CN111738900A - 图像的隐私保护方法、装置及设备 - Google Patents

图像的隐私保护方法、装置及设备 Download PDF

Info

Publication number
CN111738900A
CN111738900A CN202010690252.7A CN202010690252A CN111738900A CN 111738900 A CN111738900 A CN 111738900A CN 202010690252 A CN202010690252 A CN 202010690252A CN 111738900 A CN111738900 A CN 111738900A
Authority
CN
China
Prior art keywords
image
processing
image data
privacy
local area
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.)
Pending
Application number
CN202010690252.7A
Other languages
English (en)
Inventor
曹佳炯
李亮
丁菁汀
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.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
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 Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202010690252.7A priority Critical patent/CN111738900A/zh
Publication of CN111738900A publication Critical patent/CN111738900A/zh
Priority to TW110115076A priority patent/TWI762283B/zh
Priority to EP21181819.0A priority patent/EP3940568B1/en
Priority to US17/362,748 priority patent/US11232232B1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • 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
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • 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
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Facsimile Transmission Control (AREA)

Abstract

本说明书实施例提供了一种图像的隐私保护方法、装置及设备，其中，方法包括：对原始图像进行隐私内容识别；若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像，用以解决现有技术中隐私保护图像容易被非法破解以及不易还原出原始图像的问题。

