CN112750072A - 一种信息处理方法及装置 - Google Patents
一种信息处理方法及装置 Download PDFInfo
- Publication number
- CN112750072A CN112750072A CN202011629441.XA CN202011629441A CN112750072A CN 112750072 A CN112750072 A CN 112750072A CN 202011629441 A CN202011629441 A CN 202011629441A CN 112750072 A CN112750072 A CN 112750072A
- Authority
- CN
- China
- Prior art keywords
- image
- sensitive
- sensitive information
- original image
- model
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 21
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims description 217
- 238000012549 training Methods 0.000 claims description 153
- 238000000034 method Methods 0.000 claims description 47
- 230000015572 biosynthetic process Effects 0.000 claims description 15
- 238000003786 synthesis reaction Methods 0.000 claims description 15
- 230000002194 synthesizing effect Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 239000000725 suspension Substances 0.000 claims description 5
- 239000000463 material Substances 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本申请示出了一种信息处理方法及装置。用户在使用电子设备拍摄图像之前可以不使用遮挡物手动遮挡敏感信息。可以直接控制电子设备使用摄像头采集原始图像,然后电子设备可以自动化地检测原始图像中的敏感信息,并获取用于遮挡敏感信息的遮挡图像,以及将遮挡图像悬浮叠加在原始图像的敏感信息上,并与原始图像合成,得到安全图像,然后在屏幕的预览区域显示安全图像。用户在预览区域上可以看到的是敏感信息被遮挡的安全图像,在用户需要对安全图像拍摄的情况下,用户可以输入拍摄操作,以控制电子设备拍摄安全图像。如此,本申请通过自动化地遮挡原始图像的敏感信息,可以降低拍摄的物料成本,降低用户的操作负担,进而可以提升用户体验。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种信息处理方法及装置。
背景技术
当前,二手车交易业务的需求量逐渐增加,与此同时,各种各样的二手车交易网站也逐渐增多,在用户需要出售自己的二手车时,可以在二手车交易网站上发布自己的二手车的车辆信息,例如,车辆的品牌、使用年限、维修情况以及外观图像等,以供需要购买二手车的买家查看。
其中,车辆的品牌、使用年限以及维修情况等信息可以是用户在二手车交易网站上手动编辑的,车辆的外观图像需要用户事先使用手机对车辆牌照得到。
然而,通常情况下,二手车往往是用户仍旧还在使用的车辆,二手车的前侧以及后侧安装有车牌,为了保护用户隐私,在使用手机拍摄得到车辆的外观图像之前,用户需要寻找遮挡物,例如,布或者木板等,然后使用遮挡物手动遮挡车辆的车牌,以使车牌上的车牌号不可见,然后再使用手机拍摄车辆的外观图像,这时候拍摄的车辆的外观图像中的车牌就被遮挡物遮挡(车牌号不可见),避免泄露隐私,之后可以将车辆的外观图像上传至二手车交易网站。
然而,在上述方式中,用户需要使用遮挡物手动遮挡车辆的车牌号,不仅会增加拍摄的物料成本,且会增加用户的操作负担,导致用户体验较低。
发明内容
本申请示出了一种信息处理方法及装置。
第一方面,本申请示出了一种信息处理方法,所述方法包括:
获取摄像头采集的原始图像;
检测所述原始图像中的敏感信息;
获取用于遮挡所述敏感信息的遮挡图像;
将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像;
在屏幕的预览区域显示所述安全图像;
在接收到用于拍摄所述安全图像的拍摄操作的情况下,拍摄所述安全图像。
在一个可选的实现方式中,所述检测所述原始图像中的敏感信息,包括:
基于敏感区域检测模型检测所述原始图像中的敏感区域;
基于敏感信息检测模型检测所述敏感区域中的敏感信息。
在一个可选的实现方式中,所述基于敏感区域检测模型检测所述原始图像中的敏感区域,包括:
判断所述原始图像的尺寸是否为预设尺寸;
在所述原始图像的尺寸不为所述预设尺寸的情况下,将所述原始图像矫正为所述预设尺寸的临时图像;
将所述临时图像输入所述敏感区域检测模型中,得到所述敏感区域检测模型输出的所述临时图像中的敏感区域;
根据所述临时图像中的敏感区域确定所述原始图像中的敏感区域。
在一个可选的实现方式中,所述方法还包括:
获取第一训练数据集以及第二训练数据集,所述第一训练数据集中包括标注有敏感区域的至少一个样本图像,所述第二训练数据集中包括不存在敏感区域的至少一个样本图像;
使用所述第一训练数据集以及所述第二训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感区域检测模型。
在一个可选的实现方式中,所述方法还包括:
从服务端下载第一比特流;所述第一比特流中的第一预设位置存储有所述敏感区域检测模型的第一模型数据;
在所述第一比特流中的所述第一预设位置中读取所述第一模型数据;
根据所述第一模型数据生成所述敏感区域检测模型。
在一个可选的实现方式中,所述基于敏感信息检测模型检测所述敏感区域中的敏感信息,包括:
将指示有所述敏感区域的所述原始图像输入所述敏感信息检测模型中,得到所述敏感信息检测模型输出的所述原始图像的所述敏感区域中的敏感信息。
在一个可选的实现方式中,所述方法还包括:
获取第三训练数据集以及第四训练数据集,所述第三训练数据集中包括标注有敏感信息的至少一个样本图像,所述第四训练数据集中包括不存在敏感信息的至少一个样本图像;
使用所述第三训练数据集以及所述第四训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感信息检测模型。
在一个可选的实现方式中,所述方法还包括:
从服务端下载第二比特流;所述第二比特流中的第二预设位置存储有所述敏感信息检测模型的第二模型数据;
在所述第二比特流中的所述第二预设位置中读取所述第二模型数据;
根据所述第二模型数据生成所述敏感信息检测模型。
在一个可选的实现方式中,所述将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像,包括:
在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体;
将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像。
在一个可选的实现方式中,所述在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体,包括:
将指示有所述敏感区域中的所述敏感信息的所述原始图像输入边缘特征点检测模型中,得到所述边缘特征点检测模型输出的承载所述敏感信息的载体的边缘特征点;
根据所述多个边缘特征点确定所述敏感区域中的承载所述敏感信息的载体。
在一个可选的实现方式中,所述方法还包括:
获取第五训练数据集以及第六训练数据集,所述第五训练数据集中包括标注有承载敏感信息的载体的边缘特征点的至少一个样本图像,所述第六训练数据集中包括不存在承载敏感信息的载体的至少一个样本图像;
使用所述第五训练数据集以及所述第六训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述边缘特征点检测模型。
