本申请涉及车辆技术领域，特别涉及一种图像脱敏方法、装置、电子设备及存储介质，其中，方法包括：获取待脱敏原始数据，并基于预设的隔帧处理策略，对待脱敏原始数据进行筛选，得到原始敏感信息区域集数据，从原始敏感信息区域集数据图提取得到待脱敏人脸特征向量和待脱敏车牌特征向量，并根据待脱敏人脸特征向量和待脱敏车牌特征向量得到待处理敏感信息区域集数据，对待处理敏感信息区域集数据进行脱敏处理，得到脱敏后的图片或视频。由此，解决了低算力处理器无法处理高帧数、长时间的视频的问题，从而能够以较低的算力来实现图片视频信息中人脸、车牌的敏感信息保护，同时提高脱敏处理效率。处理效率。处理效率。
【技术实现步骤摘要】
图像脱敏方法、装置、电子设备及存储介质
[0001]本申请涉及智能驾驶
，特别涉及一种图像脱敏方法、装置、电子设备及存储介质。
技术介绍
[0002]随着汽车领域的不断发展，图像等视觉信息应用的领域也越来越宽泛，实时监控、远程拍照、远程智能泊车等智能驾驶领域功能也在逐渐普及，但随着网络信息资源不断丰富，上述功能涉及到的图片、视频会暴露人脸、车牌号等敏感信息，在一定程度上会侵犯公众的隐私，为了保护相关隐私不被恶意盗窃，则需要对视频图像中的敏感信息进行脱敏处理。
[0003]相关技术中，图像脱敏技术在进行脱敏时，需要采集大量的人脸、车牌等模型数据进行深度学习，再对每一帧图像进行无差别的模板匹配、模板覆盖的脱敏处理。
[0004]然而，该方法处理方式过于冗余，增加了后期图片处理的时间，使得图像脱敏效率低下，对处理器的算力有较高限制并且无法满足对高帧数和时间跨度较长的视频的脱敏处理要求，亟待解决。
技术实现思路
[0005]本申请提供一种图像脱敏方法、装置、电子设备及存储介质，以解决传统技术无法满足对高帧数和时间跨度较长的视频的脱敏处理要求，处理方式过于冗余等问题，从而提高图像脱敏效率。
[0006]本申请第一方面实施例提供一种图像脱敏方法，包括以下步骤：
[0007]获取待脱敏原始数据，并基于预设的隔帧处理策略，对所述待脱敏原始数据进行筛选，得到原始敏感信息区域集数据；
[0008]从所述原始敏感信息区域集数据图提取得到待脱敏人脸特征向量和待脱敏车牌特征向量，并根据所述待脱敏人脸特征向量和待脱敏车牌特征向量得到待处理敏感信息区域集数据；以及
[0009]对所述待处理敏感信息区域集数据进行脱敏处理，得到脱敏后的图片或视频。
[0010]根据上述技术手段，本申请通过隔帧处理方式对视频信息中的人脸、车牌等敏感信息进行脱敏处理，进而实现对用户隐私信息的有效保护，同时隔帧处理的方式能有效降低对处理器算力的要求，保障面对高帧数、长时间的动态视频，仍可以提高图像脱敏处理效率。
[0011]进一步地，所述获取待脱敏原始数据，包括：
[0012]基于预先构建的人脸特征和车牌特征提取模型，从预设的图片视频库中提取带有人脸数据、车牌数据的敏感信息；
[0013]根据所述带有人脸数据、车牌数据的敏感信息的图片集和视频段得到所述待脱敏原始数据。
[0014]根据上述技术手段，本申请基于构建人脸特征、车牌特征提取模型提取带有人脸数据、车牌数据的敏感信息，并将含有此类敏感信息的图片集和视频段作为待脱敏原始数据，改善了传统脱敏方法只适用于单一图片的处理，提高了脱敏应用范围。
[0015]进一步地，所述基于预设的隔帧处理策略，对所述待脱敏原始数据进行筛选，得到原始敏感信息区域集数据，包括：
[0016]将所述待脱敏原始数据中相似度大于预设阈值的所述图片集和所述视频段删除；
[0017]根据剩余的所述图片集和所述视频段中的人脸特征向量、车牌特征向量、所述人脸特征向量所在的空间区域信息和所述车牌特征向量所在的空间区域信息，得到所述原始敏感信息区域集数据。
[0018]根据上述技术手段，本申请采用的隔帧处理脱敏方式对处理器算力要求更低，打破了低算力处理器无法处理高帧数、长时间视频的限制，脱敏处理效率更高。
[0019]进一步地，在基于预先构建的所述人脸特征和车牌特征提取模型，从所述预设的图片视频库中提取带有人脸数据、车牌数据的敏感信息之前，还包括：
[0020]获取公开数据集，其中，所述公开数据集包括人脸数据和车牌数据；
[0021]利用所述人脸数据和所述车牌数据训练由预设深度学习算法构建的特征提取模型，得到所述人脸特征和车牌特征提取模型。
[0022]根据上述技术手段，本申请通过采集大量人脸、车牌信息，由预设深度学习算法构建的模型进行数据训练，构建人脸特征、车牌特征提取模型，为图像脱敏处理提供数据。
[0023]进一步地，在根据所述待脱敏人脸特征向量和待脱敏车牌特征向量得到所述待处理敏感信息区域集数据时，还包括：
[0024]利用预设的图像脱敏规则，对所述原始敏感信息区域集数据进行映射，筛选出含有人脸信息和车牌信息的图片集；
