CN109993207B - 一种基于目标检测的图像隐私保护方法和系统 - Google Patents
一种基于目标检测的图像隐私保护方法和系统 Download PDFInfo
- Publication number
- CN109993207B CN109993207B CN201910156578.9A CN201910156578A CN109993207B CN 109993207 B CN109993207 B CN 109993207B CN 201910156578 A CN201910156578 A CN 201910156578A CN 109993207 B CN109993207 B CN 109993207B
- Authority
- CN
- China
- Prior art keywords
- privacy
- image
- target
- target detection
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于目标检测的图像隐私保护方法,包括步骤:指定图像采集场景中需要保护的隐私目标对象,确定图像采集场景中需要保留的隐私目标对象;构造用于目标检测模型训练的数据集;训练得到一个动态拓展检测能力的目标检测模型;对图像进行检测,得到隐私目标集合;检测图像中需要保留的隐私目标对象;对检测出的隐私目标对象和需要保留的隐私目标对象的差集进行模糊化处理。本发明还公开了一种基于目标检测的图像隐私保护系统,包括:初始化模块、图像收集和标注模块、离线模型训练模块、隐私目标检测模块、保留目标检测模块、隐私保护模块。本发明在保护图像隐私的同时,保证了视觉群体感知应用的正常使用。
Description
技术领域
本发明属于计算机领域,特别涉及一种基于目标检测的图像隐私保护方法和系统。
背景技术
近年来,智能手机设备得到快速发展,其嵌入的智能传感器设备越来越丰富。为充分应用广大用户手中移动手机设备的计算能力和感知能力,移动群体感知技术被提出,并越来越受到广大研究者以及用户的重视和欢迎。移动群体感知技术是一种新颖的分布式的问题解决模型,其主要思路,是以携带移动终端设备的大量普通用户作为感知节点,通过移动互联网连接用户,使用户间接地进行协作,实现感知任务的分配与感知数据的收集,从而完成大规模的、多维度的、复杂的现实感知任务。其中视觉群体感知是移动群体感知的一个重要子领域,其特指通过移动群体感知技术收集特定图像或者视频材料用于完成某种决策的一类移动群体感知应用。但是该技术在服务用户的同时,收集的图像和视频也可能泄露用户或者其他无感人员的隐私,存在安全隐患,需要一种方法在确保技术正常使用的同时,保护图像的隐私不被泄露.
目前,还没有针对视觉群体感知应用中采集的图片进行隐私保护的有效方法。现有的图像隐私保护的相关工作主要集中在图像分享应用领域,其主要方法为:通过识别图像中的部分隐私实体并通过加密处理以及访问控制的方法保护图像隐私;另一种主要的方法是通过深度学习技术,对图像是否涉及隐私泄露进行判断,并提供隐私保护建议。
如果利用以上的方法在视觉群体感知应用中进行隐私保护,其缺点:一是缺乏动态可拓展性,无法动态更新隐私保护的内容;二是缺乏细粒度的隐私保护能力,无法保证视觉群体感知技术的正常使用。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于目标检测的图像隐私保护方法及系统,此方法及系统在保护图像隐私的同时,保证了视觉群体感知应用的正常使用,另外也具备动态更新隐私保护内容的能力。
本发明通过以下技术方案予以实现上述目的:
一种基于目标检测的图像隐私保护方法,该方法包括如下步骤:
指定图像采集场景中需要保护的隐私目标对象,确定图像采集场景中需要保留的隐私目标对象;
收集包含隐私目标的图像,并进行边框和类别标注隐私,构造用于目标检测模型训练的数据集,作为离线模型训练的训练集;
使用增量学习的方法并利用已标注图像训练目标检测模型,最终得到一个动态拓展检测能力的目标检测模型,持续地为隐私目标检测模块提供合适的目标检测模型;
使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合;
检测图像中需要保留的隐私目标对象;
对检测出的隐私目标对象和需要保留的隐私目标对象的差集进行模糊化处理。
进一步地,所述指定图像采集场景中需要保护的隐私目标对象的依据为:
根据实际应用场景需求以及公民隐私信息安全保护相关法律法规约束,将涉及泄露公民隐私的一类或者多类实体,指定为需要保护的隐私目标对象。
进一步地,所述的确定图像采集场景中需要保留的隐私目标对象的依据为:
根据图像采集任务的需求,保证所采集图像的可用性,将那些对图像采集任务起不可或缺作用的一个或者多个隐私目标对象,确定为需要保留的隐私目标对象。
进一步地,所述训练前的目标检测模型,基于深度卷积网络,通过使用有监督的学习方法训练一个目标检测模型,同时结合使用增量学习的方法,使得该目标检测模型可以根据不断增加的隐私目标,动态扩展目标检测模型的检测能力。
进一步地,所述检测图像中需要保留的隐私目标对象具体为:结合图像采集时所保留的元信息以及隐私目标对象在图像中的位置信息推理得到图像的采集目标。
更进一步的,在图像采集阶段,使用移动智能设备摄像时的对焦信息,以及隐私目标在图像中的位置信息,通过加权组合的方法检测确定需要保留的目标集合。
一种基于目标检测的图像隐私保护系统,该系统包括:
初始化模块,用于指定图像采集场景中需要保护的隐私目标对象,确定图像采集场景中需要保留的隐私目标对象;
图像收集和标注模块,用于收集包含隐私目标的图像,并进行边框和类别标注,构造用于目标检测模型训练的数据集,作为离线模型训练的训练集;
离线模型训练模块,用于使用增量学习的方法并利用已标注图像目标检测模型,最终得到一个具备动态拓展检测能力的目标检测模型,持续地为隐私目标检测模块提供合适的目标检测模型;
隐私目标检测模块,用于使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合;
保留目标检测模块,用于检测图像中需要保留的隐私目标对象;
隐私保护模块,用于对检测出的隐私目标对象和需要保留的隐私目标对象的差集进行模糊化处理,从而保护图像隐私。
进一步地,所述的图像收集和标注模块,可以根据隐私目标的变化进行动态调整,产生合适的训练集,有选择性的拓展目标检测模型的检测能力。
进一步地,所述的离线模型训练模块,使用增量学习的方法对模型进行训练,可以根据新加入的隐私目标,动态拓展目标检测模型的能力。
进一步地,所述的保留目标检测模块,使用所采集图像的对焦区域信息以及已检测的隐私目标在图像内的位置信息,通过加权组合的方式确定需要保留的隐私目标。
本发明至少具有如下有益的效果:
1、在本发明中,使用目标检测的方法,细粒度的、更加准确的检测出图像的隐私目标,更加充分的保护了图像的隐私,相对于其他通过判断图像隐私性质然后提出建议的方法,在保护图像隐私的同时,保证了视觉群体感知应用的正常使用,也具备动态更新隐私保护内容的能力。
2、在本发明中,使用增量学习的方式训练目标检测模型,使得模型能够根据隐私内容,动态调整目标检测的对象,相对于使用传统隐私对象检测方法的方案,能够降低目标检测模型训练的时间和计算开销,更加适合移动群体感知应用灵活多变的应用需求以及隐私保护需求。
3、在本发明中,根据视觉群体感知应用的图像采集任务需求,利用图像采集时收集的元信息以及由目标检测模型检测到的隐私目标的在图像的位置信息,推理得到需要保留的隐私目标,相对于现有的技术方案,可以在保护图像隐私的同时,确保图像采集任务的正常进行。
附图说明
图1是本发明实施例1中的基于目标检测的图像隐私保护方法的流程图。
图2是本发明实施例3中的基于目标检测的图像隐私保护系统的结构示意图。
具体实施方式
为了更好的理解本发明的技术方案,下面结合附图详细描述本发明提供的实施例,但本发明的实施方式不限于此。
实施例1
本发明实施例1提出了一种基于目标检测的图像隐私保护方法,如图1所示,该方法包括如下步骤:
步骤101:指定图像采集场景中需要保护的隐私目标对象。
步骤102:确定图像采集场景中需要保留的隐私目标对象。
步骤103:收集包含隐私目标的图像,并进行边框和类别标注隐私,得到带有边框标注的训练图像集合,用于目标检测模型训练的数据集,作为离线模型训练的训练集。
步骤104:使用增量学习的方法并利用已标注图像训练目标检测模型,最终得到一个可拓展的目标检测模型。
步骤105:使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合。
步骤106:结合图像采集时所保留的元信息以及隐私目标对象在图像中的位置信息推理得到图像的采集目标,构成保留目标集合。
步骤107:将隐私目标集合与保留目标集合做差集操作,得到最终的隐私目标集合。
步骤108:遍历最终的隐私目标集合,对所有隐私目标做模糊化处理。
可见,在本发明实施例中,使用目标检测的方法,细粒度的、更加准确的检测出图像的隐私目标,更加充分的保护了图像的隐私,相对于其他通过判断图像隐私性质然后提出建议的方法,可以更加精准的保护图像的隐私。
在本发明的其他实施例中,使用增量学习的方式训练目标检测模型,使得模型能够根据隐私内容,动态调整目标检测的对象,相对于使用传统隐私对象检测方法的方案,能够降低目标检测模型训练的时间和计算开销,更加适合移动群体感知应用灵活多变的应用需求以及隐私保护需求。
在本发明的其他实施例中,根据视觉群体感知应用的图像采集任务需求,使用图像采集时收集的元信息以及由目标检测模型检测到的隐私目标的在图像的位置信息,推理得到需要保留的隐私目标,相对于现有的技术方案,可以在保护图像隐私的同时,确保图像采集任务的正常进行。
实施例2:
下面通过一个具体的例子,来更为详细的说明本发明的一个较佳实施例的实现过。一种基于目标检测的图像隐私保护方法,包括如下步骤:
步骤201:指定图像采集场景中需要保护的隐私目标对象。
在本步骤中,根据实际应用场景需求以及公民隐私信息安全保护相关法律法规约束,将涉及泄露公民隐私的一类或者多类实体,指定为需要保护的隐私目标对象。例如可以指定所有人脸为需要保护的隐私目标对象,也可以同时定义人脸或者车牌号码为需要保护的隐私目标对象。
步骤202:确定图像采集场景中需要保留的隐私目标对象。
在本步骤中,根据图像采集任务的需求,保证所采集图像的可用性,将那些对图像采集任务起不可或缺作用的一个或者多个隐私目标对象,确定为需要保留的隐私目标图像。例如图像采集任务需要采集违反交通规则的人脸和车牌号码的图像,则将涉及违反交通规则的特定人和车牌号码确定为需要保留的隐私目标对象。
步骤203:收集包含隐私目标的图像,并进行边框和类别标注隐私,得到带有边框标注的训练图像集合。
在本步骤中,根据步骤201指定的需要保护的隐私目标对象,获取公开的包含隐私目标对象的图像数据集,使用图像标注工具标注每张图片的隐私目标对象并保存。
步骤204:使用增量学习的方法并利用已标注图像训练目标检测模型,最终得到一个可拓展的目标检测模型。
在本步骤中,使用步骤203中得到的所有标注图像作为训练数据,使用增量学习的方法,训练一个目标检测模型,该目标检测模型支持动态拓展,可以根据需求更新可检测的隐私目标对象。
步骤205:使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合。
在本步骤中,使用步骤204中得到的训练好的目标检测模型,对每张采集的图像进行检测,得到每张图像中的隐私目标对象的位置区域信息,并由此构成隐私目标对象集合。
步骤206:结合图像采集时所保留的元信息以及隐私目标对象在图像中的位置信息推理得到图像的采集目标,构成保留目标集合。
在本步骤中,使用图像采集时移动智能设备摄像时的保留的对焦区域信息,以及由步骤205检测得到的隐私目标区域信息,通过将对焦区域信息和隐私目标区域信息加权组合的方法确定需要保留的隐私目标集合。
步骤207:将隐私目标集合与保留目标集合做差集操作,得到最终的隐私目标集合。
步骤208:遍历最终的隐私目标集合,对所有隐私目标做模糊化处理。
实施例3:
本发明实施例提出了一种基于目标检测的图像隐私保护,如图2所示,该系统包括:
初始化模块306,用于指定图像采集场景中需要保护的隐私目标对象,确定图像采集场景中需要保留的隐私目标对象;
图像收集和标注模块301,用于收集包含隐私目标的图像,并进行边框和类别标注,构造用于目标检测模型训练的数据集,作为离线模型训练模块的输入;
离线模型训练模块302,用于使用增量学习的方法并利用已标注图像目标检测模型,最终得到一个具备动态拓展检测能力的目标检测模型,持续地为隐私目标检测模块提供合适的目标检测模型;
隐私目标检测模块303,用于集成目标检测模型,并部署在智能手机设备,使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合,完成图像采集过程中实时检测图像中的隐私目标对象;
保留目标检测模块304,用于检测图像中需要保留的隐私目标对象;
隐私保护模块305,用于对检测出的隐私目标对象和需要保留的隐私目标对象的差集进行模糊化处理,从而保护图像隐私。
其中,图像收集和标注模块301,用于收集和标注包含隐私目标对象的图像,除了用于在首次训练模型的时候收集和标注数据外,也用于后续因为隐私保护需求改变,需要更新目标检测模型时,收集和标注包含新的隐私目标对象的图像,用作模型的训练数据集合。
其中,离线模型训练模块302,用于离线训练目标检测模型,使用图像收集和标注模块301得到的训练数据集合作为模型输入,并使用增量学习的方法对目标检测模型进行训练,除了用于图像采集任务初始时训练目标检测模型外,也用于后续更具图像隐私保护要求增量更新已有的目标检测模型。
其中,保留目标检测模块304,用于检测图像中需要保留的隐私目标对象,使用所采集图像的对焦区域信息以及离线模型训练模块302检测的隐私目标在图像内的位置信息,通过加权组合的方式确定需要保留的隐私目标。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种基于目标检测的图像隐私保护方法,其特征在于,该方法包括如下步骤:
指定图像采集场景中需要保护的隐私目标对象,确定图像采集场景中需要保留的隐私目标对象;
收集包含隐私目标的图像,并进行边框和类别标注隐私,构造用于目标检测模型训练的数据集,作为离线模型训练的训练集;
使用增量学习的方法并利用已标注图像训练目标检测模型,最终得到一个动态拓展检测能力的目标检测模型;训练前的目标检测模型基于深度卷积网络,通过使用有监督的学习方法训练一个目标检测模型,同时结合使用增量学习的方法,使得该目标检测模型根据不断增加的隐私目标,动态扩展目标检测模型的检测能力;
使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合;
检测图像中需要保留的隐私目标对象,具体为:结合图像采集时所保留的元信息以及隐私目标对象在图像中的位置信息推理得到图像的采集目标;
对检测出的隐私目标对象和需要保留的隐私目标对象的差集进行模糊化处理。
2.根据权利要求1所述的基于目标检测的图像隐私保护方法,其特征在于,所述指定图像采集场景中需要保护的隐私目标对象的依据为:
根据实际应用场景需求以及公民隐私信息安全保护相关法律法规约束,将涉及泄露公民隐私的一类或者多类实体,指定为需要保护的隐私目标对象。
3.根据权利要求1所述的基于目标检测的图像隐私保护方法,其特征在于,所述的确定图像采集场景中需要保留的隐私目标对象的依据为:
根据图像采集任务的需求,保证所采集图像的可用性,将那些对图像采集任务起不可或缺作用的一个或者多个隐私目标对象,确定为需要保留的隐私目标对象。
4.根据权利要求1所述的基于目标检测的图像隐私保护方法,其特征在于,在图像采集阶段,使用移动智能设备摄像时的对焦信息,以及隐私目标在图像中的位置信息,通过加权组合的方法检测确定需要保留的目标集合。
5.一种使用权利要求1-4中任一项所述方法的图像隐私保护系统,其特征在于,该系统包括:
初始化模块,用于指定图像采集场景中需要保护的隐私目标对象,确定图像采集场景中需要保留的隐私目标对象;
图像收集和标注模块,用于收集包含隐私目标的图像,并进行边框和类别标注,构造用于目标检测模型训练的数据集,作为离线模型训练的训练集;
离线模型训练模块,用于使用增量学习的方法并利用已标注图像目标检测模型,最终得到一个具备动态拓展检测能力的目标检测模型,持续地为隐私目标检测模块提供合适的目标检测模型;
隐私目标检测模块,用于使用训练好的目标检测模型对图像进行检测,得到涉及隐私的图像目标及其位置,构成隐私目标集合;
保留目标检测模块,用于检测图像中需要保留的隐私目标对象;
隐私保护模块,用于对检测出的隐私目标对象和需要保留的隐私目标对象的差集进行模糊化处理,从而保护图像隐私。
6.根据权利要求5所述的基于目标检测的图像隐私保护系统,其特征在于,所述的图像收集和标注模块,根据隐私目标的变化进行动态调整,产生合适的训练集,有选择性的拓展目标检测模型的检测能力。
7.根据权利要求5所述的基于目标检测的图像隐私保护系统,其特征在于,所述的离线模型训练模块,使用增量学习的方法对模型进行训练,根据新加入的隐私目标,动态拓展目标检测模型的能力。
8.根据权利要求5所述的基于目标检测的图像隐私保护系统,其特征在于,所述的保留目标检测模块,使用所采集图像的对焦区域信息以及已检测的隐私目标在图像内的位置信息,通过加权组合的方式确定需要保留的隐私目标。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910156578.9A CN109993207B (zh) | 2019-03-01 | 2019-03-01 | 一种基于目标检测的图像隐私保护方法和系统 |
PCT/CN2019/112873 WO2020177337A1 (zh) | 2019-03-01 | 2019-10-23 | 一种基于目标检测的图像隐私保护方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910156578.9A CN109993207B (zh) | 2019-03-01 | 2019-03-01 | 一种基于目标检测的图像隐私保护方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993207A CN109993207A (zh) | 2019-07-09 |
CN109993207B true CN109993207B (zh) | 2022-10-25 |
Family
ID=67129261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910156578.9A Active CN109993207B (zh) | 2019-03-01 | 2019-03-01 | 一种基于目标检测的图像隐私保护方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109993207B (zh) |
WO (1) | WO2020177337A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993207B (zh) * | 2019-03-01 | 2022-10-25 | 华南理工大学 | 一种基于目标检测的图像隐私保护方法和系统 |
CN112836714B (zh) * | 2019-11-22 | 2024-05-10 | 杭州海康威视数字技术股份有限公司 | 一种智能模型的训练方法及装置 |
CN112906047B (zh) * | 2021-02-04 | 2023-02-07 | 陕西师范大学 | 基于深度学习的图像隐私信息保护系统及其方法 |
CN112927127B (zh) * | 2021-03-11 | 2024-06-28 | 华南理工大学 | 一种运行在边缘设备上的视频隐私数据模糊化方法 |
CN113762079B (zh) * | 2021-08-03 | 2024-03-22 | 浙江吉利控股集团有限公司 | 环境数据处理方法、装置、设备及存储介质 |
CN113645423A (zh) * | 2021-08-16 | 2021-11-12 | 智谋纪(深圳)科技有限公司 | 不涉及个人隐私的人体姿态检测传感器及照明控制方法 |
WO2023041971A1 (en) * | 2021-09-14 | 2023-03-23 | Sensetime International Pte. Ltd. | Data security processing method and apparatus, device and storage medium |
CN113692590A (zh) * | 2021-09-14 | 2021-11-23 | 商汤国际私人有限公司 | 数据安全处理方法及装置、设备、存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013182298A1 (en) * | 2012-06-08 | 2013-12-12 | Eth Zurich | Method for annotating images |
CN104978570A (zh) * | 2015-06-25 | 2015-10-14 | 西北工业大学 | 基于增量学习的行车视频中交通标志的检测和识别方法 |
CN105913073A (zh) * | 2016-04-05 | 2016-08-31 | 西安电子科技大学 | 基于深度增量支持向量机的sar图像目标识别方法 |
WO2016147066A1 (en) * | 2015-03-19 | 2016-09-22 | Yuga Computing Solutions Inc. | Method and apparatus for image privacy protection |
CN106780570A (zh) * | 2016-12-21 | 2017-05-31 | 中国航天科工集团第四研究院指挥自动化技术研发与应用中心 | 一种基于在线学习的实时目标跟踪方法 |
CN107704877A (zh) * | 2017-10-09 | 2018-02-16 | 哈尔滨工业大学深圳研究生院 | 一种基于深度学习的图像隐私感知方法 |
CN108182439A (zh) * | 2017-12-20 | 2018-06-19 | 电子科技大学 | 一种基于多分类增量学习的分窗口计数方法及装置 |
CN108520184A (zh) * | 2018-04-16 | 2018-09-11 | 成都博锐智晟科技有限公司 | 一种隐私保护的方法及系统 |
CN108805196A (zh) * | 2018-06-05 | 2018-11-13 | 西安交通大学 | 用于图像识别的自动增量学习方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8671069B2 (en) * | 2008-12-22 | 2014-03-11 | The Trustees Of Columbia University, In The City Of New York | Rapid image annotation via brain state decoding and visual pattern mining |
US8582807B2 (en) * | 2010-03-15 | 2013-11-12 | Nec Laboratories America, Inc. | Systems and methods for determining personal characteristics |
TWI437551B (zh) * | 2011-10-24 | 2014-05-11 | Au Optronics Corp | 影像防窺方法 |
US20140140575A1 (en) * | 2012-11-19 | 2014-05-22 | Mace Wolf | Image capture with privacy protection |
US9953187B2 (en) * | 2014-11-25 | 2018-04-24 | Honeywell International Inc. | System and method of contextual adjustment of video fidelity to protect privacy |
US9760990B2 (en) * | 2014-12-14 | 2017-09-12 | International Business Machines Corporation | Cloud-based infrastructure for feedback-driven training and image recognition |
US9805264B2 (en) * | 2015-10-19 | 2017-10-31 | Disney Enterprises, Inc. | Incremental learning framework for object detection in videos |
CN105389516B (zh) * | 2015-11-09 | 2018-09-18 | 小米科技有限责任公司 | 敏感图片提醒方法和装置 |
CN106055996B (zh) * | 2016-05-18 | 2021-03-16 | 维沃移动通信有限公司 | 一种多媒体信息分享方法及移动终端 |
JP2018072957A (ja) * | 2016-10-25 | 2018-05-10 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 画像加工方法、画像加工システム及びプログラム |
CN106803930A (zh) * | 2017-02-10 | 2017-06-06 | 上海斐讯数据通信技术有限公司 | 一种基于路由器的智能视频监控方法及智能路由器 |
US10303953B2 (en) * | 2017-04-17 | 2019-05-28 | Intel Corporation | Person tracking and privacy and acceleration of data using autonomous machines |
US10535120B2 (en) * | 2017-12-15 | 2020-01-14 | International Business Machines Corporation | Adversarial learning of privacy protection layers for image recognition services |
CN109993207B (zh) * | 2019-03-01 | 2022-10-25 | 华南理工大学 | 一种基于目标检测的图像隐私保护方法和系统 |
-
2019
- 2019-03-01 CN CN201910156578.9A patent/CN109993207B/zh active Active
- 2019-10-23 WO PCT/CN2019/112873 patent/WO2020177337A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013182298A1 (en) * | 2012-06-08 | 2013-12-12 | Eth Zurich | Method for annotating images |
WO2016147066A1 (en) * | 2015-03-19 | 2016-09-22 | Yuga Computing Solutions Inc. | Method and apparatus for image privacy protection |
CN104978570A (zh) * | 2015-06-25 | 2015-10-14 | 西北工业大学 | 基于增量学习的行车视频中交通标志的检测和识别方法 |
CN105913073A (zh) * | 2016-04-05 | 2016-08-31 | 西安电子科技大学 | 基于深度增量支持向量机的sar图像目标识别方法 |
CN106780570A (zh) * | 2016-12-21 | 2017-05-31 | 中国航天科工集团第四研究院指挥自动化技术研发与应用中心 | 一种基于在线学习的实时目标跟踪方法 |
CN107704877A (zh) * | 2017-10-09 | 2018-02-16 | 哈尔滨工业大学深圳研究生院 | 一种基于深度学习的图像隐私感知方法 |
CN108182439A (zh) * | 2017-12-20 | 2018-06-19 | 电子科技大学 | 一种基于多分类增量学习的分窗口计数方法及装置 |
CN108520184A (zh) * | 2018-04-16 | 2018-09-11 | 成都博锐智晟科技有限公司 | 一种隐私保护的方法及系统 |
CN108805196A (zh) * | 2018-06-05 | 2018-11-13 | 西安交通大学 | 用于图像识别的自动增量学习方法 |
Non-Patent Citations (2)
Title |
---|
An agile FCM for real-time modeling of dynamic and real-life systems;O. Motlagh·Z et al.;《Evolving Systems》;20130310;第6卷(第3期);第153-165页 * |
Incremental learning of privacy-preserving Bayesian networks;Saeed Samet et al.;《APPLIED SOFT COMPUTING》;20130425;第13卷(第8期);第3657-3667页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2020177337A1 (zh) | 2020-09-10 |
CN109993207A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993207B (zh) | 一种基于目标检测的图像隐私保护方法和系统 | |
Muhammad et al. | Cost-effective video summarization using deep CNN with hierarchical weighted fusion for IoT surveillance networks | |
CN107004271B (zh) | 显示方法、装置、电子设备、计算机程序产品和存储介质 | |
JP6425856B1 (ja) | ビデオ録画方法、サーバー、システム及び記憶媒体 | |
CN110796098B (zh) | 内容审核模型的训练及审核方法、装置、设备和存储介质 | |
KR101688218B1 (ko) | 객체 인지 기반의 실시간 영상 검지 기술을 이용한 교통 흐름 및 돌발 상황 관리 시스템 및 그 처리 방법 | |
CN108012202B (zh) | 视频浓缩方法、设备、计算机可读存储介质及计算机装置 | |
CN103246896A (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN106971142B (zh) | 一种图像处理方法及装置 | |
CN114359976A (zh) | 一种基于人物识别的智能安防方法与装置 | |
KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
WO2019047663A1 (zh) | 一种基于视频格式的端到端自动驾驶数据的存储方法及装置 | |
CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
CN103824074A (zh) | 一种基于背景减除和纹理特征的人群密度估计方法及系统 | |
CN111767839B (zh) | 一种车辆行驶轨迹确定方法、装置、设备及介质 | |
KR20170095599A (ko) | 동영상 검색 시스템 및 그 방법 | |
CN108320075A (zh) | 一种具备照片管理功能的可视化现场监控系统及方法 | |
CN108200390A (zh) | 视频结构化分析方法及装置 | |
CN103903269B (zh) | 球机监控视频的结构化描述方法和系统 | |
Zhao et al. | Calculation method of classroom head-up rate based on head pose estimation | |
CN107392180A (zh) | 一种人脸识别系统 | |
CN113822248A (zh) | 基于CycleGAN生成对抗网络的跨域车辆检测方法 | |
CN112347996A (zh) | 一种场景状态判断方法、装置、设备及存储介质 | |
CN109614956A (zh) | 一种视频中对象的识别方法及装置 | |
CN112818965B (zh) | 多尺度影像目标检测方法、系统、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |