CN114913548A - 基于骨骼点信息的人体敏感信息隐藏方法 - Google Patents

基于骨骼点信息的人体敏感信息隐藏方法 Download PDF

Info

Publication number
CN114913548A
CN114913548A CN202210539805.8A CN202210539805A CN114913548A CN 114913548 A CN114913548 A CN 114913548A CN 202210539805 A CN202210539805 A CN 202210539805A CN 114913548 A CN114913548 A CN 114913548A
Authority
CN
China
Prior art keywords
face
information
video data
human body
human
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
Application number
CN202210539805.8A
Other languages
English (en)
Inventor
朱川
刘威
张华�
范浩宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kuanfan Technology Yancheng Co Ltd
Original Assignee
Kuanfan Technology Yancheng Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kuanfan Technology Yancheng Co Ltd filed Critical Kuanfan Technology Yancheng Co Ltd
Priority to CN202210539805.8A priority Critical patent/CN114913548A/zh
Publication of CN114913548A publication Critical patent/CN114913548A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了基于骨骼点信息的人体敏感信息隐藏方法，包括：预处理视频数据，获取视频中人物的骨骼点信息；基于骨骼点信息求解关节信息；基于关节信息分析人体区域，对人体区域进行标记；基于标记后的人体区域对需要隐藏的区域进行模糊化处理。本发明通过对视频数据进行逐帧分解，形成逐帧的图像文件，然后将图像文件转换为深度图像，并在深度图像中分析人体骨骼点位置，基于骨骼点位置对关节进行预测、连接和划分，然后依据关节信息分割并标记人体区域，并依据需要对需隐藏的敏感区进行模糊化处理，可有效保护公民的个人隐私，并维护网络视频安全。

Description

基于骨骼点信息的人体敏感信息隐藏方法
技术领域
本发明涉及基于骨骼点信息的人体敏感信息隐藏方法，属于图像处理及信息安全技术领域。
背景技术
随着社会的发展和科学技术的进步，利用监控摄像头来满足一些应用场景的需求越来越普遍。在行人识别、人脸识别、车辆检测、人体行为识别、姿态估计、康养社区、跌倒检测、违章处理、垃圾检测等很多场景中，都是利用摄像头进行数据的采集。
然而，在不同的应用场景下，如果将视频中所有的信息都暴露到系统中，会危害人的隐私。例如，在家中安装摄像头对老年人的行为进行监测，防止老年人在家中摔倒或发生异常而无法呼救。摄像头不但会拍摄和记录老年人的实时动作，还会拍摄老年人的身体、衣服、家庭布局等无关行为检测的细节，会侵犯使用者的隐私。因此，需要对视频中人物的敏感信息进行隐藏，达到隐私保护的目的。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供基于骨骼点信息的人体敏感信息隐藏方法及系统，在监控视频中对视频中人物的敏感信息进行隐藏。
为达到上述目的，第一方面，本发明提供基于骨骼点信息的人体敏感信息隐藏方法，包括如下步骤：
预处理视频数据，获取视频中人物的骨骼点信息；
基于骨骼点信息求解关节信息；
基于关节信息分析人体区域，对人体区域进行标记；
基于标记后的人体区域对需要隐藏的区域进行模糊化处理。
进一步地，预处理视频文件，获取视频中人物的骨骼点信息，包括：获取待处理的视频数据，将视频数据逐帧分解为图像文件；
将图像文件导入OpenPose模型，获取深度图像和人物的骨骼点信息。
进一步地，基于关节信息分析人体区域，对人体区域进行标记，包括：
以头部骨骼点为基准，依据骨骼点的分布位置，拼接骨骼点，同时标记人体区域信息；
基于骨骼点拼接信息预测关节位置，基于关节位置进行关节拼接，同时标记人体区域信息。
进一步地，基于骨骼点拼接信息预测关节位置，基于关节位置进行关节拼接，包括：
基于骨骼点与其他相邻骨骼点之间的相关性，识别最近的骨骼点并进行关联；
导入人体模型，预测关节位置，基于关节位置连接肢体信息，完成关节拼接。
进一步地，将视频数据中的场景分为固定应用场景和实际应用场景；在进行模糊化处理之前识别视频数据中的场景；
若视频数据中的场景为固定应用场景，则对需要隐藏的人体区域进行固定；
若视频数据中的场景为实际应用场景，则对重新依据需求对需要隐藏的人体区域进行选择。
进一步地，模糊化处理避开人体头部；
模糊化处理的步骤包括数据降噪、有损压缩和相似匹配。
进一步地，在对视频数据进行预处理之前，对视频数据中的人物进行人脸识别，确认视频数据中的人物身份，包括：
预制人脸数据库；
获取视频数据中的人脸信息；
将视频数据中的人脸信息与人脸数据库中的人脸参数进行比对，识别视频数据中的人物信息。
进一步地，预制人脸数据库包括：
采集使用者的照片，并进行人脸面部特征；
调整人脸面部方向，将人脸对齐；
计算面部特征点的特征向量，获取各使用者的人脸参数；
将各使用者的人脸参数导入并存储在数据库中，完成人脸数据库的构建。
进一步地，将视频数据中的人脸信息与人脸数据库中的人脸参数进行比对，识别视频数据中的人物信息，包括：
将视频中的人脸信息与人脸数据库中的人脸参数进行比较，并在每次比较中输出相似度结果；
选取相似度最高的人脸参数作为比较结果进行输出。
进一步地，选取相似度最高的人脸参数作为比较结果进行输出：
设置人脸相似度阈值；
在人脸比对完成后，若最高相似度小于相似度阈值，则输出无效结果
本发明所达到的有益效果：
本发明通过对视频数据进行逐帧分解，形成逐帧的图像文件，然后将图像文件转换为深度图像，并在深度图像中分析人体骨骼点位置，基于骨骼点位置对关节进行预测、连接和划分，然后依据关节信息分割并标记人体区域，并依据需要对需隐藏的敏感区进行模糊化处理，可有效保护公民的个人隐私，并维护网络视频安全。
本发明在对人体区域进行模糊处理时避开头部位置，方便获取视频数据中的人物面部数据，以确定人物信息。
本发明在进行人脸识别时设置阈值，当识别后的结果低于阈值时，判定为无效的识别结果，可有效降低人脸误检情况的发生。
附图说明
图1是本发明实施例提供的基于骨骼点信息的人体敏感信息隐藏方法的流程图；
图2是本发明实施例提供的基于骨骼点信息的人体敏感信息隐藏方法中确认使用者身份的流程图；
图3是本发明实施例提供的基于骨骼点信息的人体敏感信息隐藏方法中骨骼点信息的示意图；
图4是本发明实施例提供的基于骨骼点信息的人体敏感信息隐藏方法中人体各个关节区域的分布示意图。
具体实施方式
下面基于附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明实施例提供基于骨骼点信息的人体敏感信息隐藏方法，在实时的监控视频数据或存储的视频数据中，先将视频数据进行逐帧分解，为每一帧都形成一个图像文件，再将各图像文件转换为深度图像，在深度图像中分析人体的骨骼点信息，基于骨骼点信息进行骨骼点的连接，预测关节位置，依据人体关节信息进行关节连接，并对人体区域进行划分和标记，基于标记后的人体区域，按照模糊要求，对指定的人体区域进行指定程度的模糊操作，可有效保护公民的个人隐私，并维护网络视频安全；同时，避免对人体头部进行模糊化处理，方便进行人脸识别，获取视频数据中的人物信息；同时，本发明在进行人脸识别时设置阈值，当识别后的结果低于阈值时，判定为无效的识别结果，可有效降低人脸误检情况的发生。
如图1至图4所示，本发明提供的基于骨骼点信息的人体敏感信息隐藏方法，包括如下步骤：
步骤一：预处理视频数据，获取视频中人物的骨骼点信息：
利用存储的本地视频文件或摄像头实时采集的监控视频作为原始视频数据输入；
将输入的原始视频数据进行逐帧分解，为每一帧数据生成图像文件，将各图像文件导入到OpenPose模型中，根据卷积神经网络对人体骨骼点进行预测，根据损失函数对骨骼点进行优化，最终得到视频数据中人物的深度图像和各个骨骼点的位置信息，具体包括如下步骤：
输入待检测的图像，通过卷积网络提取图像中人体的特征点，得到一组预测图S：
S＝(S1，S2，...Sj)
其中，j表示要检测的骨骼点数；
使用卷积神经网络提取人体所有的关键点数据，去除异常点后得到人体的骨骼点信息，骨骼点信息如图3所示。
步骤二：
基于骨骼点信息求解关节信息：
根据步骤一得到的骨骼点信息，分析人体关节数据，得到人体关节对数L：
L＝(L1，L2，…Lc)
其中，c表示要检测的关节对数。
步骤三：基于关节信息分析人体区域，对人体区域进行标记：
在步骤二和步骤三中，在本系统的卷积神经网络中，第一阶段接收的输入是特征F，经过卷积网络处理后，分别得到第一个预测骨骼点S1和第一对关节对数L1。从第二阶段开始，阶段t网络的输入一共包括三个部分，分别是St-1，Lt-1，F。每个阶段网络的输入为：
Figure BDA0003649832580000051
Figure BDA0003649832580000052
其中，ρt，
Figure BDA0003649832580000057
分别表示在第t阶段CNN网络的结构。损失函数是保证网络能收敛的最重要的关键点，因此对两分支的损失函数均采用L2 loss。
训练时，每个阶段都会产生loss，避免梯度消失；预测时，只使用最后一层的输出，对于骨骼点和关节的损失函数f的公式如下：
Figure BDA0003649832580000053
Figure BDA0003649832580000054
其中，
Figure BDA0003649832580000055
表示人体骨骼点的label图；
Figure BDA0003649832580000056
是人体关节的label图；W(p)为0或1，为0时表示该关键点在标注时缺失，loss不计算该点；j表示骨骼点，J表示骨骼点的集合；c表示关节，C表示关节的集合。
推理人物身体区域主要通过连接骨骼点完成，通过关节拼接，将各个骨骼点连接成一段骨骼。
对于任意两个关节点位置gj1和gj2，通过计算PAF的线性积分来表征骨骼点对的相关性，也即表征了骨骼点对的置信度E，公式表示如下，
Figure BDA0003649832580000061
其中，为了快速计算积分，一般采用均匀采样的方式近似这两个关节点间的相似系数，采样点p(u)的公式如下，
p(u)＝(1-u)gj1+ugj2
以头部骨骼点为基准，依据骨骼点的分布位置，将相似系数最高的骨骼点进行连接，形成一段骨骼，依次类推，得到人体各个区域的分布，如图4所示，身体区域包括鼻、左耳、左目、右耳、右目、首、左手首、左肘、左肩、右手首、右肘、右肩、左足首、左膝、左腰、右足首、右膝、右腰等18个部位。
步骤四：基于标记后的人体区域对需要隐藏的区域进行模糊化处理：
将视频数据中的场景分为固定场景和实际应用场景。其中，固定场景指的是隐藏区域和模糊化程度固定不变，而实际应用场景可在实际使用时，实时调整隐藏的区域和模糊化程度。若视频数据中的场景为固定场景，例如固定隐藏人的躯干，则在处理时只针对人物躯干进行识别和隐藏，并且无法调整模糊参数；若视频数据中的场景为实际应用场景，则能够灵活地依据需求对需要隐藏的人体区域进行选择，同时可调整模糊参数，并对选择后的区域根据模糊参数进行模糊化处理，隐藏人体区域。
在模糊化处理时，避开对人体头部，以便对视频数据中的人物进行人脸识别，模糊化处理的步骤包括数据降噪、有损压缩和相似度匹配，通过对视频数据中每一帧图像的像素进行滤波处理，增加像素的颗粒化程度，使得处理后的视频达到模糊或像素化的视觉效果，以保护视频数据中人物的隐私。
本发明的实施例中，模糊化处理后的结果可加载至客户端、手机端、网页端或其他，例如带显示器的执法仪等设备上；同时，使用人员可根据使用场景对敏感信息的隐藏程度进行调整，敏感信息的隐藏程度由模糊化处理的算法决定，根据不同的模糊参数得到对应的模糊化效果，使用人员可选择适当参数进行调整。
在对视频数据进行预处理之前，需对视频数据中的人物进行人脸识别，以确认视频数据中人物的身份，包括如下步骤：
预制人脸数据库；
获取视频数据中的人脸信息，将人脸信息导入到预制的人脸信息数据库中；
将视频中的人脸信息与人脸数据库中的人脸信息进行比对，识别视频数据中的人脸信息；本发明的实施例中，在确认人物身份时采用InsigntFace算法。
预制人脸数据库包括如下步骤：
首先，获取所有使用者的人物照片，例如可以是生活照片等，然后将照片添加到人脸数据库中；
在人脸数据库中，将所有使用者的照片进行人脸提取，裁剪出人脸区域；
由于不能保保证每张照片上人脸的方向是一致的，因此需要将人脸照片进行对齐，本发明的实施例中，通过提取人脸面部特征，然后调整面部方向，以将人脸进行对齐；
在将人脸进行对齐后，计算面部特征点的特征向量，以获取每个使用者的人脸参数，并存储在人脸数据库中，以备后续比对、识别视频中的人物信息使用。
在获取视频数据中的人脸信息后进行比较时，将视频中的人脸信息与人脸数据库中的人脸参数进行比较，并在每次比较中输出比较的相似度结果；
在与人脸数据库中的所有人脸信息比较完成后选取相似度最高的人脸参数作为比较结果进行输出，即作为人脸识别结果进行输出；
但比较完成后，若最高的相似度结果仍然很低，视频数据中的人脸信息明显不存在人脸数据库中，若此时仍进行输出，则会造成明显的人脸误判，为避免这一错误情况的发生，本发明的实施例中，设置人脸相似度阈值，在得出最高相似度的比对结果后，将其与相似度阈值进行比较，若大于相似度阈值，则将最高相似度的对比结果作为人脸识别的最终结果进行输出，否则，输出无效结果，可有效降低人脸误检情况的发生。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：包括如下步骤：
预处理视频数据，获取视频中人物的骨骼点信息；
基于骨骼点信息求解关节信息；
基于关节信息分析人体区域，对人体区域进行标记；
基于标记后的人体区域对需要隐藏的区域进行模糊化处理。
2.根据权利要求1所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
预处理视频文件，获取视频中人物的骨骼点信息，包括：
获取待处理的视频数据，将视频数据逐帧分解为图像文件；
将图像文件导入OpenPose模型，获取深度图像和人物的骨骼点信息。
3.根据权利要求2所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于:
基于关节信息分析人体区域，对人体区域进行标记，包括：
以头部骨骼点为基准，依据骨骼点的分布位置，拼接骨骼点，同时标记人体区域信息；
基于骨骼点拼接信息预测关节位置，基于关节位置进行关节拼接，同时标记人体区域信息。
4.根据权利要求3所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
基于骨骼点拼接信息预测关节位置，基于关节位置进行关节拼接，包括：
基于骨骼点与其他相邻骨骼点之间的相关性，识别最近的骨骼点并进行关联；
导入人体模型，预测关节位置，基于关节位置连接肢体信息，完成关节拼接。
5.根据权利要求1所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
将视频数据中的场景分为固定应用场景和实际应用场景；
在进行模糊化处理之前识别视频数据中的场景；
若视频数据中的场景为固定应用场景，则对需要隐藏的人体区域进行固定；
若视频数据中的场景为实际应用场景，则重新依据需求对需要隐藏的人体区域进行选择。
6.根据权利要求1所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
模糊化处理避开人体头部；
模糊化处理的步骤包括数据降噪、有损压缩和相似匹配。
7.根据权利要求1所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
在对视频数据进行预处理之前，对视频数据中的人物进行人脸识别，确认视频数据中的人物身份，包括：
预制人脸数据库；
获取视频数据中的人脸信息；
将视频数据中的人脸信息与人脸数据库中的人脸信息进行比对，识别视频数据中的人物信息。
8.根据权利要求7所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
预制人脸数据库包括：
采集使用者的照片，并进行人脸面部特征识别；
调整人脸面部方向，将人脸对齐；
计算面部特征点的特征向量，获取各使用者的人脸参数；
将各使用者的人脸参数导入并存储在数据库中，完成人脸数据库的构建。
9.根据权利要求7所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
将视频数据中的人脸信息与人脸数据库中的人脸参数进行比对，识别视频数据中的人物信息，包括：
将视频中的人脸信息与人脸数据库中的人脸参数进行比较，并在每次比较中输出相似度结果；
选取相似度最高的人脸参数作为比较结果进行输出。
10.根据权利要求9所述的基于骨骼点信息的人体敏感信息隐藏方法，其特征在于：
选取相似度最高的人脸参数作为比较结果进行输出：
设置人脸相似度阈值；
在人脸比对完成后，若最高相似度小于相似度阈值，则输出无效结果。
CN202210539805.8A 2022-05-18 2022-05-18 基于骨骼点信息的人体敏感信息隐藏方法 Pending CN114913548A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210539805.8A CN114913548A (zh) 2022-05-18 2022-05-18 基于骨骼点信息的人体敏感信息隐藏方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210539805.8A CN114913548A (zh) 2022-05-18 2022-05-18 基于骨骼点信息的人体敏感信息隐藏方法

Publications (1)

Publication Number Publication Date
CN114913548A true CN114913548A (zh) 2022-08-16

Family

ID=82769588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210539805.8A Pending CN114913548A (zh) 2022-05-18 2022-05-18 基于骨骼点信息的人体敏感信息隐藏方法

Country Status (1)

Country Link
CN (1) CN114913548A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115620214A (zh) * 2022-12-20 2023-01-17 浙江奥鑫云科技有限公司 一种用于网络信息数据的安全处理方法
CN116823591A (zh) * 2023-05-05 2023-09-29 国政通科技有限公司 一种基于卷积神经元的人形检测去隐私化方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115620214A (zh) * 2022-12-20 2023-01-17 浙江奥鑫云科技有限公司 一种用于网络信息数据的安全处理方法
CN116823591A (zh) * 2023-05-05 2023-09-29 国政通科技有限公司 一种基于卷积神经元的人形检测去隐私化方法及装置
CN116823591B (zh) * 2023-05-05 2024-02-02 国政通科技有限公司 一种基于卷积神经元的人形检测去隐私化方法及装置

Similar Documents

Publication Publication Date Title
CN114913548A (zh) 基于骨骼点信息的人体敏感信息隐藏方法
CN111191616A (zh) 一种人脸遮挡检测方法、装置、设备及存储介质
CN110569731B (zh) 一种人脸识别方法、装置及电子设备
CN111881726A (zh) 一种活体检测方法、装置及存储介质
Ali et al. Forensic face recognition: A survey
JP2009525517A (ja) 眼鏡を自動的に検出し、削除する方法、及び装置
Ives et al. Iris recognition: The consequences of image compression
US9378406B2 (en) System for estimating gender from fingerprints
CN114269243A (zh) 跌倒风险评价系统
CN111178130A (zh) 一种基于深度学习的人脸识别方法、系统和可读存储介质
CN111985348A (zh) 人脸识别方法和系统
CN113362513A (zh) 一种门禁通行方法、系统及相关装置
CN111862413A (zh) 实现抗疫情非接触多维身份快速识别的方法及其系统
CN113221086A (zh) 离线人脸认证方法、装置、电子设备及存储介质
CN111339897A (zh) 活体识别方法、装置、计算机设备和存储介质
KR101471814B1 (ko) 홍채 인식에 의한 식별
CN114037838A (zh) 神经网络的训练方法、电子设备及计算机程序产品
CN111553235A (zh) 保护隐私的网络训练方法、身份识别方法及装置
CN113705426A (zh) 人脸校验方法、装置、服务器及可读存储介质
CN115620384A (zh) 模型训练方法、眼底图像预测方法及装置
CN111985340A (zh) 基于神经网络模型的人脸识别方法、装置和计算机设备
CN113515977A (zh) 人脸识别方法及系统
CN111753710A (zh) 一种应用于物流配送的细分类神经网络人脸识别方法
CN113919998B (zh) 一种基于语义和姿态图引导的图片匿名化方法
Chetty et al. Multimedia sensor fusion for retrieving identity in biometric access control systems

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