申请/专利权人：上海交通大学

申请日：2021-07-27

公开（公告）日：2024-04-02

公开（公告）号：CN113807162B

主分类号：G06V40/16

分类号：G06V40/16;G06V10/774;G06V10/82;G06N3/02;G06T5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2022.01.04#实质审查的生效;2021.12.17#公开

摘要：一种基于深度学习的社交网络图像隐私保护方法及系统，离线阶段通过人脸检测得到数据集中每张图像上出现的所有人脸，然后提取人脸面部元数据作为特征，并为每张人脸贴标签标识其主人公或者陌生人的身份从而使得特征与标签共同构成用于训练神经网络分类器的训练数据；在线阶段通过检测输入的社交网络图像中的所有人脸，利用特征提取得到每个人脸对应的特征信息并输入训练后的神经网络分类器，得出该人脸为主人公或陌生人的分类结果，当分类结果为陌生人时则对该陌生人对应的面部图像进行模糊处理并得到更新后的社交网络图像。本发明通过深度神经网络学习图像中主体的特征，对人脸进行分类，最后模糊掉陌生人脸达到保护陌生人隐私的目的。

主权项：1.一种基于深度学习的社交网络图像隐私保护系统，其特征在于，包括：人脸检测模块、特征提取模块、深度神经网络训练模块、人脸分类模块和人脸模糊模块，其中：人脸检测模块与特征提取模块相连并传输图像中的人脸定位信息，特征提取模块与深度神经网络训练模块相连并传输训练数据信息，人脸分类模块与人脸检测模块相连并传输待检测图像信息，深度神经网络训练模块与人脸分类模块相连并传输人脸分类模型信息，人脸模糊模块与人脸分类模块相连接收人脸判别信息并处理图像中的陌生人脸；所述的人脸检测模块包括：数据读取单元和人脸检测单元，其中：数据读取单元从图像数据集中读取图像，人脸检测单元与数据读取单元相连并定位图像中的人脸；所述的特征提取模块包括：元数据提取单元、数据处理单元和数据标记单元，其中：元数据提取单元对图像中的人脸进行面部特征元数据提取，数据处理单元与元数据提取单元相连接收初始面部特征信息并对数据进行处理，数据标记单元与数据处理单元相连接收人脸特征并主人公和陌生人两种身份贴标签，数据标记单元输出数据作为本模块的输出数据与深度神经网络训练模块相连并为其提供训练数据；所述的深度神经网络训练模块包括：数据划分单元和训练单元，其中：数据划分单元与训练单元相连并传输划分好的训练集与测试集数据信息，训练单元输出数据作为本模块输出数据与人脸分类模块相连并为其提供人脸分类模型；所述的人脸分类模块包括：数据读取单元和人脸分类单元，其中：数据读取单元与人脸检测模块相连并传输待检测的图像，人脸分类单元与特征提取模块的数据处理单元相连并接收图像中的人脸特征信息，人脸分类单元将数据输入到训练后的深度神经网络模型中进行人脸分类，人脸分类结果作为本模块输出数据与人脸模糊模块相连并为其提供判定信息；所述的社交网络图像隐私保护包括：离线的模型训练部分和在线的社交网络图像检测部分，其中：离线阶段通过人脸检测得到数据集中每张图像上出现的所有人脸，然后提取人脸面部元数据作为特征，并为每张人脸贴标签标识其主人公或者陌生人的身份从而使得特征与标签共同构成用于训练神经网络分类器的训练数据；在线阶段通过检测输入的社交网络图像中的所有人脸，利用特征提取得到每个人脸对应的特征信息并输入训练后的神经网络分类器，得出该人脸为主人公或陌生人的分类结果，当分类结果为陌生人时则对该陌生人对应的面部图像进行模糊处理并得到更新后的社交网络图像；所述的人脸检测是指：使用RetinaFace人脸检测算法对图像中的所有人脸进行定位，具体的人脸定位信息包括：人脸框坐标和五个人脸关键点坐标，其中人脸关键点包括：左眼、右眼、鼻子、左嘴角和右嘴角；所述的人脸面部元数据包括：人脸大小、人脸数量、人脸位置、人脸数量、人脸亮度、人脸模糊程度和人脸姿态；所述的人脸亮度是指：测量YUV色彩空间下图像的亮度，具体为：计算YUV颜色空间的Y分量Y＝0.299×R+0.587×G+0.114×B，其中：R、G和B分别是RGB颜色空间的红色、绿色和蓝色分量；计算亮度其中：M×N为图像的像素值；所述的神经网络分类器为5层架构的深度神经网络，包括：输入层、输出层和三个隐藏层，其中：三个隐藏层中的节点数分别为64、32和16，每个隐藏层使用ReLU作为激活函数，使用交叉熵binarycrossentropyloss作为损失函数；所述的神经网络分类器，采用反向传播算法训练，使用Keras框架下Adam优化器的默认学习率0.001，训练迭代次数epoch设置为500，步长batch设置为128；所述的特征提取是指：对图像中的人脸进行面部特征元数据提取得到初始面部特征信息，经身份贴标签后输出；所述的模糊处理采用PILPythonImageLibrary对人脸进行高斯模糊，模糊半径设置为12。

全文数据：

权利要求：

百度查询： 上海交通大学 基于深度学习的社交网络图像隐私保护方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD