【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种交通图像敏感区域脱敏方法。
技术介绍
1、自动驾驶系统、车联网监控系统、街道全景地图等应用采集了大量交通图像信息并对其进行数据的传输、存储和分析。然而，在这些捕获的图像中，对行人面部数据和车辆号牌数据等敏感信息保护较少。根据中国汽车工业协会车载传输视频图像脱敏技术要求及方法(t/caamtb 77-2022)提出的规定，智能驾驶车辆产生的敏感数据在更新到其他设备之前应该被屏蔽。交通图像数据的使用需进行脱敏处理，即对数据进行去隐私处理，以保护敏感信息，从而达到有效利用数据，保证数据安全的目的。
2、已有技术通常通过传统机器学习算法，利用图像一阶矩、二阶矩和直方图等方法对交通图像中的敏感信息进行处理，存在泛化能力薄弱、敏感区域的定位和识别不准确等弊端，不能满足海量交通图像数据的脱敏任务需求。由于车牌信息、人脸数据在交通图像中往往呈现出小尺寸的特点，基于深度学习的方法为提升小尺寸目标的特征提取能力，不得不使用效率更低的两阶段目标检测框架处理交通图像。
3、然而，数据在传输前需要进行脱...
【技术保护点】
1.一种交通图像敏感区域脱敏方法，其特征在于，所述方法包括：
2.如权利要求1所述的交通图像敏感区域脱敏方法，其特征在于，所述特征金字塔网络包括依次连接的第一特征融合模块、Transformer模块和第二特征融合模块；所述将各特征图转换成统一尺寸后合并成融合特征图，并在所述融合特征图上进行Transformer计算，将Transformer计算得到的Transformer特征与原输入的不同尺度的特征图进行融合，得到强化特征图，包括：
3.如权利要求2所述的交通图像敏感区域脱敏方法，其特征在于，所述Transformer模块包括依次连接的像素级注...
【技术特征摘要】
1.一种交通图像敏感区域脱敏方法，其特征在于，所述方法包括：
2.如权利要求1所述的交通图像敏感区域脱敏方法，其特征在于，所述特征金字塔网络包括依次连接的第一特征融合模块、transformer模块和第二特征融合模块；所述将各特征图转换成统一尺寸后合并成融合特征图，并在所述融合特征图上进行transformer计算，将transformer计算得到的transformer特征与原输入的不同尺度的特征图进行融合，得到强化特征图，包括：
3.如权利要求2所述的交通图像敏感区域脱敏方法，其特征在于，所述transformer模块包括依次连接的像素级注意力模块和通道级注意力模块；
4.如权利要求3所述的交通图像敏感区域脱敏方法，其特征在于，所述像素级注意力模块包括依次连接的编码器、归一化层ln_1、多头注意力机制、归一化层ln_2、多层感知机和解码器；
5.如权利要求4所述的交通图像敏感区域脱敏方法，其特征在于，所述多头注意力机制的公式表示为：
6.如权利要求3所述的交通图像敏感区域脱敏方法，其特征在于，所述通道级注意力模块包括最大池化通道和平均池化通道，所述最大池化通...
【专利技术属性】
技术研发人员：滕越，董士风，林传文，吴光周，王佐成，
申请(专利权)人：数据空间研究院，
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。