本发明公开了一种基于生成对抗网络的非可逆人脸信息加密及人脸识别方法，该方法基于人脸属性编辑，对人脸信息提取特征，采用非可逆加密人脸属性映射，得出加密后的数据值并编辑出一张相对应的新的人脸信息，通过比对加密后的人脸信息，识别判断得出结果。本发明可用于安检、支付、解锁、购票、比对、身份核验等需要人脸识别的应用场景平台，可使各应用平台中存储的人脸数据变为经过不可逆加密的人脸数据，保护了个人面部信息的隐私性。同时，通过在不同应用平台应用不同的加密参数，可实现不同应用平台人脸储存信息的独立性与安全性，体现出本发明的广泛应用性。本发明的实施，将有助于加强对人脸隐私信息的保护。

（1）研究了基于可学习像素级滤波核预测网络，通过滤波方法进行图像/视频去雨。但不同于传统固定滤波核的滤波形式，本文方法的滤波核是由可学习的像素级滤波核预测网络输出得到的。通过全卷积神经网络以全监督的方式多尺度学习配对雨水图像信息，预测得到每个像素的专用滤波核，最后对图像进行滤波处理。 （2）研究了基于生成对抗学习模式的神经网络，在全局注意力机制和特征融合机制下以无监督的方式学习真实雨水图像和高质量清晰图像特征，并在去雨的同时提升图像效果，如调整图像对比度、饱和度、还原图像细节等。针对视频去雨，本文提出了像素空间帧间差异损失和特征空间帧间差异损失来约束模型实现视频去雨前后的时序一致性。 （3）研究了基于“自由变换、融合”的数据增广算法，尽可能地模拟真实降雨受到许多自然环境影响下的成像效果。最后和其他现存的雨水数据集比较，本算法生成雨水图像更加逼真，雨线效果丰富。 实验结果显示，本文方法对雨水环境下道路路标的目标检测算法性能有显著的提高作用，在去雨后目标检测的平均精准度（mAP）提高了11.3个百分点。与现存的去雨方法相比，本文方法在图像/视频视觉效果上有很大优势。最后通过消融对比实验，验证了无监督学习阶段和数据增强算法对整体模型的有效性。

基于树莓派，将步态识别算法与Raspblock AI全向智能车有机结合，集成电机模块、舵机模块、视觉模块、语音模块等多个模块，实现步态识别智能巡航小车。整个装置集步态注册和实时步态识别、自动巡航和人工操控为一体，配有前端可视化操作界面，操作流程人性化，为实时流动步态识别的推广贡献了一份力量。 各模块的主要功能如下： - 电机模块：驱动智能车的麦克纳姆轮，实现全向运动。 - 舵机模块：通过可视化界面控制舵机，实现摄像头云台及镜头的旋转； - 视觉模块：通过树莓派USB高清摄像头采集步态序列并上传； - 语音模块：实时播报步态信息注册进度和步态识别结果等信息； - 深度学习模块：采用最先进的步态识别相关算法，提供快速准确的识别服务。