申请/专利权人:北京信息科技大学
申请日:2024-04-12
公开(公告)日:2024-06-25
公开(公告)号:CN118247824A
主分类号:G06V40/16
分类号:G06V40/16;G06N3/045;G06N3/0475;G06N3/094;G06F21/62;G06V10/82;G06N3/0464;G06V20/40;G06V10/25
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明的一种基于生成对抗网络的车内视频人脸图像脱敏方法及设备,包括使用YOLOv8目标检测算法实现车内人脸的实时检测与定位,并采用CSPDarknet53作为骨干网络提取高级特征;通过多尺度预测机制适应不同大小目标人脸,以确保对所有可见人脸的准确检测;利用DeepGlint深度学习模型对人脸图像进行准确定位和多属性标注,为图像提供更全面的特征描述;面对视频滥用风险,提出了基于GAN的创新脱敏方法,使用残差网络感知编码器转换原始人脸图像至特征空间,并在生成器中通过学习虚拟人脸数据集,调整真实人脸图像的属性;引入判别器进行图像相似度评估,通过反馈调整生成图像,最终生成连续视频流完成脱敏处理。本发明可以提高模型的检测准确率和鲁棒性。
主权项:1.一种基于生成对抗网络的车内视频人脸图像脱敏方法,其特征在于,包括以下步骤,S1、使用YOLOv8目标检测算法实现车内人脸的实时检测与定位,并采用CSPDarknet53作为骨干网络提取高级特征;S2、通过多尺度预测机制适应不同大小目标人脸,以确保对所有可见人脸的准确检测;S3、然后,利用DeepGlint深度学习模型对人脸图像进行准确定位和多属性标注,为图像提供更全面的特征描述;S4、面对视频滥用风险,提出了基于GAN的创新脱敏方法,使用残差网络感知编码器转换原始人脸图像至特征空间,并在生成器中通过学习虚拟人脸数据集,调整真实人脸图像的属性;S5、引入判别器进行图像相似度评估,通过反馈调整生成图像,最终生成连续视频流完成脱敏处理。
全文数据:
权利要求:
百度查询: 北京信息科技大学 基于生成对抗网络的车内视频人脸图像脱敏方法及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。