(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211049570.0 (22)申请日 2022.08.30 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 李德辉　 (74)专利代理 机构 深圳市深佳知识产权代理事 务所(普通 合伙) 44285 专利代理师 林志鹏 (51)Int.Cl. G06F 21/62(2013.01) G06T 3/00(2006.01) G06T 7/13(2017.01) (54)发明名称 一种图像脱敏 方法和相关装置 (57)摘要 本申请公开了一种图像脱敏方法和相关装 置， 涉及人工智能、 计算机视觉技术等领域， 以及 云技术、 智慧交通、 辅助 驾驶等各种场景。 在获取 包括待脱敏内容的待脱 敏图像时， 确定待脱 敏内 容的外轮廓曲线， 并生成形状 符合外轮廓曲线的 脱敏内容。 由于外轮廓曲线可以准确区分出待脱 敏图像中待脱敏内容和非待脱敏内容的边界， 通 过脱敏内容替换待脱 敏内容， 不会破坏待脱 敏图 像中非待脱敏内容的图像质量。 且脱敏内容和待 脱敏内容具有相同的内容类型和不同图像风格， 使得脱敏内容和待脱敏图像中非待脱敏内容在 图像整体上并不突兀， 体 现出脱敏内容与非待脱 敏内容间的画风区别， 有效的提示用户此处为脱 敏内容。 由此得到不影响图像质量的脱敏图像， 提高了用户体验。 权利要求书4页 说明书24页 附图12页 CN 115408710 A 2022.11.29 CN 115408710 A 1.一种图像脱敏 方法， 其特 征在于， 所述方法包括： 获取待脱敏图像， 所述待 脱敏图像中包括待 脱敏内容； 确定所述待 脱敏内容的外轮廓在所述待 脱敏图像中的外轮廓曲线； 根据所述外轮廓曲线， 生成形状符合所述外轮廓曲线的脱敏内容， 所述脱敏内容与所 述待脱敏内容具有相同的内容类型、 不同的图像风格； 通过将所述待 脱敏图像中的所述待 脱敏内容 替换为所述脱敏内容， 得到脱敏图像。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述外轮廓曲线， 生成形状符合 所述外轮廓曲线的脱敏内容， 包括： 根据所述外轮廓曲线， 通过内容 生成模型生成形状符合所述外轮廓曲线的脱敏内容； 若所述脱敏内容的图像风格为目标风格， 所述内容 生成模型通过如下 方式训练得到： 获取包括轮廓 ‑脱敏样本对的训练数据集， 所述轮廓 ‑脱敏样本对中的轮廓样本和脱敏 样本具有相同的样本 外轮廓曲线， 所述脱敏样本与所述脱敏内容具有相同的图像风格； 根据所述轮廓样本， 通过初始生成器得到与所述脱敏内容具有相同图像风格的第 一预 测脱敏内容； 根据所述轮廓样本、 所述脱敏样本和所述第一预测脱敏内容， 通过初始判别器得到第 一判别结果和 第二判别结果， 所述第一判别结果用于标识所述脱敏样本的形状是否符合所 述样本外轮廓曲线、 以及所述脱敏样本是否符合所述 目标风格， 所述第二判别结果用于标 识所述第一预测脱敏内容的形状是否符合所述样本外轮廓曲线、 以及所述第一预测脱敏内 容是否符合所述目标风格； 基于所述第 一判别结果和所述第 二判别结果生成对第 一抗损失函数， 通过所述第 一对 抗损失函数对所述初始生成器和所述初始判别器进行对抗训练； 根据所述初始生成器， 通过 所述对抗训练得到所述内容 生成模型。 3.根据权利要求2所述的方法， 其特征在于， 所述样本外轮廓曲线是根据图像样本 中待 脱敏内容的外轮廓确定的， 所述图像样本和所述待 脱敏图像的图像风格均为源风格。 4.根据权利要求2所述的方法， 其特征在于， 所述通过所述对抗损失函数对所述初始生 成器和所述初始判别器进行对抗训练， 包括： 通过固定所述初始判别器的模型参数， 以最小化所述对抗损 失函数为优化目标， 调整 所述初始生成器的模型参数； 通过固定所述初始生成器的模型参数， 以最大化所述对抗损 失函数为优化目标， 调整 所述初始判别器的模型参数。 5.根据权利要求3所述的方法， 其特 征在于， 所述训练数据集 通过如下 方式获取： 获取所述图像样本， 所述图像样本中待脱敏内容的外轮廓被标注了所述样本外轮廓曲 线； 根据所述图像样本， 通过风格转换模型 得到对应的所述脱敏样本； 基于所述图像样本对应的样本 外轮廓曲线和脱敏样本构建所述训练数据集。 6.根据权利要求5所述的方法， 其特征在于， 所述风格转换模型通过如下方式训练得 到： 获取图像风格为所述目标风格的脱敏图像； 根据所述图像样本， 通过初始源 ‑目标生成器得到第 二预测脱敏内容； 以及根据 所述脱权　利　要　求　书 1/4 页 2 CN 115408710 A 2敏图像， 通过初始目标 ‑源生成器得到预测待 脱敏内容； 根据所述第 二预测脱敏内容和所述脱敏图像， 通过初始目标风格判别器得到第 三判别 结果， 所述第三判别结果用于 分别标识所述第二预测脱敏内容和所述脱敏图像是否符合所 述目标风格； 以及根据所述预测待脱敏内容和所述图像样本， 通过初始源风格判别器得到 第四判别结果， 所述第四判别结果用于 分别标识所述第一预测待脱敏内容和所述图像样本 是否符合所述源风格； 基于所述第三判别结果和所述第四判别结果 生成对抗损失； 根据所述第二预测脱敏内容， 通过所述初始目标 ‑源生成器得到重建待脱敏内容； 以及 根据所述预测待 脱敏内容， 通过 所述初始源 ‑目标生成器得到 重建脱敏内容； 生成用于标识所述图像样本和所述重建待脱敏内容间差异的第 一重建差异损失， 以及 生成用于标识所述脱敏内容和所述重建脱敏内容间差异的第二重建差异损失； 根据所述对抗损失、 所述第 一重建差异损失和所述第 二重建差异损失生成第 二对抗损 失函数， 通过所述第二对抗损失函数对 所述初始源 ‑目标生成器、 所述初始目标 ‑源生成器、 所述初始目标风格判别器和所述初始源风格判别器进行对抗训练； 根据所述初始源 ‑目标生成器， 通过 所述对抗训练得到所述 风格转换模型。 7.根据权利要求6所述的方法， 其特征在于， 所述通过所述第 二对抗损失函数对所述初 始源‑目标生成器、 所述初始目标 ‑源生成器、 所述初始目标风格判别器和所述初始源风格 判别器进行对抗训练， 包括： 通过固定所述初始目标风格判别器和所述初始源风格判别器的模型参数， 以最小化所 述第二对抗损失函数为优化目标， 调整 所述初始源 ‑目标生成器和所述初始目标 ‑源生成器 的模型参数； 通过固定所述初始源 ‑目标生成器和所述初始目标 ‑源生成器的模型参数， 以最大化所 述第二对抗损失函数为优化目标， 调整所述初始目标风格判别器和所述初始源风格判别器 的模型参数。 8.根据权利要求6所述的方法， 其特征在于， 所述初始源 ‑目标生成器和所述初始目标 ‑ 源生成器的编 码器和解码 器之间设置有上下文信息提取模块， 所述上下文信息提取模块包 括不同扩张率的扩张卷积层， 所述 不同扩张率的扩张卷积层用于提升解码器的感受野。 9.根据权利要求8所述的方法， 其特征在于， 所述初始生成器、 所述初始源 ‑目标生成器 和所述初始目标 ‑源生成器具有相同的模型结构， 所述初始判别器、 所述初始目标风格判别 器和所述初始源风格判别器具有相同的模型 结构。 10.根据权利要求1所述的方法， 其特征在于， 所述确定所述待脱敏内容的外轮廓在所 述待脱敏图像中的外轮廓曲线， 包括： 对所述待脱敏图像进行待脱敏内容检测， 得到所述待脱敏图像中对应所述待脱敏内容 的检测框； 根据所述检测框和所述待 脱敏图像生成对应待 脱敏内容的扩张裁 剪图像； 对所述扩张裁剪图像进行待脱敏内容分割， 得到所述待脱敏内容的外轮廓对应的外轮 廓曲线。 11.根据权利要求1所述的方法， 其特征在于， 所述脱敏内容与所述待脱敏内容的内容 类型为人脸类型， 所述脱敏内容的图像风格为动漫风格， 所述待脱敏内容的图像风格为现权　利　要　求　书 2/4 页 3 CN 115408710 A 3