CN108520184A - 一种隐私保护的方法及系统 - Google Patents

Abstract

本发明公开一种隐私保护的方法及系统。所述方法包括：获取训练好的人脸识别模型；获取初始图像；判断所述初始图像是否有效，得到第一判断结果；当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据；所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度；将所述人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像，用于保护所述初始图像中的肖像隐私。采用本发明的方法及系统，大大降低了人力成本以及事件成本，提高了隐私保护的效率。

Description

一种隐私保护的方法及系统

技术领域

本发明涉及图像处理领域，特别是涉及一种隐私保护的方法及系统。

背景技术

目前越来越多的图片在网络传播，被用于商业领域。但网络图片在传播过程中，始终存在着侵犯肖像权及泄漏个人用户隐私的风险。目前的商业海报、详情页、视频等多媒体传播文件，通过人工选取图像中的人脸，识别后通过手工模糊处理的方法来遮蔽人脸，以达到保护隐私、防止侵权的目的。对于现有的保护隐私的方式，首先，人工选取图像中的人脸费时费力，一张合影照片可能存在多达百位肖像，一个商业机构需要传播的图像数据甚至可以多达几千万张。其次，人工识别每张图片中的人脸需要耗费企业大量的人力、资金以及时间，识别人脸后，对人脸模糊处理也需要耗费巨额资金和时间。因此，现有的保护隐私的方式存在效率低、成本高的缺点。

发明内容

本发明的目的是提供一种隐私保护的方法及系统，以提高隐私保护的效率，减低成本。

为实现上述目的，本发明提供了如下方案：

一种隐私保护的方法，所述方法包括：

获取训练好的人脸识别模型；

获取初始图像；

判断所述初始图像是否有效，得到第一判断结果；

当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据；所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度；

