图像中人脸隐私度的定量评估研究

随着照片分享平台的广泛应用和人脸识别技术的发展,图像中的人脸信息暴露隐私的情况越来越多。目前,对于图像的隐私保护主要是通过人脸去识别技术来隐藏人脸的视觉信息,然而过度的视觉处理会降低图片的可读性。为了保护图片隐私的同时最大程度的保证图片的可读性,论文提出了一种新的基于PCA的k-Same去识别算法,使得处理后的人脸图像在降低人脸匹配率的同时与原图像具有更高的结构相似性;并在该算法基础上建立了一个基于线性回归分析的人脸隐私度定量评估模型,通过研究人脸的去识别方式及其程度和人脸识别率之间的关系,得到不同尺寸人脸目标的隐私度,为决策者采取相应的人脸隐私保护决策提供科学的依据。