基于隐私保护的图像处理方法、装置、设备及存储介质与流程

技术特征：
1.一种基于隐私保护的图像处理方法，包括：获取包含用户隐私信息的第一图像，根据用户操作确定所述第一图像的隐私保护等级；根据所述隐私保护等级，对所述第一图像执行与所述隐私保护等级相对应的操作，所述执行的操作包括以下中的一种：将所述第一图像作为待上传图像；对所述第一图像进行可逆隐私处理得到第二图像，将所述第二图像作为待上传图像；对所述第一图像进行不可逆隐私处理得到第三图像，将所述第三图像作为待上传图像；将所述待上传图像上传至服务器；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现。2.根据权利要求1所述的方法，其中，所述机器学习模型包括可逆隐私处理单元：对所述第一图像进行可逆隐私处理得到第二图像，包括：将所述第一图像输入至所述可逆隐私处理单元，通过所述可逆隐私处理单元对所述第一图像进行可逆隐私处理，得到所述第二图像。3.根据权利要求2所述的方法，其中，所述机器学习模型还包括非线性变换单元：对所述第一图像进行不可逆隐私处理得到第三图像，包括：将所述第一图像输入至所述可逆隐私处理单元，通过所述可逆隐私处理单元对所述第一图像进行可逆隐私处理，得到所述第二图像；将所述第二图像输入至所述非线性变换单元，通过所述非线性变换单元对所述第二图像进行非线性变换，得到所述第三图像。4.根据权利要求3所述的方法，其中，所述可逆隐私处理单元和所述非线性变换单元通过如下方式训练：获取第一训练样本图像和预设的第一训练约束条件，利用所述第一训练样本图像和所述第一训练约束条件，初步训练所述可逆隐私处理单元；在所述可逆隐私处理单元初步训练完成后，获取第二训练样本图像和预设的第二训练约束条件；利用所述第二训练样本图像和所述第二训练约束条件，优化所述可逆隐私处理单元以及训练所述非线性变换单元。5.根据权利要求4所述的方法，其中，利用所述第一训练样本图像和所述第一训练约束条件，初步训练所述可逆隐私处理单元，包括：获取第一训练样本图像，将所述第一训练样本图像输入至所述可逆隐私处理单元进行处理，得到第一处理图像；通过预设的解码器对所述第一处理图像进行解码，得到第一重构原图；基于所述第一训练样本图像和所述第一处理图像之间的第一距离、所述第一训练样本图像与所述第一重构原图之间的第二距离和所述第一训练约束条件，初步训练所述可逆隐私处理单元。6.根据权利要求4所述的方法，其中，利用所述第二训练样本图像和所述第二训练约束条件，优化所述可逆隐私处理单元以及训练所述非线性变换单元，包括；获取第二训练样本图像，将所述第二训练样本图像输入至所述可逆隐私处理单元进行处理，得到第二处理图像；
将所述第二处理图像输入至所述非线性变换单元进行处理，得到第三处理图像；通过预设的解码器对所述第二处理图像进行解码，得到第二重构原图，通过所述解码器对所述第三处理图像进行解码，得到第三重构原图；基于所述第二训练样本图像和所述第二处理图像之间的第三距离、所述第二训练样本图像与所述第二重构原图之间的第四距离、所述第二训练样本图像和所述第三处理图像之间的第五距离、所述第二训练样本图像与所述第三重构原图之间的第六距离，以及所述第二训练约束条件，优化所述可逆隐私处理单元并训练所述非线性变换单元。7.根据权利要求5所述的方法，其中，所述第一训练约束条件包括：所述第一距离大于对应的第一距离阈值，所述第二距离小于对应的第二距离阈值。8.根据权利要求6所述的方法，其中，所述第二训练约束条件包括：所述第三距离大于对应的第三距离阈值，所述第四距离小于对应的第四距离阈值，所述第五距离大于对应的第五距离阈值，所述第六距离大于对应的第六距离阈值。9.根据权利要求1所述的方法，其中，根据用户操作确定所述第一图像的隐私保护等级，包括：提示用户设置所述第一图像的隐私保护等级；根据用户针对所述第一图像执行的隐私保护等级设置操作，确定所述第一图像的隐私保护等级。10.根据权利要求1所述的方法，其中，根据用户操作确定所述第一图像的隐私保护等级，包括：获取用户针对所述第一图像执行的标签设置操作；根据所述标签设置操作，确定所述第一图像的隐私保护等级。11.根据权利要求9或10所述的方法，其中，在确定所述第一图像的隐私保护等级之后，还包括：提示用户设置默认的图像隐私保护等级；根据用户执行的默认等级设置操作，将所述第一图像的隐私保护等级设置为默认的图像隐私保护等级。12.根据权利要求1所述的方法，其中，获取包含用户隐私信息的第一图像，包括：获取摄像头采集的包含用户隐私信息的第一图像；其中，所述用户隐私信息包括用户的生物特征信息。13.根据权利要求12所述的方法，其中，在获取摄像头采集的包含用户隐私信息的第一图像之后，还包括：检测所述第一图像中的用户的生物特征信息是否满足预设的特征要求；在确定满足之后，执行根据用户操作确定所述第一图像的隐私保护等级的操作。14.根据权利要求1-13任一项所述的方法，其中，所述待上传图像上传至服务器后，所述待上传图像用于对用户进行身份识别。15.一种基于隐私保护的图像处理方法，包括：获取包含用户隐私信息的第一图像；