在一个可选的实现方式中,所述方法还包括:
从服务端下载第三比特流;所述第三比特流中的第三预设位置存储有所述边缘特征点检测模型的第三模型数据;
在所述第三比特流中的所述第三预设位置中读取所述第三模型数据;
根据所述第三模型数据生成所述边缘特征点域检测模型。
在一个可选的实现方式中,所述将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像,包括:
在所述遮挡图像的尺寸与承载所述敏感信息的载体的尺寸不同的情况下,将所述遮挡图像修正为与尺寸与承载所述敏感信息的载体的尺寸相同的修正图像;
将所述修正图像悬浮叠加在所述原始图像的所述敏感区域中的所述载体上,并与所述原始图像合成,得到所述安全图像。
第二方面,本申请示出了一种信息处理装置,所述装置包括;
第一获取模块,用于获取摄像头采集的原始图像;
检测模块,用于检测所述原始图像中的敏感信息;
第二获取模块,用于获取用于遮挡所述敏感信息的遮挡图像;
合成模块,用于将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像;
显示模块,用于在屏幕的预览区域显示所述安全图像;
拍摄模块,用于在接收到用于拍摄所述安全图像的拍摄操作的情况下,拍摄所述安全图像。
在一个可选的实现方式中,所述检测模块包括:
第一检测单元,用于基于敏感区域检测模型检测所述原始图像中的敏感区域;
第二检测单元,用于基于敏感信息检测模型检测所述敏感区域中的敏感信息。
在一个可选的实现方式中,所述第一检测单元包括:
判断子单元,用于判断所述原始图像的尺寸是否为预设尺寸;
矫正子单元,用于在所述原始图像的尺寸不为所述预设尺寸的情况下,将所述原始图像矫正为所述预设尺寸的临时图像;
第一输入子单元,用于将所述临时图像输入所述敏感区域检测模型中,得到所述敏感区域检测模型输出的所述临时图像中的敏感区域;
第一确定子单元,用于根据所述临时图像中的敏感区域确定所述原始图像中的敏感区域。
在一个可选的实现方式中,所述第一检测单元还包括:
第一获取子单元,用于获取第一训练数据集以及第二训练数据集,所述第一训练数据集中包括标注有敏感区域的至少一个样本图像,所述第二训练数据集中包括不存在敏感区域的至少一个样本图像;
第一训练子单元,用于使用所述第一训练数据集以及所述第二训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感区域检测模型。
在一个可选的实现方式中,所述第一检测单元还包括:
第一下载子单元,用于从服务端下载第一比特流;所述第一比特流中的第一预设位置存储有所述敏感区域检测模型的第一模型数据;
第一读取子单元,用于在所述第一比特流中的所述第一预设位置中读取所述第一模型数据;
第一生成子单元,用于根据所述第一模型数据生成所述敏感区域检测模型。
在一个可选的实现方式中,所述第二检测单元包括:
第二输入子单元,用于将指示有所述敏感区域的所述原始图像输入所述敏感信息检测模型中,得到所述敏感信息检测模型输出的所述原始图像的所述敏感区域中的敏感信息。
在一个可选的实现方式中,所述第二检测单元还包括:
第二获取子单元,用于获取第三训练数据集以及第四训练数据集,所述第三训练数据集中包括标注有敏感信息的至少一个样本图像,所述第四训练数据集中包括不存在敏感信息的至少一个样本图像;
第二训练子单元,用于使用所述第三训练数据集以及所述第四训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感信息检测模型。
在一个可选的实现方式中,所述第二检测单元还包括:
第二下载子单元,用于从服务端下载第二比特流;所述第二比特流中的第二预设位置存储有所述敏感信息检测模型的第二模型数据;
第二读取子单元,用于在所述第二比特流中的所述第二预设位置中读取所述第二模型数据;
第二生成子单元,用于根据所述第二模型数据生成所述敏感信息检测模型。
在一个可选的实现方式中,所述合成模块包括:
识别单元,用于在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体;
合成单元,用于将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像。
在一个可选的实现方式中,所述识别单元包括:
第三输入子单元,用于将指示有所述敏感区域中的所述敏感信息的所述原始图像输入边缘特征点检测模型中,得到所述边缘特征点检测模型输出的承载所述敏感信息的载体的边缘特征点;
第二确定子单元,用于根据所述多个边缘特征点确定所述敏感区域中的承载所述敏感信息的载体。
在一个可选的实现方式中,所述识别单元还包括:
第三获取子单元,用于获取第五训练数据集以及第六训练数据集,所述第五训练数据集中包括标注有承载敏感信息的载体的边缘特征点的至少一个样本图像,所述第六训练数据集中包括不存在承载敏感信息的载体的至少一个样本图像;
第三训练子单元,用于使用所述第五训练数据集以及所述第六训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述边缘特征点检测模型。
在一个可选的实现方式中,所述识别单元还包括:
第三下载子单元,用于从服务端下载第三比特流;所述第三比特流中的第三预设位置存储有所述边缘特征点检测模型的第三模型数据;
第三读取子单元,用于在所述第三比特流中的所述第三预设位置中读取所述第三模型数据;
第三生成子单元,用于根据所述第三模型数据生成所述边缘特征点域检测模型。
在一个可选的实现方式中,所述合成单元包括:
修正子单元,用于在所述遮挡图像的尺寸与承载所述敏感信息的载体的尺寸不同的情况下,将所述遮挡图像修正为与尺寸与承载所述敏感信息的载体的尺寸相同的修正图像;
合成子单元,用于将所述修正图像悬浮叠加在所述原始图像的所述敏感区域中的所述载体上,并与所述原始图像合成,得到所述安全图像。
第三方面,本申请示出了一种电子设备,所述电子设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行如第一方面所述的信息处理方法。
第四方面,本申请示出了一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面所述的信息处理方法。
第五方面,本申请示出了一种计算机程序产品,当所述计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面所述的信息处理方法。
本申请提供的技术方案可以包括以下有益效果:
通过本申请,用户在使用电子设备拍摄图像之前可以不寻找遮挡物,不使用遮挡物手动遮挡敏感信息。在用户需要使用电子设备拍摄图像的情况下,可以直接控制电子设备使用摄像头采集原始图像,然后电子设备可以自动化地检测原始图像中的敏感信息,并获取用于遮挡该敏感信息的遮挡图像,以及将遮挡图像悬浮叠加在原始图像的敏感信息上,并与原始图像合成,得到安全图像,然后在屏幕的预览区域显示安全图像。用户在预览区域上可以看到的是敏感信息被遮挡的安全图像,在用户需要对安全图像拍摄的情况下,用户可以在电子设备上输入用于拍摄安全图像的拍摄操作,在电子设备接收到用于拍摄安全图像的拍摄操作的情况下,可以拍摄安全图像。
如此,本申请通过自动化地遮挡原始图像的敏感信息,可以降低拍摄的物料成本,降低用户的操作负担,进而可以提升用户体验。
附图说明
图1是本申请的一种信息处理方法的步骤流程图。
图2是本申请的一种信息处理方法的步骤流程图。
图3是本申请的一种信息处理方法的步骤流程图。
图4是本申请的一种信息处理装置的结构框图。
图5是本申请示出的一种电子设备的框图。
图6是本申请示出的一种电子设备的框图。
具体实施方式
为使本申请的上述目的、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申请作进一步详细的说明。
参照图1,示出了本申请的一种信息处理方法的步骤流程图,该方法应用于电子设备中,电子设备上具有摄像头以及屏幕等,该方法具体可以包括如下步骤:
在步骤S101中,获取摄像头采集的原始图像。
在用户需要拍摄图像的情况下,用户可以控制电子设备使用摄像头采集图像,并作为原始图像。
其中,原始图像中可能存在敏感信息,如果用户是需要对表面上包括有敏感信息的物体进行拍摄,则电子设备采集的图像中会包括物体表面上的敏感信息。
如果用户需要电子设备自动遮挡敏感信息,则在控制电子设备使用摄像头采集图像之前,可以手动在电子设备上开启“遮挡敏感信息”的功能,以使电子设备在采集原始图像之后就可以按照如下S102~S106的流程自动遮挡采集的原始图像中的敏感信息以供用户查看并拍摄。
在步骤S102中,检测原始图像中的敏感信息。
在本申请中,敏感信息包括不适宜公开的信息等,例如,用户的隐私信息等。
例如,假设原始图像中包括汽车的图像,汽车的前侧的表面以及后侧的表面安装有车牌,车牌上具有车牌号,车牌号可以为用户的隐私信息,如此,可以将原始图像中的汽车上的车牌的车牌号作为用户的敏感信息。
或者,假设原始图像中包括采集的用户的人像,用户的人像中的包括的用户的面部图像,用户的面部图像可以为用户的隐私信息,如此,可以将原始图像中的用户的人像中的用户的面部图像作为用户的敏感信息等。
当然,敏感信息也可以根据实际情况而定,本申请对敏感信息的具体内容不做限定。
检测原始图像中的敏感信息的流程可以参见之后如图2所示的实施例,在此不做详述。
在步骤S103中,获取用于遮挡该敏感信息的遮挡图像。
在本申请中,技术人员事先可以在电子设备中存储至少一个遮挡图像。
例如,存储各种不同形状的遮挡图像,例如,三角形的遮挡图像、矩形的遮挡图像、圆形的遮挡图像以及五边形的遮挡图像等等,分别用于适配不同形状的敏感信息等。
如此,在本步骤中,在电子设备事先存储有一个遮挡图像的情况下,可以获取存储的该一个遮挡图像,并作为用于遮挡该敏感信息的遮挡图像。
或者,在电子设备事先存储有至少两个遮挡图像的情况下,可以在至少两个遮挡图像中,选择形状与敏感信息的形状适配的遮挡图像,并作为用于遮挡该敏感信息的遮挡图像。或者,显示至少两个遮挡图像以供用户选择,将用户选择的遮挡图像作为用于遮挡该敏感信息的遮挡图像。
遮挡图像上可以显示一些广告信息等,或者显示一些商家的品牌信息等,例如,商标或者logo等。
在步骤S104中,将遮挡图像悬浮叠加在原始图像的敏感信息上,并与原始图像合成,得到安全图像。
在安全图像中,遮挡图像遮挡住了该敏感信息,也即,该敏感信息不可见。
本步骤具体可以可以参见之后如图3所示的实施例,在此不做详述。
在步骤S105中,在屏幕的预览区域显示安全图像。
用户可以在屏幕的预览区域上实时查看安全图像,例如,用户可以校验遮挡图像是否已经全部遮挡了(原始图像中的)该敏感信息,以及,用户还可以校验遮挡图像是否遮挡了(原始图像中的)除该敏感信息以外的其他内容。
在遮挡图像未全部遮挡该敏感信息或者遮挡了(原始图像中的)除该敏感信息以外的其他内容的情况下,用户可以手动对安全图像中的遮挡图像的位置、大小、形状进行微调,以使遮挡图像能够遮挡该敏感信息,且仅遮挡该敏感信息而不遮挡(原始图像中的)除敏感信息以外的其他内容。
在步骤S106中,在接收到用于拍摄安全图像的拍摄操作的情况下,拍摄安全图像。
在用户觉得安全图像中的遮挡图像遮挡该敏感信息的情况可以满足用户的需求的情况,用户可以控制电子设备拍摄预览区域显示的安全图像,例如,在电子设备上输入用于拍摄安全图像的拍摄操作,在电子设备接收到用户输入的用于拍摄安全图像的拍摄操作的情况下,可以拍摄安全图像,以供用户使用等。之后还可以存储安全图像,以供用户之后在需要的时候查看使用。
通过本申请,用户在使用电子设备拍摄图像之前可以不寻找遮挡物,不使用遮挡物手动遮挡敏感信息。在用户需要使用电子设备拍摄图像的情况下,可以直接控制电子设备使用摄像头采集原始图像,然后电子设备可以自动化地检测原始图像中的敏感信息,并获取用于遮挡该敏感信息的遮挡图像,以及将遮挡图像悬浮叠加在原始图像的敏感信息上,并与原始图像合成,得到安全图像,然后在屏幕的预览区域显示安全图像。用户在预览区域上可以看到的是敏感信息被遮挡的安全图像,在用户需要对安全图像拍摄的情况下,用户可以在电子设备上输入用于拍摄安全图像的拍摄操作,在电子设备接收到用于拍摄安全图像的拍摄操作的情况下,可以拍摄安全图像。
如此,本申请通过自动化地遮挡原始图像的敏感信息,可以降低拍摄的物料成本,降低用户的操作负担,进而可以提升用户体验。
在本申请一个实施例中,参见图2,步骤S102包括:
在步骤S201中,基于敏感区域检测模型检测原始图像中的敏感区域。
本步骤具体可以通过如下流程实现,包括:
2011、判断原始图像的尺寸是否为预设尺寸。
本申请可以基于敏感区域检测模型来检测原始图像中的敏感区域。敏感区域检测模型包括基于ssd-mobilenet的模型等,这些模型的其中一个特点是对特定尺寸的图像的敏感区域的识别准确率较高,而对非特定尺寸的图像的敏感区域的识别准确率不高,因此,为了在基于敏感区域检测模型来检测原始图像中的敏感区域时能够提高识别准确率,在本申请中,可以判断原始图像的尺寸是否为预设尺寸(特定尺寸),在原始图像的尺寸为预设尺寸的情况下,可以将原始图像输入敏感区域检测模型中,得到敏感区域检测模型输出的原始图像中的敏感区域。
在原始图像的尺寸不为预设尺寸的情况下,可以执行步骤2012。
其中,特定尺寸可以包括长和宽相同的尺寸等,也即,包括正方形的尺寸,例如,长为5cm,以及宽为5cm等,具体可以根据敏感区域检测模型的实际情况而定,本申请对特定尺寸的具体情况不做限定。
2012、在原始图像的尺寸不为预设尺寸的情况下,将原始图像矫正为预设尺寸的临时图像。
在本申请一个实施例中,在原始图像的宽度小于预设尺寸的宽度的情况下,可以将原始图像在宽度维度上拉伸,拉伸比例可以为预设尺寸的宽度与原始图像的宽度之间的比值,以使原始图像的宽度与预设尺寸的宽度相同。
例如,在一个例子中,假设原始图像的宽度为4cm,预设尺寸的宽度为6cm,原始图像的宽度4cm小于预设尺寸的宽度6cm,可以计算预设尺寸的宽度6cm与原始图像的宽度4cm之间的比值1.5,并作为拉伸比例,然后将原始图像在宽度维度上按照1.5的比例拉伸,拉伸后的原始图像的宽度为6cm。
或者,在原始图像的宽度大于预设尺寸的宽度的情况下,可以将原始图像在宽度维度上压缩,压缩比例可以为预设尺寸的宽度与原始图像的宽度之间的比值,以使原始图像的宽度与预设尺寸的宽度相同。
例如,在一个例子中,假设原始图像的宽度为8cm,预设尺寸的宽度为6cm,原始图像的宽度8cm大于预设尺寸的宽度6cm,可以计算预设尺寸的宽度6cm与原始图像的宽度8cm之间的比值0.75,并作为压缩比例,然后将原始图像在宽度维度上按照0.75的比例压缩,压缩后的原始图像的宽度为6cm。
在本申请另一个实施例中,在原始图像的长度小于预设尺寸的长度的情况下,可以将原始图像在长度维度上拉伸,拉伸比例可以为预设尺寸的长度与原始图像的长度之间的比值,以使原始图像的长度与预设尺寸的长度相同。
例如,在一个例子中,假设原始图像的长度为4cm,预设尺寸的长度为6cm,原始图像的长度4cm小于预设尺寸的长度6cm,可以计算预设尺寸的长度6cm与原始图像的长度4cm之间的比值1.5,并作为拉伸比例,然后将原始图像在长度维度上按照1.5的比例拉伸,拉伸后的原始图像的长度为6cm。
或者,在原始图像的长度大于预设尺寸的长度的情况下,可以将原始图像在长度维度上压缩,压缩比例可以为原始图像的长度与预设尺寸的长度之间的比值,以使原始图像的长度与预设尺寸的长度相同。
例如,在一个例子中,假设原始图像的长度为8cm,预设尺寸的长度为6cm,原始图像的长度8cm大于预设尺寸的长度6cm,可以计算预设尺寸的长度6cm与原始图像的长度8cm之间的比值0.75,并作为压缩比例,然后将原始图像在长度维度上按照0.75的比例压缩,压缩后的原始图像的长度为6cm。
2013、将临时图像输入敏感区域检测模型中,得到敏感区域检测模型输出的临时图像中的敏感区域。
在本申请一个实施例中,敏感区域检测模型可以是电子设备事先训练得到的,具体的训练方式包括:
获取第一训练数据集以及第二训练数据集,第一训练数据集中包括标注有敏感区域的至少一个样本图像,第二训练数据集中包括不存在敏感区域的至少一个样本图像。第一样本数据集以及第二样本数据集中的样本图像的尺寸可以为预设尺寸等,由于第二训练数据集中的样本图像中不存在敏感区域,因此,第二训练数据集中的样本数据的标注数据可以为“不存在敏感数据”等。使用第一训练数据集以及第二训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到敏感区域检测模型。
其中,第一训练数据集中的样本图像可以为正样本图像,第二训练数据集中的样本图像可以为负样本图像,使用正样本图像以及负样本图像对初始化模型训练,可以提高训练得到的敏感区域检测模型的泛化能力。
初始化模型包括基于ssd-mobilenet的模型等,当然,也可以包括其他类型或结构的模型,本申请对此不加以限定。
在本申请一个实施例中,敏感区域检测模型可以是电子设备事先从服务端下载的。服务端事先可以训练敏感区域检测模型,并在服务端中存储敏感区域检测模型的第一模型数据。
电子设备可以从服务端下载第一比特流,第一比特流中的第一预设位置存储有敏感区域检测模型的第一模型数据。
第一模型数据可以包括敏感区域检测模型中的参数等,其中,敏感区域检测模型中可以包括多个层,例如,卷积层、池化层、全连接层、激活函数层以及注意力层等等,每一个层中均具有参数,如此,第一模型数据中的参数可以按照敏感区域检测模型中的各个层之间的先后顺序排列。
其中,电子设备可以向服务端发送用于获取敏感区域检测模型的获取请求,服务端可以接收电子设备发送的该获取请求,然后根据该获取请求获取在服务端中存储的敏感区域检测模型的第一模型数据,之后通过比特流的方式向电子设备发送敏感区域检测模型的第一模型数据。电子设备可以接收服务端发送的敏感区域检测模型的第一模型数据,然后可以在第一比特流中的第一预设位置中读取敏感区域检测模型的第一模型数据,并根据第一模型数据生成敏感区域检测模型。
其中,通过比特流的方式来传输敏感区域检测模型的第一模型数据可以提高敏感区域检测模型的安全性。
例如,服务端可以与电子设备之间事先商议第一预设位置,第一预设位置可以为比特流中的偏移量等,第一预设位置仅由服务端与电子设备可以获知,而其他设备无法轻易获知。
其中,服务端可以在第一比特流中的位于第一预设位置之前的位置添加干扰数据,在第一比特流的第一预设位置添加敏感区域检测模型的第一模型数据,以及在第一比特流中的位于第一预设位置之后的位置添加干扰数据,从而得到第一比特流,并向电子设备第一比特流。
电子设备接收到第一比特流之后,由于事先已经与服务端之间商议了第一预设位置,因此,电子设备可以知晓从第一比特流中的第一预设位置就能够得到敏感区域检测模型的第一模型数据,如此,电子设备可以在第一比特流中的第一预设位置中读取敏感区域检测模型的第一模型数据。
在第一比特流从服务端向电子设备传输的过程中,即使第一比特流被不法分子截取,由于不法分子无法获知第一比特流中的哪些位置中存储有敏感区域检测模型的第一模型数据,因此,增加了不法分子在第一比特流中窃取到完整的第一模型数据且仅仅窃取到完整的第一模型数据(即不获取到干扰数据)的难度(在不法分子得到不完整的第一模型数据的情况下,或者,在不法分子得到的数据不仅包括完整的第一模型数据还包括干扰数据的情况下,电子设备均无法根据得到的数据破解出敏感区域检测模型),从而可以提高不法分子破解出敏感区域检测模型的难度,从而可以提高敏感区域检测模型的安全性。
2014、根据临时图像中的敏感区域确定原始图像中的敏感区域。
临时图像是对原始图像的宽度和/或长度进行拉伸或压缩得到的,因此,临时图像的尺寸与原始图像的尺寸并不相同,所以,临时图像中的敏感区域在临时图像中的位置与原始图像中的敏感区域在原始图像中的位置是不全相同的。
因此,为了精准地得到原始图像中的敏感区域,可以获取临时图像中的敏感区域在临时图像中的位置坐标范围,然后对位置坐标范围按照步骤2012的“矫正”方式对应的“反矫正”方式进行反矫正,得到反矫正后的位置坐标范围,然后可以在原始图像中确定反矫正后的位置坐标范围的区域,并作为原始图像中的敏感区域。
在步骤S202中,基于敏感信息检测模型检测敏感区域中的敏感信息。
在本步骤中,可以将指示有敏感区域的原始图像输入敏感信息检测模型中,这样,敏感信息检测模型得到的输入数据包括:原始图像以及原始图像中的敏感区域的在原始图像中的位置坐标范围等,如此,敏感信息检测模型可以根据原始图像以及原始图像中的敏感区域的在原始图像中的位置坐标范围计算得到原始图像的敏感区域中的敏感信息,并输出原始图像的敏感区域中的敏感信息,电子设备可以得到敏感信息检测模型输出的原始图像的敏感区域中的敏感信息。
在本申请一个实施例中,敏感信息检测模型可以是电子设备事先训练得到的,具体的训练方式包括:
获取第三训练数据集以及第四训练数据集,第三训练数据集中包括标注有敏感信息的至少一个样本图像,第四训练数据集中包括不存在敏感信息的至少一个样本图像。由于第四训练数据集中的样本图像中不存在敏感信息,因此,第四训练数据集中的样本数据的标注数据可以为“不存在敏感信息”等。使用第三训练数据集以及第四训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到敏感信息检测模型。
其中,第三训练数据集中的样本图像可以为正样本图像,第四训练数据集中的样本图像可以为负样本图像,使用正样本图像以及负样本图像对初始化模型训练,可以提高训练得到的敏感信息检测模型的泛化能力。
初始化模型包括基于efficientnet_b4的模型等,当然,也可以包括其他类型或结构的模型,本申请对此不加以限定。
在本申请一个实施例中,敏感信息检测模型可以是电子设备事先从服务端下载的。服务端事先可以训练敏感信息检测模型,并在服务端中存储敏感信息检测模型的第二模型数据。
第二模型数据可以包括敏感信息检测模型中的参数等,其中,敏感信息检测模型中可以包括多个层,例如,卷积层、池化层、全连接层、激活函数层以及注意力层等等,每一个层中均具有参数,如此,第二模型数据中的参数可以按照敏感信息检测模型中的各个层之间的先后顺序排列。
电子设备可以从服务端下载第二比特流。第二比特流中的第二预设位置存储有敏感信息检测模型的第二模型数据。
其中,电子设备可以向服务端发送用于获取敏感信息检测模型的获取请求,服务端可以接收电子设备发送的该获取请求,然后根据该获取请求获取在服务端中存储的敏感信息检测模型的第二模型数据,之后通过比特流的方式向电子设备发送敏感信息检测模型的第二模型数据。电子设备可以接收服务端发送的敏感信息检测模型的第二模型数据,然后可以在第二比特流中的第二预设位置中读取敏感信息检测模型的第二模型数据,并根据第二模型数据生成敏感信息检测模型。
其中,通过比特流的方式来传输敏感信息检测模型的第二模型数据可以提高敏感信息检测模型的安全性。
例如,服务端可以与电子设备之间事先商议第二预设位置,第二预设位置可以为比特流中的偏移量等,第二预设位置仅由服务端与电子设备可以获知,而其他设备无法轻易获知。
其中,服务端可以在第二比特流中的位于第二预设位置之前的位置添加干扰数据,在第二比特流的第二预设位置添加敏感信息检测模型的第二模型数据,以及在第二比特流中的位于第二预设位置之后的位置添加干扰数据,从而得到第二比特流,并向电子设备第二比特流。
电子设备接收到第二比特流之后,由于事先已经与服务端之间商议了第二预设位置,因此,电子设备可以知晓从第二比特流中的第二预设位置就能够得到敏感信息检测模型的第二模型数据,如此,电子设备可以在第二比特流中的第二预设位置中读取敏感信息检测模型的第二模型数据。
在第二比特流从服务端向电子设备传输的过程中,即使第二比特流被不法分子截取,由于不法分子无法获知第二比特流中的哪些位置中存储有敏感信息检测模型的第二模型数据,因此,增加了不法分子在第二比特流中窃取到完整的第二模型数据且仅仅窃取到完整的第二模型数据(即不获取到干扰数据)的难度(在不法分子得到不完整的第二模型数据的情况下,或者,在不法分子得到的数据不仅包括完整的第二模型数据还包括干扰数据的情况下,电子设备均无法根据得到的数据破解出敏感信息检测模型),从而可以提高不法分子破解出敏感信息检测模型的难度,从而可以提高敏感信息检测模型的安全性。
在本申请另一实施例中,参见图3,步骤S104包括:
在步骤S301中,在原始图像的敏感区域中识别承载敏感信息的载体。
本步骤可以通过如下流程实现,包括:
3011、将指示有敏感区域中的敏感信息的原始图像输入边缘特征点检测模型中,得到边缘特征点检测模型输出的承载敏感信息的载体的边缘特征点。
在本步骤中,可以将指示有敏感区域中的敏感信息的原始图像输入边缘特征点检测模型中,这样,边缘特征点检测模型得到的输入数据包括:原始图像、原始图像中的敏感区域在原始图像中的位置坐标范围以及原始图像中的敏感区域中的敏感信息在原始图像中的位置坐标范围等,如此,边缘特征点检测模型可以根据原始图像、原始图像中的敏感区域在原始图像中的位置坐标范围以及原始图像中的敏感区域中的敏感信息在原始图像中的位置坐标范围计算得到承载敏感信息的载体的边缘特征点,并输出承载敏感信息的载体的多个边缘特征点,电子设备可以得到边缘特征点检测模型输出的承载敏感信息的载体的多个边缘特征点。
在本申请一个实施例中,边缘特征点检测模型可以是电子设备事先训练得到的,具体的训练方式包括:
获取第五训练数据集以及第六训练数据集,第五训练数据集中包括标注有承载敏感信息的载体的边缘特征点的至少一个样本图像,第六训练数据集中包括不存在承载敏感信息的载体的至少一个样本图像。由于第六训练数据集中的样本图像中不存在承载敏感信息的载体,因此,第六训练数据集中的样本数据的标注数据可以为“不存在承载敏感信息的载体”等。使用第五训练数据集以及第六训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到边缘特征点检测模型。
其中,第五训练数据集中的样本图像可以为正样本图像,第六训练数据集中的样本图像可以为负样本图像,使用正样本图像以及负样本图像对初始化模型训练,可以提高训练得到的边缘特征点检测模型的泛化能力。
初始化模型包括基于pytorch的模型等,当然,也可以包括其他类型或结构的模型,本申请对此不加以限定。
在本申请一个实施例中,边缘特征点检测模型可以是电子设备事先从服务端下载的。服务端事先可以训练边缘特征点检测模型,并在服务端中存储边缘特征点检测模型的第三模型数据。
第三模型数据可以包括边缘特征点检测模型中的参数等,其中,边缘特征点检测模型中可以包括多个层,例如,卷积层、池化层、全连接层、激活函数层以及注意力层等等,每一个层中均具有参数,如此,第三模型数据中的参数可以按照边缘特征点检测模型中的各个层之间的先后顺序排列。
电子设备可以从服务端下载第三比特流。第三比特流中的第三预设位置存储有边缘特征点检测模型的第三模型数据。
其中,电子设备可以向服务端发送用于获取边缘特征点检测模型的获取请求,服务端可以接收电子设备发送的该获取请求,然后根据该获取请求获取在服务端中存储的边缘特征点检测模型的第三模型数据,之后通过比特流的方式向电子设备发送边缘特征点检测模型的第三模型数据。电子设备可以接收服务端发送的边缘特征点检测模型的第三模型数据,然后可以在第三比特流中的第三预设位置中读取边缘特征点检测模型的第三模型数据,并根据第三模型数据生成边缘特征点检测模型。
其中,通过比特流的方式来传输边缘特征点检测模型的第三模型数据可以提高边缘特征点检测模型的安全性。
例如,服务端可以与电子设备之间事先商议第三预设位置,第三预设位置可以为比特流中的偏移量等,第三预设位置仅由服务端与电子设备可以获知,而其他设备无法轻易获知。
其中,服务端可以在第三比特流中的位于第三预设位置之前的位置添加干扰数据,在第三比特流的第三预设位置添加边缘特征点检测模型的第三模型数据,以及在第三比特流中的位于第三预设位置之后的位置添加干扰数据,从而得到第三比特流,并向电子设备第三比特流。
电子设备接收到第三比特流之后,由于事先已经与服务端之间商议了第三预设位置,因此,电子设备可以知晓从第三比特流中的第三预设位置就能够得到边缘特征点检测模型的第三模型数据,如此,电子设备可以在第三比特流中的第三预设位置中读取边缘特征点检测模型的第三模型数据。
在第三比特流从服务端向电子设备传输的过程中,即使第三比特流被不法分子截取,由于不法分子无法获知第三比特流中的哪些位置中存储有边缘特征点检测模型的第三模型数据,因此,增加了不法分子在第三比特流中窃取到完整的第三模型数据且仅仅窃取到完整的第三模型数据(即不获取到干扰数据)的难度(在不法分子得到不完整的第三模型数据的情况下,或者,在不法分子得到的数据不仅包括完整的第三模型数据还包括干扰数据的情况下,电子设备均无法根据得到的数据破解出边缘特征点检测模型),从而可以提高不法分子破解出边缘特征点检测模型的难度,从而可以提高边缘特征点检测模型的安全性。
3012、根据多个边缘特征点确定敏感区域中的承载敏感信息的载体。
在本申请中,可以在原始图像中确定多个边缘特征点围成的区域,然后将该区域中的物体作为敏感区域中的承载敏感信息的载体。
在步骤S302中,将遮挡图像悬浮叠加在原始图像的敏感区域中的承载敏感信息的载体上,并与原始图像合成,得到安全图像。
在安全图像中,遮挡图像遮挡住了敏感区域中的载体,也即,敏感区域中的载体不可见。
在一种方式中,可以将遮挡图像悬浮叠加在原始图像的敏感区域上,从而就可以实现遮挡敏感区域中的承载敏感信息的载体。
然而,在本申请中,敏感区域检测模型检测出的敏感区域的形状与原始图像中承载敏感信息的载体的形状可能不同。
例如,原始图像中的承载敏感信息的载体可能是非矩形的形状,例如,平行四边形或者三角形等。而敏感区域检测模型检测出的敏感区域是矩形,其往往包括了承载敏感信息的载体的最大矩形框所在的区域等。在这种情况下,敏感区域检测模型检测出的敏感区域中会包括承载敏感信息的载体以外的其他内容,这些内容并非敏感信息,可以不对这些内容遮挡。
然而,将遮挡图像悬浮叠加在原始图像的敏感区域上虽然能够遮挡住敏感区域中的承载敏感信息的载体,但也会遮挡住原始图像中的承载敏感信息的载体以外的其他内容,如此,在安全图像中就看不到该其他内容,用户无法看到除了承载敏感信息的载体以外的内容的完整内容,会降低用户观看安全图像的体验,以及会降低安全图像中的信息的有效性。
因此,为了提高用户观看安全图像的体验以及提高安全图像中的信息的有效性,在本申请另一实施例中,可以将遮挡图像悬浮叠加在原始图像的敏感区域中的载体上,这样,遮挡图像可以遮挡住敏感区域中的承载敏感信息的载体,而不遮挡承载敏感信息的载体以外的其他内容。
具体地,在遮挡图像的尺寸与承载敏感信息的载体的尺寸不同的情况下,可以将遮挡图像修正为与尺寸与承载敏感信息的载体的尺寸相同的修正图像。然后将修正图像悬浮叠加在原始图像的敏感区域中的承载敏感信息的载体上,并与原始图像合成,得到安全图像。
修正图像的尺寸以及形状与承载敏感信息的载体的尺寸以及形状相同,如此,将修正图像悬浮叠加在原始图像的敏感区域中的载体上可以使得修正图像能够遮挡住承载敏感信息的载体中的全部内容,且不会遮挡承载敏感信息的载体以外的其他内容,避免遮挡住可以不遮挡的区域,也即避免多余遮挡,使得用户可以在安全图像中看到承载敏感信息的载体以外的内容的完整内容,从而可以提高用户观看安全图像的体验,以及会提高安全图像中的信息的有效性。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作并不一定是本申请所必须的。
参照图4,示出了本申请的一种信息处理装置的结构框图,该装置具体可以包括如下模块:
第一获取模块11,用于获取摄像头采集的原始图像;
检测模块12,用于检测所述原始图像中的敏感信息;
第二获取模块13,用于获取用于遮挡所述敏感信息的遮挡图像;
合成模块14,用于将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像;
显示模块15,用于在屏幕的预览区域显示所述安全图像;
拍摄模块16,用于在接收到用于拍摄所述安全图像的拍摄操作的情况下,拍摄所述安全图像。
在一个可选的实现方式中,所述检测模块包括:
第一检测单元,用于基于敏感区域检测模型检测所述原始图像中的敏感区域;
第二检测单元,用于基于敏感信息检测模型检测所述敏感区域中的敏感信息。
在一个可选的实现方式中,所述第一检测单元包括:
判断子单元,用于判断所述原始图像的尺寸是否为预设尺寸;
矫正子单元,用于在所述原始图像的尺寸不为所述预设尺寸的情况下,将所述原始图像矫正为所述预设尺寸的临时图像;
第一输入子单元,用于将所述临时图像输入所述敏感区域检测模型中,得到所述敏感区域检测模型输出的所述临时图像中的敏感区域;
第一确定子单元,用于根据所述临时图像中的敏感区域确定所述原始图像中的敏感区域。
在一个可选的实现方式中,所述第一检测单元还包括:
第一获取子单元,用于获取第一训练数据集以及第二训练数据集,所述第一训练数据集中包括标注有敏感区域的至少一个样本图像,所述第二训练数据集中包括不存在敏感区域的至少一个样本图像;
第一训练子单元,用于使用所述第一训练数据集以及所述第二训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感区域检测模型。
在一个可选的实现方式中,所述第一检测单元还包括:
第一下载子单元,用于从服务端下载第一比特流;所述第一比特流中的第一预设位置存储有所述敏感区域检测模型的第一模型数据;
第一读取子单元,用于在所述第一比特流中的所述第一预设位置中读取所述第一模型数据;
第一生成子单元,用于根据所述第一模型数据生成所述敏感区域检测模型。
在一个可选的实现方式中,所述第二检测单元包括:
第二输入子单元,用于将指示有所述敏感区域的所述原始图像输入所述敏感信息检测模型中,得到所述敏感信息检测模型输出的所述原始图像的所述敏感区域中的敏感信息。
在一个可选的实现方式中,所述第二检测单元还包括:
第二获取子单元,用于获取第三训练数据集以及第四训练数据集,所述第三训练数据集中包括标注有敏感信息的至少一个样本图像,所述第四训练数据集中包括不存在敏感信息的至少一个样本图像;
第二训练子单元,用于使用所述第三训练数据集以及所述第四训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感信息检测模型。
在一个可选的实现方式中,所述第二检测单元还包括:
第二下载子单元,用于从服务端下载第二比特流;所述第二比特流中的第二预设位置存储有所述敏感信息检测模型的第二模型数据;
第二读取子单元,用于在所述第二比特流中的所述第二预设位置中读取所述第二模型数据;
第二生成子单元,用于根据所述第二模型数据生成所述敏感信息检测模型。
在一个可选的实现方式中,所述合成模块包括:
识别单元,用于在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体;
合成单元,用于将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像。
在一个可选的实现方式中,所述识别单元包括:
第三输入子单元,用于将指示有所述敏感区域中的所述敏感信息的所述原始图像输入边缘特征点检测模型中,得到所述边缘特征点检测模型输出的承载所述敏感信息的载体的边缘特征点;
第二确定子单元,用于根据所述多个边缘特征点确定所述敏感区域中的承载所述敏感信息的载体。
在一个可选的实现方式中,所述识别单元还包括:
第三获取子单元,用于获取第五训练数据集以及第六训练数据集,所述第五训练数据集中包括标注有承载敏感信息的载体的边缘特征点的至少一个样本图像,所述第六训练数据集中包括不存在承载敏感信息的载体的至少一个样本图像;
第三训练子单元,用于使用所述第五训练数据集以及所述第六训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述边缘特征点检测模型。
在一个可选的实现方式中,所述识别单元还包括:
第三下载子单元,用于从服务端下载第三比特流;所述第三比特流中的第三预设位置存储有所述边缘特征点检测模型的第三模型数据;
第三读取子单元,用于在所述第三比特流中的所述第三预设位置中读取所述第三模型数据;
第三生成子单元,用于根据所述第三模型数据生成所述边缘特征点域检测模型。
在一个可选的实现方式中,所述合成单元包括:
修正子单元,用于在所述遮挡图像的尺寸与承载所述敏感信息的载体的尺寸不同的情况下,将所述遮挡图像修正为与尺寸与承载所述敏感信息的载体的尺寸相同的修正图像;
合成子单元,用于将所述修正图像悬浮叠加在所述原始图像的所述敏感区域中的所述载体上,并与所述原始图像合成,得到所述安全图像。
通过本申请,用户在使用电子设备拍摄图像之前可以不寻找遮挡物,不使用遮挡物手动遮挡敏感信息。在用户需要使用电子设备拍摄图像的情况下,可以直接控制电子设备使用摄像头采集原始图像,然后电子设备可以自动化地检测原始图像中的敏感信息,并获取用于遮挡该敏感信息的遮挡图像,以及将遮挡图像悬浮叠加在原始图像的敏感信息上,并与原始图像合成,得到安全图像,然后在屏幕的预览区域显示安全图像。用户在预览区域上可以看到的是敏感信息被遮挡的安全图像,在用户需要对安全图像拍摄的情况下,用户可以在电子设备上输入用于拍摄安全图像的拍摄操作,在电子设备接收到用于拍摄安全图像的拍摄操作的情况下,可以拍摄安全图像。
如此,本申请通过自动化地遮挡原始图像的敏感信息,可以降低拍摄的物料成本,降低用户的操作负担,进而可以提升用户体验。
对于装置实施例而言,由于其与方法实施例基本相似,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。
图5是本申请示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电力组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图像,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如采集模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播操作信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图6是本申请示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。
参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本说明书中的各个实施例均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的部分互相参见即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种信息处理方法及装置,进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (28)
1.一种信息处理方法,其特征在于,所述方法包括;
获取摄像头采集的原始图像;
检测所述原始图像中的敏感信息;
获取用于遮挡所述敏感信息的遮挡图像;
将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像;
在屏幕的预览区域显示所述安全图像;
在接收到用于拍摄所述安全图像的拍摄操作的情况下,拍摄所述安全图像。
2.根据权利要求1所述的方法,其特征在于,所述检测所述原始图像中的敏感信息,包括:
基于敏感区域检测模型检测所述原始图像中的敏感区域;
基于敏感信息检测模型检测所述敏感区域中的敏感信息。
3.根据权利要求2所述的方法,其特征在于,所述基于敏感区域检测模型检测所述原始图像中的敏感区域,包括:
判断所述原始图像的尺寸是否为预设尺寸;
在所述原始图像的尺寸不为所述预设尺寸的情况下,将所述原始图像矫正为所述预设尺寸的临时图像;
将所述临时图像输入所述敏感区域检测模型中,得到所述敏感区域检测模型输出的所述临时图像中的敏感区域;
根据所述临时图像中的敏感区域确定所述原始图像中的敏感区域。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
获取第一训练数据集以及第二训练数据集,所述第一训练数据集中包括标注有敏感区域的至少一个样本图像,所述第二训练数据集中包括不存在敏感区域的至少一个样本图像;
使用所述第一训练数据集以及所述第二训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感区域检测模型。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
从服务端下载第一比特流;所述第一比特流中的第一预设位置存储有所述敏感区域检测模型的第一模型数据;
在所述第一比特流中的所述第一预设位置中读取所述第一模型数据;
根据所述第一模型数据生成所述敏感区域检测模型。
6.根据权利要求2所述的方法,其特征在于,所述基于敏感信息检测模型检测所述敏感区域中的敏感信息,包括:
将指示有所述敏感区域的所述原始图像输入所述敏感信息检测模型中,得到所述敏感信息检测模型输出的所述原始图像的所述敏感区域中的敏感信息。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取第三训练数据集以及第四训练数据集,所述第三训练数据集中包括标注有敏感信息的至少一个样本图像,所述第四训练数据集中包括不存在敏感信息的至少一个样本图像;
使用所述第三训练数据集以及所述第四训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感信息检测模型。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
从服务端下载第二比特流;所述第二比特流中的第二预设位置存储有所述敏感信息检测模型的第二模型数据;
在所述第二比特流中的所述第二预设位置中读取所述第二模型数据;
根据所述第二模型数据生成所述敏感信息检测模型。
9.根据权利要求2所述的方法,其特征在于,所述将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像,包括:
在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体;
将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像。
10.根据权利要求9所述的方法,其特征在于,所述在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体,包括:
将指示有所述敏感区域中的所述敏感信息的所述原始图像输入边缘特征点检测模型中,得到所述边缘特征点检测模型输出的承载所述敏感信息的载体的边缘特征点;
根据所述多个边缘特征点确定所述敏感区域中的承载所述敏感信息的载体。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
获取第五训练数据集以及第六训练数据集,所述第五训练数据集中包括标注有承载敏感信息的载体的边缘特征点的至少一个样本图像,所述第六训练数据集中包括不存在承载敏感信息的载体的至少一个样本图像;
使用所述第五训练数据集以及所述第六训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述边缘特征点检测模型。
12.根据权利要求10所述的方法,其特征在于,所述方法还包括:
从服务端下载第三比特流;所述第三比特流中的第三预设位置存储有所述边缘特征点检测模型的第三模型数据;
在所述第三比特流中的所述第三预设位置中读取所述第三模型数据;
根据所述第三模型数据生成所述边缘特征点域检测模型。
13.根据权利要求9所述的方法,其特征在于,所述将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像,包括:
在所述遮挡图像的尺寸与承载所述敏感信息的载体的尺寸不同的情况下,将所述遮挡图像修正为与尺寸与承载所述敏感信息的载体的尺寸相同的修正图像;
将所述修正图像悬浮叠加在所述原始图像的所述敏感区域中的所述载体上,并与所述原始图像合成,得到所述安全图像。
14.一种信息处理装置,其特征在于,所述装置包括;
第一获取模块,用于获取摄像头采集的原始图像;
检测模块,用于检测所述原始图像中的敏感信息;
第二获取模块,用于获取用于遮挡所述敏感信息的遮挡图像;
合成模块,用于将所述遮挡图像悬浮叠加在所述原始图像的所述敏感信息上,并与所述原始图像合成,得到安全图像;
显示模块,用于在屏幕的预览区域显示所述安全图像;
拍摄模块,用于在接收到用于拍摄所述安全图像的拍摄操作的情况下,拍摄所述安全图像。
15.根据权利要求14所述的装置,其特征在于,所述检测模块包括:
第一检测单元,用于基于敏感区域检测模型检测所述原始图像中的敏感区域;
第二检测单元,用于基于敏感信息检测模型检测所述敏感区域中的敏感信息。
16.根据权利要求15所述的装置,其特征在于,所述第一检测单元包括:
判断子单元,用于判断所述原始图像的尺寸是否为预设尺寸;
矫正子单元,用于在所述原始图像的尺寸不为所述预设尺寸的情况下,将所述原始图像矫正为所述预设尺寸的临时图像;
第一输入子单元,用于将所述临时图像输入所述敏感区域检测模型中,得到所述敏感区域检测模型输出的所述临时图像中的敏感区域;
第一确定子单元,用于根据所述临时图像中的敏感区域确定所述原始图像中的敏感区域。
17.根据权利要求16所述的装置,其特征在于,所述第一检测单元还包括:
第一获取子单元,用于获取第一训练数据集以及第二训练数据集,所述第一训练数据集中包括标注有敏感区域的至少一个样本图像,所述第二训练数据集中包括不存在敏感区域的至少一个样本图像;
第一训练子单元,用于使用所述第一训练数据集以及所述第二训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感区域检测模型。
18.根据权利要求16所述的装置,其特征在于,所述第一检测单元还包括:
第一下载子单元,用于从服务端下载第一比特流;所述第一比特流中的第一预设位置存储有所述敏感区域检测模型的第一模型数据;
第一读取子单元,用于在所述第一比特流中的所述第一预设位置中读取所述第一模型数据;
第一生成子单元,用于根据所述第一模型数据生成所述敏感区域检测模型。
19.根据权利要求15所述的装置,其特征在于,所述第二检测单元包括:
第二输入子单元,用于将指示有所述敏感区域的所述原始图像输入所述敏感信息检测模型中,得到所述敏感信息检测模型输出的所述原始图像的所述敏感区域中的敏感信息。
20.根据权利要求19所述的装置,其特征在于,所述第二检测单元还包括:
第二获取子单元,用于获取第三训练数据集以及第四训练数据集,所述第三训练数据集中包括标注有敏感信息的至少一个样本图像,所述第四训练数据集中包括不存在敏感信息的至少一个样本图像;
第二训练子单元,用于使用所述第三训练数据集以及所述第四训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述敏感信息检测模型。
21.根据权利要求19所述的装置,其特征在于,所述第二检测单元还包括:
第二下载子单元,用于从服务端下载第二比特流;所述第二比特流中的第二预设位置存储有所述敏感信息检测模型的第二模型数据;
第二读取子单元,用于在所述第二比特流中的所述第二预设位置中读取所述第二模型数据;
第二生成子单元,用于根据所述第二模型数据生成所述敏感信息检测模型。
22.根据权利要求15所述的装置,其特征在于,所述合成模块包括:
识别单元,用于在所述原始图像的所述敏感区域中识别承载所述敏感信息的载体;
合成单元,用于将所述遮挡图像悬浮叠加在所述原始图像的所述敏感区域中的载体上,并与所述原始图像合成,得到所述安全图像。
23.根据权利要求22所述的装置,其特征在于,所述识别单元包括:
第三输入子单元,用于将指示有所述敏感区域中的所述敏感信息的所述原始图像输入边缘特征点检测模型中,得到所述边缘特征点检测模型输出的承载所述敏感信息的载体的边缘特征点;
第二确定子单元,用于根据所述多个边缘特征点确定所述敏感区域中的承载所述敏感信息的载体。
24.根据权利要求23所述的装置,其特征在于,所述识别单元还包括:
第三获取子单元,用于获取第五训练数据集以及第六训练数据集,所述第五训练数据集中包括标注有承载敏感信息的载体的边缘特征点的至少一个样本图像,所述第六训练数据集中包括不存在承载敏感信息的载体的至少一个样本图像;
第三训练子单元,用于使用所述第五训练数据集以及所述第六训练数据集对初始化模型训练,直至初始化模型中的参数收敛,从而得到所述边缘特征点检测模型。
25.根据权利要求23所述的装置,其特征在于,所述识别单元还包括:
第三下载子单元,用于从服务端下载第三比特流;所述第三比特流中的第三预设位置存储有所述边缘特征点检测模型的第三模型数据;
第三读取子单元,用于在所述第三比特流中的所述第三预设位置中读取所述第三模型数据;
第三生成子单元,用于根据所述第三模型数据生成所述边缘特征点域检测模型。
26.根据权利要求22所述的装置,其特征在于,所述合成单元包括:
修正子单元,用于在所述遮挡图像的尺寸与承载所述敏感信息的载体的尺寸不同的情况下,将所述遮挡图像修正为与尺寸与承载所述敏感信息的载体的尺寸相同的修正图像;
合成子单元,用于将所述修正图像悬浮叠加在所述原始图像的所述敏感区域中的所述载体上,并与所述原始图像合成,得到所述安全图像。
27.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行如权利要求1-13任一项所述的信息处理方法。
28.一种非临时性计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1-13任一项所述的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011629441.XA CN112750072A (zh) | 2020-12-30 | 2020-12-30 | 一种信息处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011629441.XA CN112750072A (zh) | 2020-12-30 | 2020-12-30 | 一种信息处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112750072A true CN112750072A (zh) | 2021-05-04 |
Family
