(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 202210500729.X (22)申请日 2022.05.10 (71)申请人 上海计算机软件技 术开发中心 地址 201112 上海市闵行区联航路158 8号 技术中心楼3楼 (72)发明人 李爽　蔡立志　张孟　张昕　周悦　 刘丰源　严超　吴建华　张春柳　 (74)专利代理 机构 上海伯瑞杰知识产权代理有 限公司 312 27 专利代理师 孟旭彤 (51)Int.Cl. G06F 21/62(2013.01) G06T 3/00(2006.01) G06V 10/26(2022.01) G06V 10/82(2022.01)G06V 20/70(2022.01) G06V 20/56(2022.01) G06V 20/59(2022.01) G06N 3/04(2006.01) G16Y 20/00(2020.01) G16Y 40/50(2020.01) (54)发明名称 一种车联网图像脱敏 方法和系统 (57)摘要 本发明公开了一种车联网图像脱 敏方法， 包 括， 采用实例分割模型对获得的车联网图像进行 实例分割后进行脱敏处理。 对获得的车联网原始 图像进行预处理， 预处理的内容包括： 删除车联 网原始图像中的位置信息； 对车联网图像进行标 准化处理。 根据预设立的脱 敏规则库中的规则模 板， 对经过 实例分割后的所述车联网图像输出的 实例进行脱敏处理。 所述的预处理还包括， 删除 车联网原始图像中的信息包括海拔、 纬度、 经度、 位置、 超焦距和/或亮度值。 权利要求书1页 说明书4页 附图3页 CN 114817991 A 2022.07.29 CN 114817991 A 1.一种车 联网图像脱敏 方法， 其特 征在于， 包括 步骤， 采用实例分割模型对获得的车 联网图像进行实例分割后进行脱敏处 理。 2.根据权利要求1所述的车联网图像脱敏方法， 其特征在于， 还包括步骤， 对获得的车 联网原始图像进行 预处理， 预处理的内容包括： 删除车联网原始图像中的位置信息； 对车联网图像进行 标准化处理。 3.根据权利要求1所述的车 联网图像脱敏 方法， 其特 征在于， 还 包括步骤， 根据预设立的脱敏规则库中的规则模板， 对经过实例分割后的所述车联网图像输出的 实例进行脱敏处 理。 4.根据权利要求2所述的车 联网图像脱敏 方法， 其特 征在于， 所述的预处 理还包括， 删除车联网原始图像中的信息包括海拔、 纬度、 经度、 位置、 超焦距和/或亮度值。 5.根据权利要求4所述的车联网图像脱敏方法， 其特征在于， 经过预处理 的车联网图像 信息包括文件名称、 文件类型、 图片宽度、 图片长度、 图片尺寸和/或像素。 6.根据权利要求1所述的车联网图像脱敏方法， 其特征在于， 所述实例分割模型是 YOLACT模型。 7.根据权利要求6所述的车联网图像脱敏方法， 其特征在于， 所述YOLACT模型包括， 依 次连接的特 征提取器、 裁 剪器、 过滤器， 其中， 所述特征提取器包括ResNet101+FPN， FPN 为特征图金字塔网络FPN。 8.根据权利要求7 所述的车 联网图像脱敏 方法， 其特 征在于， 所述FPN的最深层P3层连接 了一个Proto net， 用于生成原型掩膜， 所述FPN的全部层连接一个集成了单阶段目标检测的预测头Predicti on Head， 所述预测头后连接非极大值抑制算法NMS(Non ‑Maximum Suppression)用于生成实例 的类别置信、 检测框和掩膜系数。 9.一种车 联网图像脱敏系统， 其特 征在于， 包括， 图像数据采集模块， 用于连接车联网平台数据库， 将原始车联网图像数据抽取存储并 导入； 图像预处理模块， 用于识别并删除原始输入图像包含的杂项信息， 只保留基本 图片属 性， 并进行 标准化处理； 识别分割 模块， 其用于使用实例分割 模型对经过预处理 的车联网图像进行实例分割并 输出； 脱敏处理模块， 用于 定制脱敏规则模板， 并按照规则映射完成实例脱敏； 脱敏图像输出模块， 用于将脱敏后的图像输出并存 储到车联网平台数据库中。 10.根据权利要求9所述的车联网图像脱敏系统， 其特征在于， 所述实例分割模型为 YOLACT模型。权　利　要　求　书 1/1 页 2 CN 114817991 A 2一种车联网 图像脱敏方 法和系统 技术领域 [0001]本发明属于车 联网技术领域， 特别涉及一种车 联网图像脱敏 方法和系统。 背景技术 [0002]车联网技术， 指车辆上的车载设备通过无线通信技术， 对信息网络平台中的所有 车辆动态信息进行有效利用， 在车辆运行中提供不同的功 能服务。 在车联网涉及的所有数 据类型中， 各式各样的车载影像数据无疑包含着极为丰富的敏感信息。 从空间域上来说， 车 载影像涵盖了车内和车外所有的环境内容； 从时间域上来说， 车载影像几乎覆盖了用户的 全部用车时间， 只要汽车发动， 就会有影 像数据产生。 发明内容 [0003]针对车载影像进入车联 网服务， 涉及到数据安全脱敏的问题。 本公开实施例之一， 提供了一种基于实例分割技 术的车联网图像数据脱敏 方法， 具体操作步骤如下： [0004](1)对接车 联网平台本地 化数据库， 并将采集 好的图像数据导入到 本系统中； [0005](2)识别原始输入图像包含的所有图像信息， 去除图像所包含杂项信息， 重点去除 图像包含的GPS位置信息， 只保留图片基础属性， 并将图像的像素、 格式等进行 标准化处理； [0006](3)将预处理后的图像作为输入图像， 使用优化的YOLACT模型进行实例分割并输 出； [0007](4)建立规则库并设定规则模板， 并将选中规则中包含的待脱敏实例进行脱敏化 处理； [0008](5)将脱敏后的图像输出并存 储到指定数据库中。 [0009]本公开实施例的有益效果之一在于， 提供了一种基于实例分割技术的车联 网图像 数据脱敏 方法， 为车 联网行业保证车 联网数据安全提供保证。 附图说明 [0010]通过参考附图阅读下文的详细描述， 本发明示例性实施方式的上述以及其他目 的、 特征和优点将 变得易于理解。 在附图中， 以示例性而非限制性的方式示出了本发明的若 干实施方式， 其中： [0011]图1是本发明实施例之一基于实例分割的车 联网图像脱敏系统的示 意图。 [0012]图2是本发明实施例之一基于实例分割的车 联网图像脱敏 方法的流 程示意图。 [0013]图3是本发明实施例之一的车 联网图像脱敏 方法流程图。 [0014]图4是本发明实施例之一的优化的Yo lact模型框架图。 具体实施方式 [0015]在本公开的车联网场景中， 图像数据涉及车载设备(例如， 行车记录仪、 自动驾驶 传感器等)拍摄的图片以及视频， 这些图片和视频遍布城市的大街小巷， 具有空间范围广、说　明　书 1/4 页 3 CN 114817991 A 3