有时为了保护视频中的个人隐私,需要对视频中的人眼打上马赛克,抹去个人身份信息。为视频打上人眼马赛克需要人工框出人眼位置,处理速度很慢,耗费人力。而近年来随着深度学习技术的快速发展,人脸检测等计算机视觉技术也渐渐成熟,达到实际应用的要求,为人眼打上马赛克的工作也可交由计算机完成。因此本文基于深度学习中的卷积神经网络技术,研究并实现了一个自动人眼马赛克系统,能够快速准确地找到人眼位置并打上马赛克,大幅减少人工操作并提高处理速度,让保护视频中的个人隐私变得方便快捷。为了在人眼上打马赛克,系统先检测人脸,然后对人眼附近的一些特征点进行定位和跟踪,最后根据特征点的位置打上马赛克。系统为了具有实际应用意义,须兼具较高的处理速度和准确度,失败和错误率应保持在较低的水平。为此,本文主要研究工作和贡献如下:1、为了让系统能够快速准确地检测人脸,对能在CPU下实时运行的FaceBoxes人脸检测算法进行改进,提出PyramidFaces人脸检测算法。改进包括:网络结构改良,增加网络深度、宽度,剔除难辨训练数据等。实验结果表明PyramidFaces极大地提升了准确度,而运算时间仅轻微提升,同时满足系统的高速度和高准确度要求。2、基于卷积神经网络构建了一个适用于本系统的人眼特征点定位器和人眼特征点跟踪器。其中,人眼特征点定位器能够从人脸区域可靠准确地定位人眼特征点。而人眼特征点跟踪器能快速地根据上一帧的特征点位置定位这一帧的特征点,并能在无法准确跟踪时告诉系统,终止跟踪。因为使用了大型的三维人脸特征点定位数据集,搭配上有强大拟合能力的卷积神经网络,系统在各种大角度的人脸姿态下仍能定位到不可见的特征点,能较好地应对多姿态定位难题。3、利用本文提出的人脸检测器,人眼特征点定位器和人眼特征点跟踪器,实现了一个自动人眼马赛克系统。在大量视频中测试表明系统能快速、可靠地为人眼打上马赛克,大幅提升了人眼马赛克的处理速度并减少了人工操作。