CN112380566A - 用于对文档图像进行脱敏的方法、装置、电子设备及介质 - Google Patents

Abstract

本申请实施例公开了用于对文档图像进行脱敏的方法、装置、电子设备及计算机可读存储介质，涉及计算机视觉、深度学习、云计算技术领域。该方法的一具体实施方式包括：获取待处理文档图像；利用LOMO算法确定待处理文档图像中存在文本特征的区域图像，利用CRNN模型识别区域图像中与文本特征对应的文本内容；对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。该实施方式拓展了脱敏处理所能够处理的数据表现形式，使得不直接包含文本信息的文档图像也可以较好的实现脱敏，且LOMO算法和CRNN模型的使用，也提升了识别的准确性。

Description

用于对文档图像进行脱敏的方法、装置、电子设备及介质

技术领域

本申请涉及人工智能领域，具体涉及计算机视觉、深度学习技术领域，尤其涉及用于对文档图像进行脱敏的方法、装置、电子设备及计算机可读存储介质。

背景技术

脱敏处理技术是一种清除目标数据文件中敏感信息的技术，即通过清除敏感信息来防止这部分敏感信息因泄露所产生诸多不良后果。

现今脱敏处理技术大多数仅适用于以文本为数据直接表现形式的文本类文件。

发明内容

本申请实施例提出了一种用于对文档图像进行脱敏的方法、装置、电子设备及计算机可读存储介质。

第一方面，本申请实施例提出了一种用于对文档图像进行脱敏的方法，包括：获取待处理文档图像；利用LOMO算法确定待处理文档图像中存在文本特征的区域图像，利用CRNN模型识别区域图像中与文本特征对应的文本内容；对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

第二方面，本申请实施例提出了一种用于对文档图像进行脱敏的装置，包括：待处理文档图像获取单元，被配置成获取待处理文档图像；文本特征识别单元，被配置成利用LOMO算法确定待处理文档图像中存在文本特征的区域图像，文本内容识别单元，被配置成利用CRNN模型识别区域图像中与文本特征对应的文本内容；脱敏处理单元，被配置成对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器执行时能够实现如第一方面中任一实现方式描述的用于对文档图像进行脱敏的方法。

第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行时能够实现如第一方面中任一实现方式描述的用于对文档图像进行脱敏的方法。

本申请实施例提供的用于对文档图像进行脱敏的方法、装置、电子设备及计算机可读存储介质，首先，获取待处理文档图像；然后，利用LOMO算法确定该待处理文档图像中存在文本特征的区域图像；接着，利用CRNN模型识别该区域图像中与该文本特征对应的文本内容；最后，对该文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

本申请提供了一种针对以图像为数据直接表现形式的脱敏方案，即通过LOMO算法来识别待处理文档图像中包含文本特征的区域图像，然后再通过CRNN模型来识别区域图像中包含的文本特征对应的文本内容，最后再通过定位出属于要进行脱敏处理的目标敏感信息对其进行脱敏处理即可。上述提供的技术方案拓展了脱敏处理所能够处理的数据表现形式，使得不直接包含文本信息的文档图像也可以较好的实现脱敏，且LOMO算法和CRNN模型的使用，也提升了识别的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构；

图2为本申请实施例提供的一种用于对文档图像进行脱敏的方法的流程图；

图3为本申请实施例提供的另一种用于对文档图像进行脱敏的方法的流程图；

图4为本申请实施例提供的一种脱敏信息定位模型的训练和使用的示意图；

图5为本申请实施例提供的一种用于对文档图像进行脱敏的装置的结构框图；

图6为本申请实施例提供的一种适用于执行用于对文档图像进行脱敏的方法的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于对文档图像进行脱敏的方法、装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103和服务器105上可以安装有各种用于实现两者之间进行信息通讯的应用，例如文档图像脱敏类应用、数据传输类应用、即时通讯类应用等。

终端设备101、102、103和服务器105可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等；当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器；服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。

服务器105通过内置的各种应用可以提供各种服务，以可以为文档图像提供脱敏服务的文档图像脱敏类应用为例，服务器105在运行该文档图像脱敏类应用时可实现如下效果：首先，通过网络104获取终端设备101、102、103发来的待处理文档图像；然后，利用预置的LOMO算法确定该待处理文档图像中存在文本特征的区域图像；接着，利用预置的CRNN模型识别该区域图像中与该文本特征对应的文本内容；最后，对该文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

需要指出的是，待处理文档图像除可以从终端设备101、102、103通过网络104获取到之外，也可以通过各种方式预先存储在服务器105本地。因此，当服务器105检测到本地已经存储有这些数据时(例如开始处理之前留存的待处理文档图像脱敏任务)，可选择直接从本地获取这些数据，在此种情况下，示例性系统架构100也可以不包括终端设备101、102、103和网络104。

由于在对待处理文档图像进行脱敏处理的过程中需要占用较多的运算资源和较强的运算能力，因此本申请后续各实施例所提供的用于对文档图像进行脱敏的方法一般由拥有较强运算能力、较多运算资源的服务器105来执行，相应地，用于对文档图像进行脱敏的装置一般也设置于服务器105中。但同时也需要指出的是，在终端设备101、102、103也具有满足要求的运算能力和运算资源时，终端设备101、102、103也可以通过其上安装的文档图像脱敏类应用完成上述本交由服务器105做的各项运算，进而输出与服务器105同样的结果。尤其是在同时存在多种具有不同运算能力的终端设备的情况下，但文档图像脱敏类应用判断所在的终端设备拥有较强的运算能力和剩余较多的运算资源时，可以让终端设备来执行上述运算，从而适当减轻服务器105的运算压力，相应的，用于对文档图像进行脱敏的装置也可以设置于终端设备101、102、103中。在此种情况下，示例性系统架构100也可以不包括服务器105和网络104。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

请参考图2，图2为本申请实施例提供的一种用于对文档图像进行脱敏的方法的流程图，其中流程200包括以下步骤：

步骤201：获取待处理文档图像；

本步骤旨在由用于对文档图像进行脱敏的方法的执行主体(例如图1所示的服务器105)获取待处理文档图像。

文档图像是指将包括文本内容在内的文档数据以图像形式表示的一种文件格式，例如JPG、BMP等，得到该格式的文档图像的方式通常为使用扫描仪或照相机直接对着纸质文档扫描或拍摄得到，即就是一种图片，只不过其图片内容为文档数据，而不是风景画，因此无法直接从仅包含像素点的文档图像中得到文本形式的文档内容。

待处理文档图像则是指未经过脱敏处理或需要进行脱敏处理的文档图像，但应当理解的是，并非每张待处理文档图像都包含需要进行脱敏处理的敏感信息，但事先无从对其筛选，仅有在对其进行是否存在需要进行脱敏处理的敏感信息的判断之后，才能够确定是否真正需要对其进行脱敏处理，如果其中不包含需要进行脱敏处理的敏感信息，则可直接将其作为处理后的图像输出。

步骤202：利用LOMO算法确定待处理文档图像中存在文本特征的区域图像；

在步骤201的基础上，本步骤旨在由上述执行主体通常对待处理文档图像中的图像特征进行分析，进而确定哪些图像特征属于文本特征图像化所表示出的文本图像特征，简单来说，就是确定待处理文档图像中存在文本特征的区域图像，例如在待处理文档图像中的中心附近100个像素点形成的方形区域内包含文本图像特征，则此100个像素点构成的方形区域图像就是本步骤需要确定出的目标区域图像。

本步骤具体选用了LOMO(Look More than Once，再多看一次)算法来实现上述目的，该算法由DR(Direct Regression，直接回归，也被称为One-shot检测器)、IRM(Iterative Refinement Module，迭代精进模块)和SEM(Shape Expression Module，形状表达模块)三个模块组成。其中，DR直接生成四边形的文本提议；SEM回归文本区域、文本中心线和边界偏移三种类型的几何性质来重建不规则文本的精确表示，用于解决任意形状文本检测的问题，即解决对弯曲文字的检测；而IRM模块的引入，则可以迭代式的调整由DR生成的提议，用于解决长文本检测的问题和反复修正检测框，进而使得包括IRM模块的LOMO算法在对图像中文字特征的识别方面具有较好的效果。

步骤203：利用CRNN模型识别区域图像中与文本特征对应的文本内容；

在步骤202的基础上，本步骤旨在由上述执行主体对包含文本特征的目标区域图像进行具体包含哪些文本内容的识别操作，简单来说就是将文本图像特征转换为文本形式的具体文本。

本步骤具体采用CRNN(Convolutional Recurrent Neural Network，卷积循环神经网络)模型来实现这一目的，该模型主要用于解决基于图像的序列识别问题，特别是场景文字识别问题。其具有可以进行端到端的训练、不需要对样本数据进行字符分割，可识别任意长度的文本序列，以及模型速度快、性能好，并且模型参数少的特点。CRNN模型由用于从输入图像中提取出特征序列的卷积层、用于预测从卷积层获取的特征序列的标签分布的循环层，和用于把从循环层获取的标签分布通过去重、整合等操作转换成最终的识别结果的转录层构成。通常者三种不同功能层的相互配合，提升了识别出具体文本内容的准确性。

步骤204：对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

在步骤203的基础上，本步骤旨在由上述执行主体对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，进而得到脱敏后文档图像。

其中，本申请预先设定有哪些属于应进行脱敏处理的目标敏感信息的脱敏要求，该要求可具体表示为记录有多种类型的敏感信息的列表，也可以是一种设定类型的敏感信息的特征或规则等等，此处不做具体限定。脱敏处理则可选用擦除、遮盖、替换中的至少一种，也可以选用其它能够清除或让他人无法识别原有内容的处理方式，此处不做具体限定。

本申请实施例提供的用于对文档图像进行脱敏的方法，拓展了脱敏处理所能够处理的数据表现形式，使得不直接包含文本信息的文档图像也可以较好的实现脱敏，且LOMO算法和CRNN模型的使用，也提升了识别的准确性。

请参考图3，图3为本申请实施例提供的另一种用于对文档图像进行脱敏的方法的流程图，其中流程300包括以下步骤：

步骤301：获取待处理文档图像；

以上步骤301与如图2所示的步骤201一致，相同部分内容请参见上一实施例的相应部分，此处不再进行赘述。

步骤302：对待处理文档图像进行预处理；

本步骤旨在由上述执行主体对待处理文档图像进行能够更加便于后续步骤识别文本特征和识别出文本内容的预处理操作，例如图像主体与背景分离、倾斜矫正、尺寸缩放一致等等。

其中，图像主体与背景分离是将待处理文档图像的主体与无关的背景进行分离，主体的检测和提取可通过包括PaddleSeg在内的多种图像分割算法实现；倾斜矫正用于将因拍摄角度或扫描角度未摆正所导致图像存在一定倾斜的问题语义纠正，可通过采用基于Opencv(一种计算机视觉和机器学习软件库)的矫正算法来实现；缩放为相同大小是为了将相同类型的图像会缩放到相同大小，以确保不同待处理文档图像中的文字位置相近，为尽可能的保证缩放时不造成细节损失，可选用包括SRCNN在内的无损放大算法和基于Opencv的无损缩小算法。

步骤303：利用LOMO算法确定待处理文档图像中存在文本特征的区域图像；

步骤304：利用CRNN模型识别区域图像中与文本特征对应的文本内容；

以上步骤303-304与如图2所示的步骤202-203一致，相同部分内容请参见上一实施例的相应部分，此处不再进行赘述。

步骤305：根据预设脱敏要求中包含的字符特征和图像特征，在文本内容中确定目标敏感信息；

本步骤旨在由上述执行主体根据预设脱敏要求中包含的字符特征和图像特征，来共同在实际识别出的文本内容中确定出应进行脱敏处理的目标敏感信息。其中，字符特征是指从字符一致性确定出的应进行脱敏处理的目标敏感信息所应具有的字符特征，例如将“TEL”、“Tel”、“Telphone”等在内的多种字符确定为目标敏感信息所包含的字符，而图像特征则是用于表征敏感字符在图像上相应位置的图像特征，例如坐标信息，用于从图像特征的角度确定敏感字符对应的区域图像是否属于敏感信息对应的图像，也可以用于帮助确定连续字符串在何种位置应中中断，以仅对最少量的目标敏感信息进行脱敏处理。

步骤306：以擦除、遮盖、替换中的至少一种处理方式对目标敏感信息进行脱敏处理；

在步骤305的基础上，本步骤旨在由上述执行主体以擦除、遮盖、替换中的至少一种处理方式对目标敏感信息进行脱敏处理。

步骤307：对进行脱敏处理后得到的文档图像进行与预处理对应的逆处理操作，得到脱敏后文档图像

在步骤306的基础上，本步骤旨在由上述执行主体对进行脱敏处理后得到的文档图像进行与预处理对应的逆处理操作，以得到最终的脱敏后文档图像。对应上述步骤302给出的预处理，该逆处理操作对应包括背景复原、倾斜复原、尺寸复原中的至少一种。

之所以要进行预处理的逆处理操作，是因为预处理操作的本质是为了帮忙提升步骤303-步骤306的目标敏感信息的识别准确性，因此在完成目标敏感信息的脱敏后，为了保持与传入时的样式一致性，还应进行相应的逆处理操作。

在上一实施例的基础上，本步骤通过增加步骤302和对应的步骤307引入了对待处理文档图像的预处理和相应的逆处理操作，提升了需要进行脱敏处理的目标敏感信息的识别准确性，同时也保证了脱敏前后的文档图像在样式上的一致性；针对步骤204具体通过步骤305-步骤306给出了一种下位实现方式，以同时包含字符特征和图像特征的目标敏感信息定位方式，提升了目标敏感信息的定位准确性。

为提升上述任意实施例在定位目标敏感信息步骤的效率，还可以将预设脱敏要求表现为可实现相同效果的脱敏信息定位模型，则可以直接通过将识别出的实际的文本内容输入脱敏信息定位模型，得到输出的目标敏感信息，从而直接完成对该目标敏感信息的脱敏处理。进一步的，在训练得到该脱敏信息定位模型时，可直接选用经由历史数据和人工标记得到的训练样本，但考虑到人工标记耗时耗力，且样本量不够多，因此为尽可能得到足够的训练样本，还可以通过使用生成对抗网络来对由历史样本数据和人工标记构成的第一训练样本进行处理，以得到生成的增量训练样本(即第二训练样本)，从而得到足够的训练样本。上述过程可参见如图4所示的示意图。

为加深理解，本申请还结合一个具体应用场景，给出了一种具体的实现方案。

假定预设有针对增值发票图像的第一脱敏要求和保单图像的第二脱敏，其中，第一脱敏要求具体包含对字符特征为：“金额：”、“姓名”、“开票日：”，以及图像特征为两字符特征中包含“|”和空白间隔的部分，进行脱敏处理；第二脱敏要求具体包含为字符特征为：“手机号：”、“身份证号：”，以及图像特征为单行、左右两侧十个像素点内均为空白的部分，进行脱敏处理。

针对传入的3张待处理文档图像，负责对其进行脱敏处理的服务器经按照如下步骤进行处理：

1)依次对其进行主体与背景分离、倾斜矫正和尺寸缩放一致的预处理操作，得到预处理后文档图像；

2)调用LOMO算法框定预处理后文档图像中包含文本特征的检测框；

3)调用CRNN模型识别各检测框中包含的具体文本内容，并根据识别出的具体文本内容，识别出图像1为增值发票图像，图像2为未知类型图像，图像3为保单图像；

4-1)将图像2提请人工脱敏处理；

4-2)对图像1按照第一脱敏要求进行目标敏感信息的定位和脱敏处理；

4-3)对图像3按照第二脱敏要求进行目标敏感信息的定位和脱敏处理；

5)将对图像1和图像3进行脱敏处理的目标敏感信息分别以原始的图像形式和识别出的文本形式记录在对应的脱敏结果中；

6)接收管理员对脱敏结果的二次审核确认信息，并对脱敏后得到的文档图像依次按照尺寸复原、倾斜矫正复原和背景分离的逆处理操作，还原得到原样式的脱敏后文档图像。

另外，提请人工脱敏处理的图像2，经人工判断后，发现图像2其实属于一种新式保单图像，其相比于传统保单图像在特定位置(例如右下角)固定增加了用户签名，因此为了减少调整脱敏要求的工作量，其单独针对此类新式保单图像在仍采用第二脱敏要求的基础上，新增了对该特定位置采用特定范围的特定脱敏处理指示，该特定脱敏处理方式为将该特定范围内的所有像素点的灰度值调整均调整为0或255(原像素点的平均值更靠近0就调整为0，更靠近255就调整为255)，以更简单的方式更灵活的满足了用户的需求。

同时，在上述6)中若管理员在二次审核中发现某个脱敏结果存在异常，也可以指示服务器按指示进行脱敏修正。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于对文档图像进行脱敏的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于对文档图像进行脱敏的装置500可以包括：待处理文档图像获取单元501、文本特征识别单元502、文本内容识别单元503和脱敏处理单元504。其中，待处理文档图像获取单元501，被配置成获取待处理文档图像；文本特征识别单元502，被配置成利用LOMO算法确定待处理文档图像中存在文本特征的区域图像；文本内容识别单元503，被配置成利用CRNN模型识别区域图像中与文本特征对应的文本内容；脱敏处理单元504，被配置成对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

在本实施例中，用于对文档图像进行脱敏的装置500中：待处理文档图像获取单元501、文本特征识别单元502、文本内容识别单元503和脱敏处理单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，用于对文档图像进行脱敏的装置500还可以包括：

预处理单元，被配置成在利用LOMO算法确定待处理文档图像中存在文本特征的区域图像之前，对待处理文档图像进行预处理；以及逆预处理单元，被配置成在对文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理之后、得到脱敏后文档图像之前，对进行脱敏处理后得到的文档图像进行与预处理对应的逆处理操作。

在本实施例的一些可选的实现方式中，该预处理包括图像主体与背景分离、倾斜矫正、尺寸缩放一致中的至少一种，对应的，逆处理操作包括背景复原、倾斜复原、尺寸复原中的至少一种。

在本实施例的一些可选的实现方式中，脱敏处理单元504可以包括：

目标敏感信息确定子单元，被配置成根据预设脱敏要求中包含的字符特征和图像特征，在文本内容中确定目标敏感信息；

脱敏处理子单元，被配置成以擦除、遮盖、替换中的至少一种处理方式对目标敏感信息进行脱敏处理。

在本实施例的一些可选的实现方式中，该目标敏感信息确定子单元可以进一步被配置成：

利用预设的脱敏信息定位模型在文本内容中确定目标敏感信息；其中，脱敏信息定位模型基于符合预设脱敏要求的训练样本训练得到，训练样本包括由历史数据构成的第一训练样本和利用生成对抗网络和第一训练样本生成的第二训练样本。

在本实施例的一些可选的实现方式中，用于对文档图像进行脱敏的装置500还可以包括：

指定位置脱敏处理单元，被配置成响应于用户新增指定位置脱敏要求，对指定位置脱敏要求对应的文档图像中的指定位置进行脱敏处理。

本实施例作为对应于上述方法实施例的装置实施例存在，本实施例提供的用于对文档图像进行脱敏的装置拓展了脱敏处理所能够处理的数据表现形式，使得不直接包含文本信息的文档图像也可以较好的实现脱敏，且LOMO算法和CRNN模型的使用，也提升了识别的准确性。

根据本申请的实施例，本申请还提供了一种电子设备和一种计算机可读存储介质。

图6示出了一种适于用来实现本申请实施例的用于对文档图像进行脱敏的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的用于对文档图像进行脱敏的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的用于对文档图像进行脱敏的方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的用于对文档图像进行脱敏的方法对应的程序指令/模块(例如，附图5所示的待处理文档图像获取单元501、文本特征识别单元502、文本内容识别单元503和脱敏处理单元504)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用于对文档图像进行脱敏的方法。

存储器602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；存储数据区可存储该电子设备在执行用于对文档图像进行脱敏的方法所创建的各类数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至适用于执行用于对文档图像进行脱敏的方法的电子设备。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。

适用于执行用于对文档图像进行脱敏的方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604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。

输入装置603可接收输入的数字或字符信息，以及产生适用于执行用于对文档图像进行脱敏的方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。

本申请实施例所提供的技术方案拓展了脱敏处理所能够处理的数据表现形式，使得不直接包含文本信息的文档图像也可以较好的实现脱敏，且LOMO算法和CRNN模型的使用，也提升了识别的准确性。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种用于对文档图像进行脱敏的方法，包括：

获取待处理文档图像；

利用LOMO算法确定所述待处理文档图像中存在文本特征的区域图像；

利用CRNN模型识别所述区域图像中与所述文本特征对应的文本内容；

对所述文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

2.根据权利要求1所述的方法，在利用所述LOMO算法确定所述待处理文档图像中存在文本特征的区域图像之前，还包括：

对所述待处理文档图像进行预处理；以及

在对所述文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理之后、得到脱敏后文档图像之前，还包括：

对进行脱敏处理后得到的文档图像进行与所述预处理对应的逆处理操作。

3.根据权利要求2所述的方法，其中，所述预处理包括图像主体与背景分离、倾斜矫正、尺寸缩放一致中的至少一种，对应的，所述逆处理操作包括背景复原、倾斜复原、尺寸复原中的至少一种。

4.根据权利要求1所述的方法，其中，所述对所述文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，包括：

根据所述预设脱敏要求中包含的字符特征和图像特征，在所述文本内容中确定所述目标敏感信息；

以擦除、遮盖、替换中的至少一种处理方式对所述目标敏感信息进行脱敏处理。

5.根据权利要求4所述的方法，其中，所述在所述文本内容中确定所述目标敏感信息，包括：

利用预设的脱敏信息定位模型在所述文本内容中确定所述目标敏感信息；其中，所述脱敏信息定位模型基于符合所述预设脱敏要求的训练样本训练得到，所述训练样本包括由历史数据构成的第一训练样本和利用生成对抗网络和所述第一训练样本生成的第二训练样本。

6.根据权利要求1-5任一项所述的方法，还包括：

响应于用户新增指定位置脱敏要求，对所述指定位置脱敏要求对应的文档图像中的指定位置进行脱敏处理。

7.一种用于对文档图像进行脱敏的装置，包括：

待处理文档图像获取单元，被配置成获取待处理文档图像；

文本特征识别单元，被配置成利用LOMO算法确定所述待处理文档图像中存在文本特征的区域图像；

文本内容识别单元，被配置成利用CRNN模型识别所述区域图像中与所述文本特征对应的文本内容；

脱敏处理单元，被配置成对所述文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理，得到脱敏后文档图像。

8.根据权利要求7所述的装置，还包括：

预处理单元，被配置成在利用所述LOMO算法确定所述待处理文档图像中存在文本特征的区域图像之前，对所述待处理文档图像进行预处理；以及

逆预处理单元，被配置成在对所述文本内容中与预设脱敏要求对应的目标敏感信息进行脱敏处理之后、得到脱敏后文档图像之前，对进行脱敏处理后得到的文档图像进行与所述预处理对应的逆处理操作。

9.根据权利要求8所述的装置，其中，所述预处理包括图像主体与背景分离、倾斜矫正、尺寸缩放一致中的至少一种，对应的，所述逆处理操作包括背景复原、倾斜复原、尺寸复原中的至少一种。

10.根据权利要求7所述的装置，其中，所述脱敏处理单元包括：

目标敏感信息确定子单元，被配置成根据所述预设脱敏要求中包含的字符特征和图像特征，在所述文本内容中确定所述目标敏感信息；

脱敏处理子单元，被配置成以擦除、遮盖、替换中的至少一种处理方式对所述目标敏感信息进行脱敏处理。

11.根据权利要求10所述的装置，其中，所述目标敏感信息确定子单元进一步被配置成：

利用预设的脱敏信息定位模型在所述文本内容中确定所述目标敏感信息；其中，所述脱敏信息定位模型基于符合所述预设脱敏要求的训练样本训练得到，所述训练样本包括由历史数据构成的第一训练样本和利用生成对抗网络和所述第一训练样本生成的第二训练样本。

12.根据权利要求7-11任一项所述的装置，还包括：

指定位置脱敏处理单元，被配置成响应于用户新增指定位置脱敏要求，对所述指定位置脱敏要求对应的文档图像中的指定位置进行脱敏处理。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的用于对文档图像进行脱敏的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的用于对文档图像进行脱敏的方法。

Images