图像的选择性编校制造技术

通过以下方式来选择性地编辑图像：确定机器学习模型用于分析的属性集，接收图像数据，由一个或多个计算机处理器检测与该分析相关的图像数据的部分，该部分包括该属性集中的至少一些，从该部分生成合成部分，其中该合成部分保留检测的部分的至少一些属性，利用该合成部分替换该部分，产生编校的图像数据，以及提供编校的图像数据用于分析

【技术实现步骤摘要】
【国外来华专利技术】图像的选择性编校

技术介绍

[0001]本公开一般涉及图像的分析和选择性编校(redaction)。本公开特别涉及检测和选择性地编校图像中的脸部。
[0002]数据和隐私保护规则阻止包括可标识的人脸的视频或静止图像的传输，并且鼓励模糊包含在图像中的任何人脸。视频分析软件通过使图像的部分像素化或者以其他方式使检测到的面部模糊来实现面部的检测和模糊。像素化或模糊使得检测的面部完全不能识别为面部。结果，由于所有包括的脸部都已经被呈现为不可识别为脸部，因此不能针对任何目的脸部来分析这种视频分析软件的输出。类似地，专用于检测州和县信息的交通工具(vehicle)牌照、公司附属的标识标记的分析软件，可能在任何这种分析之前被牌照的完全混淆而失效。

