【技术实现步骤摘要】
一种关键点差分隐私驱动的人脸图像隐私保护方法
[0001]本专利技术属于图像隐私保护领域，具体涉及一种关键点差分隐私驱动的人脸图像隐私保护方法。随着大数据时代的快速发展，人脸数据作为最容易被泄露的个人数据之一，其隐私安全受到严重威胁。本专利技术提出了一种人脸关键点驱动的人脸图像隐私保护技术，通过使用差分隐私理论对人脸关键点标识进行匿名化处理，改变其面部几何结构来实现人脸图像的匿名化以保护身份信息。
技术介绍
[0002]随着互联网多元化服务和社交网络平台的爆炸式增长，规模庞大的用户在社交网络平台上进行海量的信息交互，使得社交网络中存在巨量以视觉媒体为主的共享数据。这些人脸图像的爆炸性增长以及它们在社交媒体中的广泛传播和易访问性，个人身份信息的安全和隐私成为前所未有的挑战。为了解决隐私问题，《通用数据保护条例》(GDPR)等限制性法律法规已经生效。GDPR要求研究者需要获得个人定期同意才能使用其个人数据，以保证数据隐私，但是，这也使得创建包括人脸在内的高质量数据集变得极具挑战性。数据的缺乏将增加研究人员为设计智能算法的难度。优...
【技术保护点】
【技术特征摘要】
1.一种关键点差分隐私驱动的人脸图像隐私保护方法，其特征在于，步骤如下：步骤1：数据预处理；步骤2：构建匿名人脸生成对抗网络结构；步骤3：确定匿名人脸生成对抗网络优化目标函数；步骤4：获得改进后的应用于匿名人脸关键点标识的差分隐私算法；步骤5：通过步骤1预处理后的数据集，对匿名人脸生成对抗网络进行训练，输出最终结果。2.根据权利要求1所述的一种关键点差分隐私驱动的人脸图像隐私保护方法，其特征在于，步骤1具体步骤如下：1
‑
1.数据准备；选取人脸数据集，使用人脸关键点检测器检测人脸数据集图像，得到人脸关键点；1
‑
2.构建关键点标识匿名空间；对关键点进行分析得到身份相关的16个可能包含身份信息的分量，这些分量组成16维度的关键点标识向量，包括了眉毛长度，眉毛弧度，眉毛间距，眉眼距离，眼睛间距，眼睛宽度，眼睛大小，鼻梁长度，鼻尖高度，鼻子宽度，嘴鼻距离，嘴鼻距离，上、下嘴唇厚度，人脸宽度，下巴弧度。3.根据权利要求2所述的一种关键点差分隐私驱动的人脸图像隐私保护方法，其特征在于，步骤2构建匿名人脸生成对抗网络结构，具体步骤如下：所述的匿名人脸生成对抗网络包括生成器、真假判别器和风格判别器；2
‑
1.构建生成器G；所述的生成器由风格编码器、融合器和遮罩生成器构成；风格编码器由6个残差块组成，其中最后一层结果求和并输出512维向量并将其作为风格特征向量；融合器由5个下采样残差块和8个上采样残差块组成，其中每个上采样块加入了AdaIN块并在最后一层采用Tanh作为激活函数；融合器将关键点标识进行解码，并将风格特征向量以仿射参数嵌入到AdaIN块中；遮罩生成器由3个下采样残差块和5个上采样残差块组成，最后生成单通道的脸部语义遮罩；该遮罩能够将生成的人脸图像更好地融合到背景；2
‑
2.构建真假判别器D；真假判别器与风格编码器相比，判别器网络在末端具有额外的下采样残差块和一层全连接网络，最后输出输入图像的真假得分；真假判别器用于判断输入图像是否为真实人脸图像，以及是否和输入的关键点标识相匹配；2
‑
3.使用预训练的VGG19模型和VGGface模型作为风格判别器。4.根据权利要求3所述的一种关键点差分隐私驱动的人脸图像隐私保护方法，其特征在于，步骤3确定匿名人脸生成对抗网络优化目标函数，具体如下：所述的人脸生成对抗网络优化目标函数如下：其中包括对抗损失函数人脸图像风格损失函数特征匹配损失函数和人脸语义损失函数
3
‑
1.对抗损失函数；采用pix2pix和StyleGAN结合的思想来控制图像不同内容的生成，以保证隐私属性和非隐私属性的可控制性；具体操作是将风格编码器提取到的原始图像x
r
的风格特征向量和关键点标识ξ作为条件输入到融合器中，风格特征向量控制融合器网络中的AdaIN块生成图像x
f
；随后将关键点标识和对应生成图像x
f
为一组输入判别器进行判别，生成器和真假判别器的对抗损失函数表示为：x
f
＝G(ξ，x
r
)3
‑
2.人脸图像风格损失函数；使用预训练的VGG19模型和VG...
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。