基于嵌入式行车记录设备的动态隐私信息脱敏方法、系统及介质

本发明涉及计算机视觉和模式识别，特别是涉及一种基于嵌入式行车记录设备的动态隐私信息脱敏方法、系统、计算机设备及存储介质。

背景技术：

1、2021年10月1日开始实行的《汽车数据安全管理若干规定(试行)》是目前生效的中国法律中第一次也是唯一一次对特定行业的“重要数据”进行定义，其中强调了包含人脸、车牌等车外视频数据属于“重要数据”，需符合“脱敏处理”原则。过去普通的行车记录设备显然并不符合此原则，因此开发一种适用于行车记录设备的动态隐私信息脱敏方法是必要且有意义的。

2、然而嵌入式行车记录设备受移动式工作场景和成本的限制，计算能力和存储空间极其受限的同时对实时性要求很高。现有的基于深度学习的隐私信息定位算法需要运行在tpu、gpu等大型计算设备上才可以取得较好的实时性，无法达到动态隐私信息脱敏的效果。若使用轻量级的卷积神经网络算法虽然可以减少网络参数并降低延迟，但一个主要缺点是采用局部空间信息来编码，鲁棒性不强，碰到阴雨大雾天气或者大角度偏移的车牌，人脸容易定位失败，无法对行车记录信息进行完全的脱敏。

技术实现思路

1、为了解决上述现有技术的不足，本发明提供了一种基于嵌入式行车记录设备的动态隐私信息脱敏方法、系统、计算机设备及存储介质，通过在隐私信息定位模型中构建基于卷积神经网络和transformer融合的网络架构，以使得模型参数轻量化，计算速度快，从而实现在嵌入式行车记录设备中动态对行车记录中的敏感信息脱敏。

2、本发明的第一个目的在于提供一种基于嵌入式行车记录设备的动态隐私信息脱敏方法。

3、本发明的第二个目的在于提供一种基于嵌入式行车记录设备的动态隐私信息脱敏系统。

4、本发明的第三个目的在于提供一种计算机设备。

5、本发明的第四个目的在于提供一种存储介质。

6、本发明的第一个目的可以通过采取如下技术方案达到：

7、一种基于嵌入式行车记录设备的动态隐私信息脱敏方法，所述方法包括：

8、根据隐私信息定位模型对行车图像中的隐私信息进行动态定位，得到待脱敏区域；所述隐私信息定位模型采用基于卷积神经网络和transformer融合的网络架构，以减少模型的参数数量和计算时间；

