CN110610469A - 一种人脸图像隐私保护方法、装置、设备及存储介质 - Google Patents

一种人脸图像隐私保护方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110610469A
CN110610469A CN201910707659.3A CN201910707659A CN110610469A CN 110610469 A CN110610469 A CN 110610469A CN 201910707659 A CN201910707659 A CN 201910707659A CN 110610469 A CN110610469 A CN 110610469A
Authority
CN
China
Prior art keywords
image
face
privacy protection
privacy
transformed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910707659.3A
Other languages
English (en)
Other versions
CN110610469B (zh
Inventor
龙敏
袁名智
龙赛
袁慧洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha University of Science and Technology
Original Assignee
Changsha University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changsha University of Science and Technology filed Critical Changsha University of Science and Technology
Priority to CN201910707659.3A priority Critical patent/CN110610469B/zh
Publication of CN110610469A publication Critical patent/CN110610469A/zh
Application granted granted Critical
Publication of CN110610469B publication Critical patent/CN110610469B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
    • G06F18/21322—Rendering the within-class scatter matrix non-singular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种人脸图像隐私保护方法、装置、设备及存储介质，通过获取源图像A以及相似图像B，将源图像A与相似图像B进行人脸信息的融合得到第一变换图像C3；对第一变换图像C3进行奇异值分解，去除第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；将第一变换图像C3与第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。本发明在人脸隐私保护和主观识别上做到了较好的权衡，通过本方法得到的隐私图像D，去除了源图像A的部分生物特征，提高了人脸识别的误判率，且图像没有出现严重的失真，仍保留了良好的主观识别。

Description

一种人脸图像隐私保护方法、装置、设备及存储介质
技术领域
本发明涉及图像隐私保护技术领域，特别涉及一种人脸图像隐私保护方法、装置、设备及存储介质。
背景技术
随着数字技术的飞速发展，数字图像的采集、分发和共享在信息传输和通信中日益普及，人们生活方式与习惯的也随之不断改变。与此同时，自动数字图像处理与分析技术得到了广泛的发展，人们能够方便地进行图像识别、分析与理解。然而，也会带来安全风险，特别是对于人脸图像，恶意用户可以从共享的人脸图像中获取个人的人脸生物特征信息。因此，人脸隐私保护极其重要。
理想的人脸图像隐私保护方法应该能够防止恶意的自动分析，同时对图像的实用性影响最小。目前，现有的防止恶意自动分析的隐私保护方法基本上是通过访问控制和内容编辑来实现的，具体如下：
(1)第一种方法，基于访问控制的方法主要通过控制访问对象、访问时间、访问模式等来保护人脸图像的隐私，它是由特定的应用程序提供的，用户不能完全控制面部图像。
