買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜杭州電子科技大學(xué)申請(qǐng)的專利一種可用性一致的差分隱私人體匿名合成方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114332945B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111670708.4，技術(shù)領(lǐng)域涉及：G06T11/60；該發(fā)明授權(quán)一種可用性一致的差分隱私人體匿名合成方法是由匡振中;滕龍斌;李忠金;俞俊設(shè)計(jì)研發(fā)完成，并于2021-12-31向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種可用性一致的差分隱私人體匿名合成方法在說(shuō)明書摘要公布了：本發(fā)明公開了一種可用性一致的差分隱私人體匿名合成方法。本發(fā)明特征在于將源人體數(shù)據(jù)集通過(guò)委派人體數(shù)據(jù)集與可用性保持姿勢(shì)轉(zhuǎn)換網(wǎng)絡(luò)得到匿名人體數(shù)據(jù)集；具體步驟：步驟1：預(yù)處理；步驟2：分配委派身份；步驟3：構(gòu)建可用性保持姿勢(shì)轉(zhuǎn)換網(wǎng)絡(luò)；步驟4：訓(xùn)練約束；步驟5：模型訓(xùn)練及測(cè)試。本發(fā)明可以生成新的匿名人體圖像，避免隱私數(shù)據(jù)被收集以及濫用，而且匿名圖像可以保持原始數(shù)據(jù)的可用性。此外，本發(fā)明可以在不同的隱私級(jí)別下生成自然的圖像，并保持人體隱私以及數(shù)據(jù)可用性。

本發(fā)明授權(quán)一種可用性一致的差分隱私人體匿名合成方法在權(quán)利要求書中公布了：1.一種可用性一致的差分隱私人體匿名合成方法，其特征在于將源人體數(shù)據(jù)集通過(guò)委派人體數(shù)據(jù)集與可用性保持姿勢(shì)轉(zhuǎn)換網(wǎng)絡(luò)得到匿名人體數(shù)據(jù)集具體實(shí)現(xiàn)步驟如下：步驟1：預(yù)處理；步驟2：分配委派身份；步驟3：構(gòu)建可用性保持姿勢(shì)轉(zhuǎn)換網(wǎng)絡(luò)；步驟4：訓(xùn)練約束；步驟5：模型訓(xùn)練及測(cè)試；步驟1預(yù)處理，具體步驟如下：1-1.委派人體數(shù)據(jù)集采集，使用公開數(shù)據(jù)集或合成的數(shù)據(jù)集作為委派人體數(shù)據(jù)集1-2.圖像標(biāo)記，對(duì)委派人體數(shù)據(jù)集中的人體圖像標(biāo)記所需的非敏感屬性；1-3.使用姿態(tài)解析器解析委派人體數(shù)據(jù)集中的人體圖像，得到人體關(guān)鍵點(diǎn)；1-4.使用實(shí)例分割模型對(duì)人體圖像分割，得到人體區(qū)域掩碼圖像；步驟2分配委派身份，具體步驟如下：2-1.構(gòu)建屬性一致候選集；采用預(yù)訓(xùn)練的屬性分類器對(duì)原始人體圖像Ix的屬性Ax進(jìn)行預(yù)測(cè)；屬性一致候選集Sx從委派人體數(shù)據(jù)集中挑選屬性與Ax一致的委派身份構(gòu)建得到，挑選的屬性均為非敏感的，且通過(guò)最大化屬性一致挑選方法進(jìn)行挑選；采用預(yù)訓(xùn)練的屬性分類器對(duì)源人體數(shù)據(jù)集中原始圖像Ix的屬性Ax進(jìn)行預(yù)測(cè)；從委派人體數(shù)據(jù)集中挑選屬性與非敏感屬性Ax一致的圖像，從而構(gòu)建得到屬性一致候選集Sx；其中屬性分類器在原始圖像Ix上第i個(gè)非敏感屬性的預(yù)測(cè)結(jié)果為表示相應(yīng)的非敏感屬性的softmax分?jǐn)?shù)，m表示對(duì)應(yīng)的非敏感屬性數(shù)量；令當(dāng)ρx,d＝m時(shí)委派人體圖像sd和原始圖像Ix為全匹配，其中為委派人體圖像sd的第i個(gè)屬性標(biāo)簽；當(dāng)全匹配委派人體圖像數(shù)量n小于預(yù)設(shè)的閾值t時(shí)，t-n個(gè)額外的圖像將會(huì)被添加到屬性一致候選集Sx，其規(guī)則為從委派人體數(shù)據(jù)集挑選最大化屬性一致性的委派人體圖像sd，屬性一致性表示為2-2.差分隱私身份委派為了找到合適的委派人體圖像sd，引入圖像級(jí)的差分隨機(jī)身份映射φ，對(duì)于隨機(jī)機(jī)制K，如果其對(duì)于任意的鄰接映射φ1和φ2以及所有的可能輸出O，滿足：Pr[Kφ1∈O]≤e∈Pr[Kφ2∈O]則稱隨機(jī)機(jī)制K滿足∈-差分隱私；采用指數(shù)機(jī)制實(shí)現(xiàn)∈-差分隱私，其定義如下：當(dāng)隨機(jī)算法Kφ,u,R以正比于exp∈uφ,r2Δu的概率挑選并輸出一個(gè)元素則K滿足∈-差分隱私；其中表示從源人體數(shù)據(jù)集第x張圖像映射到委派人體數(shù)據(jù)集第d張圖像的可用性，k表示源人體數(shù)據(jù)集第x張圖像在委派人體數(shù)據(jù)集上所有可能的映射圖像的索引，并且ξk,x＝|fsk-fIx|2，f是預(yù)訓(xùn)練的人體特征提取器，sk是委派人體數(shù)據(jù)集第k張圖像；最終以的概率執(zhí)行隨機(jī)采樣挑選身份委派；由于Pr[φ|x→d]正比于exp∈uφ,r2Δu，所以身份委派方式滿足指數(shù)機(jī)制，即滿足∈-差分隱私；步驟3構(gòu)建可用性保持姿勢(shì)轉(zhuǎn)換網(wǎng)絡(luò)，具體步驟如下：對(duì)于給定的原始人體圖像首先采用步驟2分配委派身份對(duì)應(yīng)的委派人體圖像然后使用UPT網(wǎng)絡(luò)替換原始人體圖像Ix中的人體，得到匿名目標(biāo)圖像UPT網(wǎng)絡(luò)如下所示：3-1.構(gòu)建生成器；生成器由數(shù)個(gè)編碼器和一個(gè)解碼器構(gòu)成，包括編碼器Ex、Ep、Ea、Ef和一個(gè)解碼器其中Ex和Ep由3個(gè)卷積層構(gòu)成，Ef由2個(gè)卷積層構(gòu)成，Ea由7個(gè)全連接層構(gòu)成，由漸進(jìn)式姿態(tài)遷移模型構(gòu)成；3-2.構(gòu)建鑒別器；UPT網(wǎng)絡(luò)采用兩個(gè)鑒別器Dp和Dt對(duì)抗性的訓(xùn)練生成器；鑒別器Dp重點(diǎn)在于判斷目標(biāo)圖像的姿勢(shì)是否對(duì)應(yīng)到源人體的姿勢(shì)，采用多個(gè)卷積層和殘差塊構(gòu)成；鑒別器Dt使用和編碼器Ea一樣的7層全連接層來(lái)判別生成人體圖像的真實(shí)性和屬性一致性；3-3.背景恢復(fù)模塊；將原始人體圖像Ix的背景貼到生成人體圖像上再輸入到鑒別器Dp和Dt中，通過(guò)這種方式能夠很好的恢復(fù)原始背景；所述的生成器有六個(gè)輸入：委派人體圖像sd、Ix的關(guān)鍵點(diǎn)熱力圖Px、sd的關(guān)鍵點(diǎn)熱力圖非敏感屬性Ax、背景Bx以及人體區(qū)域掩碼Mx；Px和在堆疊輸入Ep輸出姿勢(shì)特征Ep，非敏感屬性Ax輸入Ea輸出屬性特征Fa，Bx和sd再堆疊輸入Ex輸出圖像特征Fx，屬性特征Fa和圖像特征Fx堆疊輸入Ef輸出融合特征Ff，姿勢(shì)特征Fp和融合特征Ff堆疊輸入得到I′x，最終人體區(qū)域掩碼Mx、背景Bx和I′x輸入背景恢復(fù)模塊得到匿名圖像Tx；所述的鑒別器Dt有著2個(gè)輸入：匿名圖像Tx和非敏感屬性Ax；鑒別器Dt首先使用7個(gè)全連接層編碼Ax，然后使用2個(gè)卷積層編碼Tx，最后將Ax與Tx的編碼結(jié)果堆疊輸入2個(gè)卷積層、3個(gè)殘差塊以及1個(gè)sigmoid層輸出得到判別分?jǐn)?shù)鑒別器Dp有兩個(gè)輸入：源圖像Ix的關(guān)鍵點(diǎn)熱力圖Px和匿名圖像Tx；Px和Tx堆疊輸入2個(gè)卷積層、3個(gè)ResNet殘差塊以及1個(gè)sigmoid層輸出得到判別分?jǐn)?shù)步驟4訓(xùn)練約束，具體步驟如下：4-1.UPT的完整目標(biāo)函數(shù)定義為： 其中LGD是生成器和鑒別器間的對(duì)抗損失，Ls是身份交換損失，Lr是重構(gòu)損失，λ1、λ2和λ3是平衡不同損失重要性的參數(shù)；4-2.對(duì)抗損失LGD；對(duì)抗損失表述如下： 其中Ax和Px是從真實(shí)數(shù)據(jù)中采樣得到的屬性與姿態(tài)熱力圖，Mx是原始人體圖像Ix中人體區(qū)域掩碼，是委派人體圖像sd的姿態(tài)熱力圖；4-3.身份交換損失；當(dāng)原始人體圖像Ix的身份和委派人體圖像sd的身份來(lái)自訓(xùn)練樣本中的不同人體時(shí)，我們定義身份交換損失： 其中和分別表示原始人體圖像Ix對(duì)應(yīng)的源身份和委派人體圖像sd對(duì)應(yīng)的委派身份，HTx,sd是松弛的身份特征約束，定義為：HTx,sd＝max{|fsd-fTx|1-α,0}4其中，f是預(yù)訓(xùn)練的人體特征提取器；在姿勢(shì)轉(zhuǎn)化過(guò)程中，使用邊距α0能夠防止完全的身份轉(zhuǎn)移；4-4.重構(gòu)損失；當(dāng)源身份和委派身份來(lái)自訓(xùn)練樣本中的同一人體時(shí)，將重構(gòu)損失Lr定義為特征級(jí)和像素級(jí)的l1距離： 其中特征級(jí)l1距離UTx,Ix＝|fTx-fIx|1，像素級(jí)l1距離VTx,Ix＝|Tx-Ix|1，β是平衡特征和像素l1距離的參數(shù)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號(hào)大街；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。