本发明专利技术涉及人工智能技术领域，具体公开了一种基于识别模型的图像处理方法、装置、设备及存储介质，该方法包括：获取待处理图像并确定所述待处理图像中的所有第一像素点；基于第一预设算法对各第一像素点进行线性变换，获得与第一像素点对应的第二像素点；根据第二像素点生成像素矩阵，将像素矩阵输入图像识别模型中，提取像素矩阵的图像特征，获得特征矩阵，对特征矩阵进行激活处理、池化处理以及特征增强处理，经过归一化处理获得图像识别结果。通过上述方式，本发明专利技术的图像处理结果可以直接应用于图像识别以及机器学习模型训练，图像识别过程无需解密，实现图像处理的全流程保护隐私，提高安全性和处理效率。提高安全性和处理效率。提高安全性和处理效率。
【技术实现步骤摘要】
基于识别模型的图像处理方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，特别是涉及一种基于识别模型的图像处理方法、装置、设备及存储介质。
技术介绍
[0002]隐私保护是人工智能领域的重要话题，个人隐私的泄露会使人陷入不可预知的风险。近几年，国家相继出台法律法规，保护数据安全和个人隐私。机器学习使用大量的图像训练模型，其中可能包含隐私，有必要采取隐私保护措施。
[0003]现有的技术中主要有两种方法保护图像中的隐私。其一是图像加密，比如混淆和扩散，得到某种混沌系统的特征，输入的微小变化导致输出的随机变化。这些方法得到的加密图像无法直接用于机器学习，在训练模型的时候需要解密，无法做到图像使用的全流程保护隐私；其二是将图像做几层卷积，用卷积后的特征图训练模型，这种方法中的卷积与要训练的模型不是端到端训练的，不能确保卷积的结果是后续模型需要的特征，有较大的不可控性，必然导致图像的信息损失，而且这种方法操作复杂，得到的特征图往往数据量比原图大。
技术实现思路
[0004]本专利技术提供一种基于识别模型的图像处理方法、装置、设备及存储介质，解决了图像处理过程隐私泄密以及图像处理结果与模型训练不匹配的问题。
[0005]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于识别模型的图像处理方法，包括：
[0006]获取待处理图像并确定所述待处理图像中的所有第一像素点；
[0007]基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点；
[0008]根据所述第二像素点生成像素矩阵，将所述像素矩阵输入图像识别模型中，提取所述像素矩阵的图像特征，获得特征矩阵，对所述特征矩阵进行激活处理、池化处理以及特征增强处理，经过归一化处理获得图像识别结果。
[0009]根据本专利技术的一个实施例，所述基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点之前，包括：
[0010]获取用户输入的变换系数并基于所述第一预设算法对所述变换系数进行验证，获得验证结果；
[0011]判断所述验证结果是否为通过，若通过，则基于所述第一预设算法和所述变换系数对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点。
[0012]根据本专利技术的一个实施例，所述获取用户输入的变换系数并基于所述第一预设算法对所述变换系数进行验证，获得验证结果之后，还包括：
[0013]判断所述验证结果是否为通过，若不通过，则重新获取用户输入的新的变换系数，
并基于所述第一预设算法对新的变换系数进行验证，直达验证结果为验证通过为止。
[0014]根据本专利技术的一个实施例，所述获取变换系数并基于所述第一预设算法对所述变换系数进行验证，获得验证结果还包括：
[0015]获取用户输入的所述变换系数；
[0016]基于所述第一预设算法对所述第一像素点进行反向求解，获得用于验证所述变换系数的验证算法；
[0017]根据所述验证算法对所述变换系数进行验证，获得验证结果。
[0018]根据本专利技术的一个实施例，所述根据所述验证算法对所述变换系数进行验证，获得验证结果还包括：
[0019]根据所述验证算法对所述变换系数进行计算；
[0020]判断计算结果是否为零；
[0021]若所述计算结果为零，则验证不通过；
[0022]若所述计算结果不为零，则验证通过。
[0023]根据本专利技术的一个实施例，当所述待处理图像为RGB图像时，所述第一预设算法的计算公式如下：
[0024]R＝α1*r+α2*g+α3*b；
[0025]G＝β1*r+β2*g+β3*b；
[0026]B＝γ1*r+γ2*g+γ3*b；
[0027]其中，R、G、B为所述第二像素点的值，r、g、b为所述第一像素点的值，α1，α2，α3，β1，β2，β3，γ1，γ2，γ3为所述变换系数。
[0028]根据本专利技术的一个实施例，所述验证算法的计算公式如下：
[0029]T＝α1β3γ2‑
α1β2γ3+α2β1γ3‑
α2β3γ1+α3β2γ1‑
α3β1γ2；其中， T为验证结果，α1，α2，α3，β1，β2，β3，γ1，γ2，γ3为所述变换系数。
[0030]为解决上述技术问题，本专利技术采用的另一个技术方案是：提供一种基于识别模型的图像处理装置，包括：
[0031]获取模块，用于获取待处理图像并确定所述待处理图像中的所有第一像素点；
[0032]变换模块，用于基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点；
[0033]识别模块，用于根据所述第二像素点生成像素矩阵，将所述像素矩阵输入图像识别模型中，提取所述像素矩阵的图像特征，获得特征矩阵，对所述特征矩阵进行激活处理、池化处理以及特征增强处理，经过归一化处理获得图像识别结果。
[0034]为解决上述技术问题，本专利技术采用的再一个技术方案是：提供一种计算机设备，包括：存储器和处理器，所述存储器存储有可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于识别模型的图像处理方法；
[0035]基于识别模型的图像处理方法包括：
[0036]获取待处理图像并确定所述待处理图像中的所有第一像素点；
[0037]基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点；
[0038]根据所述第二像素点生成像素矩阵，将所述像素矩阵输入图像识别模型中，提取
所述像素矩阵的图像特征，获得特征矩阵，对所述特征矩阵进行激活处理、池化处理以及特征增强处理，经过归一化处理获得图像识别结果。
[0039]为解决上述技术问题，本专利技术采用的再一个技术方案是：提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于识别模型的图像处理方法；
[0040]基于识别模型的图像处理方法包括：
[0041]获取待处理图像并确定所述待处理图像中的所有第一像素点；
[0042]基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点；
[0043]根据所述第二像素点生成像素矩阵，将所述像素矩阵输入图像识别模型中，提取所述像素矩阵的图像特征，获得特征矩阵，对所述特征矩阵进行激活处理、池化处理以及特征增强处理，经过归一化处理获得图像识别结果。
[0044]本专利技术通过第一像素点进行线性变换，获得不可视的像素矩阵，将像素矩阵与图像识别模型相结合，解决图像处理结果与模型训练不匹配的问题；像素矩阵用于图像识别过程中不需要解密，可以达到与原图相同的效果，没有发生信息损失，相对于传统的需要解密的方案，能够实现图像处理的全流程保护隐私，提高了安全性和处理效率。
附图说明
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于识别模型的图像处理方法，其特征在于，包括：获取待处理图像并确定所述待处理图像中的所有第一像素点；基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点；根据所述第二像素点生成像素矩阵，将所述像素矩阵输入图像识别模型中，提取所述像素矩阵的图像特征，获得特征矩阵，对所述特征矩阵进行激活处理、池化处理以及特征增强处理，经过归一化处理获得图像识别结果。2.根据权利要求1所述的图像处理方法，其特征在于，所述基于第一预设算法对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点之前，包括：获取用户输入的变换系数并基于所述第一预设算法对所述变换系数进行验证，获得验证结果；判断所述验证结果是否为通过，若通过，则基于所述第一预设算法和所述变换系数对各所述第一像素点进行线性变换，获得与所述第一像素点对应的第二像素点。3.根据权利要求2所述的图像处理方法，其特征在于，所述获取用户输入的变换系数并基于所述第一预设算法对所述变换系数进行验证，获得验证结果之后，还包括：判断所述验证结果是否为通过，若不通过，则重新获取用户输入的新的变换系数，并基于所述第一预设算法对新的变换系数进行验证，直到验证结果通过为止。4.根据权利要求2所述的图像处理方法，其特征在于，所述获取用户输入的变换系数并基于所述第一预设算法对所述变换系数进行验证，获得验证结果还包括：获取用户输入的所述变换系数；基于所述第一预设算法对所述第一像素点进行反向求解，获得用于验证所述变换系数的验证算法；根据所述验证算法对所述变换系数进行验证，获得验证结果。5.根据权利要求4所述的图像处理方法，其特征在于，所述根据所述验证算法对所述变换系数进行验证，获得验证结果还包括：根据所述验证算法对所述变换系数进行计算；判断计算结果是否为零；若所述计算结果为零...
【专利技术属性】
技术研发人员：严正，刘鹏，刘玉宇，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。