基于深度学习的图像隐私信息保护系统及其方法技术方案

基于深度学习的图像隐私信息保护系统及其方法，包括数据上传模块、深度学习模块、信息隐匿模块和数据下载模块；个人隐私信息覆盖方法包括：采集大量相关隐私类在不同场景下的照片，利用深度学习模型，训练出可识别指定隐私对象的模型，并利用高斯滤波对识别出的对象进行模糊化处理；在用户上传数据时，识别当前图像及视频中所含的隐私信息，根据用户选择的需保护的隐私对象类别，对指定信息进行覆盖，并根据用户选择将处理后的结果返回给客户端；可有效实现对图像及视频中隐私信息的精准覆盖和个性化保护，为用户提供高质量的隐私信息保护服务，具有实时快速、精准识别、全面覆盖的优点。点。

【技术实现步骤摘要】
基于深度学习的图像隐私信息保护系统及其方法


[0001]本专利技术属于图像隐私保护
，尤其涉及基于深度学习的图像隐私信息保护系统及其方法，该方法根据用户需求自动识别图像及视频中的个人隐私信息，并进行模糊化处理。

技术介绍

[0002]自第五代信息技术革命以来，人类社会进入数字信息化时代。随着社交媒体和智能手机的发展，社交网络平台(如Facebook、Twitter、微博、微信等)已经成为我们日常生活的一部分。同时随着移动设备和通信成本的降低，人们可以随时随地拍摄自己的生活照片上传到社交网络中与好友一起分享。据相关报告统计，2013年Facebook平均每天有3.5亿张照片上传量，总量已达到2500亿张；2016年马化腾在贵阳国际大数据博览会中指出微信朋友圈及QQ空间每天上传的图片高达10亿张。由此可见，图像已经成为社交网络中的主流媒介。
[0003]在社交图像隐私泄露方面，已有许多学者做了大量研究。利用基于PCA的K
‑
Same去识别算法对图像中人脸进行处理，使得保护图片隐私的同时可以最大程度的保证图片的可读性。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的图像隐私信息保护系统，其特征在于，包括有数据上传模块、深度学习模块、信息隐匿模块和数据下载模块；所述数据上传模块，用于实现客户端到服务器端的图像上传；所述深度学习模块，遍历图像中的像素块，识别出图像中包含的隐私保护对象；所述信息隐匿模块，根据用户提交的所需保护隐私类别，利用高斯滤波，对隐私信息进行模糊化处理；所述数据下载模块，实现用户端从服务器端下载已经处理过的图像。2.根据权利要求1所述的基于深度学习的图像隐私信息保护系统，其特征在于，所述数据上传模块包括：1)采集当前用户上传图像、视频信息；2)采集当前用户所选需覆盖的隐私保护类信息。3.根据权利要求1所述的基于深度学习的图像隐私信息保护系统，其特征在于，所述的深度学习模块，其核心为识别指定隐私保护对象的模型；模型训练过程包括：首先选定部分隐私保护类，拍摄其在不同场景下的照片，作为训练集；然后对拍摄得到的照片进行人工筛选，删除不可用的数据，并对符合要求的数据中的隐私信息进行类别标记，并将数据集按照8:2的比例分为训练集和测试集；之后将带有标记的数据传入darknet深度学习模型框架中，并进行轮询迭代，训练模型神经元权重，最终得到所需可识别指定对象的模型；最后，将训练好的模型部署到服务器中。4.根据权利要求1所述的基于深度学习的图像隐私信息保护系统，其特征在于，所述的信息隐匿模块，其核心为对识别出的隐私信息进行模糊化处理；处理过程为：首先，根据深度学习模型所识别的隐私保护对象位置信息，对识别区域的尺寸进行确定；然后，依据用户所选隐私保护对象类别以及人为设置的高斯核标准差，将其代入所选高斯核函数，对隐私对象进行模糊化处理。5.根据权利要求1所述的基于深度学习的图像隐私信息保护系统，其特征在于，所述的数据下载模块，服务器端将处理后的图片、视频返回给客户端，用户按照个人需求，可选择性的将其下载到本地。6.利用基于深度学习的图像隐私信息保护系统实现个性化隐私信息覆盖的方法，其特征在于，包括以下步骤：步骤S1，数据上传模块采集客户端上传到服务器端的图像、视频信息以及隐私信息...

【专利技术属性】
技术研发人员：任杰，侯佳乐，白茹雪，段帅，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：