性。

人類視覺系統(tǒng)（HVS）在視覺感知及人類聽覺系統(tǒng)（HAS）在聽覺感知方面是極為有限的，要實現(xiàn)水印數(shù)字信號的隱藏性，相當(dāng)于在較強(qiáng)信號載體下添加一個較弱的具有指定意義的信號，而這個添加的信號強(qiáng)度必須低于HVS和HAS的感知極限。目前，如何對水印信號通過水印嵌入算法進(jìn)行相應(yīng)調(diào)整是數(shù)字水印技術(shù)領(lǐng)域的重點研究方向。

2.人臉識別領(lǐng)域中的數(shù)字水印技術(shù)應(yīng)用

2.1人臉識別技術(shù)的研究背景

隨著數(shù)字水印技術(shù)在實際應(yīng)用中凸顯出來的重要作用，人臉識別技術(shù)作為一種基于數(shù)字水印技術(shù)的有效生物特征識別技術(shù)，2001年“911”襲擊之后，安全技術(shù)領(lǐng)域在全世界絕大多數(shù)國家之間引起了更廣泛的關(guān)注，其中包括驗證身份的手段之一：人臉識別技術(shù)。

2.2ORL人臉圖像數(shù)據(jù)庫樣本人臉識別步驟

針對目前國內(nèi)外采用的人臉圖像識別算法時間復(fù)雜度高，較為敏感且容易發(fā)生無法識別的情況，本論文采用的用于人臉圖像匹配的技術(shù)基本實現(xiàn)過程如下：

2.2.1對所有待測人臉原始圖像進(jìn)行DCT變換；

2.2.2從ORL人臉圖像數(shù)據(jù)庫中選取10個正常表情人臉圖像作為原始人臉圖像進(jìn)行測試，根據(jù)最低有效位算法（1east significant bits，LSB）原理，選取其中一個原始人臉圖像中低頻部分的前8x8個系數(shù)，而后在選取的8x8個系數(shù)中尋找一個抗攻擊的特征向量，使用Matlab或同等軟件產(chǎn)生一組長度為64bit的偽隨機(jī)水印二值序列，其中值為+1或0，并與原始人臉圖像的特征向量通過密碼學(xué)哈希函數(shù)進(jìn)行關(guān)聯(lián)以實現(xiàn)零水印嵌入。

2.2.3檢測階段，第一步通過Matlab獲取待測人臉圖像的特征向量，然后計算待測人臉圖像和原始人臉圖像的特征向量的相關(guān)系數(shù)的最大值，并且使用相關(guān)系數(shù)最大值對應(yīng)的人臉圖像序號實現(xiàn)人臉選擇檢測。

2.2.4將待測人臉圖像特征向量通過使用密碼學(xué)哈希函數(shù)公式實現(xiàn)水印提取，同時計算水印相關(guān)系數(shù)。

2.3DCT變換域和零水印技術(shù)的人臉匹配實現(xiàn)過程

下面是本論文采用的基于DCT變換域的人臉圖像匹配技術(shù)的算法實現(xiàn)過程和Matlab中實現(xiàn)的基本方法的說明。

2.3.1實現(xiàn)原始人臉圖像零水印嵌入

（1）選取一張正常表情的人臉圖像，命名為“原始人臉圖像.BMP”，用f（i，j）表示原始人臉圖像的所有像素值，表達(dá)式為：

F={f（i，j）|f（i，j）∈R；1≤i≤M1，1≤j≤N1}。

（2）定義1000組64bit的隨機(jī)二值序列作為待嵌入水印，表達(dá)式記為：

W={w（j）|w（j）=0，1；1≤i≤L}；

（3）對原始人臉圖像進(jìn)行全局DCT變換，選取低頻系數(shù)矩陣FD（i，j）。本文選取低頻系數(shù)矩陣中的前8×8個系數(shù)，記為FD8（i，j），然后對FD8（i，j）進(jìn)行二值化處理（8×8個系數(shù)個系數(shù)中大于或等于0時轉(zhuǎn)換為1，小于0時轉(zhuǎn)換為0，從而得到F（n）的特征向量序列），表達(dá)式描述如下：

FD8（i，j）=DCT2（F（i，j））

V（n）=BINARY（FD8（i，j））

（4）利用原始人臉圖像得到的特征向量序列V（n）和隨機(jī)二值序列水印W（n）根據(jù)密碼學(xué)哈希函數(shù)中的異或運算生成含水印信息的二值密鑰序列Key（n），并可存儲于第三方，從而實現(xiàn)向原始人臉圖像嵌入零水印，表達(dá)式描述如下：

Key（n）=V（n）⊕W（n）

其中，含水印信息的二值密鑰序列Key（n）作用在于當(dāng)對待測人臉圖像進(jìn)行對比，從而申請獲取原始人臉圖像的使用權(quán)、所有權(quán)時或?qū)Χ得罔€序列Key（n）提取水印信息時，可用密碼學(xué)哈希函數(shù)中的異或運算W′（n）=Key（n）？茌V′（n）進(jìn)行反向提取實現(xiàn)。

2.3.2待測人臉圖像水印的提取

（1）求得待測人臉圖像F′（n）的特征向量序列V′（n），求取過程與求取原始人臉圖像F（n）的特征向量序列V（n）基本相同，表達(dá)式描述如下：

FD8′（i，j）=DCT2（F′（i，j））

V′=BINARY（FD′（i，j））

（2）計算待測人臉的特征向量V′與原始人臉的V（n）的相關(guān)系數(shù)NC（n），取NC（n）的最大值，令n=k，從而得到二值密鑰序列Key（k）和原始人臉圖像F（k）。再根據(jù)W′（k）=Key（k） ？茌V′（k）提取出原始人臉圖像F（k）中的水印W（k）。特征向量相關(guān)系數(shù)歸一化表達(dá)式描述如下：

（3）利用存在于第三方的二值邏輯密鑰序列Key（k）和待測人臉的特征向量V′，提取出待測圖像中的水印W′（k），表達(dá)式描述如下：

W′（k）=Key（k）？茌V′（k）

（4）利用相關(guān)系數(shù)歸一化表達(dá)式求出W′和W（k）之間的相關(guān)系數(shù)，從而根據(jù)原始人臉圖像水印和待測人臉圖像水印的相關(guān)系數(shù)最大值判斷待測圖像是否與原始人臉圖像一致。相關(guān)求取NC值公式如下：

3.人臉識別技術(shù)算法有效性說明

本文選取ORL人臉數(shù)據(jù)庫中的10個作為算法有效性驗證依據(jù)。人臉庫中包含40幅不同人類面部圖像，同時，該庫包含大量人臉數(shù)據(jù)的比較結(jié)果。

本文選取其中10個正常表情的人臉圖像進(jìn)行測試，為了驗證系數(shù)符號序列是可以表示人臉圖像特征的向量，這里對選取的10個正常人臉圖像進(jìn)行特征向量求取。根據(jù)最低有效位（least significant bit，LSB）的原理，在對選取的人臉圖像進(jìn)行DCT變換以后，取DCT低頻域中的前8×8，總計64bit的DCT系數(shù)，最后得出所有特征向量之間的相關(guān)系數(shù)。計算結(jié)果如下：

10個不同人臉圖像特征向量之間的相關(guān)系數(shù)（向量長度64bit）

從上述表中可以觀察到相同人臉圖像之間的相關(guān)系數(shù)，即NC=1，而不同人臉圖像的相關(guān)系數(shù)均小于0.5。從而可以說明本文方法得到人臉圖像特征向量的相關(guān)系數(shù)可以用于不同人臉圖像的識別。

4.基于DCT變換域和零水印技術(shù)的人臉識別技術(shù)優(yōu)勢

基于DCT變換域的零水印人臉圖像識別匹配技術(shù)具有如下優(yōu)點：

4.1針對目前國內(nèi)外主流圖像識別算法，采用基于DCT變換域的零水印算法，實現(xiàn)水印的隱蔽性和魯棒性的較為理想地結(jié)合；

4.2人臉圖像在不同常見攻擊下，采用的算法具有較強(qiáng)魯棒性；

4.3由人臉圖像的特征向量和嵌入的水印信息產(chǎn)生的二值密鑰序列可用于第三方。

5.結(jié)論

本文基于局部特征識別方法，結(jié)合DCT變換域和零水印技術(shù)的相關(guān)理論，研究一種大數(shù)據(jù)背景下基于變換域零水印的人臉圖像識別技術(shù)，論證本文提出的人臉識別算法的有效性。

參考文獻(xiàn)：

[1]王繼軍.基于視覺特性的數(shù)字圖像信息隱藏方法研究[D].廣西師范大學(xué)，2008.

[2]馮雪，朱新山，湯幟.多媒體數(shù)字水印技術(shù)研究進(jìn)展[J].計算機(jī)工程與應(yīng)用，2007，13：1-6+10.

[3]王曉珍.魯棒性數(shù)字水印算法的研究[D].陜西師范大學(xué)，2013.

[4]趙翔，郝林.數(shù)字水印綜述[J].計算機(jī)工程與設(shè)計，2006，11：1946-1950.

[5]朱曉冬.數(shù)字水印技術(shù)的研究[D].吉林大學(xué)，2004.

[6]張翠平，蘇光大.人臉識別技術(shù)綜述[J].中國圖像圖形學(xué)報，2000，11：7-16.

[7]孫冬梅，裘正定.生物特征識別技術(shù)綜述[J].電子學(xué)報，2001，S1：1744-1748.