Description

图像的隐私保护方法、装置及设备
技术领域
本文件涉及图像处理领域，尤其涉及一种图像的隐私保护方法、装置及设备。
背景技术
生物识别技术近年来得到了很好的发展和落地，随之而来的隐私和安全问题也愈发明显。由于生物识别系统需要采集、处理、传输、存储用户的生物识别图像，在这些过程中，攻击者都有可能对系统进行攻击，并窃取到用户的信息，威胁用户的隐私安全。
传统图像加密算法：传统图像加密算法独立于图像压缩算法，一般简单地对图像进行旋转、混淆等操作，达到加密的目的。传统加密算法的复杂度较低，模式单一，攻击者可以轻易通过暴力破解或者简单猜测解密图像。
基于特征存储的隐私保护方法：此方法不会在本地进行原始图像存储，而仅仅保存用户的生物特征（一些数组向量，一般无法逆向得到原图）。攻击者即使攻破系统也无法获取到原图。但是此方法无法解决现场复原和舆情排查等需要原图协助的问题。例如当用户投诉生物识别系统发生误识别时，工程人员因为无法获取到当时交易的原图，就无法定位系统的问题，给用户解答。
发明内容
本说明书提供了一种图像的隐私保护方法、装置及设备，用以解决现有技术中隐私保护图像容易被非法破解以及不易还原出原始图像的问题。
为达到上述目的，本发明的实施例采用如下技术方案：
第一方面，本说明书实施例提供了一种图像的隐私保护方法，包括：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
第二方面，本说明书实施例提供了一种图像的隐私保护装置，包括：
内容识别模块，对原始图像进行隐私内容识别；
区域确定模块，若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
图像处理模块，对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
图像压缩模块，对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
第三方面，本说明书实施例提供了一种图像的隐私保护设备，包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
第四方面，本说明书实施例提供了一种存储介质。该存储介质用于存储计算机可执行指令。所述计算机可执行指令在被执行时实现以下流程：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
本说明书实施例提供的图像的隐私保护方法、装置及设备，通过对原始图像进行隐私内容识别；若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；对确定出的局部区域的图像数据进行隐私保护处理；其中，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。基于此，通过灵活指定隐私内容，可实现对原始图像中待进行隐私保护处理的局部区域的图像数据的灵活选取，提高针对原始图像的隐私保护力度，同时还可轻松实现还原原始图像的目的。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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说明书中记载的一些实施例，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为本说明书实施例提供的图像的隐私保护方法的场景示意图；
图2为本说明书实施例提供的图像的隐私保护方法的流程示意图一；
图3为本说明书实施例提供的图像的隐私保护方法的流程示意图二；
图4为本说明书实施例提供的图像的隐私保护装置的模块组成示意图；
图5为本说明书实施例提供的图像的隐私保护设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书实施例中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
图1为本说明书实施例提供的图像的隐私保护方法的场景示意图，如图1所示，该场景包括：电子设备、以及该电子设备所处的与图像隐私保护相关联的应用场景。其中，电子设备可以为手机、平板电脑、台式计算机、便携笔记本式计算机等，该电子设备中内置有针对原始图像进行隐私保护处理的隐私保护装置，可用于对图像进行如图像识别、图像扰乱处理和/或图像混淆处理、图像压缩等处理；与图像隐私保护相关联的应用场景包括：将经隐私保护处理的图像在不同的电子设备之间进行传输、将经隐私保护处理的图像在本地、云端或者其他电子设备上存储、对经隐私保护处理的图像在具有合法权限的设备上进行还原得到原始图像等。
当电子设备获取到待处理的原始数据，并需要对该原始数据进行隐私保护处理，以将经隐私保护处理后的原始图像应用到上述的任一种应用场景时，可以任意选择原始图像中包含自定义的隐私内容的局部区域的图像进行隐私保护处理，从而得到经隐私保护处理后的原始图像。
具体地，在电子设备获取到待处理的原始数据后，可先对原始图像进行隐私内容识别，若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；其中，该隐私内容可以是用户自定义的图像内容；在确定出包含隐私内容的局部区域后，对该局部区域的图像数据进行隐私保护处理，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；然后，对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。最终得到的图像可在图1中所示的任一应用场景中进行流通使用。由于该经隐私保护处理的原始图像是对原始图像中包含有隐私内容的局部区域的图像数据进行隐私保护处理后得到，因此通过指定待识别的隐私内容可以实现对经隐私保护处理的局部区域图像数据的灵活选取，这在一定程度上增加了对经隐私保护处理的原始图像的还原难度，从而让攻击者因为很难确定出被隐私保护的局部区域图像，而无法快速的通过常规解密、解压方法还原出原始图像。同时，通过对包含隐私内容的局部区域图像进行隐私保护处理，可以有效减少被处理的图像数据量，提高隐私保护处理速度，也可使具有合法权限的设备通过还原处理较少的隐私保护数据就可以快速还原出原始图像，既缩短了还原处理时间，又可以达到还原原始图像的目的。
进一步地，在对原始图像进行隐私内容识别时，可对原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，对原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将文字信息作为隐私内容。
进一步地，在对确定出的局部区域的图像数据进行隐私保护处理时，可对局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据，并以此图像数据作为隐私保护处理后的图像数据；或者，对局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据，并以此图像数据作为隐私保护处理后的图像数据。
进一步地，在对确定出的局部区域的图像数据进行隐私保护处理时，可对局部区域的图像数据，先利用非线性超混沌系统进行加密，得到加密图像数据；再将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；最后对图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据，，并以此图像数据作为隐私保护处理后的图像数据；或者，先对局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；然后对图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；最后将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据，并以此图像数据作为隐私保护处理后的图像数据。
进一步地，在对局部区域的图像数据的数据，或者对图像扰乱处理后的图像数据进行图像混淆处理时，可基于预置的混淆电路，对局部区域的图像数据，或者对图像扰乱处理后的图像数据进行图像混淆处理。
