[发明专利]一种基于风格迁移的隐私人像数据标注方法

说明书

本发明公开了一种基于风格迁移的隐私人像数据标注方法。本发明在数据标注之前，采用深度学习的技术方法对待标注的人脸图像进行风格迁移处理。风格迁移处理后的人脸图像，具有与原始人脸图像风格完全不同，但并不影响数据标注准确性的特点。这样可以大大提高人脸图像的数据安全性。该方法对风格迁移处理后的人脸图像数据进行标注，存储标记信息。

技术领域

本发明属于计算机视觉技术领域，涉及一种基于风格迁移的隐私人像数据标注方法。

背景技术

随着人工智能和计算机视觉的飞速发展，人脸图像识别技术应用的越来越广泛，对标记过的人脸图像数据的需求量也越来越大。但人人脸图像数据安全在人脸图像数据标注中未被充分考虑。现有关于人脸图像数据标注方法的专利中，都未涉及人脸图像的数据安全。

在大数据时代不考虑人脸图像数据安全会存在以下问题：

1、人脸图像个人隐私侵犯和个人信息安全问题。未经处理的人脸图像会过分暴露，会侵犯个人的隐私。同时在刷脸支付等人脸识别技术的应该的越来越广泛，未经处理的人脸图像还给个人带来信息安全的隐患。

2、有效人脸图像数据集的数据安全问题。深度学习盛行的时代，有效的人脸图像数据集，有着巨大的价值。考虑数据标注过程的不可控性，未经处理的人脸图像数据集，存在着数据安全的隐患。

发明内容

针对现有标注数据方法存在的不足，本发明的目的在于提供一种利用基于风格迁移的隐私人像数据标注方法。

本发明在数据标注之前，采用深度学习的技术方法对待标注的人脸图像进行风格迁移处理。风格迁移处理后的人脸图像，具有与原始人脸图像风格完全不同，但并不影响数据标注准确性的特点。这样可以大大提高人脸图像的数据安全性。该方法对风格迁移处理后的人脸图像数据进行标注，存储标记信息。

为了实现上述目的，本发明所采用的技术方案是：采用深度学习的技术方法对待标注的人脸图像进行风格迁移处理。然后对处理后的人脸图像进行数据标注，并存储标记信息。包括如下步骤：

步骤1、采用一种用深度学习来给纹理建模的方法，来生成图像纹理。

步骤2、采用神经网络的方法只提取图像的内容而不包括图像的风格。

步骤3、把提取的图像内容与其他图像风格进行合并，生成新的风格的图像。

步骤4、对新风格的人脸图像进行数据标注。

步骤5、存储标记信息。

本发明的有益效果：

1、保护个人隐私以及个人的信息安全。

2、保护人脸图像数据集的数据安全。

3、人脸图像风格迁移处理后，不影响数据标注的准确性。

附图说明

图1为本发明方法流程图。

图2为使用本发明前后对比图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。

本发明提供了一种利用基于风格迁移的隐私人像数据标注方法。该采用深度学习的技术方法对待标注的人脸图像进行风格迁移处理。然后对处理后的人脸图像进行数据标注，并存储标记信息。

如图1所示，本实施例包括如下步骤：