CN113936202A - 图像安全处理方法和装置、电子设备和存储介质 - Google Patents

Abstract

本公开实施例公开了一种图像安全处理方法和装置、电子设备和存储介质，其中，方法包括：确定图像传感器采集待处理图像时的地理位置；确定所述地理位置对应的地理安全等级；基于所述地理安全等级确定所述待处理图像中的目标对象；对所述目标对象所在的图像区域进行隐私保护处理。本公开实施例可以基于不同地理位置的安全保护需求对相应的目标对象进行隐私保护处理，实现相应的安全保护；同时，可以避免对非必要对象进行隐私保护处理消耗计算资源。

Description

图像安全处理方法和装置、电子设备和存储介质

技术领域

本公开涉及图像处理技术，尤其是一种图像安全处理方法和装置、电子设备和存储介质。

背景技术

图像安全是信息安全的重要领域之一。利用图像采集设备进行图像采集被广泛应用于社会的方方面面，如驾驶、手机、监控、物联网等等。由于采集的图像可能会涉及到个人隐私和国家安全，往往需要对采集后的图像进行图像安全处理，例如对人脸打码，对车牌打码，对涉及国家安全的敏感对象进行打码等等。

现有的图像安全处理方法通常是对所有采集的图像进行统一的安全处理。

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图像安全处理方法和装置、电子设备和存储介质。

根据本公开实施例的一个方面，提供了一种图像安全处理方法，包括：

确定图像传感器采集待处理图像时的地理位置；

确定所述地理位置对应的地理安全等级；

基于所述地理安全等级确定所述待处理图像中的目标对象；

对所述目标对象所在的图像区域进行隐私安全保护处理。

根据本公开实施例的另一个方面，提供了一种图像安全处理装置，包括

第一确定模块，用于确定图像传感器采集待处理图像时的地理位置；

第二确定模块，用于确定所述地理位置对应的地理安全等级；

第三确定模块，用于基于所述地理安全等级确定所述待处理图像中的目标对象；

处理模块，用于对所述目标对象所在的图像区域进行隐私保护处理。

根据本公开实施例的又一个方面，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本公开上述任一实施例所述的图像安全处理方法。

根据本公开实施例的再一个方面，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，用于执行本公开上述任一实施例所述的图像安全处理方法。

基于本公开上述实施例提供的图像安全处理方法和装置、电子设备和存储介质，在对待处理图像进行安全处理时，通过基于图像传感器采集待处理图像时的地理位置对应的地理安全等级确定待处理图像中的目标对象，并对目标对象所在的图像区域进行隐私保护处理，实现了基于不同地理位置的安全保护需求对相应的目标对象进行隐私保护处理，实现相应的安全保护；同时，可以避免对非必要对象进行隐私保护处理消耗计算资源。

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是本公开一示例性实施例提供的图像安全处理方法的流程示意图。

图2是本公开另一示例性实施例提供的图像安全处理方法的流程示意图。

图3是本公开再一示例性实施例提供的图像安全处理方法的流程示意图。

图4是本公开再一示例性实施例提供的图像安全处理方法的流程示意图。

图5是本公开又一示例性实施例提供的图像安全处理方法的流程示意图。

图6是本公开的图像安全处理装置一个实施例的结构示意图。

图7是本公开的图像安全处理装置另一个实施例的结构示意图。

图8是本公开的图像安全处理装置再一个实施例的结构示意图

图9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。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

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任意具有摄像功能的第一电子设备，比如监控摄像机等成像设备，或者也可以应用于与具有摄像功能的第一电子设备连接通信的终端设备、计算机系统、服务器等第二电子设备，具有摄像功能的第一电子设备将图像传感器采集的原始图像数据和采集原始图像数据时的地理位置发送给第二电子设备，第二电子设备进行安全处理后返回给第一电子设备，第二电子设备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、服务器等第二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。

第一电子设备和终端设备、计算机系统、服务器等第二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。

示例性系统

本公开实施例可以适用于车辆监控系统，该车辆监控系统可以包括摄像机设备和服务器，摄像机设备与服务器通信，将拍摄的监控图像传输到服务器进行存储及其他处理，摄像机设备设置在车辆外预设位置，预设位置根据能够拍摄到车辆所在地理位置的场景信息来确定。

本公开实施例中，摄像机设备在图像传感器采集到待处理图像后，可以先确定图像传感器采集待处理图像时的地理位置，然后确定地理位置对应的地理安全等级，并基于地理安全等级确定待处理图像中的目标对象，进而对目标对象所在的图像区域进行隐私安全保护处理。

在实际应用中，待处理图像的图像安全处理可以是在图像传感器和图像信号处理器(Image Signal Processing，简称：ISP)之间增加图像安全处理单元实现，图像安全处理单元可以采用GPU(graphics processing unit，图形处理器)或AI(ArtificialIntelligence，人工智能)芯片实现；此外，待处理图像的图像安全处理也可以是由ISP实现，具体可以根据实际需求设置，本公开不做限定。在一些应用中，待处理图像的图像安全处理还可以是由摄像机设备以外的第二电子设备实现，通过与摄像机设备通信，将摄像机设备图像传感器采集的待处理图像传输给第二电子设备，第二电子设备进行图像安全处理后返回给摄像机设备。

示例性方法

图1是本公开一示例性实施例提供的图像安全处理方法的流程示意图。本实施例可应用在电子设备上，如图1所示，包括如下步骤：

步骤101，确定图像传感器采集待处理图像时的地理位置。

本公开实施例中，待处理图像可以为图像传感器采集到的当前地理位置的场景图像。示例性地，待处理图像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车辆所在地理位置的场景图像。车辆所在地理位置的场景图像中可以包括车外摄像头拍摄到的任何对象，例如，车牌、人脸、建筑、道路设施等等，本公开实施例不做限定。

本公开实施例中，待处理图像可以为图像传感器采集到的未经加工的原始图像(也称为rawdata数据)。未经加工的原始图像具体为图像传感器将捕捉到的光源信号转化为数字信号的未经加工的图像。示例性地，待处理图像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、且未经加工的本车所在地理位置的原始场景图像。

本公开实施例中，图像传感器采集待处理图像时的地理位置可以通过定位装置确定，并可以采用经纬度坐标表示。定位装置可以设置在图像传感器所在设备中，或者也可以设置在图像传感器所在设备附近，以确保定位装置确定的地理位置，与图像传感器采集待处理图像时的地理位置一致。

在一个可选示例中，定位装置可以是北斗定位装置、GPS定位装置等定位装置中的任一项，本公开实施例不做限定。

步骤102，确定地理位置对应的地理安全等级。

本公开实施例中，地理安全等级可以用于标识地理位置的地理信息安全要求的高低，可以根据地理位置的地理信息安全要求，确定地理位置的地理安全等级。具体地，对于地理信息安全要求较高的地理位置，可以确定较高的地理安全等级；对于地理信息安全要求较低的地理位置，可以确定较低的地理安全等级。需要说明的是，地理信息安全具体可以指地理信息的采集、处理、存储、加工、传输、服务和应用等环节涉及的硬件、软件及其系统中的数据受到保护。

示例性的，在车辆辅助驾驶或自动驾驶过程中，若车外摄像头采集到待处理图像的地理位置为未公开场所，未公开场所的地理信息安全要求高，可以确定地理位置的地理安全等级为高等级别；若车外摄像头采集到待处理图像的地理位置为半公开场所，半公开场所的地理信息安全要求中等，可以确定地理位置的地理安全等级为中等级别；若车外摄像头采集到待处理图像的地理位置为公开场所，公开场所的地理信息安全要求低，可以确定地理位置的地理安全等级为低等级别。

一个可选示例中，地理安全等级可以包括两个以上的等级，例如，两个以上的等级可以包括：地理安全一级、地理安全二级和地理安全三级，再例如，两个以上的等级也可以包括：地理安全A级、地理安全B级和地理安全C级，本公开实施例不做限定。

一个可选示例中，可以利用罗马数字、小写阿拉伯数字、大写阿拉伯数字、中文数字、小写英文字母和大写英文字母等符号中的任一项或多项为不同地理安全等级命名，以区分不同地理安全等级，本公开实施例对地理安全等级的命名方式不做限定。

步骤103，基于地理安全等级确定待处理图像中的目标对象。

本公开实施例中，图像传感器在采集待处理图像时，容易采集到当前地理位置的不想被公众所知的对象(也可以称为敏感对象)的图像。待处理图像中的目标对象为待处理图中需要进行隐私保护处理的敏感对象。

一个可选示例中，敏感对象可以包括但不限于车牌、人脸、建筑、道路设施。

本公开实施例中，可以预先设置各地理安全等级对应的敏感对象类型，各地理安全等级对应的敏感对象类型可以部分相同，也可以完全不同。

作为一个示例，可以设置地理安全一级对应的敏感对象类型为建筑，地理安全二级对应的敏感对象类型为车牌，地理安全等级三级对应的敏感对象类型为人脸。

作为另一个示例，可以设置地理安全一级对应的敏感对象类型为建筑和道路设施，地理安全二级对应的敏感对象类型为车牌和建筑，地理安全三级对应的敏感类型为车牌和人脸。

本公开实施例中，可以根据预设规则区分各地理安全等级的高低。一个可选示例中，预设规则可以是地理安全等级的命名中包含的阿拉伯数字越小地理安全等级越高，也可以是地理安全等级的命名中包含的阿拉伯数字越大地理安全等级越高，也可以是地理安全等级的命名中包含的英文字母越靠后地理安全等级越高，还可以是地理安全等级的命名中包含的英文字母越靠前地理安全等级越高。需要说明的是，利用地理安全等级的命名中包含的阿拉伯数字的大小，或者英文字母的排序可以简单有效的区分不同的地理安全等级，但不限于此，其它方式，如利用地理安全等级的命名中包含的罗马数字的大小，中文数字的大小等也同样适用。

一个可选示例中，在各地理安全等级中，越高的地理安全等级对应的敏感对象类型的数量可以越多，越低的地理安全等级对应的敏感对象类型的数量可以越少。需要说明的是，本公开实施例对各地理安全等级对应的敏感对象类型的具体数量不做限定。

作为一个示例，各地理安全等级可以包括地理安全A级、地理安全B级和地理安全C级共三个等级，上述预设规则可以为地理安全等级的命名中包含的英文字母越靠后地理安全等级越高。由此，在各地理安全等级中，地理安全A级的等级最低，地理安全C级的等级最高，可以设定地理安全C级对应的敏感对象类型可以为车牌、人脸、建筑、和道路设施，地理安全B级对应的敏感对象类型为车牌、人脸和建筑，地理安全A级对应的敏感类型为车牌和人脸。

一个可选示例中，较高的地理安全等级可以对应较多的敏感对象类型，较低的地理安全等级可以对应较少的敏感对象类型，具体可以通过预设阈值的方式来确定较高的地理安全等级和较低的地理安全等级，例如，等级高于或等于预设阈值的可以视为本公开中的较高的地理安全等级，等级低于预设阈值的可以视为较低的地理安全等级。需要说明的是，本公开实施例对各地理安全等级对应的敏感对象类型的具体数量不做限定。

作为一个示例，各地理安全等级可以包括地理安全A级、地理安全B级、地理安全C级和地理安全D级共四个等级，其中地理安全A级的等级最低，地理安全D级的等级最高，可以设定预设阈值为C级，从而可以确定地理安全A级和地理安全B级为较低的地理安全等级，地理安全C级和地理安全D级为较高的地理安全等级，进而可以设定较高的地理安全等级对应的敏感对象类型为车牌、人脸、建筑、和道路设施，较低的地理安全等级对应的敏感对象类型为车牌和人脸。

实际应用中，可以根据预先设置的各地理安全等级与敏感对象类型的对应关系，得到步骤102中确定的地理安全等级对应的敏感对象类型，并可以将从待处理图像中识别的类型与敏感对象类型相同的图像对象作为待处理图像中的目标对象。

步骤104，对目标对象所在的图像区域进行隐私保护处理。

具体地，由于步骤103已经获取到待处理图像中的需要进行隐私保护处理的目标对象，可以对该目标对象所在的图像区域内的图像数据进行隐私保护处理，例如通过图像遮挡或图像模糊的方式进行隐私保护处理，保证待处理图像中敏感数据的安全性。

本公开实施例中，在对待处理图像进行安全处理时，通过基于图像传感器采集待处理图像时的地理位置对应的地理安全等级确定待处理图像中的目标对象，并对目标对象所在的图像区域进行隐私保护处理，实现了基于不同地理位置的安全保护需求对相应的目标对象进行隐私保护处理，实现相应的安全保护；同时，可以避免对非必要对象进行隐私保护处理消耗计算资源。

图2是本公开另一示例性实施例提供的图像安全处理方法的流程示意图，如图2所示，在上述图1所示实施例的基础上，步骤102可以包括如下步骤：

步骤102-1，从预设地理位置匹配信息中获取地理位置匹配的目标地理位置。

本公开实施例中，预设地理位置匹配信息可以采用数据库或数据表格等形式进行存储，预设地理位置匹配信息可以包括至少一个预设地理位置、以及至少一个预设地理位置中各预设地理位置对应的位置区域范围。

本公开实施例中，可以将上述步骤101确定的图像传感器采集待处理图像时的地理位置，与预设地理位置匹配信息中的各预设地理位置以及各预设地理位置对应的位置区域范围进行对比，以获取该地理位置匹配的目标地理位置。

一个可选示例中，该地理位置匹配的目标地理位置可以是与该地理位置相同的任一预设地理位置，或者也可以是包含该地理位置的任一位置区域范围对应的预设地理位置。

步骤102-2，从预设地理安全匹配信息中获取目标地理位置对应的目标地理安全等级、以及目标地理安全等级对应的目标对象类型。

本公开实施例中，预设地理安全匹配信息可以采用数据库或数据表格等形式进行存储，预设地理安全匹配信息可以包括：各预设地理位置对应的地理安全等级、以及各地理安全等级对应的对象类型。

在一个可选的示例中，预设地理安全匹配信息中的对象类型可以包括以下任意一项或多项：车牌，人脸，建筑，道路设施。

本公开实施例中，可以将步骤102-2确定的目标地理位置，与预设地理安全匹配信息中的各预设地理位置进行对比，获取与该目标地理位置相同的预设地理位置对应的地理安全等级，作为该目标地理位置对应的目标地理安全等级。

将目标地理位置对应的目标地理安全等级，与预设地理安全匹配信息中的各地理安全等级进行对比，获取与该目标地理安全等级相同的地理安全等级对应的对象类型，作为该目标地理安全等级对应的目标对象类型。

本公开实施例中，在确定地理位置对应的地理安全等级时，通过将地理位置与预先设置的预设地理位置匹配信息和预设地理安全匹配信息中的各项信息进行对比，可以快速查找到地理位置对应的地理安全等级，以及地理安全等级对应的目标对象类型，有助于减少图像安全处理的时间消耗，提高图像安全处理的效率。

图3是本公开再一示例性实施例提供的图像安全处理方法的流程示意图，如图3所示，在上述图2所示实施例的基础上，步骤103可以包括如下步骤：

步骤103-1a，对待处理图像进行语义分割，得到待处理图像中的至少一个感兴趣区域。

步骤103-2a，对至少一个感兴趣区域进行语义识别，得到待处理图像中的至少一个感兴趣物体。

本公开实施例中，可以利用第一预先训练的图像语义分析模型，对待处理图像进行语义分割和语义识别，语义分割可以得到待处理图像中的至少一个感兴趣区域，该感兴趣区域为待处理图像中可能存在感兴趣物体的图像区域，语义识别可以确定感兴趣区域中各像素所属的类型，基于感兴趣区域中的各像素及各像素所属的类型可以确定感兴趣区域中感兴趣物体(包括属于该感兴趣物体的像素)及该感兴趣物体的类型。感兴趣物体的类型可以包括但不限于车牌、人脸、建筑、道路设施。

本公开实施例中，可以通过以下方式得到第一预先训练的图像语义分析模型：

构建第一初始图像语义分析模型；从训练样本集合中获取多个图像样本；将所述多个图像样本分别作为输入，提供给第一初始图像语义分析模型，经由第一初始图像语义分析模型对输入的各图像样本分别进行语义分割和语义识别，根据第一初始图像语义分析模型的输出，获得预测出的各图像样本的至少一个感兴趣物体；根据预测出的各图像样本的至少一个感兴趣物体和各图像样本的感兴趣物体标注信息，调整第一初始图像语义分析模型的模型参数。

一个可选示例中，第一初始图像语义分析模型可以是卷积神经网络模型或全卷积神经网络模型。

步骤103-3a，基于地理安全等级对应的对象类型，从至少一个感兴趣物体中确定目标对象。

经由步骤103-2a已经确定了待处理图像中的至少一个感兴趣物体，将各感兴趣物体的类型与地理安全等级对应的对象类型进行对比，从至少一个感性兴趣物体中选取类型与地理安全等级对应的对象类型相同的感兴趣物体作为目标对象。

本公开实施例中，通过预先训练的图像语义分析模型，可以快速、准确地识别出待处理图像中的至少一个感兴趣物体，从而可以快速、准确地确定待处理图像中需要隐私保护处理的目标对象，有助于而提高图像安全处理的效率和准确度。同时，对待处理图像根据地理安全等级进行分等级的安全处理，相对于现有的对所有采集的图像进行统一的安全处理的方法，有助于提高图像安全处理的灵活性。

图4是本公开再一示例性实施例提供图像安全处理方法的流程示意图，如图4所示，在上述图2所示实施例的基础上，步骤102-2可以包括如下步骤：

步骤102-2a，从预设地理安全匹配信息中获取目标地理位置对应的目标地理安全等级。

本公开实施例中，预设地理安全匹配信息可以采用数据库或数据表格等形式进行存储，预设地理安全匹配信息可以包括：各预设地理位置对应的地理安全等级，各地理安全等级对应的对象类型、以及对应的对象类型包括的各对象类别。

在一个可选的示例中，地理安全匹配信息中的对象类型包括以下任意一项或多项：车牌，人脸，建筑，道路设施。

本公开实施例中，对象类别是对象类型的进一步细分，对象类型可以被进一步细分为一个以上对象类别。示例性地，对象类型“车牌”可以包括“军用车牌”、“民用车牌”和“警用车牌”三个对象类别，对象类型“人脸”可以包括“眼睛”和“面部”两个对象类别，对象类型“建筑”可以包括“建筑”一个对象类别，对象类型“道路设施”可以包括“红绿灯”和“路向标”两个对象类别。需要说明的是，本公开实施例对象类型的细分方式和细分数量不做限定，本领域技术人员可以根据实际需要确定对象类型的细分方式和细分数量。

本公开实施例中，可以将步骤102-2确定的目标地理位置，与预设地理安全匹配信息中的各预设地理位置进行对比，获取与该目标地理位置相同的预设地理位置对应的地理安全等级，作为该目标地理位置对应的目标地理安全等级。

步骤102-2b，从预设地理安全匹配信息中获取目标地理安全等级对应的目标对象类型和目标对象类型包括的各对象类别。

将步骤102-2a确定的目标地理位置对应的目标地理安全等级，与预设地理安全匹配信息中的各地理安全等级进行对比，获取与该目标地理安全等级相同的地理安全等级对应的对象类型作为目标对象类型，并获取目标对象类型包括的各对象类别。

本公开实施例中，通过将地理安全等级对应的对象类型进一步划分为各对象类别，可以提高待处理图像中需要隐私保护处理的目标对象的区分精度，从而有助于提高图像安全处理的精度。

图5是本公开又一示例性实施例提供的图像安全处理方法的流程示意图，如图5所示，在上述图4所示实施例的基础上，步骤103可以包括如下步骤：

步骤103-1b，对待处理图像进行语义分割，得到待处理图像中的至少一个感兴趣区域。

步骤103-2b，对至少一个感兴趣区域进行语义识别，得到待处理图像中的至少一个感兴趣物体。

本公开实施例中，可以利用第二预先训练的图像语义分析模型，对待处理图像进行语义分割和语义识别，语义分割可以得到待处理图像中的至少一个感兴趣区域，该感兴趣区域为待处理图像中可能存在感兴趣物体的图像区域，语义识别可以确定感兴趣区域中各像素所属的类别，基于感兴趣区域中的各像素及各像素所属的类别可以确定感兴趣区域中感兴趣物体(包括属于该感兴趣物体的像素)及该感兴趣物体的类别。

本公开实施例中，感兴趣物体的类别是上述感兴趣物体的类型的细分，感兴趣区域物体的类型的细分方式与上述对象类型的细分方式相同。

本公开实施例中，可以通过以下方式得到第二预先训练的图像语义分析模型：构建第二初始图像语义分析模型；从训练样本集合中获取多个图像样本；将所述多个图像样本分别作为输入，提供给第二初始图像语义分析模型，经由第二初始图像语义分析模型对输入的各图像样本分别进行语义分割和语义识别，根据第二初始图像语义分析模型的输出，获得预测出的各图像样本的至少一个感兴趣物体；根据预测出的各图像样本的至少一个感兴趣物体和各图像样本的感兴趣物体标注信息，调整第二初始图像语义分析模型的模型参数。

一个可选示例中，第二初始图像语义分析模型可以是卷积神经网络模型或全卷积神经网络模型。

步骤103-3b，基于地理安全等级对应的对象类型、以及对应的对象类型包括的各对象类别，从至少一个感兴趣物体中确定目标对象。

经由步骤103-2b已经确定了待处理图像中的至少一个感兴趣物体，将各感兴趣物体的类别与地理安全等级对应的对象类型包括的各对象类别进行对比，从至少一个感性兴趣物体中选取类别与各对象类别中任一对象类别相同的感兴趣物体作为目标对象。

本公开实施例中，通过将地理安全等级对应的对象类型进一步划分为各对象类别，可以提高待处理图像中需要隐私保护处理的目标对象的区分精度，从而有助于提高图像安全处理的精度。

在一个可选的示例中，上述步骤104可以包括：根据待处理图像对应的掩码图像，对待处理图像中目标对象所在图像区域的像素点进行遮挡处理，得到目标图像数据。

本公开实施例中，提供与待处理图像尺寸相同的掩码图像，通过掩码图像标记需要进行隐私保护处理的图像区域。

本公开实施例中，在掩码图像中，将对应待处理图像中需要进行隐私保护处理的目标对象所在图像区域设置一个标记(例如数值1)，这样，当后续步骤进行隐私保护处理时，可以根据掩码图像的图像块内是否有标记，从而决定是否对待处理图像的对应图像块内的像素点进行遮挡处理。

在本实施例中，通过掩码图像可以标记出待处理图像中需要进行隐私保护处理的目标对象所在图像区域，进而可以便于后续步骤准确地对待处理图像进行隐私保护处理，能够有效保护待处理图像中的隐私数据安全。

本公开实施例提供的任一种图像安全处理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图像安全处理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图像安全处理方法。下文不再赘述。

示例性装置

图6是本公开的图像安全处理装置一个实施例的结构示意图。该实施例的装置可用于实现本公开相应的方法实施例。如图6所示的装置包括：第一确定模块201、第二确定模块202、第三确定模块203以及处理模块204。

第一确定模块201用于确定图像传感器采集待处理图像时的地理位置。

第二确定模块202用于确定地理位置对应的地理安全等级。

第三确定模块203用于基于地理安全等级确定待处理图像中的目标对象。

处理模块204用于对目标对象所在的图像区域进行隐私保护处理。

图7是本公开的图像安全处理装置另一个实施例的结构示意图，如图7所示的第二确定模块202可以包括第一获取单元202-1和第二获取单元202-2。

第一获取单元202-1用于从预设地理位置匹配信息中获取地理位置匹配的目标地理位置。

在一个可选的示例中，预设地理位置匹配信息包括至少一个预设地理位置、以及至少一个预设地理位置中各预设地理位置对应的位置区域范围。

第二获取单元202-2用于从预设地理安全匹配信息中获取目标地理位置对应的目标地理安全等级、以及目标地理安全等级对应的目标对象类型。

在一个可选示例中，预设地理安全匹配信息包括：各预设地理位置对应的地理安全等级、以及各地理安全等级对应的对象类型。

在一个可选示例中，地理安全匹配信息中的对象类型包括以下任意一项或多项：车牌，人脸，建筑，预设装备。

图8是本公开的图像安全处理装置再一个实施例的结构示意图，如图8所示的第三确定模块203可以包括第一识别单元203-1、第二识别单元203-2和确定单元203-3。

第一识别单元203-1用于对待处理图像进行语义分割，得到待处理图像中的至少一个感兴趣区域。

第二识别单元203-2用于对至少一个感兴趣区域进行语义识别，得到待处理图像中的至少一个感兴趣物体。

确定单元203-3用于基于地理安全等级对应的对象类型，从至少一个感兴趣物体中确定目标对象。

在一个可选示例中，第二获取单元202-2还用于从预设地理安全匹配信息中获取目标地理位置对应的目标地理安全等级；从预设地理安全匹配信息中获取目标地理安全等级对应的目标对象类型和目标对象类型包括的各对象类别。

在一个可选示例中，预设地理安全匹配信息包括：各预设地理位置对应的地理安全等级，各地理安全等级对应的对象类型、以及对应的对象类型包括的各对象类别。

在一个可选示例中，确定单元203-3还用于基于地理安全等级对应的对象类型、以及对应的对象类型包括的各对象类别，从至少一个感兴趣物体中确定目标对象。

在一个可选示例中，处理模块204具体用于根据待处理图像对应的掩码图像，对待处理图像中目标对象所在图像区域对应位置的像素点进行遮挡处理，得到目标图像数据。

示例性电子设备

下面，参考图9来描述根据本公开实施例的电子设备。如图9所示，电子设备包括一个或多个处理器901和存储器902。

处理器901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902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901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图像安全处理方法以及/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903和输出装置904，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903可以包括例如键盘、鼠标等等。输出装置904可以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9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。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的图像安全处理方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的图像安全处理方法中的步骤。

所述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 (10)

1.一种图像安全处理方法，包括：

确定图像传感器采集待处理图像时的地理位置；

确定所述地理位置对应的地理安全等级；

基于所述地理安全等级确定所述待处理图像中的目标对象；

对所述目标对象所在的图像区域进行隐私保护处理。

2.根据权利要求1所述的方法，其中，所述确定所述地理位置对应的地理安全等级，包括：

从预设地理位置匹配信息中获取所述地理位置匹配的目标地理位置；其中，所述预设地理位置匹配信息包括至少一个预设地理位置、以及所述至少一个预设地理位置中各预设地理位置对应的位置区域范围；

从预设地理安全匹配信息中获取所述目标地理位置对应的目标地理安全等级、以及所述目标地理安全等级对应的目标对象类型；其中，所述预设地理安全匹配信息包括：所述各预设地理位置对应的地理安全等级、以及各地理安全等级对应的对象类型。

3.根据权利要求2所述的方法，其中，所述地理安全匹配信息中的对象类型包括以下任意一项或多项：车牌，人脸，建筑和道路设施。

4.根据权利要求2所述的方法，其中，所述基于所述地理安全等级确定所述待处理图像中的目标对象，包括：

对所述待处理图像进行语义分割，得到所述待处理图像中的至少一个感兴趣区域；

对所述至少一个感兴趣区域进行语义识别，得到所述待处理图像中的至少一个感兴趣物体；

基于所述地理安全等级对应的对象类型，从所述至少一个感兴趣物体中确定目标对象。

5.根据权利要求2所述的方法，其中，所述从预设地理安全匹配信息中获取所述目标地理位置对应的目标地理安全等级、以及所述目标地理安全等级对应的目标对象类型，包括：

从所述预设地理安全匹配信息中获取所述目标地理位置对应的目标地理安全等级；

从所述预设地理安全匹配信息中获取所述目标地理安全等级对应的目标对象类型和所述目标对象类型包括的各对象类别；其中，所述预设地理安全匹配信息包括：所述各预设地理位置对应的地理安全等级，各地理安全等级对应的对象类型、以及所述对应的对象类型包括的各对象类别。

6.根据权利要求5所述的方法，其中，所述基于所述地理安全等级确定所述待处理图像中的目标对象，包括：

对所述待处理图像进行语义分割，得到所述待处理图像中的至少一个感兴趣区域；

对所述至少一个感兴趣区域进行语义识别，得到所述待处理图像中的至少一个感兴趣物体；

基于所述地理安全等级对应的对象类型、以及所述对应的对象类型包括的各对象类别，从所述至少一个感兴趣物体中确定目标对象。

7.根据权利要求1-6任一项所述的方法，其中，所述对所述目标对象所在的图像区域进行隐私保护处理，包括：

根据所述待处理图像对应的掩码图像，对所述待处理图像中所述目标对象所在图像区域的像素点进行遮挡处理，得到目标图像数据。

8.一种图像安全处理装置，包括：

第一确定模块，用于确定图像传感器采集待处理图像时的地理位置；

第二确定模块，用于确定所述地理位置对应的地理安全等级；

第三确定模块，用于基于所述地理安全等级确定所述待处理图像中的目标对象；

处理模块，用于对所述目标对象所在的图像区域进行隐私保护处理。

9.一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1-7任一所述的图像安全处理方法。

10.一种电子设备，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1-7任一所述的图像安全处理方法。

Images