进一步地，在从原始图像中确定出包含隐私内容的局部区域时，可从所述原始图像中确定出隐私内容所在的位置；基于隐私内容所在的位置，从原始图像中确定整体包含隐私内容的至少一个不相互重叠的局部区域。例如，当原始图像中包含的人脸图像数量较多，或人脸图像所在位置对应的区域较大或区域较为分散时，可以根据人脸图像所在的位置，确定出多个不相互重叠的局部区域，这些局部区域相加后形成的区域整体上包含了原始图像中的人脸图像位置。
进一步地，在基于隐私内容所在的位置，从原始图像中确定整体包含隐私内容的至少一个不相互重叠的局部区域时，当隐私内容为人脸图像时，以每张人脸图像所在的位置的边界形成闭合区域，以原始图像中包含该闭合区域的规则图形区域作为一个所述局部区域，每个局部区域仅包含一个所述闭合区域其中，包含闭合区域的规则图形区域可以为矩形区域。
进一步地，在执行上述图像的隐私保护处理的过程中，如果从原始图像中确定出的包含所述隐私内容的局部区域为至少两个不相互重叠的局部区域，则对每个局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同，以增加隐私保护处理的复杂度，提高经隐私保护处理后的原始图像的还原难度。
进一步地，在对隐私保护处理后的原始图像进行图像压缩处理时，可对隐私保护处理后的原始图像进行整体加密处理，并将整体加密处理后的原始图像进行图像压缩处理。
下面通过多个实施例来进一步说明本说明书的技术方案。
实施例一
基于上述应用场景架构，图2为本说明书实施例提供的图像的隐私保护方法的流程示意图一，图2中的方法能够由图1中的电子设备执行，如图2所示，该方法包括以下步骤：
步骤S102，对原始图像进行隐私内容识别。
其中，所述隐私内容可以是用户指定的图像内容，也可以是指定的至少一个图像内容类别，该内容类别下所包含的所有具体图像内容均可以视为隐私内容。该隐私内容可以根据原始图像包含的图像内容，以及用户欲作为隐私进行保护的图像内容进行确定。例如，可以将原始图像中包含的人脸图像作为隐私内容，或者将原始图像中包含的属于“人”这个类别下的所有图像内容（如人脸、肢体部分）均作为待识别的隐私内容。
具体地，在对原始图像进行隐私内容识别时，可采用预先生成的识别算法或者模型对原始图像中的隐私内容进行识别，以确定原始图像中是否包含所指定的隐私内容。
在一具体实施例中，可对原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，
对原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将文字信息作为隐私内容。
针对以文字信息作为隐私内容的实施例中，用户可以预先自定义出隐私信息，这些隐私信息可以是至少一个关键词。当对原始图像进行文字识别后，如果原始图像中包含的文字信息的语义与用户设置的至少一个关键词之间的语义相似度大于预设阈值，则将识别出的文字信息作为隐私内容作为隐私内容。
步骤S104，若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域。
具体地，在识别出原始图像中包含隐私内容后，可确定该隐私内容所在的图像位置，并基于该图像位置从原始图像中确定出包含隐私内容的局部区域。
步骤S106，对确定出的局部区域的图像数据进行隐私保护处理；其中，隐私保护处理包括：图像扰乱处理和/或图像混淆处理。
其中，图像扰乱处理，是指先基于如超混沌系统生成扰乱加密数据，然后基于该扰乱加密数据对待扰乱的图像数据进行处理，从而得到图像扰乱处理后的图像数据。
在本实施例中，可以对局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据，且该处理后生成的图像数据可单独作为隐私保护处理后的图像数据。
其中，可以预先建立非线性超混沌系统，例如根据原始图像的图像维度，建立对应的2D或3D的非线性超混沌系统，该非线性超混沌系统可用于生成扰乱加密的数据。
图像混淆处理，是指对图像数据的排列顺序进行打乱处理。通过设置不同的打乱规则，可以实现对图像的数据以不同的混淆方法进行混淆处理。
在本实施例中，可以对局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据，且该处理后生成的图像数据可单独作为隐私保护处理后的图像数据。
此外，在一具体实施例中，还可以对确定出的局部区域的图像数据先进行图像扰乱处理，再进行图像混淆处理，并将最终处理后生成的图像数据作为隐私保护处理后的图像数据。
例如，对局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；对图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据，该图像混淆处理后的图像数据可作为隐私保护处理后的图像数据。
可替代地，在另一具体实施例中，还可以对确定出的局部区域的图像数据先进行图像混淆处理，再进行图像扰乱处理，并将最终处理后生成的图像数据作为隐私保护处理后的图像数据。
例如，对局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；对图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据，该图像扰乱处理后的图像数据可作为隐私保护处理后的图像数据。
其中，上述各实施例中，对局部区域的图像数据的数据，或者对图像扰乱处理后的图像数据进行图像混淆处理，可包括：
基于预置的混淆电路，对局部区域的图像数据，或者对图像扰乱处理后的图像数据进行图像混淆处理。另外，也可以采用软件的混淆算法执行图像混淆处理。
步骤S108，对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。
该图像压缩处理后的图像可应用于图1中所示的图像传输、图像存储和图像还原中的任一种应用场景。
该图像压缩处理后的图像可适用图像联合加密压缩（Joint Image EncryptionCompression, JIEC）技术，即将图像加密（图像的隐私保护处理：图像扰乱处理、图像混淆处理）和压缩进行联合考虑。这样，攻击者在对联合加密压缩图像进行攻击时，不仅仅要进行解密，也要进行解压缩，从而使问题复杂度呈几何倍数增长。攻击者在不知道明确加密方法的情况下，无法在有限时间内破解出原始图像。
因此，经本实施例的图像的隐私保护方法处理后得到的图像可以安全地被存储在本地或者上传到云端。另外，可以通过对该图像进行还原处理得到原始图像，能够使现场复原和舆情排查等问题也得到解决。
由于本实施例中的经隐私保护处理后得到的图像是对原始图像中包含有隐私内容的局部区域进行图像扰乱处理和/或图像混淆处理后得到，因此通过指定不同隐私内容可以实现对局部区域的灵活选取，这在一定程度上增加了对经隐私保护处理后的图像进行图像还原的难度，从而让攻击者因为很难确定出被隐私保护处理的局部区域图像，而无法快速的通过常规解密方法解密出原始图像。
同时，通过对局部区域图像进行隐私保护处理，可以减少被处理的图像数据量，提高隐私保护处理速度，也可使具有合法权限的设备通过处理较少的隐私保护数据就可以快速还原出原始图像，既缩短了还原处理时间，又可以实现还原原始图像的目的。
本说明书实施例提供的图像的隐私保护方法，通过对原始图像进行隐私内容识别；若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；对确定出的局部区域的图像数据进行隐私保护处理；其中，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。基于此，通过灵活指定隐私内容，可实现对原始图像中待进行隐私保护处理的局部区域的图像数据的灵活选取，提高针对原始图像的隐私保护力度，同时还可轻松实现还原原始图像的目的。
实施例二
本实施例在实施例一的基础上，对图2所示的图像的隐私保护方法进行拓展和补充。
在一具体实施例中，如图3所示，上述步骤S104可包括如下步骤：
S104-2，从原始图像中确定出隐私内容所在的位置。
具体地，可采用预先生成的识别算法或模型对原始图像中所包含的隐私内容进行识别，以从原始图像中确定出隐私内容所在的位置。
S104-4，基于隐私内容所在的位置，从原始图像中确定整体包含隐私内容的至少一个不相互重叠的局部区域。
例如，当原始图像中包含的隐私内容所在位置对应的区域较大或区域较为分散时，可以根据隐私内容所在的位置，确定出多个不相互重叠的局部区域，这些局部区域相加后形成的区域整体上包含了原始图像中的隐私内容的位置。
