(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 202210459457.3 (22)申请日 2022.04.28 (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 郝金隆　唐照翔　 (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 一种基于隐私数据保护的智能网联汽车数 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隐私数据保护的智 能网联汽车数据训练方法， 先对历史采集的路试 数据进行标注， 然后进行模型训练， 得到初版模 型， 将初版模型的低层特征提取层部署至车端； 在车端， 针对车端采集的原始数据， 一方面通过 部署的低层特征提取层进行特征提取， 得到低层 次特征数据集并上传到云端； 另 一方面， 对原始 数据进行匿名化处理并上传到云端进行数据标 注； 在云端， 利用上传的数据集和历史数据集对 除低层特征提取层外的其他特征提取层进行训 练并更新； 并将更新后的模型推送给车端进行同 步更新。 本发明在保证数据隐私传递的同时， 解 决了匿名化数据导致算法性能降低的问题， 并在 此基础上构造出算法闭环， 解决模 型迭代更新的 问题。 权利要求书2页 说明书4页 附图1页 CN 114741732 A 2022.07.12 CN 114741732 A 1.一种基于隐私数据保护的智能网联汽车 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进行标注， 然后进行模型训练， 得 到初版模型， 将初版模型的低层特 征提取层部署至车端； 2） 车端原始数据特征提取； 在车端， 针对车端实时或历史采集的原始数据， 通过步骤1） 部署的低层特 征提取层进行 特征提取， 得到原 始数据的低层次特 征数据集并上传到云端； 3） 车端数据脱敏处理； 在车端对原始数据中的关键信息进行匿名化处理， 得到匿名化 数据后上传到云端并进行 数据标注， 得到标注结果数据集； 4） 云端模型更新数据准备； 将步骤3） 标注结果数据集中的数据与步骤2） 低层次特征数 据集中的数据进行一 一对应， 从而形成模型 更新数据集； 5） 模型优化； 在云端， 利用步骤4） 得到的模型更新数据集， 对初版模型中除低层特征提 取层外的其他特征提取层进行训练并更新； 低层特征提取层与更新后的其他特征提取层一 起作为优化后的模型， 并将优化后的模型推送给 车端进行同步更新。 2.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法， 其特 征在于： 步骤4） 中， 在云端， 路试数据通过初版模型中与部署 至车端的低层特征提取层相同 的低层特征提取层进行特征提取， 得到路试数据的低层次特征数据集， 取路试数据的低层 次特征数据集与上传到 云端的原始数据的低层次特征数据两部 分数据的并集， 一起作为步 骤4） 的低层次特 征数据集。 3.根据权利要求1所述的一种基于隐私数据保护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； 所述深度神经网络包含但不 限于卷积神经网络、 循环神经网络及其相关变种， 所支持 的算法包括但不限于目标检测算法、 车道线识别算法、 语义分割算法。 4.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法， 其特 征在于： 步骤3） 中， 原始数据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所述的一种基于隐私数据保护的智能网联汽车数据训练方法， 其特 征在于： 步骤2） 中特 征提取所用方法包 含但不限于卷积、 池化、 切片。 6.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法， 其特 征在于： 步骤2） 和步骤3） 在车辆待机状态时将数据上传到云端。 7.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法， 其特 征在于： 步骤1） 中部署至车端的低层特征提取层有多种层数， 每次部署时， 将不同层数的低 层特征提取层同时部署在车端； 步骤5） 在云端训练并更新多个与车端低层特征提取层 对应 的其他特征提取层， 由此 得到多个优化后的模型， 将性能最佳的一个模型同步给 车端。 8.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法， 其特 征在于： 步骤4） 中用于算法迭代更新的模型更新数据集包括但不限于路试数据集、 车端采 集的原始数据集， 其它利用数据增强而得到数据集也包含在内， 包括但不限于对低层次特 征集进行翻转、 旋转、 缩放操作而生成的数据。 9.一种基于隐私数据保护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8中任意一项所权　利　要　求　书 1/2 页 2 CN 114741732 A 2述的一种基于隐私数据保护的智能网联汽车 数据训练方法。 10.一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8 中任意一项所述的一种基于隐私数据保护的智能网联汽 车数据训练方法。权　利　要　求　书 2/2 页 3 CN 114741732 A 3