(2)第二种方法，基于图像编辑的方法主要通过对人脸图像的敏感区域进行修改，保留背景区域，使得恶意用户难以实现人脸的自动识别和分析，现有的基于图像编辑的隐私保护方法可以分为基于全人脸的隐私保护方法和基于人脸ROI(region of interest感兴趣区域)的隐私保护方法两种；其中，第一种现有的基于全人脸的隐私保护方法对人脸图片的修改较大，往往容易造成图片的失真，并且在隐私保护和实用性难以平衡，这类方法为了追求实用性，在隐私保护上的效果不佳；第二种现有的基于ROI编辑的人脸隐私保护，对原图的关键部分修改过大，能明显看出修改的痕迹，在实用性方面有待提高。若提高了实用性，在隐私性方面效果又不佳，难以权衡隐私性和实用性。通常来讲，第一种方法在隐私性保护上优于第二种方法，第二种方法在实用性方面优于第一种方法。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一，提供了一种人脸图像隐私保护方法、装置、设备及存储介质。
本发明的第一方面，提供了一种人脸图像隐私保护方法，包括以下步骤：
S100、获取源图像A以及相似图像B，将所述源图像A与所述相似图像B进行人脸信息的融合得到第一变换图像C3；
S200、对所述第一变换图像C3进行奇异值分解，去除所述第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；
S300、将所述第一变换图像C3与所述第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。
进一步，根据本发明第一方面所述的一种人脸图像隐私保护方法，所述S100具体包括：
S101、在互联网上获取与源图像A较为相似的相似图像B；
S102、分别对所述源图像A中以及所述相似图像B中的人脸信息进行检测并标记，使用Procrustes分析法对所述人脸信息进行调整，并将进行调整之后的所述相似图像B映射到进行调整之后的所述源图像A上得到第一合成图像C1；
S103、修正所述第一合成图像C1的覆盖区域的边缘不连续部分，得到第二合成图像C2；
S104、对所述第二合成图像C2进行遮罩处理，得到第一变换图像C3。
进一步，根据本发明第一方面所述的一种人脸图像隐私保护方法，所述源图像A与所述相似图像B的相似度在30％至80％之间。
进一步，根据本发明第一方面所述的一种人脸图像隐私保护方法，所述S200具体包括：
S201、读取所述第一变换图像C3，将所述第一变换图像C3转化为矩阵；
S202、对所述矩阵进行奇异值分解，在分解的所有系数矩阵中按分解顺序选取出第三个系数矩阵，将所述第三个系数矩阵置零；
S203、将所述矩阵转化为第二变换图像C4。
进一步，根据本发明第一方面所述的一种人脸图像隐私保护方法，所述S300中的第一变换图像C3的加权系数为0.7，所述第二变换图像C4的加权系数为0.3。
本发明的第二方面，提供了一种人脸图像隐私保护装置，包括人脸融合单元、奇异值分解单元以及加权处理单元；
所述人脸融合单元用于获取源图像A以及相似图像B，将所述源图像A与所述相似图像B进行人脸信息的融合得到第一变换图像C3；
所述奇异值分解单元用于对所述第一变换图像C3进行奇异值分解，去除所述第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；
所述加权处理单元用于将所述第一变换图像C3与所述第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。
本发明的第三方面，提供了一种人脸图像隐私保护设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如本发明第一方面所述的一种人脸图像隐私保护方法。
本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如本发明第一方面所述的一种人脸图像隐私保护方法。
本发明提供的一种人脸图像隐私保护方法、装置、设备及存储介质，至少具有以下有益效果：
首先，通过将源图像A和相似图像B两张图像进行人脸融合，得到第一变换图像C3，该第一变换图像C3中修改了源图像A中人脸信息的部分特征，其次，将第一变换图像C3进行奇异值分解得到第二变换图像C4，在第二变换图像C4中又去除了源图像A中人脸信息的部分特征，最后，进行加权处理又能增加人脸信息的主观识别度。综上，本方法在人脸隐私保护和主观识别上做到了较好的权衡，通过本方法得到的隐私图像D，去除了源图像A的部分生物特征，提高了人脸识别的误判率，且图像没有出现严重的失真，仍保留了良好的主观识别。
附图说明
下面结合附图和实施例对本发明进一步地说明；
图1为本发明实施例所提供的一种人脸图像隐私保护方法的流程示意图；
图2为图1中步骤S100的具体流程示意图；
图3为图1中步骤S200的具体流程示意图；
图4为本发明实施例所提供的一种人脸图像隐私保护方法的实施效果图；
图5为本发明实施例所提供的一种人脸图像隐私保护装置结构示意图；
图6为本发明实施例所提供的一种人脸图像隐私保护设备结构示意图。
具体实施方式
本部分将详细描述本发明的具体实施例，本发明之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案，但其不能理解为对本发明保护范围的限制。