具体地，在确定至少一个不相互重叠的局部区域时，可以基于识别出的隐私内容的位置所占区域的大小，如果区域较大，则可将该区域拆分成相对较小的多个局部区域；还可以基于识别出的隐私内容的位置在原始图像中的分布情况，将分布较为集中的隐私内容的位置划分到同一个局部区域，将分布较为分散的隐私内容的位置划分到不同的局部区域。
在一具体实施例中，当隐私内容为人脸图像时，可以每张人脸图像所在的位置的边界形成闭合区域，以原始图像中包含该闭合区域的规则图形区域作为一个局部区域，每个局部区域仅包含一个闭合区域。
具体地，考虑到通常一张原始图像中包含的人脸的大小相对一致，因此可以每张人脸所在的位置单独形成一个局部区域。在确定该局部区域的边界时，可先以人脸所在的位置的边界形成闭合区域，然后以原始图像中包含该闭合区域的规则图形区域作为一个局部区域。该规则图形区域可以是矩形区域，为了尽可能减小该矩形区域所占的区域面积，降低后续隐私保护处理的计算数据量，可以上述闭合区域的横向坐标最大值、最小值，纵向坐标最大值、最小值作为边界形成矩形区域。另外，以规则图形区域作为一个局部区域可以方便对区域内的数据坐标进行标注存储和计算，从而提高后续处理的处理效率。
进一步地，在上述任一图像的隐私保护方法中，如果从原始图像中确定出的包含隐私内容的局部区域为至少两个不相互重叠的局部区域，则对每个局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同。
具体地，当从原始图像中确定出的包含隐私内容的局部区域为至少两个不相互重叠的局部区域时，且选择包含图像扰乱处理对局部区域的图像数据进行隐私保护处理时，不同局部区域所采用的图像扰乱处理方法不完全相同；当从原始图像中确定出的包含目标内容的局部区域为至少两个不相互重叠的局部区域时，且选择包含图像混淆处理对局部区域的图像数据进行隐私保护处理时，不同局部区域所采用的图像混淆处理方法不完全相同。
本说明书实施例提供的图像的隐私保护方法，通过对原始图像进行隐私内容识别；若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；对确定出的局部区域的图像数据进行隐私保护处理；其中，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。基于此，通过灵活指定隐私内容，可实现对原始图像中待进行隐私保护处理的局部区域的图像数据的灵活选取，提高针对原始图像的隐私保护力度，同时还可轻松实现还原原始图像的目的。
实施例三
对应上述图2-图3描述的图像的隐私保护方法，基于相同的技术构思，本说明书实施例还提供一种图像的隐私保护装置。图4为本说明书实施例提供的图像的隐私保护装置的模块组成示意图，该装置用于执行图2-图3描述的图像的隐私保护方法，如图4所示，该装置包括：
内容识别模块201，对原始图像进行隐私内容识别；
区域确定模块202，若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；
图像处理模块203，对确定出的局部区域的图像数据进行隐私保护处理；其中，隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
图像压缩模块204，对隐私保护处理后的所述原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。
进一步地，内容识别模块201，对原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，
对原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将文字信息作为隐私内容。
进一步地，图像处理模块203，对局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原所述局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；或者，
对局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据。
进一步地，图像处理模块203，对局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；对图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；或者，
对局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；对图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据。
进一步地，图像处理模块203，对局部区域的图像数据的数据，或者对图像扰乱处理后的图像数据进行图像混淆处理，包括：
图像处理模块203，基于预置的混淆电路，对局部区域的图像数据，或者对图像扰乱处理后的图像数据进行图像混淆处理。
进一步地，区域确定模块202，从原始图像中确定出隐私内容所在的位置；基于隐私内容所在的位置，从原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域。
进一步地，区域确定模块202，当隐私内容为人脸图像时，以每张人脸图像所在的位置的边界形成闭合区域，以原始图像中包含该闭合区域的规则图形区域作为一个所述局部区域，每个局部区域仅包含一个所述闭合区域。
进一步地，如果区域确定模块202从原始图像中确定出的包含隐私内容的局部区域为至少两个不相互重叠的局部区域，则图像处理模块203对每个局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同。
进一步地，图像压缩模块204，对隐私保护处理后的原始图像进行整体加密处理，并将整体加密处理后的原始图像进行图像压缩处理。
本说明书实施例提供的图像的隐私保护装置，通过对原始图像进行隐私内容识别；若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；对确定出的局部区域的图像数据进行隐私保护处理；其中，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。基于此，通过灵活指定隐私内容，可实现对原始图像中待进行隐私保护处理的局部区域的图像数据的灵活选取，提高针对原始图像的隐私保护力度，同时还可轻松实现还原原始图像的目的。
需要说明的是，本说明书中关于图像的隐私保护装置的实施例与本说明书中关于图像的隐私保护方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的图像的隐私保护方法的实施，重复之处不再赘述。
实施例四
对应上述图2-图3描述的图像的隐私保护方法，基于相同的技术构思，本说明书实施例还提供一种图像的隐私保护设备，该设备用于执行上述的图像的隐私保护方法，图5为本说明书实施例提供的一种图像的隐私保护设备的结构示意图。
如图5所示，图像的隐私保护设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器301和存储器302，存储器302中可以存储有一个或一个以上存储应用程序或数据。其中，存储器302可以是短暂存储或持久存储。存储在存储器302的应用程序可以包括一个或一个以上模块（图示未示出），每个模块可以包括图像的隐私保护设备中的一系列计算机可执行指令。更进一步地，处理器301可以设置为与存储器302通信，在图像的隐私保护设备上执行存储器302中的一系列计算机可执行指令。图像的隐私保护设备还可以包括一个或一个以上电源303，一个或一个以上有线或无线网络接口304，一个或一个以上输入输出接口305，一个或一个以上键盘306等。
在一个具体的实施例中，图像的隐私保护设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对图像的隐私保护设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
可选地，计算机可执行指令在被执行时，所述对原始图像进行隐私内容识别，包括：
对所述原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，
对所述原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将所述文字信息作为隐私内容。
可选地，计算机可执行指令在被执行时，所述对确定出的所述局部区域的图像数据进行隐私保护处理，包括：
对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原所述局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据。
可选地，计算机可执行指令在被执行时，所述对确定出的所述局部区域的图像数据进行隐私保护处理，包括：
对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；对所述图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；对所述图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据。
可选地，计算机可执行指令在被执行时，对所述局部区域的图像数据的数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理，包括：
基于预置的混淆电路，对所述局部区域的图像数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理。
可选地，计算机可执行指令在被执行时，所述从所述原始图像中确定出包含所述隐私内容的局部区域包括：
从所述原始图像中确定出隐私内容所在的位置；
基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域。
可选地，计算机可执行指令在被执行时，所述基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域，包括：
当所述隐私内容为人脸图像时，以每张人脸图像所在的位置的边界形成闭合区域，以所述原始图像中包含该闭合区域的规则图形区域作为一个所述局部区域，每个局部区域仅包含一个所述闭合区域。
可选地，计算机可执行指令在被执行时，所述方法还包括：
如果从所述原始图像中确定出的包含所述隐私内容的局部区域为至少两个不相互重叠的局部区域，则对每个所述局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同。
可选地，计算机可执行指令在被执行时，所述对隐私保护处理后的所述原始图像进行图像压缩处理包括：
对隐私保护处理后的所述原始图像进行整体加密处理，并将整体加密处理后的所述原始图像进行图像压缩处理。
本说明书实施例提供的图像的隐私保护设备，通过对原始图像进行隐私内容识别；若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；对确定出的局部区域的图像数据进行隐私保护处理；其中，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。基于此，通过灵活指定隐私内容，可实现对原始图像中待进行隐私保护处理的局部区域的图像数据的灵活选取，提高针对原始图像的隐私保护力度，同时还可轻松实现还原原始图像的目的。
需要说明的是，本说明书中关于图像的隐私保护设备的实施例与本说明书中关于图像的隐私保护方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的图像的隐私保护方法的实施，重复之处不再赘述。
实施例五
对应上述图2-图3描述的图像的隐私保护方法，基于相同的技术构思，本说明书实施例还提供一种存储介质，用于存储计算机可执行指令，一个具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述对原始图像进行隐私内容识别，包括：
对所述原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，
对所述原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将所述文字信息作为隐私内容。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述对确定出的所述局部区域的图像数据进行隐私保护处理，包括：
对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原所述局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述对确定出的所述局部区域的图像数据进行隐私保护处理，包括：
对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；对所述图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；对所述图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，对所述局部区域的图像数据的数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理，包括：
基于预置的混淆电路，对所述局部区域的图像数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述从所述原始图像中确定出包含所述隐私内容的局部区域包括：
从所述原始图像中确定出隐私内容所在的位置；
基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域，包括：
当所述隐私内容为人脸图像时，以每张人脸图像所在的位置的边界形成闭合区域，以所述原始图像中包含该闭合区域的规则图形区域作为一个所述局部区域，每个局部区域仅包含一个所述闭合区域。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述方法还包括：
如果从所述原始图像中确定出的包含所述隐私内容的局部区域为至少两个不相互重叠的局部区域，则对每个所述局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述对隐私保护处理后的所述原始图像进行图像压缩处理包括：
对隐私保护处理后的所述原始图像进行整体加密处理，并将整体加密处理后的所述原始图像进行图像压缩处理。
本说明书实施例提供的存储介质所存储的计算机可执行指令在被处理器执行时，通过对原始图像进行隐私内容识别；若识别出隐私内容，则从原始图像中确定出包含隐私内容的局部区域；对确定出的局部区域的图像数据进行隐私保护处理；其中，该隐私保护处理包括：图像扰乱处理和/或图像混淆处理；对隐私保护处理后的原始图像进行图像压缩处理，将图像压缩处理后的图像作为待传输或待存储的图像。基于此，通过灵活指定隐私内容，可实现对原始图像中待进行隐私保护处理的局部区域的图像数据的灵活选取，提高针对原始图像的隐私保护力度，同时还可轻松实现还原原始图像的目的。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于图像的隐私保护方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的图像的隐私保护方法的实施，重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device，PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU）、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存（PRAM）、静态随机存取存储器（SRAM）、动态随机存取存储器（DRAM）、其他类型的随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体（transitory media），如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本文件的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本文件的权利要求范围之内。

Claims (20)

1.一种图像的隐私保护方法，包括：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
2.根据权利要求1所述的方法，其中，所述对原始图像进行隐私内容识别，包括：
对所述原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，
对所述原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将所述文字信息作为隐私内容。
3.根据权利要求1所述的方法，其中，所述对确定出的所述局部区域的图像数据进行隐私保护处理，包括：
对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原所述局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据。
4.根据权利要求1所述的方法，其中，所述对确定出的所述局部区域的图像数据进行隐私保护处理，包括：
对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；对所述图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；对所述图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据。
5.根据权利要求3或4所述的方法，其中，对所述局部区域的图像数据的数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理，包括：
基于预置的混淆电路，对所述局部区域的图像数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理。
6.根据权利要求2所述的方法，其中，所述从所述原始图像中确定出包含所述隐私内容的局部区域包括：
从所述原始图像中确定出隐私内容所在的位置；
基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域。
7.根据权利要求6所述的方法，其中，所述基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域，包括：
当所述隐私内容为人脸图像时，以每张人脸图像所在的位置的边界形成闭合区域，以所述原始图像中包含该闭合区域的规则图形区域作为一个所述局部区域，每个局部区域仅包含一个所述闭合区域。
8.根据权利要求6或7所述的方法，所述方法还包括：
如果从所述原始图像中确定出的包含所述隐私内容的局部区域为至少两个不相互重叠的局部区域，则对每个所述局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同。
9.根据权利要求1所述的方法，所述对隐私保护处理后的所述原始图像进行图像压缩处理包括：
对隐私保护处理后的所述原始图像进行整体加密处理，并将整体加密处理后的所述原始图像进行图像压缩处理。
10.一种图像的隐私保护装置，包括：
内容识别模块，对原始图像进行隐私内容识别；
区域确定模块，若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
图像处理模块，对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
图像压缩模块，对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
11.根据权利要求10所述的装置，其中，所述内容识别模块，对所述原始图像进行人脸识别，若识别出人脸图像，则将识别出的人脸图像作为隐私内容；和/或，
对所述原始图像中的文字信息进行语义分析，若分析结果与用户的隐私信息相关，则将所述文字信息作为隐私内容。
12.根据权利要求10所述的装置，其中，所述图像处理模块，对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原所述局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据。
13.根据权利要求10所述的装置，其中，所述图像处理模块，对所述局部区域的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据；对所述图像扰乱处理后的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；或者，
对所述局部区域的图像数据的数据顺序进行打乱，得到图像混淆处理后的图像数据；对所述图像混淆处理后的图像数据，利用非线性超混沌系统进行加密，得到加密图像数据；将所述加密图像数据与原局部区域的图像数据进行叠加，得到图像扰乱处理后的图像数据。
14.根据权利要求12或13所述的装置，其中，所述图像处理模块对所述局部区域的图像数据的数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理，包括：
所述图像处理模块，基于预置的混淆电路，对所述局部区域的图像数据，或者对所述图像扰乱处理后的图像数据进行图像混淆处理。
15.根据权利要求11所述的装置，其中，所述区域确定模块，从所述原始图像中确定出隐私内容所在的位置；
基于所述隐私内容所在的位置，从所述原始图像中确定整体包含所述隐私内容的至少一个不相互重叠的局部区域。
16.根据权利要求15所述的装置，其中，所述区域确定模块，当所述隐私内容为人脸图像时，以每张人脸图像所在的位置的边界形成闭合区域，以所述原始图像中包含该闭合区域的规则图形区域作为一个所述局部区域，每个局部区域仅包含一个所述闭合区域。
17.根据权利要求15或16所述的装置，其中，如果所述区域确定模块从所述原始图像中确定出的包含所述隐私内容的局部区域为至少两个不相互重叠的局部区域，则所述图像处理模块对每个所述局部区域的图像数据进行隐私保护处理时所采用的图像扰乱处理和/或图像混淆处理不完全相同。
18.根据权利要求10所述的装置，其中，所述图像压缩模块，对隐私保护处理后的所述原始图像进行整体加密处理，并将整体加密处理后的所述原始图像进行图像压缩处理。
19.一种图像的隐私保护设备，包括：
处理器；以及，
被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
20.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现以下流程：
对原始图像进行隐私内容识别；
若识别出隐私内容，则从所述原始图像中确定出包含所述隐私内容的局部区域；
对确定出的所述局部区域的图像数据进行隐私保护处理；其中，所述隐私保护处理包括：图像扰乱处理和/或图像混淆处理；
对隐私保护处理后的所述原始图像进行图像压缩处理，将所述图像压缩处理后的图像作为待传输或待存储的图像。
CN202010690252.7A 2020-07-17 2020-07-17 图像的隐私保护方法、装置及设备 Pending CN111738900A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010690252.7A CN111738900A (zh) 2020-07-17 2020-07-17 图像的隐私保护方法、装置及设备
TW110115076A TWI762283B (zh) 2020-07-17 2021-04-27 圖像的隱私保護方法、裝置及設備
EP21181819.0A EP3940568B1 (en) 2020-07-17 2021-06-25 Image privacy protection method, apparatus and device
US17/362,748 US11232232B1 (en) 2020-07-17 2021-06-29 Image privacy protection method, apparatus and device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010690252.7A CN111738900A (zh) 2020-07-17 2020-07-17 图像的隐私保护方法、装置及设备

Publications (1)

Publication Number Publication Date
CN111738900A true CN111738900A (zh) 2020-10-02

Family

ID=72654863

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010690252.7A Pending CN111738900A (zh) 2020-07-17 2020-07-17 图像的隐私保护方法、装置及设备

Country Status (4)

Country Link
US (1) US11232232B1 (zh)
EP (1) EP3940568B1 (zh)
CN (1) CN111738900A (zh)
TW (1) TWI762283B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200796A (zh) * 2020-10-28 2021-01-08 支付宝(杭州)信息技术有限公司 一种基于隐私保护的图像处理方法、装置及设备
CN112347512A (zh) * 2020-11-13 2021-02-09 支付宝(杭州)信息技术有限公司 图像处理方法、装置、设备及存储介质
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
CN115049760A (zh) * 2022-08-16 2022-09-13 杭州海康威视数字技术股份有限公司 一种基于摩尔效应增强的视频隐私保护方法、装置及设备

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11709954B2 (en) * 2020-05-01 2023-07-25 Microsoft Technology Licensing, Llc Image content obfuscation using a neural network
US11757616B2 (en) * 2021-09-18 2023-09-12 Dalian Unversity of Technology Image encryption method based on improved class boosting scheme
CN114692209B (zh) * 2022-05-31 2022-09-20 蓝象智联(杭州)科技有限公司 一种基于混淆技术的图联邦方法及系统
CN115086718A (zh) * 2022-07-19 2022-09-20 广州万协通信息技术有限公司 一种视频流加密方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105957001A (zh) * 2016-04-18 2016-09-21 深圳感官密码科技有限公司 一种隐私保护方法及装置
CN110135195A (zh) * 2019-05-21 2019-08-16 司马大大（北京）智能系统有限公司 隐私保护方法、装置、设备及存储介质
CN111260537A (zh) * 2018-12-03 2020-06-09 珠海格力电器股份有限公司 一种图像隐私保护方法、装置、存储介质及摄像设备
CN111401320A (zh) * 2020-04-15 2020-07-10 支付宝(杭州)信息技术有限公司 保护隐私的生物特征图像处理方法及装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10714213B2 (en) * 2002-10-29 2020-07-14 Practice Velocity, LLC Method and system for automated medical records processing with patient tracking
EP1769637A2 (en) * 2004-07-09 2007-04-04 Emitall Surveillance S.A. Smart video surveillance system ensuring privacy
US20070153091A1 (en) * 2005-12-29 2007-07-05 John Watlington Methods and apparatus for providing privacy in a communication system
JP2009232333A (ja) * 2008-03-25 2009-10-08 Fujitsu Ltd 画像暗号化装置および画像復号化装置
US8189781B1 (en) * 2008-07-09 2012-05-29 Matthew Forrest Hartman Protection of digital images
US20130035979A1 (en) * 2011-08-01 2013-02-07 Arbitron, Inc. Cross-platform audience measurement with privacy protection
US8973149B2 (en) * 2013-01-14 2015-03-03 Lookout, Inc. Detection of and privacy preserving response to observation of display screen
US20150106627A1 (en) * 2013-10-10 2015-04-16 Elwha Llc Devices, methods, and systems for analyzing captured image data and privacy data
US10346624B2 (en) * 2013-10-10 2019-07-09 Elwha Llc Methods, systems, and devices for obscuring entities depicted in captured images
CN104021350B (zh) * 2014-05-13 2016-07-06 小米科技有限责任公司 隐私信息隐藏方法及装置
US20160148000A1 (en) * 2014-11-25 2016-05-26 Freescale Semiconductor, Inc. Method and apparatus for encoding image data
CN105975866B (zh) * 2016-04-26 2018-07-03 长安大学 基于同类系数置乱的jpeg图像加密方法
US10467387B2 (en) * 2016-06-23 2019-11-05 Oath Inc. Computerized system and method for modifying a media file by automatically applying security features to select portions of media file content
US10169548B2 (en) * 2016-08-24 2019-01-01 International Business Machines Corporation Image obfuscation
US10467459B2 (en) * 2016-09-09 2019-11-05 Microsoft Technology Licensing, Llc Object detection based on joint feature extraction
US10242282B2 (en) * 2017-03-20 2019-03-26 Conduent Business Services, Llc Video redaction method and system
CN108365947B (zh) * 2018-03-05 2019-05-24 郑州轻工业学院 一种基于Feistel网络与动态DNA编码的图像加密方法
US10839104B2 (en) * 2018-06-08 2020-11-17 Microsoft Technology Licensing, Llc Obfuscating information related to personally identifiable information (PII)
US11462315B2 (en) * 2019-11-26 2022-10-04 Enlitic, Inc. Medical scan co-registration and methods for use therewith
US11722641B2 (en) * 2019-12-30 2023-08-08 Systems & Technology Research, Llc Digital image inference system with enhanced privacy protection

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105957001A (zh) * 2016-04-18 2016-09-21 深圳感官密码科技有限公司 一种隐私保护方法及装置
CN111260537A (zh) * 2018-12-03 2020-06-09 珠海格力电器股份有限公司 一种图像隐私保护方法、装置、存储介质及摄像设备
CN110135195A (zh) * 2019-05-21 2019-08-16 司马大大（北京）智能系统有限公司 隐私保护方法、装置、设备及存储介质
CN111401320A (zh) * 2020-04-15 2020-07-10 支付宝(杭州)信息技术有限公司 保护隐私的生物特征图像处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
夏荣: "《基于混沌的数字图像加密算法的研究与设计》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200796A (zh) * 2020-10-28 2021-01-08 支付宝(杭州)信息技术有限公司 一种基于隐私保护的图像处理方法、装置及设备
CN112347512A (zh) * 2020-11-13 2021-02-09 支付宝(杭州)信息技术有限公司 图像处理方法、装置、设备及存储介质
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
CN115049760A (zh) * 2022-08-16 2022-09-13 杭州海康威视数字技术股份有限公司 一种基于摩尔效应增强的视频隐私保护方法、装置及设备
CN115049760B (zh) * 2022-08-16 2022-12-02 杭州海康威视数字技术股份有限公司 一种基于摩尔效应增强的视频隐私保护方法、装置及设备

Also Published As

Publication number Publication date
US11232232B1 (en) 2022-01-25
EP3940568B1 (en) 2023-03-01
TW202205214A (zh) 2022-02-01
TWI762283B (zh) 2022-04-21
US20220019690A1 (en) 2022-01-20
EP3940568A1 (en) 2022-01-19

Similar Documents

Publication Publication Date Title
CN111738900A (zh) 图像的隐私保护方法、装置及设备
CN112016120B (zh) 基于用户隐私保护的事件预测方法和装置
US20160117518A1 (en) File Encryption/Decryption Device And File Encryption/Decryption Method
CN107122634B (zh) 软件安装包的加固保护方法及装置
US10922422B2 (en) Blockchain-based image processing method and apparatus
WO2020228366A1 (zh) 基于区块链的图片处理方法及装置
CN111538968A (zh) 基于隐私保护的身份核验方法、装置及设备
CN113792297A (zh) 一种业务处理方法、装置及设备
WO2023226801A1 (zh) 一种业务处理方法、装置及设备
CN114091062A (zh) 职业数据处理方法及装置
CN112837202B (zh) 基于隐私保护的水印图像的生成、攻击溯源方法及装置
Brindha et al. Securing Portable Document Format File Using Extended Visual Cryptography to Protect Cloud Data Storage.
CN113221717A (zh) 一种基于隐私保护的模型构建方法、装置及设备
CN109560927B (zh) 一种设备指纹实现方法及装置
CN113849837B (zh) 一种安全模型的训练方法、装置、设备以及数据处理方法
CN113343295B (zh) 基于隐私保护的图像处理方法、装置、设备和存储介质
CN115618375A (zh) 一种业务执行方法、装置、存储介质及电子设备
CN112364367A (zh) 一种基于隐私保护的对象处理方法、装置及设备
CN107122635A (zh) 一种so文件的加固方法、装置和apk的加固方法
CN108319872B (zh) 一种封闭容器生成方法、装置及设备
CN111641499A (zh) 一种基于区块链的私钥还原方法、装置、设备及介质
CN106570410B (zh) 一种数据的加密方法、解密方法、装置和系统
CN114866345B (zh) 一种生物识别的处理方法、装置及设备
CN114638014A (zh) 基于隐私保护的图像处理方法、装置及设备
CN115203720A (zh) 图像处理方法及装置

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40038363

Country of ref document: HK

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201002