CN114048489B - 一种基于隐私保护的人体属性数据处理方法及装置 - Google Patents
一种基于隐私保护的人体属性数据处理方法及装置 Download PDFInfo
- Publication number
- CN114048489B CN114048489B CN202111022908.9A CN202111022908A CN114048489B CN 114048489 B CN114048489 B CN 114048489B CN 202111022908 A CN202111022908 A CN 202111022908A CN 114048489 B CN114048489 B CN 114048489B
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- data
- classification
- body image
- 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
Images
Classifications
-
- 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
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioethics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种基于隐私保护的人体属性数据处理方法及装置。本申请实施例提供的技术方案用于摄像头,所述摄像头包括图像采集模组和单次烧录处理器,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理。通过对所述图像数据进行内容识别,得到待统计的人体图像;将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点;根据人脸特征点确定对应的唯一编号标识;将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种基于隐私保护的人体属性数据处理方法及装置。
背景技术
2021年7月28日,最高人民法院发布《关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定》(以下简称《规定》),对人脸识别的应用场景、使用目的、责任认定等层面做出规范,约束了公共场所中对人脸等信息的采集。
但由于摄像头的安装和使用在不同场景中,是否有采集、保存和违规使用,一般较难检查及发现,普通摄像装置和设备提供的是完整的全部图像,后续的处理由软件进行处理,也增加了隐私数据被违规使用及存储的风险。
发明内容
本申请实施例提供一种基于隐私保护的人体属性数据处理方法及装置,能够解决通过采集人脸数据进行人群统计过程中隐私数据被暴露的问题,提高人脸数据采集过程的隐私保密程度。
在第一方面,本申请实施例提供了一种基于隐私保护的人体属性数据处理方法,用于摄像头,所述摄像头包括图像采集模组和单次烧录处理器,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理,所述单次烧录处理器对所述图像数据的处理方法包括:
对所述图像数据进行内容识别,得到待统计的人体图像;
将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点;
根据人脸特征点确定对应的唯一编号标识;
将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像。
进一步的,将待统计人体图像进行人体属性分析,得到人体属性分类数据;
根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到并输出对应的人体属性分类数据统计结果。
进一步的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;
所述预先对采集的人体图像进行训练,得到对应的模型,具体为:
计算采集的人体图像中的人脸平均特征值和特征向量,得到特征矩阵;
利用主成分分析法或线形判别分析法对特征矩阵进行降维处理,得到对应的特征矩阵模型。
进一步的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;
所述预先对采集的人体图像进行训练,得到对应的模型,具体为:
对采集的人体图像进行机器学习训练,得到对应的机器学习训练模型。
进一步的,所述唯一编号标识包括设备编号和特定编号,所述特定编号包括人脸特征点和特定字符串,所述唯一编号标识为利用MD5或RSA算法进行加密得到的字母数字组合字符串。
进一步的,还包括:
将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;
将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行统计。
进一步的,所述人体属性分类包括年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类;
所述将待统计人体图像进行人体属性分析,得到人体属性分类数据,具体为:
将待统计人体图像进行人体属性分析,得到对应的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据。
进一步的,所述根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到对应的人体属性分类数据统计结果,具体为:
根据唯一编号标识结合对应人体图像的人体属性分类数据,得到所述唯一编号标识对应的人体图像的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据;
将所述年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据进行数据处理,得到并输出年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类的人数统计图表结果。
在第二方面,本申请实施例提供了一种基于隐私保护的人体属性数据处理装置,包括:摄像头,所述摄像头包括图像采集模组和单次烧录处理器,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理;对所述图像数据进行内容识别,得到待统计的人体图像;
人脸特征点计算模块;用于将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点;
编号标识确定模块,用于根据人脸特征点确定对应的唯一编号标识;
数据输出模块,用于将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像。
进一步的,所述装置还包括,人体属性分类数据获取模块,用于将待统计人体图像进行人体属性分析,得到人体属性分类数据;
数据处理模块,用于根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到并输出对应的人体属性分类数据统计结果。
进一步的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;
所述预先对采集的人体图像进行训练,得到对应的模型,具体为:
计算采集的人体图像中的人脸平均特征值和特征向量,得到特征矩阵;
利用主成分分析法或线形判别分析法对特征矩阵进行降维处理,得到对应的特征矩阵模型。
进一步的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;
所述预先对采集的人体图像进行训练,得到对应的模型,具体为:
对采集的人体图像进行机器学习训练,得到对应的机器学习训练模型。
进一步的,所述唯一编号标识包括设备编号和特定编号,所述特定编号包括人脸特征点和特定字符串,所述唯一编号标识为利用MD5或RSA算法进行加密得到的字母数字组合字符串。
进一步的,所述装置还包括:
隐私遮挡模块,用于将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;
将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行统计。
进一步的,所述人体属性分类包括年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类;
人体属性分类数据获取模块,还用于将待统计人体图像进行人体属性分析,得到对应的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据。
进一步的,数据处理模块,还用于根据唯一编号标识结合对应人体图像的人体属性分类数据,得到所述唯一编号标识对应的人体图像的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据;
将所述年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据进行数据处理,得到并输出年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类的人数统计图表结果。
在第三方面,本申请实施例提供了一种电子设备,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的基于隐私保护的人体属性数据处理方法。
在第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基于隐私保护的人体属性数据处理方法。
本申请通过在摄像头中的单次烧录处理器对图像采集模组采集的图像数据进行识别得到待统计的人体图像,将所述人体图像数据通过计算分析得到对应唯一编号标识和对应的人体属性分类数据,根据所述对应唯一编号标识和对应的人体属性分类数据进行数据处理得到并输出对应的人体属性分类数据的统计结果。采用上述技术手段,可以在摄像头中进行人体属性分类数据的处理并直接输出数据统计的结果,避免了将图像数据转送到其他设备进行数据处理的过程中发生隐私数据泄露的情况,提高了人脸数据采集过程中的隐私保密程度。此外,通过在摄像头中设置只能单次烧录的单次烧录处理器,使得在后续的使用过程中再也无法对所述单次烧录处理器中的程序信息进行修改或非法入侵获取信息,从而降低了所述摄像头被外部设备进行隐私图像信息窃取的风险。
附图说明
图1是本申请实施例一提供的一种基于隐私保护的人体属性数据处理方法的流程图;
图2是本申请实施例一中隐私区域遮挡示意图;
图3是本申请实施例一中的统计图表结果示意图;
图4是本申请实施例二提供的一种基于隐私保护的人体属性数据处理装置的结构示意图;
图5是本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请提供的基于隐私保护的人体属性数据处理方法及装置,旨在摄像头中的单次烧录处理器对图像采集模组采集的图像数据处理,得到并输出对应的人体属性分类数据的统计结果,以提高了人体数据采集过程中的隐私保密程度。相对于传统的人体图像数据处理方法,其通常是对获取的人体图像转送到计算机等外部设备进行数据处理和输出统计结果,在此过程中人体图像数据中的隐私数据(例如人脸数据)就会被暴露,增加隐私数据被违规使用和存储的风险。基于此,提供本申请实施例的基于隐私保护的人体属性数据处理方法,以解决现有采集人脸数据进行人群统计过程中隐私数据被暴露的问题。
实施例一:
图1给出了本申请实施例一提供的一种基于隐私保护的人体属性数据处理方法的流程图,本实施例中提供的基于隐私保护的人体属性数据处理方法可以由基于隐私保护的人体属性数据处理设备执行,该基于隐私保护的人体属性数据处理设备可以通过软件和/或硬件的方式实现,该基于隐私保护的人体属性数据处理设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。一般而言,该基于隐私保护的人体属性数据处理设备可以是摄像设备,如摄像头、摄像机或手机等。
下述以摄像头为执行基于隐私保护的人体属性数据处理方法的主体为例,进行描述。参照图1,该基于隐私保护的人体属性数据处理方法,用于摄像头,所述摄像头包括图像采集模组和单次烧录处理器,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理。
具体的,在所述摄像头中设置有芯片,所述芯片包括图像采集模组和单次烧录处理器,所述单次烧录处理器为生产者在产品装配前通过配套的烧录器一次性将资料烧入,一经烧录,烧录的资料将无法再次发生改变,以保证处理逻辑的不可篡改,从而保护隐私安全。所述芯片为OTPMCU(即:ONE TIME PROGRAMBLE MCU,与之相对的是MTP MCU——MULTITIME PROGRAMBLE MCU,就是可多次烧录的MCU)。通过在摄像头中设置只能单次烧录的单次烧录处理器,使得在后续的使用过程中再也无法对所述单次烧录处理器中的程序信息进行修改或非法入侵获取信息,从而降低了所述摄像头被外部设备进行隐私图像信息窃取的风险。并且在摄像头中仅设置有对应的信息输出端口,并不设置任何输入端口,在物理层面上阻止了其他设备入侵摄像头中的单次烧录处理器而进行的非法获取带有隐私的图像信息的情况。
所述单次烧录处理器对所述图像数据的处理方法包括:
S101、对所述图像数据进行内容识别,得到待统计的人体图像。
具体的,所述摄像头可为单独安装于公众区域的公开摄像装置,也可以为在广告投屏上的摄像装置。通过在广告投屏上的摄像装置为例进行人体属性数据的处理统计,以实现在不侵犯隐私的情况下对投屏广告的感兴趣人群的人体属性分类进行统计。
示例性的,通过摄像头中的图像采集模组对图像数据进行采集,基于采集到的图像数据包括环境、景物和人物等数据,因而需要对采集得到的图像数据进行识别分析以得到所需统计的人体图像数据。通过对图像采集模组采集的图像数据进行内容的识别,得到待统计的人体图像。
S102、将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点。
具体的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;计算采集的人体图像中的人脸平均特征值和特征向量,得到特征矩阵;利用主成分分析法或线形判别分析法对特征矩阵进行降维处理,得到对应的特征矩阵模型。将待统计的人体图像输入至预设的所述特征矩形模型中,进行特征矩阵的搜索获得包含人脸特征点的数据。
具体的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;对采集的人体图像进行机器学习训练,得到对应的机器学习训练模型。将待统计的人体图像输入至机器学习训练模型中进行计算,获取包含人脸特征点的数据。
S103、根据人脸特征点确定对应的唯一编号标识。
具体的,所述唯一编号标识包括设备编号和特定编号,所述特定编号包括人脸特征点和特定字符串,所述唯一编号标识为利用MD5或RSA算法进行加密得到的字母数字组合字符串。
示例性的,获取设备编号,所述设备编号为芯片编号、摄像头编号或者单次烧录处理器编号,其作为图像来源设备的辨识作用。将设备编号、人脸特征点和特定字符串结合,利用md5或RSA算法进行加密,生成字母数字组合字符串,得出人体图像在该摄像头下的唯一编号标识。
示例性,基于在统计的过程中,对于同一个摄像头进行统计时,每一所述唯一编号标识对应每一个人。对于不同的摄像头进行统计时,所述设备编号仅做数据来源的标识作用,每一所述特定编号对应每一个人,则统计时是对所述特定编号进行统计。不同摄像头中同一个人的所述特定编号相同。
S104、将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像。
具体的,将所述唯一编号标识添加到对应人体图像的隐私区域进行遮挡,并将添加有所述唯一编号标识的图像数据输出至电脑或者平板等计算机设备上,通过外部计算机设备进行对应的人数统计分析。
示例性的,将所述唯一编号标识以文本形式写入对应的人体图像的exif信息中进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成对应的模糊话后的人体图像。如果生成的图像是图片形式,则将对应的唯一编号标识写入到每张图片对应的exif信息;如果生成的图像是视频形式,则将对应的唯一编号标识写入每帧图像对应的exif信息。在将所述模糊化后的人体图像输出至电脑或者平板等计算机设备时,所述exif信息也跟随图像同样被输出至所述电脑或者平板上,通过对exif信息进行读取得到对应的所述唯一编号信息。基于人体图像的隐私区域已经被模糊化处理,使得在输出图像时并不会泄露隐私数据。将所述唯一编号标识以文本形式写入对应的人体图像的exif信息中进行关联,例如某张人体图像的exif信息记录为:
[{faceId:123,face_location:{x:1,y:1,width:100,height:100}]。在该条记录中,记录了这张图像中人体的唯一编号标识,以及该人体编号标识对应的人体在图像中位置。
S105、将待统计人体图像进行人体属性分析,得到人体属性分类数据。
具体的,所述人体属性分类包括年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类,将待统计人体图像进行人体属性分析,得到对应的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据。
具体的,所述人体属性分类还包括情绪、肢体动作等分类。
示例性的,对待统计的人体图像进行识别,识别对应的人体属性分类,例如,识别图像中的人的性别,预计图像中的人所属的年龄段,识别图像中的人的头发长度,识别图像中的人的穿衣风格,识别图像中的人的携带物品的分类,记录图像中的人的停留时间,识别图像中人眼的注视区域范围,识别图像中的人的同行人数,识别图像中的人的情绪,预判图像中的人的职业分类。所述注视区域可以分为面向摄像头区域和不面向摄像头区域,所述穿衣风格分为衣着的款式类型、穿戴的配饰类型、背包类型等,所述携带物品种类可以为手推车、婴儿车或者行李箱等,所述情绪分类可以为高兴、生气、失望等,所述肢体动作可以为叉腰、看手机或交谈等。所述人体属性分类识别可以通过将待统计的人体图像输入预设的机器学习训练模型中计算,以得到对应的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域、同行人数和职业分类、情绪分类和肢体动作分类等数据。每一人体属性分类的更具体的细分可根据实际情况而进行设定。
进一步的,将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行识别,以得到图像数据信息。
示例性的,参照图2,将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到电脑或者平板等计算机设备上,通过手机扫码的形式对所述一维条形码、二维码或彩色条形码进行识别即可显示对应图像的数据信息,例如性别、年龄段、预估的职业等信息。通过对人体图像中的隐私区域用一维条形码、二维码或彩色条形码进行遮挡,以保护人的隐私信息,防止隐私泄露,降低隐私数据被违规使用的风险。此外,通过将所述唯一编号标识添加到对应的人体图像中,形成唯一编码标识和人体图像一一对应,方便进行数据准确性的核对。
进一步的,将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码与对应的人体图像进行关联,并将对应人体图像的隐私区域进行模糊化;将所述一维条形码、二维码或彩色条形码以及关联的模糊化图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行识别,以得到图像数据信息。所述一维条形码、二维码或彩色条形码可放置在对应模糊化图像的任意位置,或者所述一维条形码、二维码或彩色条形码以其他方式与对应的模糊话图像进行关联,在此不作限制。
S106、根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到并输出对应的人体属性分类数据统计结果。
具体的,根据唯一编号标识结合对应人体图像的人体属性分类数据,得到所述唯一编号标识对应的人体图像的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据;将所述年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据进行数据处理,得到并输出年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类的人数统计图表结果。
示例性的,将所述唯一编号标识以文本形式写入对应的人体图像的exif信息中进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成对应的模糊话后的人体图像。在将所述模糊化后的人体图像输出至电脑或者平板等计算机设备时,所述exif信息也同样被输出至所述电脑或者平板上,通过对exif信息进行读取得到对应的所述唯一编号信息。或者,直接在摄像头中读取所述exif信息得到对应的所述唯一编号标识。根据唯一编号标识结合对应人体图像的人体属性分类数据,得到所述唯一编号标识对应的人体图像的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据;将所述年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据进行数据处理,得到并输出年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类的人数统计图表结果。
示例性的,参照图3,例如一共得到100个唯一编号标识对应的人体图像数据,通过人体属性分析,得到所述100个唯一编号标识对应的人体图像中的性别分类为:40个是男生、60个是女生,年龄段分类为:20个属于0-18岁,40个属于18-30岁、40个属于30-60岁、0个属于60岁以上,发型分类为:30个是短直发、50个是长卷发、20个是长直发,穿衣风格风格类为:10个是古装汉服、15个是学生校服、45个是职业正装、20个是工人工作服、10个是休闲装,携带物品分类为:50个是手提包、30个是双肩包、20个是行李箱。对所得到的所述年龄段、性别和发型、穿衣风格分类、随身携带物品等数据进行数据处理,得到并输出对应人群年龄段、性别和职业分类的人数统计图表结果。例如是矩形图或者扇形图等,图3中以扇形图为例进行说明。此外,也可以直接输出对应的具体数据信息。本申请实施例中的具体数目表示仅作为示例参考,实际应用的数据将是更多的数据量参与统计。所述统计数据总量和所述年龄分段以及职业分类可根据实际需要进行设定。本实施例中的人体属性分类仅为示例性展示,实际上运用时人体属性分类数据还应包括年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类等。进一步的,从摄像头中直接输出对应的统计数据信息或者统计得到图表结果,能够将涉及人体隐私信息的遮挡,在单次烧录处理器中进行数据的处理,避免了转传输到外部其他设备进行数据处理或统计过程导致的隐私泄露。
进一步的,将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行统计。
示例性的,将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到电脑或者平板等计算机设备上,通过手机扫码的形式对所述一维条形码、二维码或彩色条形码进行识别即可显示对应图像的数据信息,例如性别、年龄段、预估的职业等信息。通过对设备得到的信息数据进行处理得到对应的统计图表结果,以实现在透露隐私的情况下进行人群人体属性数据的统计。通过对人体图像中的隐私区域用一维条形码、二维码或彩色条形码进行遮挡,以保护人的隐私信息,防止隐私泄露,降低隐私数据被违规使用的风险。此外,通过将所述唯一编号标识添加到对应的人体图像中,形成唯一编码标识和人体图像一一对应,方便进行数据准性的核对。
示例性的,例如在电梯中仅设置一个摄像头,所述摄像头将采集到的图像数据信息进行输出时,每一个所述唯一编号标识对应一个人,则直接对所述唯一编号标识进行统计,并结合每个所述唯一编号标识所对应的人体属性分类进行统计分析,得到对应的进入电梯中人群的人体属性分类统计结果,并输出对应的统计结果。在本实施例中,可以通过摄像头直接输出统计结果,也可以通过摄像头输出所述唯一编号标识和对应人体属性分类信息至外部计算机设备中,通过外部计算机设备进行后续的统计数据或统计图表的输出。基于摄像头已经对人体图像中的隐私部分进行编号化处理才输出,使得输出的所述唯一编号标识和对应人体属性分类信息并不涉及采集的人群的人体隐私数据,从而实现在保护人群隐私的情况下实现对进入电梯的人群人体属性分类进行统计分析。
示例性的,例如在商场中存在多个摄像头对人群进行数据采集,则所有摄像头将采集的图像信息进行输出时,所述设备编号仅作为数据来源的标识作用,不参与统计。不同摄像头中的所述唯一编号标识中所述特定编号相同,因此统计时,将特定编号相同的图像认定为同一个人。将每个所述特定编号结合对应的人体属性分类数据进行统计分析,得到对应进入商场中的人群的人体属性分类统计结果,并输出所述统计结果。在本实施例中,可以通过所有摄像头输出所有所述唯一编号标识和对应人体属性分类信息至外部计算机设备中,通过外部计算机设备进行后续的数据统计结果或数据统计结果图表的输出。基于摄像头已经对人体图像中的隐私部分进行编号化处理,使得输出的所述唯一编号标识和对应人体属性分类信息并不涉及采集人群的人体隐私数据,从而实现在保护人群隐私的情况下实现对进入商场的人群人体属性分类而进行统计分析,进而便于商场管理者对商场受众人群的统计分析,方便商场的优化。
示例性的,在通过广告投屏显示器上的摄像头为例,通过内置有可一次性将资料烧入的单次烧录处理器的摄像头,对正对广告投屏显示器的图像进行采集,将采集到的图像数据进行内容的识别,识别出人脸正对投屏显示器并且能够清楚辨析其脸部的图像作为待统计的人体图像。将识别得到的所述待统计的人体图像输入预设的模型中进行计算得到每一人体图像中对应的人脸特征点数据信息,根据所述人脸特征点、设备编号和特定编号确认每一人体图像对应的唯一编号标识。同时,将识别到的所述待统计人体图像数据输入预设的模型中进行人体属性分析,得到人体属性分类数据(例如性别、年龄段和职业分类等)。将所述每一人体图像对应的唯一编号标识与对应的人体图像的人体属性分类的数据结合起来进行数据处理,以输出对应的所有待统计人体图像的人体属性分类数量统计结果。在本实施例中正对广告投屏显示器并能清楚便是脸部图像的人体即为对所诉广告投屏显示器显示内容感兴趣人群,对此类人群进行统计,可以知道对所投放广告感兴趣的人群的人体属性分类,以便广告提供方对广告投放情况的掌握,便于后续的对广告投放作对应的调整。此外,所述方法还可以运用到地铁、商场或者广场等场合进行人群的人体属性数据的统计分析,具体的运用场所可根据实际情况进行设定。通过采集装置(摄像头)可以直接输出统计得到的数据信息或者图表结果,减少了中间需要将图像数据进行转送其他设备的过程,从而减少了转送过程中可能出现的隐私泄露的情况,进而能够在公众场合进行人脸信息采集并进行统计分析的过程中有效地进行隐私保护,降低了隐私数据被违规储存和违规使用的风险。
示例性的,输出的数据统计结果为结构化的分析结果,并通过WIFI、USB端口或POE供电及数据网口进行统计结果的输出。
上述,本申请通过在摄像头中的单次烧录处理器对图像采集模组采集的图像数据进行识别得到待统计的人体图像,将所述人体图像数据通过计算分析得到对应唯一编号标识和对应的人体属性分类数据,根据所述对应唯一编号标识和对应的人体属性分类数据进行数据处理得到并输出对应的人体属性分类数据的统计结果。采用上述技术手段,可以在摄像头中进行人体属性分类数据的处理并直接输出数据统计的结果,避免了将图像数据转送到其他设备进行数据处理的过程中发生隐私数据泄露的情况,提高了人脸数据采集过程中的隐私保密程度。此外,通过在摄像头中设置只能单次烧录的单次烧录处理器,使得在后续的使用过程中再也无法对所述单次烧录处理器中的程序信息进行修改或非法入侵获取信息,从而降低了所述摄像头被外部设备进行隐私图像信息窃取的风险。并且在摄像头中仅设置有对应的信息输出端口,并不设置任何输入端口,在物理层面上阻止了其他设备入侵摄像头中的单次烧录处理器而进行的非法获取带有隐私的图像信息的情况。
实施例二:
在上述实施例的基础上,图4为本申请实施例二提供的一种基于隐私保护的人体属性数据处理装置的结构示意图。参考图4,本实施例提供的基于隐私保护的人体属性数据处理装置具体包括:摄像头1,所述摄像头包括图像采集模组11和单次烧录处理器12,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理;对所述图像数据进行内容识别,得到待统计的人体图像。
人脸特征点计算模块121,用于将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点。
数据输出模块122,用于将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像。
编号标识确定模块123,用于根据人脸特征点确定对应的唯一编号标识;人体属性分类数据获取模块124,用于将待统计人体图像进行人体属性分析,得到人体属性分类数据。
数据处理模块125,用于根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到并输出对应的人体属性分类数据统计结果。
进一步的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;计算采集的人体图像中的人脸平均特征值和特征向量,得到特征矩阵;利用主成分分析法或线形判别分析法对特征矩阵进行降维处理,得到对应的特征矩阵模型。
进一步的,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;对采集的人体图像进行机器学习训练,得到对应的机器学习训练模型。
进一步的,所述唯一编号标识包括设备编号和特定编号,所述特定编号包括人脸特征点和特定字符串,所述唯一编号标识为利用MD5或RSA算法进行加密得到的字母数字组合字符串。
进一步的,所述装置还包括:隐私遮挡模块126,用于将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行统计。
具体的,所述人体属性分类包括年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类;人体属性分类数据获取模块123,还用于将待统计人体图像进行人体属性分析,得到对应的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据。
具体的,数据处理模块125,还用于根据唯一编号标识结合对应人体图像的人体属性分类数据,得到所述唯一编号标识对应的人体图像的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据;将所述年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据进行数据处理,得到并输出年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类的人数统计图表结果。
示例性的,所述装置还包括WIFI模块、USB端口或POE供电及数据网口。
本申请通过在摄像头中的单次烧录处理器对图像采集模组采集的图像数据进行识别得到待统计的人体图像,将所述人体图像数据通过计算分析得到对应唯一编号标识和对应的人体属性分类数据,根据所述对应唯一编号标识和对应的人体属性分类数据进行数据处理得到并输出对应的人体属性分类数据的统计结果。采用上述技术手段,可以在摄像头中进行人体属性分类数据的处理并直接输出数据统计的结果,避免了将图像数据转送到其他设备进行数据处理的过程中发生隐私数据泄露的情况,提高了人脸数据采集过程中的隐私保密程度。此外,通过在摄像头中设置只能单次烧录的单次烧录处理器,使得在后续的使用过程中再也无法对所述单次烧录处理器中的程序信息进行修改或非法入侵获取信息,从而降低了所述摄像头被外部设备进行隐私图像信息窃取的风险。并且在摄像头中仅设置有对应的信息输出端口,并不设置任何输入端口,在物理层面上阻止了其他设备入侵摄像头中的单次烧录处理器而进行的非法获取带有隐私的图像信息的情况。
本申请实施例二提供的基于隐私保护的人体属性数据处理装置可以用于执行上述实施例一提供的基于隐私保护的人体属性数据处理方法,具备相应的功能和有益效果。
实施例三:
本申请实施例三提供了一种电子设备,参照图5,该电子设备包括:处理器31、存储器32、通信模块33、输入装置34及输出装置35。该电子设备中处理器的数量可以是一个或者多个,该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的基于隐私保护的人体属性数据处理方法对应的程序指令/模块(例如,基于隐私保护的人体属性数据处理装置中的人脸特征点计算模块、编号标识确定模块、人体属性分类数据获取模块和数据处理模块)。存储器可主要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、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。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。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于隐私保护的人体属性数据处理方法。
输入装置34可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的电子设备可用于执行上述实施例一提供的基于隐私保护的人体属性数据处理方法,具备相应的功能和有益效果。
实施例四:
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种基于隐私保护的人体属性数据处理方法,该基于隐私保护的人体属性数据处理方法包括:对所述图像数据进行内容识别,得到待统计的人体图像;将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点;根据人脸特征点确定对应的唯一编号标识;将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的基于隐私保护的人体属性数据处理方法,还可以执行本申请任意实施例所提供的基于隐私保护的人体属性数据处理方法中的相关操作。
上述实施例中提供的基于隐私保护的人体属性数据处理装置、存储介质及电子设备可执行本申请任意实施例所提供的基于隐私保护的人体属性数据处理方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的基于隐私保护的人体属性数据处理方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (9)
1.一种基于隐私保护的人体属性数据处理方法,其特征在于,用于摄像头,所述摄像头包括图像采集模组和单次烧录处理器,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理,所述单次烧录处理器对所述图像数据的处理方法包括:
对所述图像数据进行内容识别,得到待统计的人体图像;
将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点;
根据人脸特征点确定对应的唯一编号标识,所述唯一编号标识包括设备编号和特定编号,所述特定编号包括人脸特征点和特定字符串;
将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像;
将待统计人体图像进行人体属性分析,得到人体属性分类数据;
根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到并输出对应的人体属性分类数据统计结果。
2.根据权利要求1所述的基于隐私保护的人体属性数据处理方法,其特征在于,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;
所述预先对采集的人体图像进行训练,得到对应的模型,具体为:
计算采集的人体图像中的人脸平均特征值和特征向量,得到特征矩阵;
利用主成分分析法或线形判别分析法对特征矩阵进行降维处理,得到对应的特征矩阵模型。
3.根据权利要求1所述的基于隐私保护的人体属性数据处理方法,其特征在于,所述预设的模型为预先对采集的人体图像进行训练,得到对应的模型;
所述预先对采集的人体图像进行训练,得到对应的模型,具体为:
对采集的人体图像进行机器学习训练,得到对应的机器学习训练模型。
4.根据权利要求1所述的基于隐私保护的人体属性数据处理方法,其特征在于,所述唯一编号标识为利用MD5或RSA算法进行加密得到的字母数字组合字符串。
5.根据权利要求1所述的基于隐私保护的人体属性数据处理方法,其特征在于,还包括:
将所述唯一编号标识转换成一维条形码、二维码或彩色条形码,并将所述一维条形码、二维码或彩色条形码添加到对应人体图像的隐私区域;
将添加有所述一维条形码、二维码或彩色条形码的图像数据输出到计算设备,以供所述计算设备根据所述一维条形码、二维码或彩色条形码进行统计。
6.根据权利要求1所述的基于隐私保护的人体属性数据处理方法,其特征在于,所述人体属性分类包括年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类;
所述将待统计人体图像进行人体属性分析,得到人体属性分类数据,具体为:
将待统计人体图像进行人体属性分析,得到对应的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数数据;
所述根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到对应的人体属性分类数据统计结果,具体为:
根据唯一编号标识结合对应人体图像的人体属性分类数据,得到所述唯一编号标识对应的人体图像的年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据;
将所述年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类数据进行数据处理,得到并输出年龄段、性别、发型、穿衣风格分类、随身携带物品分类、停留时间、注视区域和同行人数分类的人数统计图表结果。
7.一种基于隐私保护的人体属性数据处理装置,其特征在于,包括:摄像头,所述摄像头包括图像采集模组和单次烧录处理器,所述图像采集模组用于采集图像数据,所述单次烧录处理器与所述图像采集模组相连,用于对所述图像数据中的内容进行处理;对所述图像数据进行内容识别,得到待统计的人体图像;
人脸特征点计算模块;用于将待统计的人体图像输入预设的模型中进行计算得到对应的人脸特征点;
编号标识确定模块,用于根据人脸特征点确定对应的唯一编号标识,所述唯一编号标识包括设备编号和特定编号,所述特定编号包括人脸特征点和特定字符串;
数据输出模块,用于将所述唯一编号标识与所述人体图像进行关联,并将对应的人体图像的隐私区域进行模糊化处理,生成模糊化后的人体图像;
所述装置还包括,人体属性分类数据获取模块,用于将待统计人体图像进行人体属性分析,得到人体属性分类数据;
数据处理模块,用于根据唯一编号标识结合对应人体图像的人体属性分类数据进行数据处理,得到并输出对应的人体属性分类数据统计结果。
8.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6任一所述的方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111022908.9A CN114048489B (zh) | 2021-09-01 | 2021-09-01 | 一种基于隐私保护的人体属性数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111022908.9A CN114048489B (zh) | 2021-09-01 | 2021-09-01 | 一种基于隐私保护的人体属性数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048489A CN114048489A (zh) | 2022-02-15 |
CN114048489B true CN114048489B (zh) | 2022-11-18 |
Family
ID=80205186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111022908.9A Active CN114048489B (zh) | 2021-09-01 | 2021-09-01 | 一种基于隐私保护的人体属性数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048489B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419720B (zh) * | 2022-03-30 | 2022-10-18 | 浙江大华技术股份有限公司 | 一种图像遮挡方法、系统及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809178A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于人脸属性的人群分析方法及装置 |
CN111652828A (zh) * | 2020-05-27 | 2020-09-11 | 北京百度网讯科技有限公司 | 人脸图像生成方法、装置、设备和介质 |
CN111931145A (zh) * | 2020-06-29 | 2020-11-13 | 北京爱芯科技有限公司 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
CN112418169A (zh) * | 2020-12-10 | 2021-02-26 | 上海芯翌智能科技有限公司 | 一种对人体属性数据进行处理的方法及设备 |
CN112758782A (zh) * | 2021-01-11 | 2021-05-07 | 浙江新再灵科技股份有限公司 | 基于物联网技术和耦合图神经网络的电梯故障预警方法 |
CN113177469A (zh) * | 2021-04-27 | 2021-07-27 | 北京百度网讯科技有限公司 | 人体属性检测模型的训练方法、装置、电子设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10044985B1 (en) * | 2012-10-19 | 2018-08-07 | Amazon Technologies, Inc. | Video monitoring using plenoptic cameras and mirrors |
CN103605928B (zh) * | 2013-11-18 | 2016-03-30 | 清华大学 | 一种图像隐私保护方法和系统 |
CN104966067B (zh) * | 2015-06-29 | 2018-05-18 | 福建天晴数码有限公司 | 保护隐私的图像处理方法及系统 |
CN106991408A (zh) * | 2017-04-14 | 2017-07-28 | 电子科技大学 | 一种候选框生成网络的生成方法及人脸检测方法 |
EP3514760B1 (en) * | 2018-01-23 | 2020-06-17 | Honda Research Institute Europe GmbH | Method and system for privacy compliant data recording |
CN111325806A (zh) * | 2020-02-18 | 2020-06-23 | 苏州科达科技股份有限公司 | 基于语义分割的服装颜色识别方法、装置和系统 |
CN112418261B (zh) * | 2020-09-17 | 2022-05-03 | 电子科技大学 | 一种基于先验原型注意力机制的人体图像多属性分类方法 |
-
2021
- 2021-09-01 CN CN202111022908.9A patent/CN114048489B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809178A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于人脸属性的人群分析方法及装置 |
CN111652828A (zh) * | 2020-05-27 | 2020-09-11 | 北京百度网讯科技有限公司 | 人脸图像生成方法、装置、设备和介质 |
CN111931145A (zh) * | 2020-06-29 | 2020-11-13 | 北京爱芯科技有限公司 | 人脸加密方法、识别方法、装置、电子设备及存储介质 |
CN112418169A (zh) * | 2020-12-10 | 2021-02-26 | 上海芯翌智能科技有限公司 | 一种对人体属性数据进行处理的方法及设备 |
CN112758782A (zh) * | 2021-01-11 | 2021-05-07 | 浙江新再灵科技股份有限公司 | 基于物联网技术和耦合图神经网络的电梯故障预警方法 |
CN113177469A (zh) * | 2021-04-27 | 2021-07-27 | 北京百度网讯科技有限公司 | 人体属性检测模型的训练方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114048489A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chong et al. | User authentication based on mouse dynamics using deep neural networks: A comprehensive study | |
Le Ngo et al. | Spontaneous subtle expression recognition: Imbalanced databases and solutions | |
Adithya et al. | Hand gestures for emergency situations: A video dataset based on words from Indian sign language | |
Abdulreda et al. | A landscape view of deepfake techniques and detection methods | |
US20190303651A1 (en) | Detecting actions to discourage recognition | |
Delgado-Santos et al. | GaitPrivacyON: Privacy-preserving mobile gait biometrics using unsupervised learning | |
CN107977583A (zh) | 数字图书馆用户图书行为偏好隐私保护评价方法及系统 | |
Sebyakin et al. | Spatio-temporal deepfake detection with deep neural networks | |
CN114048489B (zh) | 一种基于隐私保护的人体属性数据处理方法及装置 | |
Khan et al. | A survey on analysis of human faces and facial expressions datasets | |
Hassanpour et al. | E2F-GAN: Eyes-to-face inpainting via edge-aware coarse-to-fine GANs | |
Gangan et al. | Distinguishing natural and computer generated images using Multi-Colorspace fused EfficientNet | |
Gorbova et al. | Going deeper in hidden sadness recognition using spontaneous micro expressions database | |
Zhang et al. | Fashion evaluation method for clothing recommendation based on weak appearance feature | |
Croft et al. | Differentially private facial obfuscation via generative adversarial networks | |
Farooq et al. | ChildGAN: Large Scale Synthetic Child Facial Data Using Domain Adaptation in StyleGAN | |
Riaz et al. | Improving face verification using facial marks and deep CNN: IARPA Janus benchmark-A | |
Milanova et al. | Markerless 3D virtual glasses try-on system | |
Leong et al. | Faceless identification based on temporal strips | |
Mo et al. | MFED: A database for masked facial expression | |
Liu et al. | Cross-database micro-expression recognition based on transfer double sparse learning | |
Shahbaz Nejad et al. | Enhancing privacy in computer vision applications: an emotion preserving approach to obfuscate faces | |
Shopon et al. | I Got Your Emotion: Emotion Preserving Face De-identification Using Injection-Based Generative Adversarial Networks | |
Kurzhals | Anonymizing eye-tracking stimuli with stable diffusion | |
Kurzhals | Privacy in Eye Tracking Research with Stable Diffusion |
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 |