参照图1至图4，本发明的一个实施例，提供了一种人脸图像隐私保护方法，包括以下步骤：
S100、获取源图像A以及相似图像B，将源图像A与相似图像B进行人脸信息的融合得到第一变换图像C3；
S200、对第一变换图像C3进行奇异值分解，去除第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；
S300、将第一变换图像C3与第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。
其中，S100具体包括：
S101、在互联网上获取与源图像A较为相似的相似图像B；
S102、分别对源图像A中以及相似图像B中的人脸信息进行检测并标记，使用Procrustes分析法对人脸信息进行调整，并将进行调整之后的相似图像B映射到进行调整之后的源图像A上得到第一合成图像C1；
S103、修正第一合成图像C1的覆盖区域的边缘不连续部分，得到第二合成图像C2；
S104、对第二合成图像C2进行遮罩处理，得到第一变换图像C3。
具体说明如下：
首先，从互联网上获取与源图像A相似度在百分之三十至百分之八十的相似图像B，相似度的判定可以上传至方便快捷的第三方工具完成，如FACE++等。可以理解的是，相似度过大会导致源图像A的信息特征改动较小，不利于隐私保护，相似度过小会引起源图像A的信息特征改动较大的问题，不利于主观识别。本方案相似度在百分之三十至百分之八十效果较佳，手动选取相似图像B的好处在于，用户可自由选择自己心仪的相似图像B。
接着，利用Dlib检测并标记源图像A和相似图像B中的人脸信息的68个特征点，使用get landmarks函数分别将源图像A和相似图像B转化成numpy数组，并返回一个68×2元素矩阵，分别输入源图像A和相似图像B的每个特征点对应每行的一个x，y坐标。
其次，使用Procrustes分析法分别将得到的源图像A和相似图像B的两个已标记矩阵进行调整，具体为旋转和缩放第一个向量，使其尽可能的适配第二个向量的点，使得表达式的结果最小，其中R是2×2矩阵，s是标量，T是二维向量，pi和qi表示上面标记矩阵的行；具体实现包括以下六步：第一步，将输入的矩阵转换为浮点数；第二步，对形状的大小进行归一化，用每一个点集减去它对应的矩心，得出一个最佳的缩放和旋转位置；第三步，每一个点集除以它的标准偏差，这会消除组件缩放偏差的问题。第四步，使用奇异值分解计算旋转部分。第五步，利用仿射变换矩阵返回完整的转化。第六步，将第五步得到的结果插入cv2.warpAffine函数，将相似图像B映射到源图像A中，得到第一合成图像C1。
然后，修正第一合成图像C1的覆盖区域的边缘不连续部分，由于相似图像B和源图像A之间不同的肤色和光线造成了覆盖区域的边缘不连续，会导致合成后的图片存在颜色差异，因此采用RGB缩放校色，改变im2的颜色来适配im1，通过用im2除以im2的高斯模糊值，然后乘以im1的高斯模糊值，得到第二合成图像C2。
最后，将相似图像B的人脸信息去混合源图像A中的人脸信息，用一个遮罩来选择在两个图像中的哪些部分应该是最终显示的图像，例如使用get_face_mask函数能够为一张图像和一个标记矩阵生成一个遮罩，它标记出了两个白色的凸多边形，一个是眼睛周围的区域，一个是鼻子和嘴部周围的区域，它由11个像素向遮罩的边缘外部羽化扩展，可以帮助隐藏任何不连续的区域。使用上述步骤中相同的转换，可以使第二合成图像C2的遮罩转化为第一合成图像C1的坐标空间，再通过一个element-wise最大值，将这两个遮罩合成，来确保第一合成图像C1被掩盖，而显现出第二合成图像C2的特性，最终得到第一变换图像C3。
其中，S200具体包括：
S201、读取第一变换图像C3，将第一变换图像C3转化为矩阵；
S202、对矩阵进行奇异值分解，在分解的所有系数矩阵中按分解顺序选取出第三个系数矩阵，将第三个系数矩阵置零；
S203、将矩阵转化为第二变换图像C4。
具体说明如下：
首先，读取第一变换图像C3，为了方便后续的奇异值分解，将其转化为一个矩阵M；
其次，对矩阵M进行奇异值分解，使得M＝USVT，其中U和V都是正交矩阵，S是一个非负实对角矩阵，U和V的列分别叫做M的左奇异向量和右奇异向量，S的对角线上的值叫做M的奇异值。关于这三个矩阵的求解如下：
U的列由的特征向量构成，且特征向量为单位列向量；V的列由的特征向量构成，且特征向量为单位列向量；S的对角元素来源于或的特征值的平方根，并且是按从大到小的顺序排列的。
然后，对进行奇异值分解的第一变换图像C3进行处理，因为通过奇异值分解得到的前几个系数矩阵中包含有第一变换图像C3中的大部分人脸信息的特征，可将前几个系数矩阵置为零，以去除第一变换图像C3的特征，但是得到的隐私图像D跟源图像A相比会变暗，不利于主观识别。所以为了权衡这些因素，本实施例只将按分解顺序选取出第三个系数矩阵置为零，最后将矩阵又转化为图片，得到第二变换图像C4。本实施例将包含有人脸信息中的特征的第三个系数矩阵进行置零，既去除了部分人脸信息的特征，又保持了隐私保护的效果。可以理解的是，也可以按分解顺序仅将第四个系数矩阵置零，再或者将第三个系数矩阵与第四个系数矩阵同时置零，可视具体情况而定，本实施例优选将第三个系数矩阵进行置零，达到的效果最佳。
在步骤S300中，将第一变换图像C3与第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D具体使用公式为：C＝(1-a)×C4+a×C3其中加权系数a为0.3。对第一变换图像C3与第二变换图像C4进行加权处理能够加强人脸的主观识别度。可以理解的是，加权系数还可以进行调整，例如a为0.25或者a为3.5，本实施例优选a为0.3时，如图4，达到的效果最佳。
参照图5，本发明的另一个实施例，提供了一种人脸图像隐私保护装置1000，包括人脸融合单元1100、奇异值分解单元1200以及加权处理单元1300；
人脸融合单元1100用于获取源图像A以及相似图像B，将源图像A与相似图像B进行人脸信息的融合得到第一变换图像C3；
奇异值分解单元1200用于对第一变换图像C3进行奇异值分解，去除第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；
加权处理单元1300用于将第一变换图像C3与第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。
需要说明的是，由于本实施例中的一种人脸图像隐私保护装置与上述的一种人脸图像隐私保护方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本装置实施例，此处不再详述。
参照图6，本发明的另一个实施例，还提供了一种人脸图像隐私保护设备，该人脸图像隐私保护设备6000可以是任意类型的智能终端，例如手机、平板电脑、个人计算机等。
具体的，该人脸图像隐私保护设备6000包括：一个或多个控制处理器6001和存储器6002，图6中以一个控制处理器6001与一个存储器6002为例，控制处理器6001和存储器6002可以通过总线或者其他方式连接，图6中以通过总线连接为例。
存储器6002作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的一种人脸图像隐私保护设备对应的程序指令/模块，例如图5中所示的人脸融合单元1100、奇异值分解单元1200以及加权处理单元1300；控制处理器6001通过运行存储在存储器6002中的非暂态软件程序、指令以及模块，从而执行该人脸图像隐私保护装置1000的各种功能应用以及数据处理，即实现上述方法实施例的人脸图像隐私保护方法。
存储器6002可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据人脸图像隐私保护装置1000的使用所创建的数据等。此外，存储器6002可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器6002可选包括相对于控制处理器6001远程设置的存储器，这些远程存储器可以通过网络连接至该人脸图像隐私保护设备6000。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一个或者多个模块存储在存储器6002中，当被该一个或者多个控制处理器6001执行时，执行上述方法实施例中的人脸图像隐私保护方法，例如执行以上描述的图1中的方法步骤S100至S300、图2中的方法步骤S101至S104、图3中的方法步骤S201至S203或者实现图5中的单元1100至1300的功能。
本发明的另一个实施例，还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如上述实施例的一种人脸图像隐私保护方法，例如执行以上描述的图1中的方法步骤S100至S300、图2中的方法步骤S101至S104、图3中的方法步骤S201至S203或者实现图5中的单元1100至1300的功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (8)

1.一种人脸图像隐私保护方法，其特征在于，包括以下步骤：
S100、获取源图像A以及相似图像B，将所述源图像A与所述相似图像B进行人脸信息的融合得到第一变换图像C3；
S200、对所述第一变换图像C3进行奇异值分解，去除所述第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；
S300、将所述第一变换图像C3与所述第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。
2.根据权利要求1所述的一种人脸图像隐私保护方法，其特征在于，所述S100具体包括：
S101、在互联网上获取与源图像A较为相似的相似图像B；
S102、分别对所述源图像A中以及所述相似图像B中的人脸信息进行检测并标记，使用Procrustes分析法对所述人脸信息进行调整，并将进行调整之后的所述相似图像B映射到进行调整之后的所述源图像A上得到第一合成图像C1；
S103、修正所述第一合成图像C1的覆盖区域的边缘不连续部分，得到第二合成图像C2；
S104、对所述第二合成图像C2进行遮罩处理，得到第一变换图像C3。
3.根据权利要求2所述的一种人脸图像隐私保护方法，其特征在于：所述源图像A与所述相似图像B的相似度在30％至80％之间。
4.根据权利要求1所述的一种人脸图像隐私保护方法，其特征在于，所述S200具体包括：
S201、读取所述第一变换图像C3，将所述第一变换图像C3转化为矩阵；
S202、对所述矩阵进行奇异值分解，在分解的所有系数矩阵中按分解顺序选取出第三个系数矩阵，将所述第三个系数矩阵置零；
S203、将所述矩阵转化为第二变换图像C4。
5.根据权利要求1所述的一种人脸图像隐私保护方法，其特征在于：所述S300中的第一变换图像C3的加权系数为0.7，所述第二变换图像C4的加权系数为0.3。
6.一种人脸图像隐私保护装置，其特征在于，包括人脸融合单元、奇异值分解单元以及加权处理单元；
所述人脸融合单元用于获取源图像A以及相似图像B，将所述源图像A与所述相似图像B进行人脸信息的融合得到第一变换图像C3；
所述奇异值分解单元用于对所述第一变换图像C3进行奇异值分解，去除所述第一变换图像C3中的人脸信息的部分特征，得到第二变换图像C4；
所述加权处理单元用于将所述第一变换图像C3与所述第二变换图像C4进行加权处理得到具有隐私保护效果的隐私图像D。
7.一种人脸图像隐私保护设备，其特征在于：包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1-5任一项所述的一种人脸图像隐私保护方法。
8.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1-5任一项所述的一种人脸图像隐私保护方法。
CN201910707659.3A 2019-08-01 2019-08-01 一种人脸图像隐私保护方法、装置、设备及存储介质 Active CN110610469B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910707659.3A CN110610469B (zh) 2019-08-01 2019-08-01 一种人脸图像隐私保护方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910707659.3A CN110610469B (zh) 2019-08-01 2019-08-01 一种人脸图像隐私保护方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110610469A true CN110610469A (zh) 2019-12-24
CN110610469B CN110610469B (zh) 2022-05-06

Family

ID=68889822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910707659.3A Active CN110610469B (zh) 2019-08-01 2019-08-01 一种人脸图像隐私保护方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110610469B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539008A (zh) * 2020-05-22 2020-08-14 支付宝(杭州)信息技术有限公司 保护隐私的图像处理方法及装置
CN112257697A (zh) * 2020-12-23 2021-01-22 支付宝(杭州)信息技术有限公司 图像处理、图像识别模型的训练、图像识别的方法和系统
CN113160348A (zh) * 2021-05-20 2021-07-23 深圳文达智通技术有限公司 可恢复的人脸图像隐私保护方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102486868A (zh) * 2010-12-06 2012-06-06 华南理工大学 一种基于平均脸的美丽人脸合成方法
CN103605928A (zh) * 2013-11-18 2014-02-26 清华大学 一种图像隐私保护方法和系统
CN106303233A (zh) * 2016-08-08 2017-01-04 西安电子科技大学 一种基于表情融合的视频隐私保护方法
CN108830141A (zh) * 2018-04-28 2018-11-16 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102486868A (zh) * 2010-12-06 2012-06-06 华南理工大学 一种基于平均脸的美丽人脸合成方法
CN103605928A (zh) * 2013-11-18 2014-02-26 清华大学 一种图像隐私保护方法和系统
CN106303233A (zh) * 2016-08-08 2017-01-04 西安电子科技大学 一种基于表情融合的视频隐私保护方法
CN108830141A (zh) * 2018-04-28 2018-11-16 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DMITRI BITOUK, ET AL.: ""Face Swapping: Automatically Replacing Faces in Photographs"", 《PROC SIGGRAPH》 *
P. CHRISKOS, ET AL.: ""De-Identifying Facial Images Using Singular Value Decomposition"", 《INTERNATIONAL CONVENTION ON INFORMATION &COMMUNICATION》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539008A (zh) * 2020-05-22 2020-08-14 支付宝(杭州)信息技术有限公司 保护隐私的图像处理方法及装置
CN111539008B (zh) * 2020-05-22 2023-04-11 蚂蚁金服（杭州）网络技术有限公司 保护隐私的图像处理方法及装置
CN112257697A (zh) * 2020-12-23 2021-01-22 支付宝(杭州)信息技术有限公司 图像处理、图像识别模型的训练、图像识别的方法和系统
CN113160348A (zh) * 2021-05-20 2021-07-23 深圳文达智通技术有限公司 可恢复的人脸图像隐私保护方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN110610469B (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN110610469B (zh) 一种人脸图像隐私保护方法、装置、设备及存储介质
CN112419170B (zh) 遮挡检测模型的训练方法及人脸图像的美化处理方法
CN111598993B (zh) 基于多视角成像技术的三维数据重建方法、装置
CN106570909B (zh) 一种肤色检测方法、装置及终端
CN112614060A (zh) 人脸图像头发渲染方法、装置、电子设备和介质
CN105868797A (zh) 网络参数训练方法、景物类型识别方法及装置
CN111783146B (zh) 基于隐私保护的图像处理方法、装置和电子设备
US10248843B2 (en) Image processing apparatus and method for removing a facial object
CN109190617B (zh) 一种图像的矩形检测方法、装置及存储介质
CN105023252A (zh) 一种美容图像的增强处理方法、系统及拍摄终端
CN111968057A (zh) 图像降噪方法、装置、存储介质及电子装置
Lee et al. Correction of the overexposed region in digital color image
CN111369478B (zh) 人脸图像增强方法、装置、计算机设备和存储介质
CN112115811A (zh) 基于隐私保护的图像处理方法、装置和电子设备
CN113469092A (zh) 字符识别模型生成方法、装置、计算机设备和存储介质
CN111126250A (zh) 一种基于ptgan的行人重识别方法及装置
Paulus et al. Color cluster rotation
Giraud et al. Superpixel-based color transfer
CN111652792B (zh) 图像的局部处理、直播方法、装置、设备和存储介质
Kumar et al. Constraint saliency based intelligent camera for enhancing viewers attention towards intended face
CN110895789A (zh) 一种人脸美颜方法及装置
CN108961189B (zh) 图像处理方法、装置、计算机设备和存储介质
CN113240760A (zh) 一种图像处理方法、装置、计算机设备和存储介质
CN113920556A (zh) 一种人脸防伪方法、装置、存储介质及电子设备
Liu et al. Self-adaptive single and multi-illuminant estimation framework based on deep learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant