(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 202210452904.2 (22)申请日 2022.04.27 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区建新 东路260号 (72)发明人 唐照翔　郝金隆　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 李海华 (51)Int.Cl. G06F 21/62(2013.01) G06V 10/96(2022.01) G06V 20/56(2022.01) G06V 40/16(2022.01) G06V 20/62(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G16Y 20/00(2020.01) G16Y 20/20(2020.01) G16Y 20/40(2020.01) G16Y 40/10(2020.01) G16Y 40/20(2020.01) G16Y 40/50(2020.01) (54)发明名称 一种基于关键信息匿名化的智能网联汽车 数据训练方法、 电子设备及计算机可读存 储介质 (57)摘要 本发明公开了一种基于关键信息匿名化的 智能网联汽 车数据训练方法、 电子设备及计算机 可读存储介质， 在云端， 先对历史采集的路试数 据中的关键信息进行匿名化处理， 得到匿名化数 据； 然后对数据标注， 将标注结果数据和匿名化 数据一起进行模 型训练， 得到初版模 型并部署至 车端； 在车端， 对车端采集的原始数据进行相同 的匿名化处理， 得到车端匿名化数据； 一方面用 于模型预测， 将预测结果提供给车端应用； 另 一 方面将车端匿名化数据上传至云端， 与云端原有 匿名化数据取并集作为新一轮云端训练数据， 用 于下一次模型迭代， 得到迭代模型； 将迭代模型 推送给车端进行更新。 本发明在保证数据隐私传 递的同时， 不影响模型的预测性能， 并解决模型 迭代更新的问题。 权利要求书1页 说明书3页 附图1页 CN 114741731 A 2022.07.12 CN 114741731 A 1.一种基于关键信息匿名化的智能网联汽车数据训练方法， 其特征在于： 包括如下步 骤， 1） 初版模型获取； 在云端， 先对历史采集的路试数据中的关键信息进行匿名化处理， 得 到云端匿名化数据； 然后对路试数据进行标注， 得到标注结果数据后和云端匿名化数据一 起进行模型训练， 得到初版模型， 将初版模型部署至车端； 2） 车端数据脱敏处理； 在车端， 对车端实时或历史采集的原始数据中的关键信息采用 和云端相同的匿名化处 理， 得到车端匿名化数据； 3） 车端模型预测： 利用部署至车端的初版模型对车端匿名化数据进行模型预测， 将预 测结果提供给车端应用； 4） 云端数据更新； 将车端匿名化数据上传至云端， 与原有云端匿名化数据取并集并标 注作为新一轮云端训练数据， 用于下一次模型迭代； 5） 模型优化； 在云端， 利用步骤4） 得到的新一轮云端训练数据对现有模型进行训练， 得 到迭代模型； 将迭代模型推送给 车端进行更新。 2.根据权利要求1所述的一种基于关键信息匿名化的智能网联汽车数据训练方法， 其 特征在于： 步骤1） 的模型训练采用的模型为深度神经网络 。 3.根据权利要求2所述的一种基于关键信息匿名化的智能网联汽车数据训练方法， 其 特征在于： 所述深度神经网络包含但不限于卷积神经网络、 循环神经网络、 目标检测算法、 语义分割算法。 4.根据权利要求1所述的一种基于关键信息匿名化的智能网联汽车数据训练方法， 其 特征在于： 步骤1） 和2） 中的关键信息包括但不限于人脸和车牌， 匿名化处理包括但不限于 打马赛克、 纯色填充、 模糊处 理。 5.根据权利要求1所述的一种基于关键信息匿名化的智能网联汽车数据训练方法， 其 特征在于： 步骤4） 在车辆待机状态时将车端匿名化数据上传至云端。 6.根据权利要求1所述的一种基于关键信息匿名化的智能网联汽车数据训练方法， 其 特征在于： 步骤5） 中用于算法迭代更新的云端训练数据包括但不限于路试数据集、 车端采 集的原始数据集， 以及其它 可以用于数据增强的数据集， 包括但不限于对匿名化数据集进 行翻转、 旋转、 缩放操作而生成的数据。 7.一种基于关键信息匿名化的智能网联汽车数据训练电子设备， 其特征在于： 包括存 储器， 配置为存 储可执行指令； 处理器， 配置为执行存储器中存储的可执行指令， 以实现权利要求1至6中任意一项所 述的一种基于关键信息匿名化的智能网联汽车 数据训练方法。 8.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于： 所述计算机程 序指令执行上述权利要求1至6中任意一项所述的一种基于关键信息匿名化的智能网联汽 车数据训练方法。权　利　要　求　书 1/1 页 2 CN 114741731 A 2一种基于关键信息匿名化的智能网联汽车数据训练方 法、 电 子设备及计算机可 读存储介质 技术领域 [0001]本发明涉及智能网联汽车数据处理技术改进， 具体涉及 一种基于关键信息匿名化 的智能网联汽车 数据训练方法， 属于数据处 理训练技 术领域。 背景技术 [0002]随着自动驾驶技术在国内的蓬勃发展， 各大主机厂商和技术供应商都在努力提升 竞争力， 提出了各种数据采集和算法训练的方法。 例如： （1） 浙江吉利控股集团有限公司的 CN202210057268数据采集方法、 装置、 设备及存储介质， 提出如下技术： 在车辆行驶的过程 中， 获取车端传感器采集的车端数据以及路端传感器采集的路端数据， 对车端数据和路端 数据进行时空同步， 并根据高精地图对时空同步后的车端数据和路端数据进行融合， 得到 目标数据， 基于目标数据进行场景分类， 获得多个场景对应的场景数据， 根据场景数据构建 自动驾驶场景库。 （2） 浙江零跑科技有限公司的CN201910454082  L3级自动驾驶系统道路驾 驶数据采集、 分析及上传方法， 提出了如下技术： 采集车端驾驶数据， 包括驾驶数据的采集 与同步及驾驶数据的编码与缓存， 对采集到的车端驾驶数据进行在线数据分析， 包括自动 驾驶系统中间结果输出接口定义、 目标匹配一致性检测、 定位路标语义输出、 极端 车辆操作 检测及人机决策一致性检测， 然后进 行数据通信， 对车端驾驶数据 做好上传准备， 最后服务 器端接收并存 储车端驾驶数据。 [0003]因此， 越来越多的数据被采集和用于算法训练， 以提升自动驾驶的性能， 但存在着 用户关键信息被泄露的问题。 为了保护用户关键信息不被恶意使用， 相关部门规定汽车在 收集车外的视频、 图像数据时， 不能直接将未经处理的数据向车外提供， 如需向车外提供， 则需要在车内对数据中的人脸、 车牌信息等进行匿名化处理。 因此， 如何在保护用户隐私安 全的前提下， 智能网联汽车合理高效的采集和使用数据成为了一个关键挑战。 [0004]现有技术主要是在云端利用匿名化数据进行模型训练， 然后在车端利用非匿名数 据进行预测， 这类技术的一个严重缺点是： 利用匿名化数据训练生成的算法模型在非匿名 化数据上会产生较大的偏差， 云端训练生成的算法模型在量产车实际使用时， 性能不稳定 。 [0005]另外， 量产后的网联汽车， 其自动驾驶数据的采集、 训练和部署未形成算法闭环， 降低算法训练和模型迭代的速度。 发明内容 [0006]针对现有技术存在的上述不足， 本发明的目的是提供一种基于关键信息匿名化的 智能网联汽车数据训练方法， 本发 明在保证数据隐私传递的同时， 不影响模型的预测性能， 并在此基础上构造出算法闭环， 解决模型迭代更新的问题。 [0007]本发明的技 术方案是这样实现的： 一种基于关键信息匿名化的智能网联汽车数据训练方法， 其特征在于： 包括如下 步骤，说　明　书 1/3 页 3 CN 114741731 A 3