将所述人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像，用于保护所述初始图像中的肖像隐私。

可选的，所述获取训练好的人脸识别模型，之前还包括：

构建基于神经网络的人脸识别模型；

利用标注有人脸的图像对所述人脸识别模型进行训练；

训练迭代多次后获得人脸识别模型的权重；

将所述权重导入所述人脸识别模型；

采用所述人脸识别模型进行人脸识别，获得人脸标注的数据；

根据所述人脸标注的数据采用反向传播或梯度下降算法调节所述人脸识别模型中神经元的权重；

获得训练好的人脸识别模型。

可选的，所述获取初始图像，之前还包括：

获取待处理的图像文件；

确定所述图像文件的格式，所述图像文件的格式包括图片格式和视频格式；

当所述图像文件的格式为图片格式时，将所述待处理的图像文件确定为初始图像；

当所述图像文件的格式为视频格式时，将所述图像文件划分为多个视频帧数据，将每一视频帧数据确定为一个初始图像。

可选的，所述判断所述初始图像是否有效，具体包括：

判断所述初始图像是否坏损，得到第二判断结果；

当所述第二判断结果表示所述初始图像坏损时，确定所述初始图像无效；

当所述第二判断结果表示所述初始图像未坏损时，判断所述初始图像的格式是否为可识别格式，得到第三判断结果；所述可识别格式包括PNG格式、JPEG格式和BMP格式；

当所述第三判断结果表示所述初始图像的格式不是可识别格式时，确定所述初始图像无效；

当所述第三判断结果表示所述初始图像的格式为可识别格式时，判断所述初始图像的大小是否大于第一设定阈值，得到第四判断结果；

当所述第四判断结果表示所述初始图像的大小大于第一设定阈值时，确定所述初始图像无效；

当所述第四判断结果表示所述初始图像的大小不大于第一设定阈值时，判断所述初始图像的尺寸是否大于设定尺寸阈值，得到第五判断结果；

当所述第五判断结果表示所述初始图像的尺寸大于设定尺寸阈值时，确定所述初始图像无效；

当所述第五判断结果表示所述初始图像的尺寸不大于设定尺寸阈值时，判断所述初始图像是否来自指定的客户端，得到第六判断结果；

当所述第六判断结果表示所述初始图像不是来自指定的客户端时，确定所述初始图像无效；

当所述第六判断结果表示所述初始图像来自指定的客户端时，确定所述初始图像有效。

可选的，所述当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据，具体包括：

将所述初始图像初始化为数组；所述数组包括所述初始图像的横坐标和纵坐标及所述初始图像的高度和宽度；

将所述数组划分为多个大小不一的子数组，每个子数组对应的子图像为所述初始图像中的一个区域；

对于每个子数组，确定所述子数组与人脸的相似度值；

判断所述相似度是否大于设定值；

当所述相似度大于设定值时，将所述子数组和相似度值确定为人脸数据。

可选的，所述将所述人脸数据传输至客户端进行人脸遮蔽处理，具体包括：

将所述人脸数据传输至客户端；

所述客户端根据所述人脸数据对初始图像中的人脸进行高斯模糊处理，获得遮蔽人脸后的处理图像。

可选的，所述获得遮蔽人脸后的处理图像，之后还包括：

当所述图像文件的格式为图片格式时，将所述遮蔽人脸后的处理图像确定为处理后的图像文件；

当所述图像文件的格式为视频格式时，将所述遮蔽人脸后的处理图像插入初始的图像文件，获得处理后的图像文件。

一种隐私保护的系统，所述系统包括：

人脸识别模型获取模块，用于获取训练好的人脸识别模型；

初始图像获取模块，用于获取初始图像；

第一判断模块，用于判断所述初始图像是否有效，得到第一判断结果；

人脸识别模块，用于当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据；所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度；

人脸遮蔽处理模块，用于将所述人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像，用于保护所述初始图像中的肖像隐私。

可选的，所述系统还包括：

待处理的图像文件获取模块，用于在获取初始图像之前，获取待处理的图像文件；

图像文件格式确定模块，用于确定所述图像文件的格式，所述图像文件的格式包括图片格式和视频格式；

初始图像确定模块，用于当所述图像文件的格式为图片格式时，将所述待处理的图像文件确定为初始图像；还用于当所述图像文件的格式为视频格式时，将所述图像文件划分为多个视频帧数据，将每一视频帧数据确定为一个初始图像。

可选的，所述系统还包括：

处理后的图像文件获取模块，用于获得遮蔽人脸后的处理图像后，当所述图像文件的格式为图片格式时，将所述遮蔽人脸后的处理图像确定为处理后的图像文件；当所述图像文件的格式为视频格式时，将所述遮蔽人脸后的处理图像插入初始的图像文件，获得处理后的图像文件。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

由于使用机器学习对多媒体文件批量人脸检测以及自动模糊处理，大大降低了人力成本以及事件成本，提高隐私保护的效率。可以避免因为图片中出现人脸导致的侵权案件，实现隐私保护的目的。其他方面，对于某些不需要人脸的场景，可以去除不需要的人脸，还可以将人脸全部提取出来做身份识别，例如在某张图片中找到一个特定的人；或者在某个视频中识别一个老客户，还可以对图片进行人数统计，视频中进行行人，客流统计等，提高识别的效率，具有更广泛的应用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明隐私保护的方法的流程示意图；

图2为本发明隐私保护的系统的结构示意图；

图3为本发明隐私保护的方法及系统使用时信息交互的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明隐私保护的方法的流程示意图。如图1所示，所述方法包括：

步骤100：获取训练好的人脸识别模型。

人脸识别模型的训练过程，使用包含人脸的图片、视频作为输入数据，训练出一个可用于标注出图片或视频帧中人脸个数face_n以及每个人脸的位置(x,y,w,h)的机器学习模型，机器学习模型可采用支持向量机或神经网络等，还可以采用逻辑回归、决策树等可以将图片进行分类的模型。将此模型部署在安装有gpu的pc机器上，作为服务端。以基于神经网络的人脸识别模型为例，训练过程如下：

首先构建基于神经网络的人脸识别模型，利用标注有人脸的图像作为输入对所述人脸识别模型进行训练，训练迭代n次后得到人脸识别模型的权重。该权重文件可以随时保存以及导入建立的人脸识别模型进行人脸识别，获得人脸标注的数据。

然后经过标注的数据可以指导神经网络利用反向传播、梯度下降等算法调节人脸识别模型中神经元的权重，以保证最终训练完成的模型的权重再次预测标注数据时偏差最小化，以此获得训练好的人脸识别模型。

步骤200：获取初始图像。此处的初始图像是指可以直接进行人脸识别的图像。由于初始的待处理的图像文件可能是视频文件，还可能是图片格式的文件，因此，需要将初始的待处理的图像文件统一处理为可以进行人脸识别的初始文件。首先获取待处理的图像文件；然后确定所述图像文件的格式，所述图像文件的格式包括图片格式和视频格式；当所述图像文件的格式为图片格式时，将所述待处理的图像文件确定为初始图像；当所述图像文件的格式为视频格式时，将所述图像文件划分为多个视频帧数据，将每一视频帧数据确定为一个初始图像，此时图像文件被划分为多个初始图像。