技术实现思路

[0003]以下呈现了
技术实现思路
以提供对本公开的一个或多个实施例的基本理解。本
技术实现思路
不旨在标识关键或重要元素或描绘特定实施例的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。在本文描述的一个或多个实施例中，设备、系统、计算机实现的方法、装置和/或计算机程序产品实现检测到的面部图像的选择性的编校。
[0004]本专利技术的各方面公开了与通过以下操作来选择性地编校图像相关联的方法、系统和计算机可读介质：确定机器学习模型用于分析的属性集，接收图像数据，由一个或多个计算机处理器检测与该分析相关的图像数据的部分，该部分包括该属性集中的至少一些，从该部分生成合成部分，其中该合成部分保留检测的部分的至少一些属性，利用该合成部分替换该部分，产生编校的图像数据，以及提供编校的图像数据用于分析。
附图说明
[0005]通过在附图中对本公开的一些实施例的更详细的描述，本公开的上述和其它目的、特征和优点将变得更加明显，其中相同的附图标记通常指代本公开的实施例中的相同组件。
[0006]图1提供了根据本专利技术的实施例的计算环境的示意图。
[0007]图2提供了根据本专利技术的实施例的描述操作序列的流程图。
[0008]图3描绘了根据本专利技术的实施例的合成图像的生成。
[0009]图4描述了根据本专利技术的实施例的系统架构。
[0010]图5描绘了根据本专利技术的实施例的云计算环境。
[0011]图6示出了根据本专利技术的实施例的抽象模型层。
具体实施方式
[0012]将参照附图更详细地描述一些实施例，其中已经示出了本公开的实施例。然而，本
公开可以以各种方式实现，因此不应被解释为限于本文公开的实施例。
[0013]数据规则阻止使用包括可识别的面部图像的图像或视频流来保护个人的隐私。作为一个示例，针对包括面罩检测、广泛人口统计分析和使用IR照相机的发热检测的用途的视频分析软件需要可识别为面部的图像，但是在标识个体的程度上不可识别。典型的编校系统使图像的被检测脸部像素化或以其他方式完全模糊，使得先前的脸部不再可标识，但是先前的脸部也不再可检测为脸部。不能进行对与面部相关的信息的分析，而不需要可标识的面部。类似地，交通分析软件可能需要检测不同交通工具类型的能力，但可能不需要标识或读取交通工具牌照信息的能力。所公开的系统和方法实现了包括可检测但不可标识图像部分的视频和静止图像，诸如图像数据中的面部图像部分。所公开的方法和系统编校可标识的图像部分，同时保留足够的图像属性以使得能够使用下游分析模型，但是具有不足以使得能够标识相关图像内容的属性。
[0014]在实施例中，系统的一个或多个组件可以采用硬件和/或软件来解决本质上是高度技术性的问题(例如，确定机器学习模型用于分析的属性集，接收图像数据，检测图像数据的与分析相关的部分，从检测的部分生成合成部分，其中合成部分保留检测的部分的该属性集，用合成部分替换检测的部分，产生编校的图像数据，提供编校的图像数据用于分析等)。这些解决方案不是抽象的，并且由于例如在没有标识的情况下促进面部检测所需的处理能力而不能作为人类的精神动作集来执行。此外，所执行的一些过程可以由专用计算机执行，以用于执行与选择性地编校图像数据相关的定义的任务。例如，可以采用专用计算机来执行与提供可检测但不可标识图像部分等相关的任务。
[0015]视频分析软件包括被训练来进行推断并检测视频流的帧的特定部分或静止图像的部分的机器学习模型。这些模型可被训练以检测动物、面部、街道标志、人行横道、公共汽车、自行车或其他感兴趣的对象。模型包括与图像中感兴趣对象的外观相关联的加权属性。外观属性可以包括整个对象以及对象的部分的形状、对象从多个角度出现的外观、与对象类型相关联的着色图案、与对象相关联的上下文图案。智能编校方法使得能够从个人的身份标记标识组织，而无需从该标记同时标识该个人。来自广告的品牌形象的选择性编校使得能够标识广告和产品类型，而不标识被广告的实际品牌。场景元素的检测，包括交通标志、交通工具和没有标识那些人或交通工具的人。
[0016]所公开的实施例的应用包括车牌的智能编校，使得能够识别州和县信息而不是完整的车牌号码。跨多个相机视图追踪个体或交通工具而不能够标识人或交通工具。所公开的实施例使得能够在通过个人信息的智能编校使文档匿名化之后对这些文档进行分类。
[0017]在实施例中，一种系统包括深度学习模型分析器，其被配置成分析下游分析模型并且被配置为确定成功的下游图像分析所需的基本属性。在该实施例中，分析器利用验证数据集，或者是独立数据集，或者是活动实时图像集，诸如视频流。该系统还包括智能编校系统，其分析输入图像数据并且输出编校的图像数据，其中编校的输出图像数据包括不能被标识但是可以被下游图像分析模型检测到的编校的图像部分。
[0018]该系统可以被配置有驻留在智能相机或边缘云资源上的部分检测器和智能编校器，该智能编校作为相机图像处理的一部分而发生，并且该深度学习模型分析器驻留在云资源上或驻留在下游深度学习图像分析模型所在的中央服务器上。在这样的配置中，中央服务器上的深度学习模型从云或边缘云资源接收编校的图像数据，以用于进一步的下游分
析，诸如检测面罩。系统组件在计算环境上的分配对于系统整体的操作不是关键的。不同的部分可以驻留在本地设备、边缘云和云资源以及中央服务器上。本专利技术总体上获取图像数据，根据下游深度学习模型的基本属性需要编校图像数据，并且编校图像数据以输出包括基本属性但不再能够标识个人或其他对象的编校的数据。
[0019]作为示例，面部检测器和智能编校器在连接到一个或多个相机的边缘云资源上运行。其余系统组件在中央服务器上运行，中央服务器从边缘云资源接收编校的图像数据。系统组件可以被实现为硬件或固件以提高性能并防止对组件的篡改。
[0020]以下描述集中于使用所公开的实施例来编校图像数据中的面部。面部图像编校的示例不应被解释为限制本专利技术的范围。在实施例中，该方法利用包括注释图像数据的验证数据集。验证数据集可以是用于训练深度学习模型的训练数据集，在该实施例中，该深度学习模型是面部检测模型。验证数据集可以是通过将经训练的深度学习人脸检测模型应用于来本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于选择性地编校图像的计算机实现的方法，所述方法包括：由一个或多个计算机处理器接收图像数据；由所述一个或多个计算机处理器检测所述图像数据的与分析相关的部分，所述部分包括属性集；由所述一个或多个计算机处理器从所述部分生成合成部分，其中所述合成部分保留所述部分的所述属性集中的至少一些属性；由所述一个或多个计算机处理器利用所述合成部分替换所述部分，产生编校的图像数据；以及由所述一个或多个计算机处理器提供所述编校的图像数据以用于所述分析。2.根据权利要求1所述的计算机实现的方法，还包括：由所述一个或多个计算机处理器使用机器学习模型来分析所述编校的图像数据。3.根据权利要求1所述的计算机实现的方法，其中所述图像数据包括视频数据。4.根据权利要求1所述的计算机实现的方法，还包括：由所述一个或多个计算机处理器生成所述部分的化身；由所述一个或多个计算机处理器将覆盖应用于所述化身和所述部分中的每一个，所述覆盖包括多个单元；以及由所述一个或多个计算机处理器用所述化身的单元替换所述部分的单元，产生所述合成部分。5.根据权利要求4所述的计算机实现的方法，还包括：由所述一个或多个计算机处理器检测所述部分的所述属性集中的至少一些属性；以及由所述一个或多个计算机处理器根据检测的属性集中的至少一些属性来调整所述化身。6.根据权利要求1所述的计算机实现的方法，还包括：由所述一个或多个计算机处理器检测部分集；对于所述部分集中的每个部分：由所述一个或多个计算机处理器生成所述部分的化身；由所述一个或多个计算机处理器将覆盖应用于所述化身和所述部分中的每一个，所述覆盖包括多个单元；由所述一个或多个计算机处理器根据变换用所述化身的单元替换所述部分的单元，产生合成部分集，所述合成部分集中的每个合成部分与变换集中的一个变换相关联；由所述一个或多个计算机处理器使用机器学习模型来分析所述合成部分集；由所述一个或多个计算机处理器使用所述机器学习模型来分析所述部分集；由所述一个或多个计算机处理器根据对所述合成部分集的分析和对所述部分集的分析来确定准确度；由所述一个或多个计算机处理器根据所述准确度从所述变换集中选择变换；以及由所述一个或多个计算机处理器利用所述变换来从部分生成合成部分。7.一种用于选择性地编校图像的计算机程序产品，所述计算机程序产品包括一个或多个计算机可读存储设备以及在所述一个或多个计算机可读存储设备上共同存储的程序指令，所存储的程序指令包括：
用于接收图像数据的程序指令；用于检测所述图像数据的与分析相关的部分的程序指令，所述部分包括属性集；用于从所述部分生成合成部分的程序指令，其中所述合成部分保留所述部分的所述属性集中的至少一些属性；用于利用所述合成部分替换所述部分，产生编校的图像数据的程序指令；以及用于提供所述编校的图像数据以用于所述分析的程序指令。8.根据权利要求7所述的计算机程序产品，还包括：用于使用机器学习模型来分析所述编校的图像数据的程序指令。9.根据权利要求7所述的计算机程序产品，其中所述图像数据包括视频数据。10.根据权利要求7所述的计算机程序产品，还包括：用于生成所述部分的化身的程序指令；用于将覆盖应用于所述化身和所述部分中的每一个的程序指令，所述覆盖包括多个单元；以及用于使用所述化身的单元替换所述部分的单元，产生所述合成部分的程序指令。11.根据权利要求10所述的计算机程序产品，还包括：用于检测所述部分的所述属性集中的至少一些属性的程序指令；以及用于根据检测的属性集中的至少一些属性来调整所述化身的程序指令。12.根据权利要求7所述的计算机程序产品，还包括：用于检测部分集的程序指令；对于所述部分集中的每个部分：用于生成所述部分的化身的程序指令；用于将覆盖应用于所述化身和所述部分中的每一个的程序指令，所述覆盖包括多个单元；用于根据变换用所述化身的单元替换所述部分的单元，产生合成部分集的程序指令，所述合成部分集中的每个合成部分与变换集中的一个变换相关联；用于使用机器学习模型来分析所述合成部分集的程序指令；用于使用所述机器学习模型来分析所述部分集的程序指令；用于根据对所述合成部分集的分析和对所述部分集的分析来确定准确度的程序指令；用于根据所述准确度从所述变换集选择变换的程...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：