ID=75650744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011629441.XA Pending CN112750072A (zh) | 2020-12-30 | 2020-12-30 | 一种信息处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112750072A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513104A (zh) * | 2015-12-01 | 2016-04-20 | 小米科技有限责任公司 | 图片拍摄方法、装置及系统 |
CN106603928A (zh) * | 2017-01-20 | 2017-04-26 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107122806A (zh) * | 2017-05-16 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 一种敏感图像识别方法及装置 |
CN107516050A (zh) * | 2017-08-08 | 2017-12-26 | 北京小米移动软件有限公司 | 图片处理方法、装置及终端 |
CN109284684A (zh) * | 2018-08-21 | 2019-01-29 | Oppo广东移动通信有限公司 | 一种信息处理方法、装置以及计算机存储介质 |
CN110737927A (zh) * | 2019-10-16 | 2020-01-31 | 青岛宇硕云联信息科技有限公司 | 手机扫描触摸屏幕隐私自动遮挡的方法及移动终端 |
CN112001282A (zh) * | 2020-08-12 | 2020-11-27 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种图像识别方法 |
-
2020
- 2020-12-30 CN CN202011629441.XA patent/CN112750072A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513104A (zh) * | 2015-12-01 | 2016-04-20 | 小米科技有限责任公司 | 图片拍摄方法、装置及系统 |
CN106603928A (zh) * | 2017-01-20 | 2017-04-26 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107122806A (zh) * | 2017-05-16 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 一种敏感图像识别方法及装置 |
CN107516050A (zh) * | 2017-08-08 | 2017-12-26 | 北京小米移动软件有限公司 | 图片处理方法、装置及终端 |
CN109284684A (zh) * | 2018-08-21 | 2019-01-29 | Oppo广东移动通信有限公司 | 一种信息处理方法、装置以及计算机存储介质 |
CN110737927A (zh) * | 2019-10-16 | 2020-01-31 | 青岛宇硕云联信息科技有限公司 | 手机扫描触摸屏幕隐私自动遮挡的方法及移动终端 |
CN112001282A (zh) * | 2020-08-12 | 2020-11-27 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种图像识别方法 |
Non-Patent Citations (2)
Title |
---|
王君伟等: "基于水平集的局部自适应图像分割方法", 《中国科技论文》 * |
王君伟等: "基于水平集的局部自适应图像分割方法", 《中国科技论文》, no. 08, 23 April 2017 (2017-04-23) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102194094B1 (ko) | 가상과 실제 물체의 합성 방법, 장치, 프로그램 및 기록매체 | |
US20170304735A1 (en) | Method and Apparatus for Performing Live Broadcast on Game | |
US9674395B2 (en) | Methods and apparatuses for generating photograph | |
US9924226B2 (en) | Method and device for processing identification of video file | |
CN107025419B (zh) | 指纹模板录入方法及装置 | |
US20160381276A1 (en) | Method and user terminal for capturing video frame | |
EP3179711A2 (en) | Method and apparatus for preventing photograph from being shielded | |
CN112114765A (zh) | 投屏方法、装置及存储介质 | |
CN104090735B (zh) | 一种图片的投影方法及装置 | |
KR20170020736A (ko) | 이미지에 의한 공간 파라미터 결정 방법, 장치, 단말기기, 프로그램 및 컴퓨터 판독가능한 기록매체 | |
CN108632543B (zh) | 图像显示方法、装置、存储介质及电子设备 | |
CN108124102B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
EP3113071A1 (en) | Method and device for acquiring iris image | |
CN106774849B (zh) | 虚拟现实设备控制方法及装置 | |
KR20180010042A (ko) | 이동 단말기 및 그 제어방법 | |
KR20130010590A (ko) | 전자기기 및 전자기기의 동작 방법 | |
CN114009003A (zh) | 图像采集方法、装置、设备及存储介质 | |
CN107885016B (zh) | 全息投影方法及装置 | |
CN113947676B (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
CN110852163A (zh) | 绑定方法及装置 | |
CN107967233B (zh) | 电子作品显示方法和装置 | |
CN107948876B (zh) | 控制音箱设备的方法、装置及介质 | |
CN107832112B (zh) | 壁纸设置方法及装置 | |
CN112750072A (zh) | 一种信息处理方法及装置 | |
US11252341B2 (en) | Method and device for shooting image, and storage medium |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220802 Address after: Room 119, 1st floor, 101, floors 1-7, building 105, yard a, Jiuxianqiao North Road, Chaoyang District, Beijing 100015 Applicant after: Beijing love car technology Co.,Ltd. Address before: Room 210-03, 2nd floor, block C, office building, Nangang Industrial Zone, Tianjin Binhai New Area Economic and Technological Development Zone, 300450 Applicant before: 58 Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210504 |
|
RJ01 | Rejection of invention patent application after publication |