[發明專利]一種基于MMDA的表情不變的隱私保護方法

有效

• 申請號: 201711148720.2
• 申請日: 2017-11-17
• 公開（公告）號: CN108111868B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 王祥;熊琛;裴慶祺
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04N21/2187
• 分類號: H04N21/2187;H04N7/18;H04N5/262;G06K9/00
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪;肖志娟

本發明屬于視頻隱私保護技術領域，公開了一種基于MMDA的表情不變的隱私保護方法，利用MMDA多模式判別分析將人臉分解為不同屬性的獨立子空間，改變相應的子空間的特征而保持其他不變，實現了在人臉表情不變情況下保護人臉的隱私信息。在視頻直播中保護人臉隱私信息的同時保留了表情信息，通過建立多模式特征空間，改變表情之外的屬性特征，保持表情特征不改變，在實現人臉隱私保護的同時維持原始表情不變。本發明與以往直接對整張人臉進行保護的方法不同，通過多模式判別分析將人臉分解為不同屬性的獨立子空間，改變相應的子空間的特征而保持其他不變，實現了在人臉表情不變情況下保護人臉的隱私信息。

技術領域

本發明屬于視頻隱私保護技術領域，尤其涉及一種基于MMDA的表情不變的隱私保護方法。

背景技術

互聯網與視頻監控系統、視頻直播應用的快速發展，使得視頻隱私保護越來越受到人們的關注。在保證視頻應用的同時不泄露隱私信息。目前人臉隱私保護技術在經過保護后人臉的表情會發生變化。如模糊化、馬賽克等技術對人臉進行隱私保護后臉部原始的表情信息等全部被改變，表情信息并沒有被保存。K-Same等相關技術在利用相似的K張人臉圖像求平均的過程中也會破壞表情信息，從而使得經過隱私保護后的人臉表情可能會發生變化。

綜上所述，現有技術存在的問題是：目前人臉隱私保護技術在經過保護后人臉的表情會發生變化。而在視頻直播等應用中，對人臉的隱私保護除了要關心隱私信息是否被保護，同時還要保證在實時的視頻中人臉的自然度與完整度，因此在保護人臉隱私的同時保持表情不變也是在視頻直播等領域中需要解決的問題。

發明內容

針對現有技術存在的問題，本發明提供了一種基于MMDA的表情不變的隱私保護方法。

本發明是這樣實現的，一種基于MMDA的表情不變的隱私保護方法，所述基于MMDA的表情不變的隱私保護方法在視頻直播中保護人臉隱私信息的同時保留表情信息，利用MMDA多模式判別分析將人臉分解為不同屬性的獨立子空間，建立多模式特征空間，改變表情之外的屬性特征，保持表情特征不改變，同時維持原始表情不變。

進一步，所述基于MMDA的表情不變的隱私保護方法包括以下步驟：

步驟一，預處理與歸一化：

(1)從CK人臉庫中選取包含20個對象的20張大小為640*490圖像作為訓練樣本集，在訓練樣本集中每張圖像擁有性別、種族和表情三種人臉屬性，其中性別屬性包含男性和女性，種族屬性包含非洲與歐洲，表情屬性包含微笑、生氣、悲傷、恐懼與驚訝五類；

(2)在視頻直播中通過攝像頭或其他設備獲得連續的靜態圖像序列；

(3)對人臉圖像選取68個關鍵特征點，記錄每個特征點的坐標位置并按順序保存下來，形成一組向量集，獲取圖像的形狀信息；

(4)AAM建模與歸一化；

步驟二，MMDA分解與合成：

(1)分別對每個屬性特征下的樣本進行白化預處理；

(2)利用Fish準則對白化數據建立不同屬性的特征子空間，且每個子空間保持相互正交；

(3)得到獨立的特征子空間后，利用特征空間對白化數據進行分解；

(4)對變換后的參數向量進行合成，得到人臉向量。

進一步，所述AAM建模與歸一化進一步包括：

(1)在得到所有樣本的形狀向量后，形狀向量進行對齊，對第i個樣本，記錄的特征點坐標向量表示為：