CN113838070B - 数据脱敏方法和装置 - Google Patents
数据脱敏方法和装置 Download PDFInfo
- Publication number
- CN113838070B CN113838070B CN202111144854.3A CN202111144854A CN113838070B CN 113838070 B CN113838070 B CN 113838070B CN 202111144854 A CN202111144854 A CN 202111144854A CN 113838070 B CN113838070 B CN 113838070B
- Authority
- CN
- China
- Prior art keywords
- image
- data
- channel
- target
- 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.)
- Active
Links
- 238000000586 desensitisation Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开实施例公开了一种数据脱敏方法和装置,其中,该数据脱敏方法包括:确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域;对所述原生图像进行图像复原,得到三通道图像;基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行脱敏处理。本公开实施例存储的三通道图像数据是经过数据脱敏的,保证数据安全性。
Description
技术领域
本公开涉及数据安全技术领域,尤其是一种数据脱敏方法和装置。
背景技术
随着人工智能(Artificial Intelligence,AI)技术在各行各业中的广泛应用,数据安全问题也越来越得到人们的重视。
目前,使用AI技术进行图像处理时,如何保证在图像处理功能的前提下提升数据安全性,是一种亟待解决的问题。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种数据脱敏方法和装置。
根据本公开实施例的第一方面,提供了一种数据脱敏方法,包括:
确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域;
对所述原生图像进行图像复原,得到三通道图像;
基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行数据脱敏处理。
根据本公开实施例的第二方面,提供了一种数据脱敏装置,包括:
确定模块,用于确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域;
图像复原模块,用于对所述原生图像进行图像复原,得到三通道图像;
脱敏模块,用于基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行数据脱敏处理。
根据本公开实施例的第三方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第一方面所述的数据脱敏方法。
根据本公开实施例的第四方面,提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述第一方面所述的数据脱敏方法。
基于本公开上述实施例提供的数据脱敏方法和装置,基于图像传感器获取的原生图像,确定原生图像中的目标敏感信息以及目标敏感信息在原生图像中的位置区域,对原生图像进行图像复原,得到三通道图像,基于目标敏感信息在原生图像中的位置区域,对三通道图像的图像数据进行脱敏处理,从而使得最终存储的三通道图像数据是经过数据脱敏的,保证数据安全性。本公开实施例由于在图像复原的最后进行数据脱敏处理,对图像复原的处理流程影响极小,如果在图像复原的处理流程中进行数据脱敏,则脱敏后的数据会对图像复原的后续流程造成不良影响。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开实施例的数据脱敏方法的流程示意图;
图2是公开一个实施例中步骤S1的流程示意图;
图3是本公开一个实施例中对原生图像进行通道分离和去马赛克的示意图;
图4是公开一个实施例中步骤S3的流程示意图;
图5是本公开一个实施例中掩码图像的示意图;
图6是本公开一个实施例中步骤S3-1的流程示意图;
图7是本公开一个实施例中步骤S3-2的流程示意图;
图8是本公开另一个实施例中步骤S3-2的流程示意图;
图9是本公开实施例的数据脱敏装置的结构框图;
图10是本公开一个实施例中确定模块100的结构框图;
图11是本公开另一个实施例中确定模块100的结构框图;
图12是本公开一个实施例中脱敏模块300的结构框图;
图13是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1本公开实施例的数据脱敏方法的流程示意图。本实施例可应用在电子设备上,如图1所示,包括如下步骤:
S1:确定图像传感器采集的原生图像中的目标敏感信息以及目标敏感信息在原生图像中的位置区域。
在本公开实施例中,原生图像为图像传感器采集到的图像数据,该图像数据未经过图像复原处理。示例性地,原生图像可以是在车辆辅助驾驶或自动驾驶时,通过车内的图像传感器采集到的、且未经图像复原的驾驶员的图像。原生图像还可以是在车辆辅助驾驶或自动驾驶时,通过车外摄像头采集到的、且未经图像复原的本车附近车辆的图像。
在获取到原生图像之后,可以由本车控制系统或可以连接控制本车的终端(例如手机或服务器),通过预设的目标识别方法识别出原生图像中的目标敏感信息,并基于目标敏感信息与原生图像之间的像素位置关系,确定目标敏感信息在原生图像中的位置区域。示例性地,当原生图像为未经图像复原的驾驶员的图像时,目标敏感信息可以是驾驶员的脸部图像信息。
以下实施例将以本车控制系统为例进行数据脱敏,但本领域技术人员可以知晓,采用可以连接控制本车的终端同样可以进行数据脱敏。
S2:对原生图像进行图像复原,得到三通道图像。
具体地,通过对原生图像进行图像信号处理(Image Signal Processing,ISP)实现色彩还原,得到三通道图像,例如RGB三通道图像或YUV三通道图像。
在本公开的一个示例中,图像复原的过程可以包括:去黑电平->暗角校正->raw域去噪->raw域锐化->去马赛克->白平衡->局部色调映射->颜色校正->颜色增强->2D降噪->3D降噪->Y通道锐化。需要说明的是,图像复原的过程为本领域技术人员所熟知的技术手段,为了减少冗余,不作赘述。
S3:基于目标敏感信息在原生图像中的位置区域,对三通道图像的图像数据进行数据脱敏处理。
具体地,由于已经获取到目标敏感信息在原生图像中的位置区域,可以对该位置区域内的原生数据进行数据脱敏处理,例如通过图像遮挡或图像模糊的方式进行数据脱敏处理,保证敏感数据的安全性。
在本实施例中,基于图像传感器获取的原生图像,确定原生图像中的目标敏感信息以及目标敏感信息在原生图像中的位置区域,对原生图像进行图像复原,得到三通道图像,基于目标敏感信息在原生图像中的位置区域,对三通道图像的图像数据进行脱敏处理,从而使得最终存储的三通道图像数据是经过数据脱敏的,保证数据安全性。本公开实施例由于在图像复原的最后进行数据脱敏处理,对图像复原的处理流程影响极小,如果在图像复原的处理流程中进行数据脱敏,则脱敏后的数据会对图像复原的后续流程造成不良影响。例如,在做降噪前进行数据脱敏处理,若卷积核比较大,将会影响到非脱敏区域的像素值,造成信息丢失。
图2是公开一个实施例中步骤S1的流程示意图。如图2所示,步骤S1包括:
S1-1:基于原生图像的图像数据,通过预训练的识别模型识别出原生图像的图像数据中的目标敏感信息。
具体地,本实施例采用预训练的识别模型,例如采用全卷积网络识别出原生图像的图像数据中的目标敏感信息。
在本公开实施例中,通过以下方式训练识别模型。
图3是本公开一个实施例中对原生图像进行通道分离和去马赛克的示意图。如图3所示,首先,通过初始模型对样本原生图像进行通道分离或去马赛克。
其中,通道分离是直接抽取相同通道值重新组成R通道图像、G通道图像和B通道图像,R通道图像、G通道图像和B通道图像的图像尺寸均小于原生图像的图像尺寸。
去马赛克是通过插值的方式插出原始位置的另外两个未知通道的像素,最终得到和原生图像相同尺寸的R通道图像、G通道图像和B通道图像。
在本公开的一个实施例中,采用双三次插值法获得和原生图像相同尺寸的R通道图像、G通道图像和B通道图像。其中,由原生图像插值得到R通道图像的具体过程包括:插值原生图像上B通道位置对应的R通道像素值,与插值原生图像上G通道位置对应的R通道像素值。由原生图像插值得到G通道图像的具体过程包括:插值原生图像上B通道位置对应的G通道像素值,与插值原生图像上R通道位置对应的G通道像素值。由原生图像插值得到B通道图像的具体过程包括:插值原生图像上R通道位置对应的B通道像素值,与插值原生图像上G通道位置对应的B通道像素值。完成以上插值步骤,即可得到与原生图像相同图像尺寸的R通道图像,G通道图像与B通道图像。
其次,在进行去马赛克处理或通道分离处理之后,基于初始模型从R通道图像,G通道图像与B通道图像中选择一个通道图像(例如R通道图像)通过全卷积网络的卷积层进行下采样。
接着,在下采样之后,对该通道图像进行上采样,将该通道图像恢复到原生图像相同的图像尺寸。
然后,对该通道图像逐像素进行预测,基于预测结果和样本原生图像的分类标签之间的差异进行反向传播更新初始模型的参数,直至满足停止迭代条件后,得到最终的识别模型。
以原生图像作为识别模型的输入,通过识别模型可以识别出原生图像的图像数据中的目标敏感信息。
S1-2:确定目标敏感信息在原生图像中的位置区域。其中,基于目标敏感信息与原生图像之间的像素位置关系,确定目标敏感信息在原生图像中的位置区域。
在本实施例中,通过预训练的识别模型,可以快速、准确地识别出原生图像中的目标敏感信息,进而可以确定目标敏感信息在原生图像中的位置区域,便于后续步骤进行数据脱敏。
在本公开的另一个实施例中,步骤S1还可以包括:对原生图像中目标图像通道的原生数据进行图像复原,得到目标图像通道的颜色分量对应的单通道图像;对单通道图像进行目标识别,基于目标识别结果确定目标敏感信息;确定目标敏感信息在原生图像中的位置区域。
具体地,首先确定原生图像中用于进行目标识别的目标通道图像的原生数据,例如R通道的原生数据,其中,确定目标通道图像的原生数据的方式与上述实施例中确定目标通道图像的原生数据的方式相同。其次,将目标通道图像的原生数据进行图像复原,得到一个可视化的、用于进行目标识别图像的单通道图像。然后使用对单通道图像进行目标识别的模型识别出目标单通道图像中的敏感信息,接着基于单通道图像与原生图像之间的对应关系,例如当目标单通道图像的图像尺寸与原生图像的图像尺寸相同时,目标单通道图像中的敏感信息位置与原生图像的敏感信息位置像素位置相同,进而可以确定原生图像中的目标敏感信息,最后基于目标敏感信息与原生图像之间的像素位置关系,确定目标敏感信息在原生图像中的位置区域。
在本实施例中,基于原生图像的目标单通道图像的原生数据生成一个单通道图像之后,通过预训练的识别模型,可以快速、准确地识别出原生图像中的目标敏感信息,进而可以确定目标敏感信息在原生图像中的位置区域,便于后续步骤进行数据脱敏。
图4是公开一个实施例中步骤S3的流程示意图。如图4所示,步骤S3包括:
S3-1:基于目标敏感信息在原生图像中的位置区域,确定与原生图像对应的掩码图像。
图5是本公开一个实施例中掩码图像的示意图。在本实施例中,原生图像如图3中包含RGB通道数据的左侧附图所示,掩码图像如图5所示,提供与原生图像尺寸相同地掩码图像,通过掩码图像标记需要进行数据脱敏处理的图像区域。需要说明的是,原生图像和掩码图像的分辨率由图像传感器的分辨率来确定,图3所示的原生图像的分辨率为8x8,图5所示的掩码图像的分辨率也为8x8,图3和图5所示的8x8的分辨率仅作为示意性说明,其不能形成对本公开的限制,但本公开实施例并不限定原生图像和掩码图像的具体尺寸,例如原生图像可以采用1920x1280分辨率的图像,1024x768分辨率的图像,或者其他尺寸的图像。
S3-2:基于掩码图像,对三通道图像的图像数据进行数据脱敏处理。
具体地,在掩码图像中,对标记需要进行数据脱敏处理的图像区域,确定三通道图像中与之对应的图像区域,对该图像区域内的图像数据进行数据脱敏处理。
在本实施例中,通过掩码图像可以标记出原生图像中需要进行数据脱敏数据的图像区域,进而可以准确地对原生图像进行数据脱敏处理,有效保护用户隐私数据安全。
图6是本公开一个实施例中步骤S3-1的流程示意图。如图6所示,步骤S3-1包括:
S3-1-1:基于目标敏感信息在原生图像中的位置区域,确定掩码图像中与位置区域对应的第一图像区域。
S3-1-2:对第一图像区域中的每个单元图像块中设置第一数值。其中,第一数值可以根据三通道图像的颜色分量的范围而定。示例性地,当三通道图像的颜色分量的范围时0至1时,第一数值可以是1。当三通道图像的颜色分量的范围时0至255时,第一数值也可以是255。
请再次参考图5,第一图像区域为数值为1的图像区域,第一图像区域内包含了上述目标敏感信息。
S3-1-3:将掩码图像中去除第一图像区域的剩余图像区域,确定为第二图像区域。
S3-1-4:对第二图像区域中的每个单元图像块中设置第二数值。其中,第一数值与第二数值不同。其中,第二数值可以根据三通道图像的颜色分量的范围而定。示例性地,当三通道图像的颜色分量的范围时0至1时,第二数值可以是0。当三通道图像的颜色分量的范围时0至255时,第二数值可以是0。接着参考图3,第二图像区域为数值为0的图像区域。
在本实施例中,设置包含第一数值和第二数值的掩码图像,通过不同数值可以标记出需要进行数据脱敏处理的图像区域,以及不需要进行数据脱敏处理的图像区域,便于后续步骤根据掩码图像可以快速确定原生图像中需要进行数据脱敏处理的图像区域。
图7是本公开一个实施例中步骤S3-2的流程示意图。如图7所示,步骤S3-2包括:
S3-2-A-1:基于掩码图像中单元图像块的数值,确定三通道图像中与第二图像区域对应的脱敏图像区域。
请再次参考图3,对掩码图像中所有数值为1的第二图像区域,将原生图像中的对应区域作为脱敏图像区域。
S3-2-A-2:对三通道图像中的脱敏图像区域内的像素点设置为目标像素值。其中,目标像素值与像素边界值之间的差值在预设差值范围内。例如预设差值范围可以取[0,5]。
在本公开的一个示例中,三通道图像中的像素取值范围为0至255时,预设差值范围取[0,5],则此时目标像素值可以是0、1、2、3、4、251、252、253、254或255。
在本实施例中,通过设定三通道图像中的敏感区域内的像素点设置为目标像素值,可以防止真实的用户隐私数据被反向回复,有效保护用户隐私。
图8是本公开另一个实施例中步骤S3-2的流程示意图。如图8所示,步骤S3-2包括:
S3-2-B-1:基于掩码图像中单元图像块的数值,确定三通道图像中与第二图像区域对应的脱敏图像区域。
请再次参考图3,对掩码图像中所有数值为1的第二图像区域,将原生图像中的对应区域作为脱敏图像区域。
S3-2-B-2:对三通道图像中脱敏图像区域进行图像模糊处理。例如采用高斯模糊或均值模糊的方式,通过预设卷积核对脱敏图像区域进行图像模糊处理。示例性地,预设卷积核的尺寸可以是20x20或30x30。
在本实施例中,通过设定三通道图像中的敏感区域内的图像进行模糊处理,可以有效保护用户隐私。
本公开实施例提供的任一种数据脱敏方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种数据脱敏方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种数据脱敏方法。下文不再赘述。
示例性装置
图9是本公开实施例的数据脱敏装置的结构框图。如图4所示,本公开实施例的数据脱敏装置,包括:确定模块100、图像复原模块200和脱敏模块300。
其中,确定模块100用于确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域。图像复原模块200用于对所述原生图像进行图像复原,得到三通道图像。脱敏模块300用于基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行数据脱敏处理。
图10是本公开一个实施例中确定模块100的结构框图。如图5所示,确定模块100包括:
敏感信息确定单元101,用于基于所述原生图像的图像数据,通过预训练的识别模型识别出所述原生图像的图像数据中的目标敏感信息;
位置区域确定单元102,用于确定所述目标敏感信息在所述原生图像中的位置区域。
图11是本公开另一个实施例中确定模块100的结构框图。如图6所示,定模块100包括:
单通道图像获取单元103,用于对所述原生图像中目标图像通道的原生数据进行图像复原,得到所述目标图像通道的颜色分量对应的单通道图像;
目标识别单元104,用于对所述单通道图像进行目标识别,基于目标识别结果确定所述目标敏感信息;
确定单元105,用于确定所述目标敏感信息在所述原生图像中的位置区域。
图12是本公开一个实施例中脱敏模块300的结构框图。如图7所示,脱敏模块300包括:
掩码图像确定单元301,用于基于所述位置区域,确定与所述原生图像对应的掩码图像;
脱敏单元302,用于基于所述掩码图像,对所述三通道图像的图像数据进行数据脱敏处理。
在本公开的一个实施例中,掩码图像确定单元301用于基于所述位置区域,确定所述掩码图像中与所述位置区域对应的第一图像区域;掩码图像确定单元301还用于对所述第一图像区域中的每个单元图像块中设置第一数值;掩码图像确定单元301还用于将所述掩码图像中去除所述第一图像区域的剩余图像区域,确定为第二图像区域;掩码图像确定单元301还用于对所述第二图像区域中的每个单元图像块中设置第二数值;其中,所述第一数值与所述第二数值不同。
在本公开的一个实施例中,脱敏单元302用于基于所述掩码图像中单元图像块的数值,确定所述三通道图像中与所述第二图像区域对应的脱敏图像区域;脱敏单元302还用于对所述三通道图像中脱敏图像区域内的像素点设置为目标像素值,其中,所述目标像素值与像素边界值之间的差值在预设差值范围内。
在本公开的另一个实施例中,脱敏单元302用于基于所述掩码图像中单元图像块的数值,确定所述三通道图像中与所述第二图像区域对应的脱敏图像区域;脱敏单元302还用于对所述三通道图像中脱敏图像区域进行图像模糊处理。
需要说明的是,本公开实施例的数据脱敏装置的具体实施方式与本公开实施例的数据脱敏方法的具体实施方式类似,具体参见数据脱敏方法部分,为了减少冗余,不作赘述。
示例性电子设备
下面,参考图13来描述根据本公开实施例的电子设备。如图13所示,电子设备包括一个或多个处理器131和存储器132。
处理器131可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器132可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器131可以运行所述程序指令,以实现上文所述的本公开的各个实施例的数据脱敏方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备还可以包括:输入装置133和输出装置134,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。输入装置133可以例如键盘、鼠标等等。输出装置134可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图13中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机可读存储介质
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中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它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,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。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (8)
1.一种数据脱敏方法,包括:
确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域;
对所述原生图像进行图像复原,得到三通道图像;
基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行数据脱敏处理;
其中,所述确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域,包括:
基于所述原生图像的图像数据,通过预训练的识别模型识别出所述原生图像的图像数据中的目标敏感信息;或者,对所述原生图像中目标图像通道的原生数据进行图像复原,得到所述目标图像通道的颜色分量对应的单通道图像;对所述单通道图像进行目标识别,基于目标识别结果确定所述目标敏感信息;
确定所述目标敏感信息在所述原生图像中的位置区域。
2.根据权利要求1所述的数据脱敏方法,其中,所述基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行数据脱敏处理,包括:
基于所述位置区域,确定与所述原生图像对应的掩码图像;
基于所述掩码图像,对所述三通道图像的图像数据进行数据脱敏处理。
3.根据权利要求2所述的数据脱敏方法,其中,所述基于所述位置区域,确定与所述原生图像对应的掩码图像,包括:
基于所述位置区域,确定所述掩码图像中与所述位置区域对应的第一图像区域;
对所述第一图像区域中的每个单元图像块中设置第一数值;
将所述掩码图像中去除所述第一图像区域的剩余图像区域,确定为第二图像区域;
对所述第二图像区域中的每个单元图像块中设置第二数值;
其中,所述第一数值与所述第二数值不同。
4.根据权利要求3所述的数据脱敏方法,其中,所述基于所述掩码图像,对所述三通道图像的图像数据进行脱敏处理,包括:
基于所述掩码图像中单元图像块的数值,确定所述三通道图像中与所述第二图像区域对应的脱敏图像区域;
对所述三通道图像中脱敏图像区域内的像素点设置为目标像素值,其中,所述目标像素值与像素边界值之间的差值在预设差值范围内。
5.根据权利要求3所述的数据脱敏方法,其中,所述基于所述掩码图像,对所述三通道图像的图像数据进行数据脱敏处理,包括:
基于所述掩码图像中单元图像块的数值,确定所述三通道图像中与所述第二图像区域对应的脱敏图像区域;
对所述三通道图像中脱敏图像区域进行图像模糊处理。
6.一种数据脱敏装置,包括:
确定模块,用于确定图像传感器采集的原生图像中的目标敏感信息以及所述目标敏感信息在所述原生图像中的位置区域;
图像复原模块,用于对所述原生图像进行图像复原,得到三通道图像;
脱敏模块,用于基于所述目标敏感信息在所述原生图像中的位置区域,对所述三通道图像的图像数据进行数据脱敏处理;
其中,所述确定模块用于基于所述原生图像的图像数据,通过预训练的识别模型识别出所述原生图像的图像数据中的目标敏感信息,或者所述确定模块用于对所述原生图像中目标图像通道的原生数据进行图像复原,得到所述目标图像通道的颜色分量对应的单通道图像,并对所述单通道图像进行目标识别,基于目标识别结果确定所述目标敏感信息;
所述确定模块还用于确定所述目标敏感信息在所述原生图像中的位置区域。
7.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-5任一所述的数据脱敏方法。
8.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-5任一所述的数据脱敏方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144854.3A CN113838070B (zh) | 2021-09-28 | 2021-09-28 | 数据脱敏方法和装置 |
PCT/CN2022/116289 WO2023051143A1 (zh) | 2021-09-28 | 2022-08-31 | 数据脱敏方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144854.3A CN113838070B (zh) | 2021-09-28 | 2021-09-28 | 数据脱敏方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838070A CN113838070A (zh) | 2021-12-24 |
CN113838070B true CN113838070B (zh) | 2024-06-04 |
Family
ID=78967084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111144854.3A Active CN113838070B (zh) | 2021-09-28 | 2021-09-28 | 数据脱敏方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113838070B (zh) |
WO (1) | WO2023051143A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838070B (zh) * | 2021-09-28 | 2024-06-04 | 北京地平线信息技术有限公司 | 数据脱敏方法和装置 |
CN113837970B (zh) * | 2021-09-30 | 2024-04-26 | 北京地平线信息技术有限公司 | 图像数据的脱敏方法和装置 |
CN117455751B (zh) * | 2023-12-22 | 2024-03-26 | 新华三网络信息安全软件有限公司 | 路段图像的处理系统及方法 |
CN117993019A (zh) * | 2024-02-29 | 2024-05-07 | 阿里云计算有限公司 | 交通数据脱敏方法、设备、存储介质及计算机程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125767A (zh) * | 2019-12-26 | 2020-05-08 | 秒针信息技术有限公司 | 动态脱敏方法、装置、电子设备和计算机可读存储介质 |
CN111429330A (zh) * | 2020-03-31 | 2020-07-17 | 上海兑观信息科技技术有限公司 | 一种监控视频隐私保护方法和系统 |
CN113312982A (zh) * | 2021-05-07 | 2021-08-27 | 珠海金山办公软件有限公司 | 一种文档还原处理方法、装置、计算机存储介质及终端 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9514523B2 (en) * | 2014-11-18 | 2016-12-06 | Intel Corporation | Method and apparatus for filling images captured by array cameras |
CN110390731B (zh) * | 2019-07-15 | 2020-07-24 | 贝壳找房(北京)科技有限公司 | 图像处理方法、装置、计算机可读存储介质及电子设备 |
CN112085643B (zh) * | 2020-08-24 | 2024-01-26 | 中国人民公安大学 | 图像脱敏处理方法、验证方法及装置、设备及介质 |
CN112381743A (zh) * | 2020-12-01 | 2021-02-19 | 影石创新科技股份有限公司 | 图像处理方法、装置、设备和存储介质 |
CN113379592B (zh) * | 2021-06-23 | 2023-09-01 | 北京百度网讯科技有限公司 | 图片中敏感区域的处理方法、装置和电子设备 |
CN113838070B (zh) * | 2021-09-28 | 2024-06-04 | 北京地平线信息技术有限公司 | 数据脱敏方法和装置 |
CN114626090A (zh) * | 2022-03-08 | 2022-06-14 | 北京地平线信息技术有限公司 | 图像数据的处理方法、装置和车辆 |
-
2021
- 2021-09-28 CN CN202111144854.3A patent/CN113838070B/zh active Active
-
2022
- 2022-08-31 WO PCT/CN2022/116289 patent/WO2023051143A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125767A (zh) * | 2019-12-26 | 2020-05-08 | 秒针信息技术有限公司 | 动态脱敏方法、装置、电子设备和计算机可读存储介质 |
CN111429330A (zh) * | 2020-03-31 | 2020-07-17 | 上海兑观信息科技技术有限公司 | 一种监控视频隐私保护方法和系统 |
CN113312982A (zh) * | 2021-05-07 | 2021-08-27 | 珠海金山办公软件有限公司 | 一种文档还原处理方法、装置、计算机存储介质及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN113838070A (zh) | 2021-12-24 |
WO2023051143A1 (zh) | 2023-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113838070B (zh) | 数据脱敏方法和装置 | |
US10503999B2 (en) | System for detecting salient objects in images | |
CN113837970B (zh) | 图像数据的脱敏方法和装置 | |
US20210064851A1 (en) | Age recognition method, storage medium and electronic device | |
JP2015187855A (ja) | 多範囲オブジェクト検出装置および方法 | |
CN110852311A (zh) | 一种三维人手关键点定位方法及装置 | |
CN112348778A (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
EP4322109A1 (en) | Green screen matting method and apparatus, and electronic device | |
CN110598763A (zh) | 一种图像识别方法、装置及终端设备 | |
KR20210128491A (ko) | 위험 주행 행위 식별 방법, 장치, 전자 설비 및 저장매체 | |
US11017557B2 (en) | Detection method and device thereof | |
CN114882465A (zh) | 视觉感知方法、装置、存储介质和电子设备 | |
CN111724396A (zh) | 图像分割方法及装置、计算机可读存储介质、电子设备 | |
CN110612534B (zh) | 检测图像中的显著对象的系统、计算机可读介质和方法 | |
CN112488054B (zh) | 一种人脸识别方法、装置、终端设备及存储介质 | |
CN111062922B (zh) | 一种翻拍图像的判别方法、系统及电子设备 | |
CN117058421A (zh) | 基于多头模型的图像检测关键点方法、系统、平台及介质 | |
CN114626090A (zh) | 图像数据的处理方法、装置和车辆 | |
CN113762173B (zh) | 人脸光流估计及光流值预测模型的训练方法和装置 | |
CN113887379A (zh) | 唇语识别方法和装置 | |
EP4002270A1 (en) | Image recognition evaluation program, image recognition evaluation method, evaluation device, and evaluation system | |
CN109977937B (zh) | 图像处理方法、装置及设备 | |
US10699381B2 (en) | Text enhancement using a binary image generated with a grid-based grayscale-conversion filter | |
CN114119327A (zh) | 图像数据的脱敏方法和装置 | |
CN113436079A (zh) | 证件图像检测方法和装置、电子设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |