人脸图像处理方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112926559A(43)申请公布日2021.06.08(21)申请号202110513963.1(22)申请日2021.05.12(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人刘杰王维强(74)专利代理机构北京国昊天诚知识产权代理有限公司11315代理人朱文杰(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06F21/62(2013.01)权利要求书5页说明书15页附图8页(54)发明名称人脸图像处理方法及装置(57)摘要本说明书一个或多个实施例公开了一种人脸图像处理方法及装置。所述方法包括：获取多个第一样本人脸图像对，各第一样本人脸图像对中分别包括具有隐私信息的第一样本原始人脸图像、以及对应的具有干扰信息的第一样本目标人脸图像。然后根据各第一样本人脸图像对分别对应的图像匹配信息，确定待训练的图像编码模型对应的损失函数。进而将第一样本原始人脸图像作为输入数据、将第一样本目标人脸图像作为输出数据，并基于损失函数进行模型训练，得到图像编码模型，并利用图像编码模型对人脸图像进行隐私保护处理。CN112926559ACN112926559A权利要求书1/5页1.一种人脸图像处理方法，包括：获取多个第一样本人脸图像对；各所述第一样本人脸图像对中分别包括具有隐私信息的第一样本原始人脸图像、以及对应的具有干扰信息的第一样本目标人脸图像；根据各所述第一样本人脸图像对分别对应的图像匹配信息，确定待训练的图像编码模型对应的损失函数；将所述第一样本原始人脸图像作为输入数据、将所述第一样本目标人脸图像作为输出数据，并基于所述损失函数进行模型训练，得到所述图像编码模型；利用所述图像编码模型对人脸图像进行隐私保护处理。2.根据权利要求1所述的方法，所述图像匹配信息包括以下至少一项：第一相似度、第一差异度、基于人眼视觉机制的第二差异度、所述第一样本目标人脸图像与样本重构人脸图像之间的第二相似度；所述样本重构人脸图像为将所述第一样本目标人脸图像通过预先训练的图像还原模型进行还原后得到；所述根据各所述第一样本人脸图像对分别对应的图像匹配信息，确定待训练的图像编码模型对应的损失函数，包括：根据所述第一相似度、所述第一差异度、所述第二差异度、所述第二相似度中的至少一项确定所述损失函数；其中，所述损失函数与所述第一相似度、所述第二差异度和/或所述第二相似度之间正相关；所述损失函数与所述第一差异度之间负相关。3.根据权利要求2所述的方法，所述将所述第一样本原始人脸图像作为输入数据、将所述第一样本目标人脸图像作为输出数据，并基于所述损失函数进行模型训练，得到所述图像编码模型，包括：将所述第一样本原始人脸图像作为输入数据、将所述第一样本目标人脸图像作为输出数据进行模型训练，得到第一训练结果；根据所述第一训练结果，判断所述损失函数是否满足所述图像编码模型对应的约束条件；所述约束条件包括以下至少一项：所述损失函数的值达到最小化、所述损失函数的值小于第一预设阈值；若是，则根据所述第一训练结果确定所述图像编码模型；若否，则基于所述第一训练结果和所述损失函数继续进行模型训练，直至所述损失函数满足所述约束条件。4.根据权利要求2所述的方法，所述根据各所述第一样本人脸图像对分别对应的图像匹配信息，确定待训练的图像编码模型对应的损失函数，还包括：根据指定人脸识别算法构建第一人脸比对网络；利用所述第一人脸比对网络，计算所述第一样本原始人脸图像和所述第一样本目标人脸图像之间的所述第一相似度。5.根据权利要求2所述的方法，所述根据各所述第一样本人脸图像对分别对应的图像匹配信息，确定待训练的图像编码模型对应的损失函数之前，还包括：获取多个第二样本人脸图像对；各所述第二样本人脸图像对中分别包括具有隐私信息的第二样本原始人脸图像、以及对应的具有干扰信息的第二样本目标人脸图像；将所述第二样本目标人脸图像作为输入数据、将所述第二样本原始人脸图像作为输出数据，并以所述第二样本目标人脸图像和所述第二样本原始人脸图像之间的第三相似度作2CN112926559A权利要求书2/5页为收敛函数进行迭代模型训练，得到所述图像还原模型；将所述第一样本目标人脸图像输入所述图像还原模型，以输出所述第一样本目标人脸图像对应的所述样本重构人脸图像；计算所述第一样本目标人脸图像与所述样本重构人脸图像之间的所述第二相似度。6.根据权利要求1所述的方法，所述利用所述图像编码模型对人脸图像进行隐私保护处理，包括：将所述图像编码模型下发至客户端进行部署；所述客户端用于利用所述图像编码模型对包含隐私信息的原始人脸图像进行编码，以得到具有