(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 202211082551.8 (22)申请日 2022.09.06 (71)申请人 长沙智能驾驶研究院有限公司 地址 410006 湖南省长 沙市岳麓区学士 路 336号湖南省检验检测特色产业园内 A3、 A4栋 (72)发明人 罗丹　胡荣东　谢伟　彭美华　 (74)专利代理 机构 深圳中一联合知识产权代理 有限公司 4 4414 专利代理师 张良 (51)Int.Cl. G06V 20/40(2022.01) G06F 21/62(2013.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种视频图像的脱敏方法、 装置、 终端设备 和存储介质 (57)摘要 本申请涉及图像处理技术领域， 提出一种视 频图像的脱敏方法、 装置、 终端设备和存储介质。 在该方法中， 训练的目标检测模 型包含特征提取 网络以及N个检测分支网络。 在将视频图像输入 该目标检测模 型后， 首先通过特征提取网络提取 得到相应的特征图像； 然后， 将该特征图像分别 输入该目标检测模型的N个检测分支， 每个检测 分支用于检测一种目标对象 的检测框， 从而 得到 N种目标对象的检测框； 最后， 根据检测得到的N 种目标对象的检测框， 完成对视频图像的脱 敏处 理。 通过这样设置， 使用一个目标检测模型即可 检测出视频图像中所有类型的目标对象， 从而提 高脱敏处 理结果的完 善性。 权利要求书2页 说明书12页 附图3页 CN 115512258 A 2022.12.23 CN 115512258 A 1.一种视频图像的脱敏 方法， 其特 征在于， 包括： 获取待脱敏的视频图像； 将所述视频图像输入至已训练 的目标检测模型进行处理， 通过所述目标检测模型的特 征提取网络提取所述视频图像的特征图像， 通过所述 目标检测模型 的N个检测分支分别对 所述特征图像进行检测， 得到所述视频图像中N种目标对象的检测框； 其中， 一个所述检测 分支用于检测一种所述目标对象的检测框， N≥2； 根据所述 N种目标对象的检测框， 对所述视频图像进行脱敏处 理。 2.如权利要求1所述的脱敏方法， 其特征在于， 所述目标检测模型通过以下方式训练获 得： 获取包含所述N种目标对象的样本 图像， 并将所述样本 图像划分为训练集图像和测试 集图像， 所述训练集图像已标注每个目标对象的检测框对应的几何参数和类别信息作为原 始标签； 根据所述训练集图像训练得到初始检测模型； 将所述测试集图像输入至所述初始检测模型进行处理， 得到所述测试集图像的目标检 测结果； 根据所述原始标签和所述目标检测结果， 分别计算得到每个所述检测分支的检测损 失； 根据每个所述检测分支的检测损失， 构建损失函数； 基于所述损失函数对所述初始检测模型的参数进行迭代优化， 并将参数迭代优化后的 所述初始检测模型确定为所述目标检测模型。 3.如权利要求2所述的脱敏方法， 其特征在于， 每个所述检测分支均 具有各自的分类子 网络和回归子网络， 所述分类子网络用于检测各个检测框的类别， 所述回归子网络用于检 测各个检测框的几何参数； 所述根据所述原始标签和所述 目标检测结果， 分别计算得到每 个所述检测分支的检测损失， 包括： 针对每个所述检测分支， 根据 所述原始标签中各个检测框的类别信 息和所述目标检测 结果中各个检测框的类别信息， 计算得到所述检测分支的分类子网络的交叉熵损失； 根据 所述原始标签中各个检测框的几何参数和所述目标检测结果中各个检测框的几何参数， 计 算得到所述检测分支的回归子网络的回归损失； 根据所述交叉熵损失和所述回归损失， 计 算得到所述检测分支的检测损失。 4.如权利要求3所述的脱敏方法， 其特征在于， 所述根据 所述原始标签中各个检测框的 几何参数和所述目标检测结果中各个检测框的几何参数， 计算得到所述检测分支的回归子 网络的回归损失， 包括： 将所述原始标签中各个检测框的几何参数和所述目标检测结果中各个检测框的几何 参数视作满足多维高斯分布的变量， 并将所述变量作为输入参数代入到最大均值差异MMD 距离的计算公式 中； 通过求解所述计算公式， 得到所述原始标签中各个检测框的几何参数和所述目标检测 结果中各个 检测框的几何参数之间的多个协方差矩阵； 将所述多个协方差矩阵组合成目标矩阵； 将所述目标矩阵的迹确定为所述检测分支的回归子网络的回归损失。权　利　要　求　书 1/2 页 2 CN 115512258 A 25.如权利要求4所述的脱敏方法， 其特征在于， 所述几何参数包括检测框中心点坐标、 检测框高度、 检测框 宽度以及检测框 旋转角度。 6.如权利要求1所述的脱敏方法， 其特征在于， 在得到所述视频图像中N种目标对象的 检测框之后， 还 包括： 计算使用所述目标检测模型对所述视频图像进行目标检测的准确率、 召回率和综合评 价指标； 根据所述准确率、 所述召回率和所述综合评价指标， 确定是否需要对所述目标检测模 型的参数进行迭代优化。 7.如权利要求1至6任一项所述的脱敏方法， 其特征在于， 所述根据 所述N种目标对象的 检测框， 对所述视频图像进行脱敏处 理， 包括： 获取所述视频图像中所述 N种目标对象的检测框所处的目标区域； 对所述目标区域内的图像进行色块擦除处 理， 得到脱敏后的所述视频图像。 8.一种视频图像的脱敏装置， 其特 征在于， 包括： 视频图像获取模块， 用于获取待 脱敏的视频图像； 目标检测模块， 用于将所述视频图像输入至已训练的目标检测模型进行处理， 通过所 述目标检测模型的特征提取网络提取所述视频图像的特征图像， 通过所述目标检测模型的 N个检测分支分别对所述特征图像进行检测， 得到所述视频图像中N种目标对象的检测框； 其中， 一个所述检测分支用于检测一种所述目标对象的检测框， N≥2； 视频图像脱敏模块， 用于根据 所述N种目标对象的检测框， 对所述视频图像进行脱敏处 理。 9.一种终端设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 任一项所述的视频图像的脱敏 方法。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的视频图像的脱敏方 法。权　利　要　求　书 2/2 页 3 CN 115512258 A 3