(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210873245.X (22)申请日 2022.07.22 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 袁霖　刘林国　李红波　高新波　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 专利代理师 卢胜斌 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/20(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种可识别的人脸匿名化处 理方法及系统 (57)摘要 本发明属于图像处理技术， 特别涉及一种可 识别的人脸 匿名化处理方法及系统， 所述方法包 括将原图像进行匿名化处理， 并将原图像与匿名 化预处理后的图像进行融合得到匿名图像， 将匿 名图像作为进行人脸识别的图像； 通过深度图像 融合网络对原 图像和匿名化预处理后的图像进 行融合， 深度图像融合网络包括两个孪生U ‑Net 深度神经网络， 一个网络用于处理原始图像， 另 一个用于处理匿名化预处理后的图像， 两个U ‑ Net在解码器进行图像融合， 得到融合图像； 本发 明保证处理后的图像在视觉上与匿名化处理的 图像相似， 同时保证处理后的图像可用于机器识 别， 既保护原始图像的隐私， 又保证了图像的可 用性， 可用于多种需要人脸隐私保护的场景中。 权利要求书2页 说明书9页 附图4页 CN 115424314 A 2022.12.02 CN 115424314 A 1.一种可识别的人脸匿名化处理方法， 其特征在于， 将原图像进行匿名化预处理， 并将 原图像与匿名化预 处理后的图像进行融合得到 匿名图像， 该匿名图像在视觉上与匿名化预 处理图像相似， 且无法被人眼视觉准确识别其原始身份， 而预训练的机器识别模型仍可从 匿名图像提取 出人脸的原 始身份特 征并识别匿名图像。 2.根据权利要求1所述的一种可识别的人脸匿名化处理方法， 其特征在于， 通过一个孪 生结构的网络进行图像融合， 孪生结构的网络包括两个结构完全一致的子网络， 每个子网 络包括编码器和解码器， 并在两个子网络间对图像进行特征融合， 两个子网络输出 的图像 进行最终的融合得到匿名图像。 3.根据权利要求2所述的一种可识别的人脸匿名化处理方法， 其特征在于， 为了使匿名 图像机器可以识别且人眼不可识别， 采用损失函数对融合的网络进行参数更新， 采用的损 失函数至少包括匿名图像与 原始图像之 间的身份信息损失， 以及匿名图像与匿名化预 处理 后的图像之间的图像信息损失。 4.根据权利要求3所述的一种可识别的人脸匿名化处理方法， 其特征在于， 采用的损失 函数表示 为： 其中， 表示融合图像与输入图像之间的总损失函数； 为匿名图像与原始图 像之间的身 份信息损失； 为匿名图像与匿名化预处理后的图像之间的图像信息损失； λ1、 λ2分别为 的权重。 5.根据权利要求4所述的一种可识别的人脸匿名化处理方法， 其特征在于， 匿名图像与 原始图像之间的身份信息损失 表示为： 其中， 表示一个典型的三元损失函数， A表示锚样本， P表示锚样本的正样 本， N表示锚样本的负样本， IA表示一张输入深度图像融合网络的图像， 即锚样本； 表示将 图像IA输入深度图像融合网络得到的融合图像； IP表示与输入图像IA所属身份相同的正样 本图像， 表示IP输入深度图像融合网络后得到的融合图像； IN表示与输入图像IA所属身份 不同的负 样本图像， 表示IN输入深度图像融合网络得到的融合图像。 6.根据权利要求4所述的一种可识别的人脸匿名化处理方法， 其特征在于， 匿名图像与 匿名化预处 理后的图像之间的图像信息损失 表示为： 其中， 为图像视觉感知损失函 数， 用于衡 量图像在视觉上的相似度； 为图像L1 ‑ norm损失函数， 用于衡量图像在像素级的相似度； λ21、 λ22分别为 的权重。 7.根据权利要求6所述的一种可识别的人脸匿名化处理方法， 其特征在于， 图像视觉损 失函数 可通过三元组损失表示 为：权　利　要　求　书 1/2 页 2 CN 115424314 A 2其中， I表示原始人脸图像， 表示人脸图像匿名化预处理后的图像， 表示经过 图像融 合网络生成的目标图像， β 表示三元组损失函数的距离阈值， 表示度量两个图像视觉 相似度的函数。 8.根据权利要求6所述的一种可识别的人脸匿名化处理方法， 其特征在于， 图像L1损失 函数 表示为： 其中， 表示人脸图像匿名化预处理后的图像， 表示经过图像融合网络生成的目标图 像， ‖·,·‖1表示两个图像 像素上的L1距离 。 9.根据权利要求2所述的一种可识别的人脸匿名化处理方法， 其特征在于， 采用两个结 构一致的U ‑Net型网络构建孪生结构的网络， 一个U ‑Net型网络用于处理原图像、 另一个用 于处理匿名化预处 理后的图像， 同时在两个U ‑Net型网络之间进行 特征融合。 10.一种可识别的人脸匿名化处理系统， 其特征在于， 包括图像预处理模块、 深度图像 融合网络以及人脸图像识别网络， 图像预处理模块对输入的原图像进行匿名化预处理， 得 到匿名化预处理后的图像， 其中， 预处理方法包括但不限于图像模糊操作、 像素化操作、 人 脸变形操作或换脸操作； 深度图像融合网络将原图像与匿名化预处理后的图像进行融合， 人脸图像识别网络对融合后的图像进行识别。权　利　要　求　书 2/2 页 3 CN 115424314 A 3