買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜安徽大學申請的專利基于可逆神經網絡技術的人臉隱私面具可逆保護方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115114651B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210246639.2，技術領域涉及：G06F21/62；該發明授權基于可逆神經網絡技術的人臉隱私面具可逆保護方法是由楊楊;時銘;黃一洋設計研發完成，并于2022-03-14向國家知識產權局提交的專利申請。

本基于可逆神經網絡技術的人臉隱私面具可逆保護方法在說明書摘要公布了：本發明涉及基于可逆神經網絡技術的人臉隱私面具可逆保護方法，與現有技術相比解決了針對人臉隱私保護的不可感知性和可逆性的缺陷。本發明包括以下步驟：原始人臉圖像的獲取；可逆面具網絡的構建；可逆面具網絡的訓練；待保護人臉圖像的獲取；人臉隱私面具的生成；人臉隱私面具的卸除。本發明利用Mask?Net自然生成一張面具人臉，將面具臉放在受保護的人臉上，并生成戴上面具人臉，在被授權方將面具臉從戴上面具人臉上取下，得到恢復的人臉，在保證了針對人臉隱私保護的不可感知性和可逆性的同時，實現了較為優越的人臉隱私保護。

本發明授權基于可逆神經網絡技術的人臉隱私面具可逆保護方法在權利要求書中公布了：1.一種基于可逆神經網絡技術的人臉隱私面具可逆保護方法，其特征在于，包括以下步驟：11原始人臉圖像的獲取：獲取原始受保護人臉圖像，并組成訓練數據集；12可逆面具網絡的構建：基于可逆神經網絡構建可逆面具網絡；所述可逆面具網絡的構建包括以下步驟：121設定可逆面具網絡包含2個子模塊，為Mask-Net模塊、可逆嵌入網絡；122設定Mask-Net模塊包含四個模塊：編碼器、ID注入模塊、解碼器和面部增強模塊，其結構設定如下：1221設定編碼器的輸入為受保護人臉，經過編碼器對受保護人臉進行編碼，輸出編碼后的受保護人臉；1222設定ID注入模塊的輸入為編碼后的受保護人臉和源臉的身份信息，其在特征層面將源臉的身份信息遷移到編碼后的受保護人臉；1223設定通過解碼器獲得初步生成的面具人臉；1224設定利用面部增強模塊對初步生成的面具人臉進行超分辨率重建，生成面具人臉；123設定可逆嵌入網絡包括前向過程、后向過程及其損失函數，其中前向過程與后向過程的結構相同；1231設定前向過程包含三個步驟：DWT、前向嵌入網絡、IWT；設定后向部分包含三個步驟：DWT、后向恢復網絡、IWT；其中，DWT用于將圖像的時域特征轉化為頻域特征，IWT用于將頻域特征恢復為圖像；1232設定前向嵌入網絡，前向嵌入網絡由N個嵌入塊級聯而成；1233設定后向恢復網絡，后向恢復網絡由N個恢復塊級聯而成；1234設定可逆嵌入網絡的整體LOSS函數，定義嵌入損失函數如下： 其中，等價于θ是網絡參數，T是訓練樣本數，le是用于衡量戴上面具人臉xMasked和面具人臉xMask之間的差異，LEmbeddingθ代表嵌入損失；定義恢復損失函數如下： 其中，恢復人臉等價于表示恢復過程，χ是n的分布，T是訓練樣本數，lR表示恢復人臉xRecovered和受保護人臉xProtected之間的差異，LRecoveringθ代表恢復損失；定義低頻小波損耗如下： 其中，HLL代表著低頻子帶，代表著戴上面具人臉xMasked的低頻子帶和面具人臉xMask的低頻子帶之間的差異，T是訓練樣本數，Llow-frequencyθ代表低頻損失；定義總損失LTotal為嵌入損失LEmbedding、恢復損失LRecovering和低頻損失Llow-frequency三者的權重和，其表達式如下：LTotal＝λ1LEmbedding+λ2LRecovering+λ3Llow-frequency其中λ1、λ2和λ3用于平衡不同損失函數的權重；13可逆面具網絡的訓練：將訓練數據集輸入可逆面具網絡進行訓練；所述可逆神經網絡的訓練包括以下步驟：131訓練參數設置：設定學習率為0.00001、權重衰減為1000、批量大小為16個樣本、循環次數為10000次；132將訓練數據集輸入Mask-Net模塊，輸出面具人臉；133將輸入受保護人臉和面具人臉輸入前向嵌入網絡進行戴上面具的訓練：1331嵌入過程為：輸入受保護人臉xProtected和面具臉xMask；1332對受保護人臉xProtected和面具人臉xMask進行小波變換，定義特征圖經過DWT的變化為： 其中，B為批量大小，H為深度，W為寬度，C為通道數；1333經過DWT之后，將頻域的受保護人臉xProtected和面具人臉xMask輸入到前向嵌入網絡中，前向嵌入網絡中共有N個相同結構的嵌入塊，對于該模塊中的第i個嵌入塊，輸入為和輸出為和計算公式如下： 其中α是一個乘常數因子用作鉗制的沖激函數，ρ·,η·用稠密塊來表示，xProtected是受保護人臉，xMask是面具人臉，i代表第i個嵌入塊；1334在第N個嵌入塊后，將輸出和進行IWT，獲得xMasked和丟失信息m，其表達式如下： 其中，m是丟失信息，戴上面具的人臉xMasked和丟失的信息m服從相同的分布，N代表第N個恢復塊；從Case-agnostic分布中隨機抽樣生成輔助信息n，該信息n服從與m相同的分布；134進行可逆嵌入網絡卸下面具的訓練：在脫下面具的過程中，使用輔助信息n來幫助獲得恢復的人臉xRecovered；1341恢復過程為：輸入戴上面具人臉xMasked和輔助信息n；1342對戴上面具人臉xMasked和輔助信息n進行DWT處理；1343經過DWT之后，將頻域的戴上面具人臉xMasked和輔助信息n輸入到后向恢復網絡中，后向恢復網絡中共有N個相同結構的恢復塊，對于該模塊中的第i個恢復塊，輸入為和ni，輸出為ni+1和計算公式如下： xMasked是戴上面具人臉，n是輔助信息，α是一個乘常數因子用作鉗制的沖激函數，ρ·、η·用稠密塊來表示，i代表第i個嵌入塊；1344在第N個恢復塊后，將輸出和nN進行IWT，獲得恢復人臉xRecovered，其表達式如下： xMasked是戴上面具人臉，n是輔助信息，xRecovered是恢復人臉，N代表第N個恢復塊；14待保護人臉圖像的獲取：獲取待保護的人臉圖像；15人臉隱私面具的生成：將待保護的人臉圖像輸入訓練后的可逆面具網絡，生成帶有面具的人臉圖像；16人臉隱私面具的卸除：將帶有面具的人臉圖像輸入訓練后的可逆面具網絡，卸除人臉隱私面具。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽大學，其通訊地址為：230601 安徽省合肥市經濟技術開發區九龍路111號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。