对所述第一图像进行可逆隐私处理得到第二图像，或者，对所述第一图像进行不可逆隐私处理得到第三图像；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现；所述第二图像或者所述第三图像用于对用户进行身份识别。16.一种基于隐私保护的图像处理装置，包括：第一图像获取单元，其获取包含用户隐私信息的第一图像，根据用户操作确定所述第一图像的隐私保护等级；第一操作执行单元，其根据所述隐私保护等级，对所述第一图像执行与所述隐私保护等级相对应的操作，所述执行的操作包括以下中的一种：将所述第一图像作为待上传图像；对所述第一图像进行可逆隐私处理得到第二图像，将所述第二图像作为待上传图像；对所述第一图像进行不可逆隐私处理得到第三图像，将所述第三图像作为待上传图像；图像上传单元，其将所述待上传图像上传至服务器；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现。17.根据权利要求16所述的装置，其中，所述机器学习模型包括可逆隐私处理单元：所述第一操作执行单元，其：将所述第一图像输入至所述可逆隐私处理单元，通过所述可逆隐私处理单元对所述第一图像进行可逆隐私处理，得到所述第二图像。18.根据权利要求17所述的装置，其中，所述机器学习模型还包括非线性变换单元：所述第一操作执行单元，其：将所述第一图像输入至所述可逆隐私处理单元，通过所述可逆隐私处理单元对所述第一图像进行可逆隐私处理，得到所述第二图像；将所述第二图像输入至所述非线性变换单元，通过所述非线性变换单元对所述第二图像进行非线性变换，得到所述第三图像。19.根据权利要求18所述的装置，其中，还包括模型训练单元，其：获取第一训练样本图像和预设的第一训练约束条件，利用所述第一训练样本图像和所述第一训练约束条件，初步训练所述可逆隐私处理单元；在所述可逆隐私处理单元初步训练完成后，获取第二训练样本图像和预设的第二训练约束条件；利用所述第二训练样本图像和所述第二训练约束条件，优化所述可逆隐私处理单元以及训练所述非线性变换单元。20.一种基于隐私保护的图像处理装置，包括：第二图像获取单元，其获取包含用户隐私信息的第一图像；第二操作执行单元，其对所述第一图像进行可逆隐私处理得到第二图像，或者，对所述第一图像进行不可逆隐私处理得到第三图像；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现；所述第二图像或者所述第三图像用于对用户进行身份识别。21.一种基于隐私保护的图像处理设备，所述设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述
处理器：获取包含用户隐私信息的第一图像，根据用户操作确定所述第一图像的隐私保护等级；根据所述隐私保护等级，对所述第一图像执行与所述隐私保护等级相对应的操作，所述执行的操作包括以下中的一种：将所述第一图像作为待上传图像；对所述第一图像进行可逆隐私处理得到第二图像，将所述第二图像作为待上传图像；对所述第一图像进行不可逆隐私处理得到第三图像，将所述第三图像作为待上传图像；将所述待上传图像上传至服务器；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现。22.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下方法：获取包含用户隐私信息的第一图像，根据用户操作确定所述第一图像的隐私保护等级；根据所述隐私保护等级，对所述第一图像执行与所述隐私保护等级相对应的操作，所述执行的操作包括以下中的一种：将所述第一图像作为待上传图像；对所述第一图像进行可逆隐私处理得到第二图像，将所述第二图像作为待上传图像；对所述第一图像进行不可逆隐私处理得到第三图像，将所述第三图像作为待上传图像；将所述待上传图像上传至服务器；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现。23.一种基于隐私保护的图像处理设备，所述设备包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：获取包含用户隐私信息的第一图像；对所述第一图像进行可逆隐私处理得到第二图像，或者，对所述第一图像进行不可逆隐私处理得到第三图像；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现；所述第二图像或者所述第三图像用于对用户进行身份识别。24.一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下方法：获取包含用户隐私信息的第一图像；对所述第一图像进行可逆隐私处理得到第二图像，或者，对所述第一图像进行不可逆隐私处理得到第三图像；其中，所述可逆隐私处理和所述不可逆隐私处理通过同一机器学习模型实现；所述第二图像或者所述第三图像用于对用户进行身份识别。

技术总结
本说明书一个或多个实施例提供了一种基于隐私保护的图像处理方法、装置、设备及存储介质，其中，方法包括：首先获取包含用户隐私信息的第一图像，根据用户操作确定第一图像的隐私保护等级，然后根据隐私保护等级，对第一图像执行与隐私保护等级相对应的操作，所执行的操作包括以下中的一种：将第一图像作为待上传图像；对第一图像进行可逆隐私处理得到第二图像，将第二图像作为待上传图像；对第一图像进行不可逆隐私处理得到第三图像，将第三图像作为待上传图像，最后将待上传图像上传至服务器；其中，可逆隐私处理和不可逆隐私处理通过同一机器学习模型实现。同一机器学习模型实现。同一机器学习模型实现。


技术研发人员：曹佳炯 丁菁汀
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：2022.02.15
技术公布日：2022/5/31