近年来,由于智能手机和其他移动设备的日益普及,人脸识别技术的广泛应用,刷脸时代的来临。在社交平台上拍摄个人图像并分享它们已成为我们日常生活的常见部分。然而,共享的图像中包含着个人生物隐私信息,个人生物信息与平时设定的密码不同,如果密码泄露,可以随即更换密码;而个人生物信息一旦泄露,就是终身泄露,会将用户个人信息安全置于更大的不确定性中,进而引发一系列隐私泄露风险。因此,近年来人脸隐私保护引起研究人员越来越多的关注。人脸隐私保护主要是通过技术手段隐藏或修改图像中的人脸特征,从而保护图像中的人脸身份信息不被泄露。随着人们在社交媒体分享图像愈发频繁,人脸隐私保护问题引起人们的担忧,社交媒体有向用户提供隐私保护工具的必要。本文的主要工作如下:首先,阐述了现有人脸隐私保护方法研究现状,并分析了其优缺点;然后介绍了人脸检测和人脸关键点检测的现状,分析了Delaunay三角剖分适用于人脸变形的优异特性;最后重点讨论了像素化和模糊等生活中常见的基于图像滤波的人脸隐私保护方法,评价其隐私保护效果和性能,分析了其不可逆,不安全,鲁棒性差的原因;然后,通过仿真分析人脸替换和人脸合成两种基于三角剖分的人脸变形隐私保护算法,针对人脸替换会产生新的隐私保护问题;人脸合成在非面部区域在合成过程中会产生阴影等问题;对人脸合成算法进行了改进,设计了一种基于面部区域三角剖分的人脸变形隐私保护算法,该算法通过人脸框定、人脸关键点检测、人脸区域三角剖分、仿射变换、图像腐蚀等图像处理方法,最后得到隐私保护后的图像。实验结果表明,改进算法在将人脸做变形的同时却不改变整幅图像的视觉效果,同时变形后的人脸与原始的人脸具有较低的相似度和难以识别的高度失真,与基于图像滤波的隐私保护方法相比,安全性和鲁棒性更好;与人脸合成算法相比,在保证隐私保护性能、安全性、鲁棒性的前提下,解决了其非面部区域阴影的问题,视觉效果更好,更符合隐私保护的要求。最后,基于改进的三角剖分的人脸变形隐私保护算法,开发并实现了适用于社交媒体的人脸隐私保护系统。根据应用场景和用户需求,全面地对数据以及数据库进行了构思,完成了对系统的设计。