CN114139198B 基于层次k匿名身份替换的人脸生成隐私保护方法 （杭州电子科技大学）

基于层次k匿名身份替换的人脸生成隐私保本发明公开了一种基于层次k匿名身份替换据集预处理，然后构建层次k匿名生成对抗网络换生成对抗网络结构，构建人脸替换的目标函训练好的层次k匿名生成对抗网络和人脸替换生通过实验结果显然证实了所提出方法的高效性与实用性，对人物图像的隐私保护更高效和美2步骤6：使用公开数据集进行训练及测试，得到训练好步骤7：通过训练好的层次k匿名生成对抗网络和人脸替换生成对抗网络完成图像匿1-1利用人脸检测器来检测每张图像的人脸区域，并根据人脸坐标对人脸区域进行裁1-2采用k-means无监督的聚类方式，来对裁剪的人脸图像的身份信息进行层次聚类，1-3采用现有预训练的人脸分割网络来对未裁剪图像进行处理，并且生成每张图片脸将生成图输入到组id判别器中来判别生成图是否具有正确的组id；通过上述流程的训练，2-1构建生成器；生成器是由多个对称的Resblock残差块组成；每个残差块均有卷积2-2构建样式风格信息提取器；样式风格信息提取器由多个全连接层以及ReLU激活函3通过组id判别器判别从生成器输出的生成图是否中间瓶颈层包括3个Resblock残差块；下采样块包括一个卷积层、BatchNorm归一化层和7-1将需要进行匿名的图像进行步骤1的7-2将其裁剪图像、层次聚类的组id输入到训7-3将层次k匿名生成对抗网络得到的生成图像2.根据权利要求1所述的基于层次k匿名身份替换的人所述的层次k匿名的目标函数包括生成式对抗网络GAN的目标函数和组id判别目标函采用条件GAN的思想来控制匿名图像的生成，通过输入不同的条件来得到不同的匿名4使用联合训练的VGG19网络模型，计算属于相同组id的人脸匿名图像之间的身份信息3.根据权利要求2所述的基于层次k匿名身份替换的5-1GAN的目标函数；采用CGAN的思想来控制5-2身份保持目标函数；使用预训练的VGG16网其中V(·)表示从VGG16网络中提取的多个特征图，xt表示目标id的人脸图像，cos54.根据权利要求3所述的基于层次k匿名身份替换的人脸生成隐私6-1准备数据集，采用公开人脸数据集并按照步骤6-2将裁剪图像以及聚类的组id输入到层次k匿名生成对抗测试数据进行测试，通过完成训练后的层次k匿名生成对抗网络得到与训练数据对应的生6-3将人脸分割遮罩、未裁剪的原始图像、未裁67[0009](2)目前现有的方法主要在不泄露他人身份信息的同时匿名自己的人脸图像[0010]针对现有技术中存在的不足，本发明提出了一种基于层次k匿名身份替换的人脸[0022]1-3采用现有预训练的人脸分割网络来对未裁剪图像进行处理，并且生成每张图8[0028]2-2构建样式风格信息提取器。样式提取器由多个全连接层以及ReLU激活函数组[0032]所述的层次k匿名的目标函数包括生成式对抗网络GAN的目标函数和组id判别目[0034]采用条件GAN的思想来控制匿名图像的生成，通过输入不同的条件来得到不同的[0038]使用联合训练的VGG19网络模型，计算属于相同组id的人脸匿名图像之间的身份9与提供身份特征的图像输入到身份编码提取器中，将提取得到的身份信息计算余弦相似[0062]6-1准备数据集，采用公开人脸数据集并按照步骤1所述用测试数据进行测试，通过完成训练后的层次k匿名生成对抗网络得到与训练数据对应的[0079]1-3采用现有预训练的人脸分割网络来对未裁剪图像进行处理，并且生成每张图Resblock来构建网络结构，并且会在后面5个Resblock残差块中分别以AdaIN的方式将128[0085]2-2构建样式风格信息提取器。样式提取器由六个全连接层以及六个ReLu激活函[0086]2-3构建图像真假判别器。判别器由五个Resblock残差块、四个卷积层以及四个[0089]所述的层次k匿名的目标函数包括生成式对抗网络GAN的目标函数和组id判别目[0095]使用联合训练的VGG19网络模型，计算属于相同组id的人脸匿名图像之间的身份成器以及真假判别器。首先将层次k匿名生成对抗网络得到的生成图像输入到身份提取器卷积层、两个InstanceNorm2d归一化层、两个LeakyReLU激活函数以及一个平均池化层组[0102]4-3构建真假判别器。判别器同样由五个Resblock残差块、四个卷积块和四个化层和一个ReLU激活函数；上采样块包括一个Upsample上采样层、一个卷积层、一个BatchNorm归一化层和ReLU激活函数；Resblock残差块包括两个卷积层和一个ReLU激活函用测试数据进行测试，通过完成训练后的层次k匿名生成