CN114036553B 一种结合k匿名的行人身份隐私保护方法 （杭州电子科技大学）

本发明提出了一种结合k匿名的行人身份隐成更高质量的匿名图像；最后通过设计的k匿名人身份隐私又保留了属性。在匿名行人生成方21.一种结合k匿名的行人身份隐私保护方法，其特征在于首先提出了一种行人匿名模所述的平均特征是指一个行人对应的多张行人图像求解的多个图像特征特征分组用k-means变体算法对行人身份特征进行聚类，并且使各个聚类的组内行人首先将待匿名数据集进行身份聚类分组；其次将待匿名数据生成器G的目标是学习从源图像IS到生成图像IG的映射，并且使生3积层与全连接层提取图像特征与姿势特征输入所述的初始图像特征即为源图像IS的图像特征；姿势特征包括生成图姿势KG与目标图鉴别器包括图像鉴别器DI和姿势鉴别器DK，其中DI鉴别输入图像的真实性以及输入图像和输入属性之间的相似性，DK判别输入图像与输入姿势之间的相似性；DI的输入包括了别器DI中的融合图像特征输入到3个残差块中获得的；将姿势图像与行人图像叠加的特征L=λ1LGAN+λ2LI+λ3LFGAN的核心思想在于生成器和鉴别器之间的对抗性博弈；生成器的目标是生成鉴别器SS42.根据权利要求1所述的一种结合k匿名的行人身份隐私保护方法，其特征在于步骤13.根据权利要求2所述的一种结合k匿名的行人身份隐私保护方法，其特征在于步骤55-1.准备数据集，采用公开行人数据集Market1501按照步骤1进行预处理获得图像的5[0001]本发明是关于图像隐私保护领域，提出了一种结合k匿名的行人身份隐私保护方[0003]目前的隐私保护方法大多集中在人脸匿名性方面，而忽的隐私保护方法，如CIAGAN一个可用于图像和视频的基于条件生成对抗网络的匿名化方行人姿态转换的PATN能够生成高质量行人图像，但是两者都不适用于行人匿名。其中DG-成式神经网络生成匿名人脸。其中K-Same-Net通过将至少k个人的身份映射到同一个身份[0005]本发明的目的是针对现有技术的不足，提供一种结合k匿名的行人身份隐私保护6[0022]所述的平均特征是指一个行人对应的多张行人图像求解的多个图像特征的平均[0025]特征分组用k-means变体算法对行人身份特征进行聚类，并且使各个聚类的组内[0030]进一步的，所述步骤3构建匿名行人生成对抗网络(PPAGAN，Pose-preserving[0032]生成器的目标是学习从源图像IS到生成图像IG的映射，并且使生成图姿势KG与目标图姿势KT的特征相同。使用姿势-注意转移块(PATB)作为PPAGAN中的生成器。且多个姿势-注意转移块是级联的；从初始图像特征和姿势特征开始，多个PATB逐步更新这两个特[0033]所述的初始图像特征即为源图像IS的图像特征；姿势特征包括生成图姿势7[0035]鉴别器包括图像鉴别器DI和姿势鉴别器DK，其中DI鉴别输入图像的真实性以及输DI中图像特征和属性特征通过卷积层与全连接层融合，最后的图像真实度SI是通过将图像鉴别器DI中的融合图像特征输入到3个残差块中获得的。将姿势图像与行人图像叠加的特[0041]GAN的核心思想在于生成器和鉴别器之间的对抗性博弈。生成器的目标是生成鉴S和KT分别表示源姿势和目标姿势。8[0053]5-1.准备数据集，例如采用公开行人数据[0055]5-3.用步骤3与步骤4训练的行人匿名网络，结合行人代理身份映射生成匿名行9[0075]1-5.使用实例分割模型(例如MaskRCNN特征分组算法用在ELKI开源数据挖掘软件中提出的簇大小相同的k-means变体算法实现，[0085]3-1.生成器生成行人过程。输入到性标签输入7个全连接层。融合图像特征是通过将由属性特征和图像特征叠加的特征输入依次取上一个PATB的输出作为下一个PATB的输入，最后将最终PATB的图像特征通过2个反括了1501个行人身份共32668张图像的Market-1501数据集。其中训练集作为代理数据集，[0096]5-2.将数据集中训练集采用步骤4的目标函数训练步骤3的匿名行人生成对抗网用了计算