步骤300：判断初始图像是否有效，得到第一判断结果；当所述第一判断结果为是时，执行步骤400；当所述第一判断结果为否时，返回步骤200，获取新的初始图像。

对于每一个初始图像，需要检查有效性。具体包括以下几个方面的检验：

1.判断初始图像是否坏损，当初始图像坏损时，确定所述初始图像无效；

2.判断初始图像的格式是否为PNG、JPEG和格式等其他可识别的格式；当初始图像的格式不是可识别格式时，确定所述初始图像无效；

3.判断初始图像的大小是否大于第一设定阈值，例如10mb；当初始图像的大小大于第一设定阈值时，确定所述初始图像无效；

4..判断初始图像的尺寸是否大于设定尺寸阈值，例如10000*100000；当初始图像的尺寸大于设定尺寸阈值时，确定所述初始图像无效；

5.判断初始图像是否来自指定的客户端，可以采用token，用户密码登录等手段控制；当初始图像不是来自指定的客户端时，确定所述初始图像无效；

当上述条件均为是的时候，确定初始图像为有效。上述条件判断的过程无先后顺序，仅需保证对五个条件均进行判断即可。

步骤400：采用训练好的人脸识别模型识别初始图像中的人脸，获得人脸数据。所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度。

采用训练好的人脸识别模型识别初始图像中的人脸的过程如下，此过程是对一个初始图像进行的人脸识别：

1.将初始图像的内容初始化为一个数组，所述数组包括初始图像的横坐标和纵坐标及初始图像的高度和宽度；

2.将该数组输入已训练好的人脸识别模型,作为输入层input_x

3.运行人脸识别模型的识别方法；

4.识别时，将图片分成n(n>8000)个大小不一位置分布在整个图片的子图像。由于前述将初始图像初始化为数组形式，因此，此处将数组划分为多个大小不一的子数组，每个子数组对应的子图像为初始图像中的一个区域；

5.对于每个子数组，也就是子图像，人脸识别模型中取出一个候选区域进行人脸相似度的判别，以基于神经网络的人脸识别模型为例，判别时，这个区域作为神经网络子网络的输入，经过神经网络目标函数计算(训练好的)，确定该区域和人脸的相似度值。

6.判断相似度是否大于设定值；当相似度大于设定值时，将子数组和相似度值确定为人脸数据，人脸数据包括该区域的坐标(x,y,w,h)、和人脸相似度p放入结果，得到的人脸数据为[x,y,w,h,p]，其中x为人脸在初始图像中的横坐标，y为人脸在初始图像中的纵坐标，w为人脸的宽度，h为人脸的高度。

7.重复上述4～6步骤直至全部候选区域完成判断。

8.神经网络将人脸数据结果输出。

步骤500：将人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像。将人脸数据传输至客户端后，客户端根据人脸数据对初始图像中的人脸进行高斯模糊处理，或者其他例如贴图等能使得该区域影像内容不可辨别的方法进行处理，获得遮蔽人脸后的处理图像，实现初始图像中的肖像隐私保护的效果。

获得遮蔽人脸的处理图像后，由于初始的待处理的图像文件的格式不同，因此，后续的操作也不同。当图像文件的格式为图片格式时，将遮蔽人脸后的处理图像确定为处理后的图像文件；当图像文件的格式为视频格式时，将遮蔽人脸后的处理图像插入初始的图像文件，获得处理后的图像文件。

下面以具体的实施方式进行说明：

图片人脸自动模糊处理过程如下：

步骤1：客户端读取出1张待自动打码的图片。

步骤2：客户端将取出的一张图片数据上传至人脸识别服务器。

步骤3：服务器接收到来自客户端发送来的图片数据，检查合法性有效性。

步骤4：一旦服务器判断此张图片为有效的图片数据，即将该图片输入已训练好的人脸识别模型。模型识别出人脸后，服务器将人脸数据封装成json数据格式{faces[…{xi,yi,wi,hi}…]}，并返回给客户端。xi、yi为人脸i在图片上的横坐标起点、纵坐标起点，wi、hi为人脸i的宽度、高度。

步骤5：客户端接收到人脸数据后，对原图将所有人脸区域{xi,yi,wi,hi}进行高斯模糊处理。

步骤6：客户端将处理后的图片进行保存，并重复上述步骤直到处理完全部需要模糊处理的图片。

视频人脸自动模糊处理过程如下：

步骤1：用户通过客户端读取出1个待处理的视频文件。

步骤2：客户端将取出视频，按照视频文件原始格式分成n个视频帧数据上传至人脸识别服务器。

步骤3：服务器接受到来自客户端发送来的1帧视频数据，检查合法性、有效性。

步骤4：一旦服务器判断此张图片为有效的画面数据，即将该视频帧数据输入已训练好的人脸识别模型。模型识别出人脸后，服务器将人脸数据封装成json数据格式：{faces[…{xi,yi,wi,hi}…]}。并返回给客户端。xi、yi为人脸i在视频帧上的横坐标起点、纵坐标起点，wi、hi为人脸i的宽度、高度。

步骤5：客户端接收到人脸数据后，对原视频对应所有人脸区域{xi,yi,wi,hi}进行高斯模糊处理。

步骤6：客户端将处理后的视频插入原视频文件对应位置，并保存。

步骤7：客户端取出下1帧画面数据并重复步骤3～6，直到处理完毕去全部的视频帧。

步骤8：重复步骤1～7直至处理完成多个视频文件。

采用本发明的方法，一方面可以避免因为图片中出现人脸导致的侵权案件，实现隐私保护。另一方面，采用人脸识别模型识别出人脸后，对于某些不需要人脸的场景，可以去除不需要的人脸，还可以将人脸全部提取出来做身份识别，例如在某张图片中找到一个特定的人；或者在某个视频中识别一个老客户，还可以对图片进行人数统计，视频中进行行人，客流统计等，具有更广泛的应用，不局限于将人脸遮蔽实现隐私保护。

图2为本发明隐私保护的系统的结构示意图。如图2所示，所述系统包括：

人脸识别模型获取模块201，用于获取训练好的人脸识别模型；

初始图像获取模块202，用于获取初始图像；

第一判断模块203，用于判断所述初始图像是否有效，得到第一判断结果；

人脸识别模块204，用于当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据；所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度；

人脸遮蔽处理模块205，用于将所述人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像，用于保护所述初始图像中的肖像隐私。

所述系统还包括：

待处理的图像文件获取模块，用于在获取初始图像之前，获取待处理的图像文件；

图像文件格式确定模块，用于确定所述图像文件的格式，所述图像文件的格式包括图片格式和视频格式；

初始图像确定模块，用于当所述图像文件的格式为图片格式时，将所述待处理的图像文件确定为初始图像；还用于当所述图像文件的格式为视频格式时，将所述图像文件划分为多个视频帧数据，将每一视频帧数据确定为一个初始图像。

所述系统还包括：处理后的图像文件获取模块，用于获得遮蔽人脸后的处理图像后，当所述图像文件的格式为图片格式时，将所述遮蔽人脸后的处理图像确定为处理后的图像文件；当所述图像文件的格式为视频格式时，将所述遮蔽人脸后的处理图像插入初始的图像文件，获得处理后的图像文件。

图3为本发明隐私保护的方法及系统使用时信息交互的示意图。如图3所示，系统分为客户端，服务器端，使用者可利用客户端将图片、视频传至人脸识别服务器，服务器识别出图片、视频中的人脸并将上述信息返回给客户端，客户端在相应人脸位置打马赛克。多媒体发布者无需在人工检测图片以及视频出现的人脸，也无需再手工为人像打码。

本方案中服务器本身支持并行处理多个图片、视频的人脸识别请求，客户端本身也支持并行处理多个图片、视频的人脸打码或其他模糊处理操作。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种隐私保护的方法，其特征在于，所述方法包括：

获取训练好的人脸识别模型；

获取初始图像；

判断所述初始图像是否有效，得到第一判断结果；

当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据；所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度；

将所述人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像，用于保护所述初始图像中的肖像隐私。

2.根据权利要求1所述的方法，其特征在于，所述获取训练好的人脸识别模型，之前还包括：

构建基于神经网络的人脸识别模型；

利用标注有人脸的图像对所述人脸识别模型进行训练；

训练迭代多次后获得人脸识别模型的权重；

将所述权重导入所述人脸识别模型；

采用所述人脸识别模型进行人脸识别，获得人脸标注的数据；

根据所述人脸标注的数据采用反向传播或梯度下降算法调节所述人脸识别模型中神经元的权重；

获得训练好的人脸识别模型。

3.根据权利要求1所述的方法，其特征在于，所述获取初始图像，之前还包括：

获取待处理的图像文件；

确定所述图像文件的格式，所述图像文件的格式包括图片格式和视频格式；

当所述图像文件的格式为图片格式时，将所述待处理的图像文件确定为初始图像；

当所述图像文件的格式为视频格式时，将所述图像文件划分为多个视频帧数据，将每一视频帧数据确定为一个初始图像。

4.根据权利要求3所述的方法，其特征在于，所述判断所述初始图像是否有效，具体包括：

判断所述初始图像是否坏损，得到第二判断结果；

当所述第二判断结果表示所述初始图像坏损时，确定所述初始图像无效；

当所述第二判断结果表示所述初始图像未坏损时，判断所述初始图像的格式是否为可识别格式，得到第三判断结果；所述可识别格式包括PNG格式、JPEG格式和BMP格式；

当所述第三判断结果表示所述初始图像的格式不是可识别格式时，确定所述初始图像无效；

当所述第三判断结果表示所述初始图像的格式为可识别格式时，判断所述初始图像的大小是否大于第一设定阈值，得到第四判断结果；

当所述第四判断结果表示所述初始图像的大小大于第一设定阈值时，确定所述初始图像无效；

当所述第四判断结果表示所述初始图像的大小不大于第一设定阈值时，判断所述初始图像的尺寸是否大于设定尺寸阈值，得到第五判断结果；

当所述第五判断结果表示所述初始图像的尺寸大于设定尺寸阈值时，确定所述初始图像无效；

当所述第五判断结果表示所述初始图像的尺寸不大于设定尺寸阈值时，判断所述初始图像是否来自指定的客户端，得到第六判断结果；

当所述第六判断结果表示所述初始图像不是来自指定的客户端时，确定所述初始图像无效；

当所述第六判断结果表示所述初始图像来自指定的客户端时，确定所述初始图像有效。

5.根据权利要求3所述的方法，其特征在于，所述当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据，具体包括：

将所述初始图像初始化为数组；所述数组包括所述初始图像的横坐标和纵坐标及所述初始图像的高度和宽度；

将所述数组划分为多个大小不一的子数组，每个子数组对应的子图像为所述初始图像中的一个区域；

对于每个子数组，确定所述子数组与人脸的相似度值；

判断所述相似度是否大于设定值；

当所述相似度大于设定值时，将所述子数组和相似度值确定为人脸数据。

6.根据权利要求3所述的方法，其特征在于，所述将所述人脸数据传输至客户端进行人脸遮蔽处理，具体包括：

将所述人脸数据传输至客户端；

所述客户端根据所述人脸数据对初始图像中的人脸进行高斯模糊处理，获得遮蔽人脸后的处理图像。

7.根据权利要求6所述的方法，其特征在于，所述获得遮蔽人脸后的处理图像，之后还包括：

当所述图像文件的格式为图片格式时，将所述遮蔽人脸后的处理图像确定为处理后的图像文件；

当所述图像文件的格式为视频格式时，将所述遮蔽人脸后的处理图像插入初始的图像文件，获得处理后的图像文件。

8.一种隐私保护的系统，其特征在于，所述系统包括：

人脸识别模型获取模块，用于获取训练好的人脸识别模型；

初始图像获取模块，用于获取初始图像；

第一判断模块，用于判断所述初始图像是否有效，得到第一判断结果；

人脸识别模块，用于当所述第一判断结果表示所述初始图像有效时，采用所述训练好的人脸识别模型识别所述初始图像中的人脸，获得人脸数据；所述人脸数据包括人脸在所述初始图像中的横坐标、纵坐标及所述人脸的宽度和高度；

人脸遮蔽处理模块，用于将所述人脸数据传输至客户端进行人脸遮蔽处理，获得遮蔽人脸后的处理图像，用于保护所述初始图像中的肖像隐私。

9.根据权利要求8所述的系统，其特征在于，所述系统还包括：

待处理的图像文件获取模块，用于在获取初始图像之前，获取待处理的图像文件；

图像文件格式确定模块，用于确定所述图像文件的格式，所述图像文件的格式包括图片格式和视频格式；

初始图像确定模块，用于当所述图像文件的格式为图片格式时，将所述待处理的图像文件确定为初始图像；还用于当所述图像文件的格式为视频格式时，将所述图像文件划分为多个视频帧数据，将每一视频帧数据确定为一个初始图像。

10.根据权利要求8所述的系统，其特征在于，所述系统还包括：

处理后的图像文件获取模块，用于获得遮蔽人脸后的处理图像后，当所述图像文件的格式为图片格式时，将所述遮蔽人脸后的处理图像确定为处理后的图像文件；当所述图像文件的格式为视频格式时，将所述遮蔽人脸后的处理图像插入初始的图像文件，获得处理后的图像文件。