[0025]利用预先训练的人脸图像脱敏模型，确定所述图片集中含有所述人脸信息和所述车牌信息的区域边界，并根据所述区域边界对人脸和车牌进行裁剪分割。
[0026]根据上述技术手段，通过过滤视频信息中的重复度较高视频段或帧数集，筛选中必要的待处理脱敏帧图片，在很大程度上减少了脱敏处理的图片数量，进而在对视频进行敏感信息脱敏处理时，耗时更短，相应更快。
[0027]本申请第二方面实施例提供一种图像脱敏装置，包括：
[0028]获取模块，用于获取待脱敏原始数据，并基于预设的隔帧处理策略，对所述待脱敏原始数据进行筛选，得到原始敏感信息区域集数据；
[0029]提取模块，用于从所述原始敏感信息区域集数据图提取得到待脱敏人脸特征向量和待脱敏车牌特征向量，并根据所述待脱敏人脸特征向量和待脱敏车牌特征向量得到待处理敏感信息区域集数据；以及
[0030]处理模块，用于对所述待处理敏感信息区域集数据进行脱敏处理，得到脱敏后的图片或视频。
[0031]进一步地，所述获取模块，具体用于：
[0032]基于预先构建的人脸特征和车牌特征提取模型，从预设的图片视频库中提取带有人脸数据、车牌数据的敏感信息；
[0033]根据所述带有人脸数据、车牌数据的敏感信息的图片集和视频段得到所述待脱敏
原始数据。
[0034]进一步地，所述获取模块，具体用于：
[0035]将所述待脱敏原始数据中相似度大于预设阈值的所述图片集和所述视频段删除；
[0036]根据剩余的所述图片集和所述视频段中的人脸特征向量、车牌特征向量、所述人脸特征向量所在的空间区域信息和所述车牌特征向量所在的空间区域信息，得到所述原始敏感信息区域集数据。
[0037]进一步地，在基于预先构建的所述人脸特征和车牌特征提取模型，从所述预设的图片视频库中提取带有人脸数据、车牌数据的敏感信息之前，所述获取模块，还用于：
[0038]获取公开数据集，其中，所述公开数据集包括人脸数据和车牌数据；
[0039]利用所述人脸数据和所述车牌数据训练由预设深度学习算法构建的特征提取模型，得到所述人脸特征和车牌特征提取模型。
[0040]进一步地，在根据所述待脱敏人脸特征向量和待脱敏车牌特征向量得到所述待处理敏感信息区域集数据时，所述提取模块，还用于：
[0041]利用预设的图像脱敏规则，对所述原始敏感信息区域集数据进行映射，筛选出含有人脸信息和车牌信息的图片集；
[0042]利用预先训练的人脸图像脱敏模型，确定所述图片集中含有所述人脸信息和所述车牌信息的区域边界，并根据所述区域边界对人脸和车牌进行裁剪分割。
[0043]本申本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像脱敏方法，其特征在于，包括以下步骤：获取待脱敏原始数据，并基于预设的隔帧处理策略，对所述待脱敏原始数据进行筛选，得到原始敏感信息区域集数据；从所述原始敏感信息区域集数据图提取得到待脱敏人脸特征向量和待脱敏车牌特征向量，并根据所述待脱敏人脸特征向量和待脱敏车牌特征向量得到待处理敏感信息区域集数据；以及对所述待处理敏感信息区域集数据进行脱敏处理，得到脱敏后的图片或视频。2.根据权利要求1所述的方法，其特征在于，所述获取待脱敏原始数据，包括：基于预先构建的人脸特征和车牌特征提取模型，从预设的图片视频库中提取带有人脸数据、车牌数据的敏感信息；根据所述带有人脸数据、车牌数据的敏感信息的图片集和视频段得到所述待脱敏原始数据。3.根据权利要求1或2所述的方法，其特征在于，所述基于预设的隔帧处理策略，对所述待脱敏原始数据进行筛选，得到原始敏感信息区域集数据，包括：将所述待脱敏原始数据中相似度大于预设阈值的所述图片集和所述视频段删除；根据剩余的所述图片集和所述视频段中的人脸特征向量、车牌特征向量、所述人脸特征向量所在的空间区域信息和所述车牌特征向量所在的空间区域信息，得到所述原始敏感信息区域集数据。4.根据权利要求2所述的方法，其特征在于，在基于预先构建的所述人脸特征和车牌特征提取模型，从所述预设的图片视频库中提取带有人脸数据、车牌数据的敏感信息之前，还包括：获取公开数据集，其中，所述公开数据集包括人脸数据和车牌数据；利用所述人脸数据和所述车牌数据训练由预设深度学习算法构建的特征提取模型，得到所述人脸特征和车牌特征提取模型。5.根据权利要求1所述的方法，其特征在于，在根据所述待脱敏人脸特征向量和待脱敏车牌特征向量得到所述待处理敏感信息区域集数据时，还包括：利用预设的图像脱敏规则，对所述原始敏感信息区域集数据进行映射，...
【专利技术属性】
技术研发人员：罗兵，左小钢，周扬，黎平，
申请(专利权)人：重庆长安汽车股份有限公司，
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。