4. 数据预处理管道：图像标准化、特征提取、数据脱敏、格式转换（Base64/Tensor）

在 KYC 实时推理链路中，原始输入（身份证照片、活体检测视频帧、证件扫描件）无法直接送入模型。数据预处理管道负责将原始图像转换为模型可消费的张量，同时完成合规脱敏与传输格式适配。本章按执行顺序拆解四个核心阶段。

4.1 管道总览与阶段划分

预处理管道通常部署在推理网关或边缘节点，以流水线方式依次处理每一帧或每一张图像。各阶段职责明确，不可逆。

4.2 图像标准化

标准化消除图像采集环境差异，保证模型输入分布一致。KYC 场景下标准化包含三个子步骤：

1. 尺寸归一化： 将图像缩放至模型输入尺寸（如 224×224、512×512），保持宽高比，不足部分用像素均值填充。
2. 色彩空间转换： 将 BGR（OpenCV 默认）或 CMYK 转换为 RGB，部分模型要求灰度或 YUV。
3. 像素值归一化： 将 [0, 255] 映射到 [0, 1] 或 [-1, 1]，通常使用 ImageNet 均值/标准差（mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]）。

4.3 特征提取

特征提取从标准化图像中定位并裁剪出感兴趣区域（ROI）。KYC 场景典型 ROI 包括：

• 人脸区域： 用于活体检测与 1:1 比对，通常使用 MTCNN、RetinaFace 或轻量级 YOLO-Face。
• 证件号码区域： 身份证号、护照号、签证页 MRZ 码，使用 OCR 检测模型（如 CRAFT + CRNN）。
• 签名/指纹区域： 用于生物特征比对，需高精度分割网络。

4.4 数据脱敏

数据脱敏是 KYC 合规的核心环节，必须在特征提取之后、格式转换之前执行。脱敏策略分为两类：

• 像素级遮盖： 对敏感区域（身份证号、住址、签名）应用高斯模糊、像素化（马赛克）或纯色覆盖。遮盖参数需满足监管要求（如 GB/T 35273-2020）。
• 掩码式脱敏： 生成与图像同分辨率的二值掩码，敏感区域标记为 0（遮盖），非敏感区域标记为 1（保留）。掩码可随图像一起传输，供后续审计。

脱敏操作示例（Python + OpenCV）：

import cv2
import numpy as np

def mask_sensitive_region(image, bbox, method='pixelate', block_size=16):
    """
    对指定 bbox 区域进行脱敏
    :param image: 标准化后的 RGB 图像 (H, W, 3)
    :param bbox: (x, y, w, h)
    :param method: 'pixelate' 或 'blur'
    :return: 脱敏后图像
    """
    x, y, w, h = bbox
    roi = image[y:y+h, x:x+w]
    if method == 'pixelate':
        small = cv2.resize(roi, (block_size, block_size), interpolation=cv2.INTER_LINEAR)
        roi = cv2.resize(small, (w, h), interpolation=cv2.INTER_NEAREST)
    elif method == 'blur':
        roi = cv2.GaussianBlur(roi, (99, 99), 30)
    image[y:y+h, x:x+w] = roi
    return image

4.5 格式转换：Base64 与 Tensor

预处理管道的最后一步将脱敏后的图像转换为下游推理引擎或传输协议所需的格式。KYC 场景下两种格式最为常见：

Base64 编码示例（Python）：

import base64
import cv2

def image_to_base64(image, ext='.jpg'):
    """将 numpy 图像编码为 Base64 字符串"""
    success, buffer = cv2.imencode(ext, image)
    if not success:
        raise ValueError("图像编码失败")
    b64_str = base64.b64encode(buffer.tobytes()).decode('utf-8')
    return b64_str

Tensor 转换示例（PyTorch）：

import torch
import numpy as np

def image_to_tensor(image_np):
    """将 HWC uint8 图像转换为 CHW float32 张量"""
    tensor = torch.from_numpy(image_np).permute(2, 0, 1).float()
    tensor = tensor.unsqueeze(0)  # 添加 batch 维度
    return tensor  # shape: (1, 3, H, W)

4.6 管道编排与异常处理

生产级预处理管道需要处理以下异常场景：

• 图像解码失败： 损坏的 JPEG 或截断的 PNG，应返回 400 错误并记录原始数据指纹。
• ROI 检测为空： 未检测到人脸或证件区域，需触发重试或降级策略（如使用全图特征）。
• 脱敏超时： 高分辨率图像脱敏可能超过预算，应设置最大处理时间（如 50ms），超时后跳过脱敏并告警。
• 格式转换溢出： Base64 编码后字符串超过消息体限制（如 4MB），应自动切换为 Tensor 或分片传输。