面部数据隐私保护方法、装置、隐私保护机器人及介质与流程

本公开涉及隐私保护，尤其涉及一种面部数据隐私保护方法、装置、隐私保护机器人及介质。

背景技术：

1、近年来，随着人工智能和图像处理技术的快速发展，计算机视觉在医学诊断、手术辅助和患者监护等领域得到了广泛应用。这些技术能够帮助医务人员分析患者的健康状况，提高诊断的准确性。然而，医学数据特别是包含个人信息的面部图像数据，其隐私保护要求极高，因此在面部图像技术领域，面部图像数据的准确采集和隐私保护一直是两个重要的技术挑战。传统的隐私保护措施如数据脱敏、匿名化处理和数据加密等虽然可以在一定程度上保护患者隐私，但是在面部图像数据的使用中，这些方法往往难以同时兼顾数据的实用性和隐私性。

2、目前，一些科研机构已经开发了一些算法和系统，这些系统主要依靠单一模型进行人脸特征部位的识别与掩码，常用的模型包括检测模型、特征点定位模型和特征提取模型。检测模型是图像处理中用于定位和识别图像中人脸特征区域的算法；特征点定位模型用于在已检测到的人脸区域内进一步精确定位面部的关键特征点，如眼睛、鼻子、嘴巴等，这些特征点为后续的面部分析和处理提供了精确的参考；特征提取模型用于从面部特征点或区域中提取能够反映面部状态的重要特征信息，如纹理、颜色、形状等，这些特征信息对于进一步的面部分析和识别任务至关重要。

3、上述三种方案虽然在一定程度上满足了人脸特征识别与定位的需求，但它们也存在一些问题，导致在医院采集面部图像数据时很难普及使用：

4、1）检测模型在复杂背景、不同光照条件、角度变化和人脸部分被遮挡（如佩戴眼镜、口罩或头发遮挡）的情况下，模型的识别准确性会显著下降。

5、2）特征点定位模型通常依赖于预定义的形状模型，如active shape model（asm）和active appearance model（aam），这种依赖使得模型在处理与训练数据集不一致的面部形状时，定位准确性可能显著降低，例如，当面部特征的形状与模型中预定义的形状存在较大差异时，模型可能无法准确匹配和定位这些特征点。

6、3）特征提取模型旨在通过简化数据来提取关键特征，但这一过程可能会导致原始数据中某些重要信息的丢失，这种信息丢失可能会影响模型在处理复杂场景或变化多端的情况时的性能，使得模型无法全面捕捉数据中的所有重要特征，从而影响后续任务的准确性和效果。

技术实现思路

1、为了解决上述技术问题，本公开提供了一种面部数据隐私保护方法、装置、隐私保护机器人及介质。

2、第一方面，本公开实施例提供一种面部数据隐私保护方法，所述方法包括：

3、构建图像数据集，所述图像数据集包括大量含面部图像的图像数据；

4、基于所述图像数据集分别对人眼检测模型以及特征点定位模型进行训练，得到训练好的人眼检测模型以及训练好的特征点定位模型；

5、获取待隐私保护的图像数据，将所述待隐私保护的图像数据分别输入到训练好的人眼检测模型以及训练好的特征点定位模型中，得到人眼检测结果以及特征点定位结果；

6、基于人眼检测结果以及特征点定位结果，采用预设后处理算法对待隐私保护的图像数据进行隐私保护处理，生成隐私保护后的图像数据。

7、第二方面，本公开实施例提供一种面部数据隐私保护装置，所述装置包括：

8、构建单元，用于构建图像数据集，所述图像数据集包括大量含面部图像的图像数据；

9、训练单元，用于基于所述图像数据集分别对人眼检测模型以及特征点定位模型进行训练，得到训练好的人眼检测模型以及训练好的特征点定位模型；

10、得到单元，用于获取待隐私保护的图像数据，将所述待隐私保护的图像数据分别输入到训练好的人眼检测模型以及训练好的特征点定位模型中，得到人眼检测结果以及特征点定位结果；

11、生成单元，用于基于人眼检测结果以及特征点定位结果，采用预设后处理算法对待隐私保护的图像数据进行隐私保护处理，生成隐私保护后的图像数据。

12、第三方面，本公开实施例提供一种电子设备，包括：

13、存储器；

14、处理器；以及

15、计算机程序；

16、其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面所述的方法。

17、第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面所述的方法。

18、第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现如第一方面所述的方法。

19、本公开实施例提供的面部数据隐私保护方法、装置、隐私保护机器人及介质，通过构建图像数据集，所述图像数据集包括大量含面部图像的图像数据，基于所述图像数据集分别对人眼检测模型以及特征点定位模型进行训练，得到训练好的人眼检测模型以及训练好的特征点定位模型，获取待隐私保护的图像数据，将所述待隐私保护的图像数据分别输入到训练好的人眼检测模型以及训练好的特征点定位模型中，得到人眼检测结果以及特征点定位结果，基于人眼检测结果以及特征点定位结果，采用预设后处理算法对待隐私保护的图像数据进行隐私保护处理，生成隐私保护后的图像数据。相较于现有技术，本公开实施例可以提升隐私保护的准确性和鲁棒性，提高隐私保护的实时性和效率，可以确保敏感信息得到有效保护。本公开实施例通过融合人眼检测模型与特征点定位模型的输出结果，针对图像中的眼睛坐标及范围进行精确定位，将多模型的输出结果综合考虑，降低了误码率，增强了模型的精确度和鲁棒性，在各种面部图像数据采集条件下均能保持较高的准确性，能够处理多种类型的面部图像数据，提高了在各种场景下的应用广泛性和灵活性。

技术特征：

1.一种面部数据隐私保护方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述构建图像数据集，包括：

3.根据权利要求1所述的方法，其特征在于，所述图像数据集包括人眼检测数据集和特征点定位数据集；

4.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据集分别对人眼检测模型以及特征点定位模型进行训练，得到训练好的人眼检测模型以及训练好的特征点定位模型之后，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述基于人眼检测结果以及特征点定位结果，采用预设后处理算法对待隐私保护的图像数据进行隐私保护处理，生成隐私保护后的图像数据，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据集分别对人眼检测模型以及特征点定位模型进行训练，得到训练好的人眼检测模型以及训练好的特征点定位模型之后，所述方法还包括：

7.根据权利要求6所述的方法，其特征在于，所述利用测试图像对隐私保护机器人进行误码率测试，得到误码率测试结果，包括：

8.一种面部数据隐私保护装置，其特征在于，包括：

9.一种隐私保护机器人，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。

技术总结本公开涉及一种面部数据隐私保护方法、装置、隐私保护机器人及介质。通过构建图像数据集，基于所述图像数据集分别对人眼检测模型以及特征点定位模型进行训练，得到训练好的人眼检测模型以及训练好的特征点定位模型，获取待隐私保护的图像数据，将所述待隐私保护的图像数据分别输入到训练好的人眼检测模型以及训练好的特征点定位模型中，得到人眼检测结果以及特征点定位结果，基于人眼检测结果以及特征点定位结果，采用预设后处理算法对待隐私保护的图像数据进行隐私保护处理，生成隐私保护后的图像数据。相较于现有技术，本公开实施例可以提升隐私保护的准确性和鲁棒性，提高隐私保护的实时性和效率，可以确保敏感信息得到有效保护。技术研发人员：周昌伟,周建国,李钊荣受保护的技术使用者：北京易康医疗科技有限公司技术研发日：技术公布日：2024/11/4