CN112347512A - 图像处理方法、装置、设备及存储介质 - Google Patents

Abstract

本说明书实施例提供了图像处理方法和装置。根据该实施例的方法，首先，通过获取包含隐私部分和非隐私部分的待处理图像，获取用户对于待处理图像的隐私保护规则，然后，根据隐私保护规则，从待处理图像区分出隐私部分和非隐私部分，对待处理图像包含的隐私部分进行隐私处理，以得到处理后的图像，在显示处理后的图像时，隐私部分无法通过该显示而被识别。从而实现根据需要保护图像的隐私部分，而显示图像的非隐私部分。

Description

图像处理方法、装置、设备及存储介质

技术领域

本文涉及互联网领域，尤其涉及一种图像处理方法、装置、设备及存储介质。

背景技术

近年来，随着互联网技术的发展，图像传输及识别技术得到广泛应用。在应用图像的过程中，由于某些图像可能包含用户隐私内容，为防止用户隐私泄露，通常需要对图像进行处理。

相关的图像处理方法，大多对整张图像进行处理，例如将整张图像变模糊，实现隐私保护。

但在有些仅需要保护图像隐私部分的图像应用场景，如将整张图像处理，影响图像非隐私部分显示。

发明内容

本说明书一个或多个实施例提供了一种图像处理方法、装置、设备及存储介质，能够根据需要保护图像的隐私部分，显示图像的非隐私部分。

本说明书一个或多个实施例提供的技术方案如下：

本说明书一个实施例提供了一种图像处理方法，包括：

获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

获取用户对于所述待处理图像的隐私保护规则；

根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

本说明书一个实施例提供了一种图像处理装置，包括：

第一获取模块，获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

第二获取模块，获取用户对于所述待处理图像的隐私保护规则；

识别模块，用于根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

处理模块，对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

本说明书一个实施例提供了一种图像处理设备，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实现上述图像处理方法的步骤。

本说明书一个实施例提供了一种存储介质，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上述图像处理方法的步骤。

本说明书一个或多个实施例提供的图像处理方法、装置、设备及存储介质，获取包含隐私部分和非隐私部分的待处理图像，获取用户对于待处理图像的隐私保护规则，根据隐私保护规则，从待处理图像区分出隐私部分和非隐私部分，对待处理图像包含的隐私部分进行隐私处理，以得到处理后的图像，使得在显示处理后的图像时，隐私部分无法通过该显示而被识别，从而实现根据需要保护图像的隐私部分，而显示图像的非隐私部分。

附图说明

为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，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为应用本说明书实施例提供的图像处理方法的系统架构组成的一个实施例的示意图；

图2为本说明书一个实施例提供的图像处理方法的流程示意图；

图3为本说明书另一个实施例提供的图像处理方法的流程示意图；

图4为本说明书一个实施例提供的图像处理装置的模块组成示意图；

图5为本说明书另一个实施例提供的图像处理装置的模块组成示意图；

图6为本说明书又一个实施例提供的图像处理装置的模块组成示意图；

图7为本说明书一个实施例提供的图像处理设备的模块组成示意图。

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一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

本说明书一个或者多个实施例的目的是提供一种图像处理方法、装置、设备及存储介质，能够根据需要保护图像的隐私部分，显示图像的非隐私部分。本说明书各个实施例中的图像处理方法可以应用在图像采集设备上，也可以应用在人脸识别设备上，还可以应用在服务器上，这里不做限定。

本说明书一个或者多个实施例提供一种图像处理方法，该方法具体可以应用于如图1所示的包含有服务器100和采集终端200的系统架构中。如图1所示，所述采集终端200布设于某个具体的应用场景中，并通过有线或无线的方式与服务器100耦合，以便进行数据交互。通过该系统可以获取该应用场景中包含隐私部分和非隐私部分的待处理图像，获取用户对于所述待处理图像的隐私保护规则，根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分，对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

具体的，所述采集终端200具体可以用于获取包含隐私部分和非隐私部分的待处理图像，并将所述待处理图像发送至服务器100。所述服务器100具体可以用于通过向用户显示至少一个隐私保护项目，获取用户在至少一个隐私保护项目中选定的目标隐私保护项目，在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域，将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

在一些实施例中，所述服务器100可以是一种应用于数据处理平台一侧，能够实现数据传输、数据处理等功能的后台业务服务器。具体的，所述服务器100可以为一个具有数据运算、存储功能以及网络交互功能的电子设备；也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件程序。在本实施方式中，并不具体限定所述服务器的数量。所述服务器具体可以为一个服务器，也可以为几个服务器，或者，由若干服务器形成的服务器集群。

在一些实施例中，所述采集终端200可以是一种应用于具体的场景区域一侧，能够实现数据采集、数据传输等功能的前端设备。具体地，所述采集终端200可以为图像采集设备，例如摄像头等，也可以是安装有摄像头的其他电子设备，例如平板电脑、笔记本电脑、智能手机等。

图2为本说明书一个实施例提供的图像处理方法的流程示意图，如图2所示，该方法包括以下步骤：

101、获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

102、获取用户对于所述待处理图像的隐私保护规则；

103、根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

104、对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

在一些实施例中，上述步骤101-104可以由图1所示的系统实现，具体的步骤执行主体方式可以根据不同的应用场景进行适应性调整。例如，一些应用场景中，步骤101可以由图1中的采集终端200执行，步骤102-104可以由服务器100执行。

本说明书图2所示的实施例中，获取包含隐私部分和非隐私部分的待处理图像，获取用户对于待处理图像的隐私保护规则，根据隐私保护规则，从待处理图像区分出隐私部分和非隐私部分，对待处理图像包含的隐私部分进行隐私处理，以得到处理后的图像，使得在显示处理后的图像时，隐私部分无法通过该显示而被识别，从而实现根据需要保护图像的隐私部分，而显示图像的非隐私部分。

在一些实施例中，步骤101中在用户授权的情况下获取所述待处理图像。例如，在一个社交平台的应用场景中，社交平台在用户确认后，采集所述待处理图像；再例如，在一个生物识别系统的应用场景中，生物识别系统在保证数据质量的情况下自动采集所述待处理图像。

在一些实施例中，步骤102中，向用户显示至少一个隐私保护项目，获取用户在至少一个隐私保护项目中选定的目标隐私保护项目。其中，在一些实施例中，所述至少一个隐私保护项目包括以下至少一种：品牌显示保护、生物特征显示保护、地点显示保护。其中，品牌包括但不限于商标，生物特征包括但不限于指纹、面部图像，地点包括但不限于地址信息。

在一些实施例中，向用户显示至少一个隐私保护项目之前，对所述待处理图像进行隐私内容检测，确定所述待处理图像包含的至少一种隐私内容；根据所述待处理图像包含的至少一种隐私内容，确定所述至少一个隐私保护项目，每一个隐私保护项目与一种隐私内容对应。例如，检测到所述待处理图像包含生物特征，则显示的所述至少一个隐私保护项目包括生物特征显示保护。同样，检测到所述待处理图像包含品牌、地点也可以同样处理。

在一些实施例中，向用户显示至少一个隐私保护项目之前，确定所述待处理图像的用途，根据所述待处理图像的用途，确定所述至少一个隐私保护项目。例如，所述待处理图像用于上传至社交平台，则显示的所述至少一个隐私保护项目包括品牌显示保护和/或地点显示保护；例如，所述待处理图像用于身份识别，则显示的所述至少一个隐私保护项目包括生物特征显示保护。

在一些实施例中，采集所述待处理图像后，可以显示待选的所述至少一个隐私保护项目，显示提示信息，提示用户选择需要保护的至少一个隐私保护项目。例如，可以在用户操作界面显示提示，提醒用户从所述至少一个隐私保护项目中选定所述目标隐私保护项目。在一些实施例中，用户可以通过点击操作实现选定所述目标隐私保护项目。应当理解，所述目标隐私保护项目可以是所述至少一个隐私保护项目中的一项或者多项。

在一些实施例中，用户可以选择是否将本次选择的该目标隐私保护项目作为默认选项。例如选择将本次选择的该目标隐私保护项目作为默认选项，则后续进行隐私保护项目时无需用户选定而直接选定该目标隐私保护项目。

在一些实施例中，可以预先设置选择时长，如选择时长内未收到用户选定所述目标隐私保护项目，则选择默认隐私保护策略。其中，该默认隐私保护策略可以根据不同的场景进行设置，本说明书各实施例不做限定。例如，该默认保护策略可以是不做隐私保护；又例如，该默认保护策略可以是按照上次的目标隐私保护项目记录选定本次的目标隐私保护项目；再例如，该默认保护策略可以是选定所述至少一个隐私保护项目中的特定项(如第一项)为所述目标隐私保护项目。

在一些实施例中，用户可以选择不做隐私保护，例如显示不做隐私保护选项，用户选定不做隐私保护选项则不做隐私保护。如用户选择不做隐私保护，则后续步骤区分所述待处理图像中所述隐私部分和所述非隐私部分时，将所述待处理图像的全部作为所述非隐私部分。

在一些实施例中，步骤103中，在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域，将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

在一些实施例中，进一步包括：针对至少一个隐私保护项目中的每一个隐私保护项目均执行：获取至少两张待标注图像；每一张待标注图像中包括有该隐私保护项目的相关内容；对所述至少两张待标注图像进行标注，得到至少两张标注图像，其中，每一张标注图像都已经被标注出图像中的该隐私保护项目对应的隐私区域；利用该至少两张标注图像训练出该隐私保护项目对应的识别模型。

相应的，在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域时，获取所述目标隐私保护项目对应的目标识别模型；将所述待处理图像输入所述目标识别模型，由所述目标识别模型识别出所述待处理图像中所述目标隐私保护项目对应的隐私区域。

具体的，以品牌检测为例，获取包含品牌显示的待标注图像，人工标注出品牌显示区域；利用卷积神经网络(例如ResNet50等)进行模型训练，模型输入为包含品牌显示的图像，输出为品牌显示区域的位置；训练完成后，该模型即可完成品牌检测任务。同样，生物特征(如指纹、面部)检测模型，也可以应用相同的方法得到。再以地点检测为例，获取包含地点显示的待标注图像，人工标注出地点显示区域；利用卷积神经网络(例如ResNet50等)进行模型训练，模型输入为包含地点的图像，输出为品牌显示区域的位置。其中地点显示区域可以为图像中连续长度大于6个字且该6个字包含关键字(如路、号、街、室、幢等)的显示区域。

应当理解，在训练模型时，可以根据需要进行网络结构选择，例如选择ResNet50、ResNext50等，也可以选择NAS等方法进行网络结构搜索，得到更加适合该任务的网络结构。本说明书各实施例不限定特定的网络结构。

在一些实施例中，利用该至少两张标注图像训练出该隐私保护项目对应的识别模型后，还可以对该识别模型性能进行测试，如果性能不符合预期则重新训练。在一些实施例中，将该识别模型的识别结果与人工标注结果比对，确定模型性能。

在一些实施例中，所述对所述至少两张待标注图像进行标注，得到至少两张标注图像时，对所述至少两张待标注图像中的每一张待标注图像，用显示应用图像矩形坐标标注出图像中的该隐私保护项目对应的隐私区域，得到至少两张标注图像。

具体的，以品牌标注为例，获取包含品牌显示的图像，人工将图像中的品牌显示区域框定出来，获得品牌显示区域的矩形框坐标{(x0,y0),(x1,y1)}，其中(x0,y0)为左上角坐标，(x1,y1)为右下角坐标，即标注完成。同样，生物特征显示区域、地址显示区域也可以应用该方法标注。

在一些实施例中，利用该至少两张标注图像训练出该隐私保护项目对应的识别模型时，确定该隐私保护项目适用的卷积神经网络；用所述卷积神经网络训练所述至少两张标注图像，得到该隐私保护项目对应的识别模型；在训练过程中，每次向该卷积神经网络输入所述至少两张标注图像中隐私保护项目对应的区域坐标，以由所述卷积神经网络进行训练，确定所述至少两张标注图像的损失函数值，对所述至少两张标注图像的损失函数值进行从大到小排序，从序列中划分出函数值大的一半，对该损失函数值大的一半标注图像进行梯度反向传播。

在一些实施例中，确定该隐私保护项目适用的卷积神经网络时，可以根据需要进行网络结构选择，例如选择ResNet50、ResNext50等，也可以选择NAS等方法进行网络结构搜索，得到更加适合该任务的网络结构。本说明书各实施例不限定特定的网络结构。

在一些实施例中，所述确定所述至少两张标注图像的损失函数值时，用二分类损失函数，确定所述至少两张标注图像的第一损失值；用回归损失函数，判断应用所述卷积神经网络检测出的该隐私保护项目对应区域与人工标注出的该隐私保护项目对应区域的偏差程度；根据该偏差程度，确定所述至少两张标注图像的第二损失值；将所述第一损失值与所述第二损失值之和，作为所述至少两张标注图像的损失函数值。

具体的，以品牌显示为例，损失函数包括两部分，第一部分为二分类损失函数，判断该区域是否为人脸区域。第二部分为回归损失函数，使用SmoothL1损失，判断检测出的品显示牌区域与人工标注出的品牌显示区域的偏差程度。同样，生物特征显示区域的偏差程度、地址显示区域的偏差程度也可以应用该方法确定。

在一些实施例中，步骤104中，所述对所述待处理图像包含的所述隐私部分进行隐私处理时，为达到视觉上无法进行辨别的目的，可以由多种隐私处理方式，本说明书实施例不限定特定的隐私处理方式。

具体的，在一些实施例中，步骤104中，所述对所述待处理图像包含的所述隐私部分进行隐私处理时，对所述待处理图像包含的所述隐私部分进行模糊处理。例如，使用滤波器(高斯滤波/均值滤波)对所述隐私部分进行平滑处理，使得图像的细节被平滑，所述隐私部分难以辨认。再例如，将所述隐私部分进行小波变幻，得到小波变幻的图，视觉无法辨认出所述隐私部分。

具体的，在一些实施例中，步骤104中，所述对所述待处理图像包含的所述隐私部分进行隐私处理时，可以对所述待处理图像包含的所述隐私部分进行遮挡。例如，使用统一的模板(例如卡通人物头像)对所述隐私部分进行遮挡。

具体的，在一些实施例中，步骤104中，所述对所述待处理图像包含的所述隐私部分进行隐私处理时，将所述待处理图像包含的所述隐私部分替换为非隐私部分。例如，使用统一的模板(例如卡通人物头像)对所述隐私部分进行替换。再例如，将非隐私部分的显示内容填充至所述隐私部分，替换所述隐私部分。

在一些实施例中，如图3所示，步骤104之后进一步包括：

105、将所述处理后的图像用于身份识别或者用于社交平台显示。具体的，确定所述待处理图像用途；如所述待处理图像用于身份识别，则将所述处理后的图像用于身份识别。例如，则将所述处理后的图像上传至身份识别服务器。如所述待处理图像用于社交平台显示，则将所述处理后的图像在社交平台显示。例如，则将所述处理后的图像上传至所述社交平台服务器。

本说明书实施例中，获取包含隐私部分和非隐私部分的待处理图像，获取用户对于待处理图像的隐私保护规则，根据隐私保护规则，从待处理图像区分出隐私部分和非隐私部分，对待处理图像包含的隐私部分进行隐私处理，以得到处理后的图像，使得在显示处理后的图像时，隐私部分无法通过该显示而被识别，从而实现根据需要保护图像的隐私部分，而显示图像的非隐私部分。

本说明书一个实施例提供一种图像处理装置，如图4所示，该图像处理装置包括：

第一获取模块401，获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

第二获取模块402，获取用户对于所述待处理图像的隐私保护规则；

识别模块403，用于根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

处理模块404，对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

在一些实施例中，所述第二获取模块402，向用户显示至少一个隐私保护项目；获取用户在至少一个隐私保护项目中选定的目标隐私保护项目；

所述识别模块403，在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域；将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

在一些实施例中，如图5所示，该图像处理装置还可以包括：

第一确定模块405，对所述待处理图像进行隐私内容检测，确定所述待处理图像包含的至少一种隐私内容；

第二确定模块406，根据所述待处理图像包含的至少一种隐私内容，确定所述至少一个隐私保护项目，每一个隐私保护项目与一种隐私内容对应。

在一些实施例中，如图6所示，该图像处理装置还可以包括：

第三确定模块407，确定所述待处理图像的用途；

第四确定模块408，根据所述待处理图像的用途，确定所述至少一个隐私保护项目。

本说明书实施例提供的图像处理装置对应于上述图2、图3所示实施例的图像处理方法，能够实现上述图2、图3中的各个步骤，并达到相同的效果和功能，不再重复。

本说明书一个实施例还提供一种图像处理设备，如图7所示，该图像处理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901和存储器902，存储器902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902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对图像处理设备中的一系列计算机可执行指令。进一步地，处理器901可以设置为与存储器902通信，在图像处理设备上执行存储器902中的一系列计算机可执行指令。图像处理设备还可以包括一个或一个以上电源903，一个或一个以上有线或无线网络接口904，一个或一个以上输入输出接口905，一个或一个以上键盘906等。

在一些实施例中，该图像处理设备包括有存储器，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处理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：

获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

获取用户对于所述待处理图像的隐私保护规则；

根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

在一些实施例中，计算机可执行指令在被执行时，所述获取用户对于所述待处理图像的隐私保护规则包括：向用户显示至少一个隐私保护项目；获取用户在至少一个隐私保护项目中选定的目标隐私保护项目；其中，所述至少一个隐私保护项目包括以下至少一种：品牌显示保护、生物特征显示保护、地点显示保护；

相应地，所述根据用户隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分包括：在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域；将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

在一些实施例中，计算机可执行指令在被执行时，针对至少一个隐私保护项目中的每一个隐私保护项目均执行：获取至少两张待标注图像；每一张待标注图像中包括有该隐私保护项目的相关内容；对所述至少两张待标注图像进行标注，得到至少两张标注图像；其中，每一张标注图像都已经被标注出图像中的该隐私保护项目对应的隐私区域；利用该至少两张标注图像训练出该隐私保护项目对应的识别模型；

相应地，所述在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域包括：获取所述目标隐私保护项目对应的目标识别模型；将所述待处理图像输入所述目标识别模型，由所述目标识别模型识别出所述待处理图像中所述目标隐私保护项目对应的隐私区域。

在一些实施例中，计算机可执行指令在被执行时，所述对所述至少两张待标注图像进行标注，得到至少两张标注图像包括：对所述至少两张待标注图像中的每一张待标注图像，用显示应用图像矩形坐标标注出图像中的该隐私保护项目对应的隐私区域，得到至少两张标注图像。

在一些实施例中，计算机可执行指令在被执行时，所述利用该至少两张标注图像训练出该隐私保护项目对应的识别模型包括：确定该隐私保护项目适用的卷积神经网络；用所述卷积神经网络训练所述至少两张标注图像，得到该隐私保护项目对应的识别模型；在训练过程中，每次向该卷积神经网络输入所述至少两张标注图像中隐私保护项目对应的区域坐标，以由所述卷积神经网络进行训练，确定所述至少两张标注图像的损失函数值，对所述至少两张标注图像的损失函数值进行从大到小排序，从序列中划分出函数值大的一半，对该损失函数值大的一半标注图像进行梯度反向传播。

在一些实施例中，计算机可执行指令在被执行时，所述确定所述至少两张标注图像的损失函数值包括：用二分类损失函数，确定所述至少两张标注图像的第一损失值；用回归损失函数，判断应用所述卷积神经网络检测出的该隐私保护项目对应区域与人工标注出的该隐私保护项目对应区域的偏差程度；根据该偏差程度，确定所述至少两张标注图像的第二损失值；将所述第一损失值与所述第二损失值之和，作为所述至少两张标注图像的损失函数值。

在一些实施例中，计算机可执行指令在被执行时，所述对所述待处理图像包含的所述隐私部分进行隐私处理包括：对所述待处理图像包含的所述隐私部分进行模糊处理；或者对所述待处理图像包含的所述隐私部分进行遮挡；或者将所述待处理图像包含的所述隐私部分替换为非隐私部分。

在一些实施例中，计算机可执行指令在被执行时，所述向用户显示至少一个隐私保护项目之前，包括：对所述待处理图像进行隐私内容检测，确定所述待处理图像包含的至少一种隐私内容；根据所述待处理图像包含的至少一种隐私内容，确定所述至少一个隐私保护项目，每一个隐私保护项目与一种隐私内容对应。

在一些实施例中，计算机可执行指令在被执行时，所述向用户显示至少一个隐私保护项目之前，包括：确定所述待处理图像的用途；根据所述待处理图像的用途，确定所述至少一个隐私保护项目。

本说明书实施例中的图像处理设备对应于上述图2至图3中的图像方法，能够实现上述图2至图3中的各个步骤，并达到相同的效果和功能，不再重复。

本说明书一个实施例还提供一种存储介质，用于存储计算机可执行指令，一些实施例中，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：

获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

获取用户对于所述待处理图像的隐私保护规则；

根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述获取用户对于所述待处理图像的隐私保护规则包括：向用户显示至少一个隐私保护项目；获取用户在至少一个隐私保护项目中选定的目标隐私保护项目；其中，所述至少一个隐私保护项目包括以下至少一种：品牌显示保护、生物特征显示保护、地点显示保护；

相应地，所述根据用户隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分包括：在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域；将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，针对至少一个隐私保护项目中的每一个隐私保护项目均执行：获取至少两张待标注图像；每一张待标注图像中包括有该隐私保护项目的相关内容；对所述至少两张待标注图像进行标注，得到至少两张标注图像；其中，每一张标注图像都已经被标注出图像中的该隐私保护项目对应的隐私区域；利用该至少两张标注图像训练出该隐私保护项目对应的识别模型；

相应地，所述在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域包括：获取所述目标隐私保护项目对应的目标识别模型；将所述待处理图像输入所述目标识别模型，由所述目标识别模型识别出所述待处理图像中所述目标隐私保护项目对应的隐私区域。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述对所述至少两张待标注图像进行标注，得到至少两张标注图像包括：对所述至少两张待标注图像中的每一张待标注图像，用显示应用图像矩形坐标标注出图像中的该隐私保护项目对应的隐私区域，得到至少两张标注图像。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述利用该至少两张标注图像训练出该隐私保护项目对应的识别模型包括：确定该隐私保护项目适用的卷积神经网络；用所述卷积神经网络训练所述至少两张标注图像，得到该隐私保护项目对应的识别模型；在训练过程中，每次向该卷积神经网络输入所述至少两张标注图像中隐私保护项目对应的区域坐标，以由所述卷积神经网络进行训练，确定所述至少两张标注图像的损失函数值，对所述至少两张标注图像的损失函数值进行从大到小排序，从序列中划分出函数值大的一半，对该损失函数值大的一半标注图像进行梯度反向传播。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述确定所述至少两张标注图像的损失函数值包括：用二分类损失函数，确定所述至少两张标注图像的第一损失值；用回归损失函数，判断应用所述卷积神经网络检测出的该隐私保护项目对应区域与人工标注出的该隐私保护项目对应区域的偏差程度；根据该偏差程度，确定所述至少两张标注图像的第二损失值；将所述第一损失值与所述第二损失值之和，作为所述至少两张标注图像的损失函数值。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述对所述待处理图像包含的所述隐私部分进行隐私处理包括：对所述待处理图像包含的所述隐私部分进行模糊处理；或者对所述待处理图像包含的所述隐私部分进行遮挡；或者将所述待处理图像包含的所述隐私部分替换为非隐私部分。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述向用户显示至少一个隐私保护项目之前，包括：对所述待处理图像进行隐私内容检测，确定所述待处理图像包含的至少一种隐私内容；根据所述待处理图像包含的至少一种隐私内容，确定所述至少一个隐私保护项目，每一个隐私保护项目与一种隐私内容对应。

在一些实施例中，该存储介质存储的计算机可执行指令在被处理器执行时，所述向用户显示至少一个隐私保护项目之前，包括：确定所述待处理图像的用途；根据所述待处理图像的用途，确定所述至少一个隐私保护项目。

本实施例中的存储介质对应于上述图2、图3中的图像处理方法，能够实现上述图2、图3中的各个步骤，并达到相同的效果和功能，不再重复。

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90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 ProgrammableGateArray，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 HardwareDescriptionLanguage)、Confluence、CUPL(Cornell University ProgrammingLanguage)、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。

为便于描述，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书的一个或多个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，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书的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，本说明书的实施例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。

本说明书的实施例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。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书的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，本说明书的实施例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。

本说明书的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。

以上所述仅为本说明书的实施例而已，并不用于限制本文件。对于本领域技术人员来说，本说明书的实施例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 (16)