9、根据所述待脱敏区域生成加密图像，将所述加密图像覆盖掉原行车图像对应位置的信息，得到脱敏后的图像；将脱敏后的图像存于存储介质中。

10、进一步的，所述根据隐私信息定位模型对行车图像中的隐私信息进行动态定位，得到待脱敏区域，包括：

11、将行车图像输入所述隐私信息定位模型中的图像特征提取模块，输出特征向量；

12、将所述特征向量经过所述隐私信息定位模型中的区域建议模块的处理，输出兴趣区域的位置和分类结果；

13、若所述分类结果为前景，则根据所述特征向量，利用所述隐私信息定位模型中的兴趣区域池化模块进行映射池化操作，将兴趣区域调整为固定大小；

14、利用所述隐私信息定位模型中的分类回归模块对兴趣区域池化模块输出的兴趣区域进行具体的分类以确定隐私信息的定位，即得到待脱敏区域；所述分类包括人脸和车牌。

15、进一步的，所述将行车图像输入所述隐私信息定位模型中的图像特征提取模块，输出特征向量，包括：

16、将所述行车图像依次经过卷积模块和多个mv2模块处理；

17、将最后一个mv2模块的输出多次依次经过mv2模块和mobilevit模块处理；

18、将最后一个mobilevit模块的输出依次经过卷积模块和全连接层模块处理，得到特征向量。

19、进一步的，所述mv2模块处理数据的过程，包括：

20、mv2模块的输入依次经过标准卷积、批规范化和relu6函数处理，得到x1；

21、x1通过深度可分离卷积操作，以及批规范化和relu6操作，得到x2；所述深度可分离卷积分为逐通道卷积和逐点卷积两步；

22、x2通过标准卷积、批规范化处理后与mv2模块的输入进行融合，得到mv2模块的输出。

23、进一步的，所述mobilevit模块处理数据的过程，包括：

24、mobilevit模块的输入经过卷积模块对局部空间信息进行编码，得到xl；

25、将xl展开为n个不重叠的信息块；n为大于等于2的整数数；

26、通过transformer对信息块间的关系进行编码，得到xg(p)：1≤p≤wh，w、h为信息块的宽和高；

27、折叠xg(p)，得到xf(p)；

28、将xf(p)通过卷积模块投影到低维空间，再与mobilevit模块的输入进行融合；最后将融合的特征经过卷积模块处理，得到mobilevit模块的输出。

29、进一步的，所述根据所述待脱敏区域生成加密图像，包括：

30、根据混沌映射函数和所述待脱敏区域的像素大小，生成混沌序列；

31、根据所述待脱敏区域，生成待加密信息序列；

32、根据所述混沌序列和待加密信息序列，生成加密后序列；

33、根据加密后序列生成加密图像。

34、进一步的，在根据隐私信息定位模型对行车图像中的隐私信息进行动态定位之前，利用行车图像数据集对所述隐私信息定位模型进行训练；所述行车图像数据集中的行车图像至少包括人眼和车牌中的一种。

35、本发明的第二个目的可以通过采取如下技术方案达到：

36、一种基于嵌入式行车记录设备的动态隐私信息脱敏系统，所述系统包括：

37、隐私信息动态定位模块，用于根据隐私信息定位模型对行车图像中的隐私信息进行动态定位，得到待脱敏区域；所述隐私信息定位模型采用基于卷积神经网络和transformer融合的网络架构，以减少参数数量和计算时间；

38、脱敏后图像生成模块，用于根据所述待脱敏区域生成加密图像，将所述加密图像覆盖掉原行车图像对应位置的信息，得到脱敏后的图像；将脱敏后的图像存于存储介质中。

39、本发明的第三个目的可以通过采取如下技术方案达到：

40、一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的动态隐私信息脱敏方法。

41、本发明的第四个目的可以通过采取如下技术方案达到：

42、一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的动态隐私信息脱敏方法。

43、本发明相对于现有技术具有如下的有益效果：

44、本发明提出的基于嵌入式行车记录设备的动态隐私信息脱敏方法、系统、计算机设备及存储介质，根据隐私信息定位模型对行车图像中的隐私信息进行动态定位，得到待脱敏区域；隐私信息定位模型采用基于卷积神经网络和transformer融合的网络架构，以减少参数数量和计算时间；根据所述待脱敏区域生成加密图像，将所述加密图像覆盖掉原行车图像对应位置的信息，得到脱敏后的图像；将脱敏后的图像存于存储介质中。通过在隐私信息定位模型中构建基于卷积神经网络和transformer融合的轻量化网络架构，在保证精度的前提下，大大减少参数数量和计算时间，实现动态对行车记录中的敏感信息脱敏；普通的深层卷积神经网络，参数数量巨大对存储空间要求高，且需要运行在gpu、tpu等大型计算设备上才能取得较好的实时性，并不适用于小型化、微型化的嵌入式行车记录设备之中；传统的transformer通过多头注意力机制来学习patch之间的全局信息，丢失了图像的归纳偏置，导致参数量巨大，优化能力较弱。本发明采取基于卷积神经网络和transformer融合的架构具有卷积的属性，通过卷积操作来捕获局部空间信息，并用局部transformer操作替代全局transformer来捕获全局信息，以使得模型参数轻量化。