1.一种图像处理方法，包括：

获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

获取用户对于所述待处理图像的隐私保护规则；

根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

2.根据权利要求1所述的方法，其中，

所述获取用户对于所述待处理图像的隐私保护规则包括：

向用户显示至少一个隐私保护项目；

获取用户在至少一个隐私保护项目中选定的目标隐私保护项目；

所述根据用户隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分包括：

在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域；

将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

3.根据权利要求2所述的方法，其中，所述至少一个隐私保护项目包括以下至少一种：品牌显示保护、生物特征显示保护、地点显示保护。

4.根据权利要求2所述的方法，进一步包括：

针对至少一个隐私保护项目中的每一个隐私保护项目均执行：

获取至少两张待标注图像；每一张待标注图像中包括有该隐私保护项目的相关内容；

对所述至少两张待标注图像进行标注，得到至少两张标注图像；其中，每一张标注图像都已经被标注出图像中的该隐私保护项目对应的隐私区域；以及

利用该至少两张标注图像训练出该隐私保护项目对应的识别模型；

所述在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域包括：

获取所述目标隐私保护项目对应的目标识别模型；

将所述待处理图像输入所述目标识别模型，由所述目标识别模型识别出所述待处理图像中所述目标隐私保护项目对应的隐私区域。

5.根据权利要求4所述的方法，其中，

所述对所述至少两张待标注图像进行标注，得到至少两张标注图像包括：

对所述至少两张待标注图像中的每一张待标注图像，用显示应用图像矩形坐标标注出图像中的该隐私保护项目对应的隐私区域，得到至少两张标注图像。

6.根据权利要求4所述的方法，其中，

所述利用该至少两张标注图像训练出该隐私保护项目对应的识别模型包括：

确定该隐私保护项目适用的卷积神经网络；

用所述卷积神经网络训练所述至少两张标注图像，得到该隐私保护项目对应的识别模型；在训练过程中，每次向该卷积神经网络输入所述至少两张标注图像中隐私保护项目对应的区域坐标，以由所述卷积神经网络进行训练，确定所述至少两张标注图像的损失函数值，对所述至少两张标注图像的损失函数值进行从大到小排序，从序列中划分出函数值大的一半，对该损失函数值大的一半标注图像进行梯度反向传播。

7.根据权利要求6所述的方法，其中，

所述确定所述至少两张标注图像的损失函数值包括：

用二分类损失函数，确定所述至少两张标注图像的第一损失值；

用回归损失函数，判断应用所述卷积神经网络检测出的该隐私保护项目对应区域与人工标注出的该隐私保护项目对应区域的偏差程度；

根据该偏差程度，确定所述至少两张标注图像的第二损失值；

将所述第一损失值与所述第二损失值之和，作为所述至少两张标注图像的损失函数值。

8.根据权利要求1至7中任一所述的方法，其中，

所述对所述待处理图像包含的所述隐私部分进行隐私处理包括：

对所述待处理图像包含的所述隐私部分进行模糊处理；

或者

对所述待处理图像包含的所述隐私部分进行遮挡；

或者

将所述待处理图像包含的所述隐私部分替换为非隐私部分。

9.根据权利要求2所述的方法，其中，

所述向用户显示至少一个隐私保护项目之前，包括：

对所述待处理图像进行隐私内容检测，确定所述待处理图像包含的至少一种隐私内容；

根据所述待处理图像包含的至少一种隐私内容，确定所述至少一个隐私保护项目，每一个隐私保护项目与一种隐私内容对应。

10.根据权利要求2所述的方法，其中，

所述向用户显示至少一个隐私保护项目之前，包括：

确定所述待处理图像的用途；

根据所述待处理图像的用途，确定所述至少一个隐私保护项目。

11.一种图像处理装置，包括：

第一获取模块，获取待处理图像，所述待处理图像包含隐私部分和非隐私部分；

第二获取模块，获取用户对于所述待处理图像的隐私保护规则；

识别模块，用于根据所述隐私保护规则，从所述待处理图像区分出所述隐私部分和所述非隐私部分；

处理模块，对所述待处理图像包含的所述隐私部分进行隐私处理，以得到处理后的图像，在显示所述处理后的图像时，所述隐私部分无法通过该显示而被识别。

12.根据权利要求11所述的装置，

所述第二获取模块，向用户显示至少一个隐私保护项目；获取用户在至少一个隐私保护项目中选定的目标隐私保护项目；

所述识别模块，在所述待处理图像中确定与所述目标隐私保护项目对应的隐私区域；将所述待处理图像的所述隐私区域中的图像内容确定为所述隐私部分，将所述待处理图像中的剩余图像内容确定为所述非隐私部分。

13.根据权利要求12所述的装置，还包括：

第一确定模块，对所述待处理图像进行隐私内容检测，确定所述待处理图像包含的至少一种隐私内容；

第二确定模块，根据所述待处理图像包含的至少一种隐私内容，确定所述至少一个隐私保护项目，每一个隐私保护项目与一种隐私内容对应。

14.根据权利要求12所述的装置，还包括：

第三确定模块，确定所述待处理图像的用途；

第四确定模块，根据所述待处理图像的用途，确定所述至少一个隐私保护项目。

15.一种图像处理设备，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实现上述权利要求1至10中任一项所述的图像处理方法的步骤。

16.一种存储介质，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上述权利要求1至10中任一项所述的图像处理方法的步骤。

Images