CN111031348B - 一种视频加扰方法、装置、服务器和存储介质 - Google Patents
一种视频加扰方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN111031348B CN111031348B CN201911266558.3A CN201911266558A CN111031348B CN 111031348 B CN111031348 B CN 111031348B CN 201911266558 A CN201911266558 A CN 201911266558A CN 111031348 B CN111031348 B CN 111031348B
- Authority
- CN
- China
- Prior art keywords
- face
- image
- camera
- scrambling
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims description 25
- 230000035945 sensitivity Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 4
- 230000011664 signaling Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 28
- 239000013598 vector Substances 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011093 chipboard Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- NUHSROFQTUXZQQ-UHFFFAOYSA-N isopentenyl diphosphate Chemical group CC(=C)CCO[P@](O)(=O)OP(O)(O)=O NUHSROFQTUXZQQ-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
- H04N5/913—Television signal processing therefor for scrambling ; for copy protection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明实施例公开了一种视频加扰方法、装置、服务器和存储介质，其中方法包括：接收摄像机上传的图像数据；将图像数据与预先确定待加扰人脸图像进行特征比对，并从图像数据中确定待加扰的目标人脸信息；将确定的目标人脸信息下发到摄像机，由摄像机对拍摄的视频图像中的目标人脸进行加扰处理。本发明实施例中，在前端摄像机采集到视频图像后，通过与服务器进行信令交互，由后端服务器判断加扰目标，并由前端摄像机完成对指定目标的加扰处理，由此实现了通过不具备人脸识别功能的摄像机对对指定目标直接加扰处理。
Description
技术领域
本发明实施例涉及视频加扰技术领域，尤其涉及一种视频加扰方法、装置、服务器和存储介质。
背景技术
在当前新闻采访和某些公共视频广播中，为了避免某一特定人物被认出，需要对特定人物的人脸进行马赛克处理，并做出跟踪移动效果，称之为视频加扰。
目前，关于视频加扰主要有两种技术手段：(1)采用具有人脸识别的智能前端直接在前端实现加扰。(2)完成视频录像后对特定人物的人脸进行后期叠加干扰。但这两种方式人存在一定的不足：第一种方式，具有人脸识别、人脸比对算法的前端产品造价较高，而且前端要预先获得加扰目标人脸图，若通过网络传输，则也存在一定安全隐患。第二种方式，后期叠加不仅对技术处理人员产生额外工作量，易用性差，且第一手视频一旦泄露，可能产生隐私安全问题。
发明内容
本发明实施例提供一种视频加扰方法、装置、服务器和存储介质，以达到使不具备人脸识别功能的摄像机实现对指定人脸直接加扰编码的目的。
第一方面，本发明实施例提供了一种视频加扰方法，应用于服务器，该方法包括：
接收摄像机上传的图像数据；
将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
第二方面，本发明实施例还提供了一种视频加扰方法装置，配置于服务器，该装置包括：
接收模块，用于接收摄像机上传的图像数据；
比对模块，用于将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
下发指示模块，用于将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
第三方面，本发明实施例还提供了一种服务器，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的视频加扰方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的视频加扰方法。
本发明实施例中，在前端摄像机采集到视频图像后，通过与服务器进行信令交互，由后端服务器根据接收的图像数据和预设加扰图像，基于服务器中预先存储的待加扰人脸图像，判断图像数据中的待加扰目标人脸，并由前端摄像机完成对指定目标人脸的加扰处理，由此实现了通过不具备人脸识别功能的摄像机对对指定目标直接加扰处理。
附图说明
图1为本发明实施例一中的视频加扰方法的流程示意图；
图2为本发明实施例二中的视频加扰方法的流程示意图；
图3为本发明实施例三中的视频加扰方法的流程示意图；
图4为本发明实施例四中的视频加扰方法的流程示意图；
图5是本发明实施例五中的视频加扰装置的结构示意图；
图6是本发明实施例六中的服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的视频加扰方法的流程图，本实施例可适用于使用不具备人脸识别功能的摄像机实现对指定人脸直接加扰编码的情况，该方法可以由视频加扰装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在服务器上。
如图1所示，视频加扰方法具体包括：
S101、接收摄像机上传的图像数据。
本申请实施例中，针对不具有人脸识别和人脸比对功能的摄像机，要实现对摄像机拍摄视频图像中的指定对象的人脸进行马赛克加扰，需要将摄像机拍摄的视频图像数据上传到服务器(例如智能分析服务器)，可选的，通过网络传输的方式上传，服务器接收到摄像机上传的视频图像数据后，从视频数据中确定待加扰的目标人脸信息，具体的确定过程由S102实现。
S102、将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息。
本申请实施例中，服务器端存储有预先指定的待加扰人脸图像，服务器将接收到的摄像机上传的图像数据与预先指定的待加扰人脸图像进行特征比对，可选的，基于求取特征向量的方式进行特征比对，进而从图像数据中确定待加扰的目标人脸信息，其中，目标人脸与服务器中预先存储的待加扰人脸图像的相似度最高。
S103、将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
在服务器中确定摄像机所拍视频图像中待加扰的目标人脸信息后，将确定的目标人脸信息下发到摄像机，可选的，通过网络传输的方式下发，摄像机在接收到目标人脸信息后，在视频拍摄过程中，按照预先指定的加扰算法对目标人脸进行加扰处理，示例性的对目标人脸进行马赛克加扰，进而将马赛克加扰后的视频进行编码，以完成视频录制。在此需要说明的是，本申请实施例中的加扰算法可选的为可逆的加扰算法，由此，完成加扰视频的拍摄后，在服务器端或其它计算机设备上，并在安全模式下根据预先约定的解扰密钥对加扰视频进行解扰处理，恢复正常拍摄的画面。
本发明实施例中，在前端摄像机采集到视频图像后，通过与服务器进行信令交互，由后端服务器根据接收的图像数据和预设加扰图像，基于服务器中预先存储的待加扰人脸图像，判断图像数据中的待加扰目标人脸，并由前端摄像机完成对指定目标人脸的加扰处理，由此实现了通过不具备人脸识别功能的摄像机对对指定目标直接加扰处理。
实施例二
图2是本申请实施例二提供的视频加扰方法的流程示意图，在实施例是在上述实施例的基础上进行优化，参见图2，该视频加扰方法包括：
S201、接收摄像机上传的图像数据，其中，所述图像数据包括所述摄像机预处理后的至少一个人脸图像以及每个人脸图像的编号。
本申请实施例方法应用于具有人脸抠图功能的摄像机，具有人脸抠图功能的摄像机是指摄像机可以实时跟踪捕捉视频画面的中人脸，因此只要确定视频画面中需要加扰的人脸，摄像机即可基于加扰算法对该人脸进行实时跟踪加扰。由于具有人脸抠图功能的摄像机是指摄像机无法实现人脸比对，因此基于人脸特征比对确定摄像机所拍视频中待加扰人脸的操作由服务器端完成。因此需要将摄像机拍摄的视频图像上传到服务器。可选的，在具有人脸抠图功能的摄像机上传其所拍摄视频图像前，摄像机可对视频图像进行预处理，也即是对视频图像进行人脸抠图处理，得到至少一个人脸图像，并对每个人脸图像进行编号，后续可根据编号实时跟踪人脸。因此，服务器端接收到的图像数据包括摄像机预处理后的至少一个人脸图像以及每个人脸图像的编号。
S202、将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像。
可选的，服务器端预先训练有神经网络，例如预先训练一卷积神经网络，服务器端的预处理操作还包括针对服务器端预先存储的待加扰人脸图像，通过神经网络提取待加扰人脸图像的特征向量，并将该特征向量进行存储。
服务器接收到摄像机上传的至少一个人脸图像及其编号后，服务器基于预设神经网络提取每个人脸图像的特征向量，并将每个人脸图像的特征向量分别与预先确定的待加扰人脸图像的特征向量进行相似度计算，示例性的，进行预先相似度计算，得到每个人脸图像与预先确定的待加扰人脸图像的相似度。由于服务器端预先设置有相似度阈值，因此可选的将相似度大于预设阈值的人脸图像作为目标人脸图像。在另一种可选的实施方式，还可以根据每个人脸图像的特征向量和预先确定待加扰人脸图像的特征向量，求解特征向量之间的误差，将误差小于另一预设阈值的人脸图像作为目标人脸图像。
在此需要说明的是，人脸特征比对算法由服务器实现，使得人脸比对算法优化等软件功能的开发维护，或芯片板卡等硬件升级，都集中在服务端，减少了产品迭代、摄像机设备维护的成本。
S203、将所述目标人脸图像及其对应的编号作为待加扰的目标人脸信息。
在通过S202步骤确定目标人脸图像后，可将目标人脸图像及其对应的编号作为待加扰的目标人脸信息。
S204、将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
本申请实施例中，由于摄像机具有人脸抠图功能，可以对目标人脸进行实时跟踪，因此，在服务器确定目标人脸和其对应的编号后，可选的，只需将目标人脸的编号通过网络传输下发到摄像机，摄像机在接收到编号后，对编号对应的目标人脸进行实时跟踪以及按照预设加扰算法随目标人脸进行加扰处理。在此需要说明的是，由摄像机完成对目标人脸的加扰处理，达到在原始视频流中就生成马赛克实现加扰效果，避免了后期处理的繁琐工作，提升了易用性，而且原始视频流在传输中即使泄漏也不会产生特定人物的隐私安全问题。
本申请实施例，针对具有抠图功能的摄像机实现视频加扰这一场景，摄像机预先对视频图像进行预处理得到至少一个人脸图像和编号，将人脸图像和编号上传到服务端，由服务端进行人脸比对，进而将最相似的目标人脸的编号下发摄像机，由摄像机根据编号实时跟踪目标人脸并进行加扰，由此使得不具备人脸比对功能的摄像机对对指定目标直接加扰处理。
实施例三
图3是本申请实施例三提供的视频加扰方法的流程示意图，在实施例是在上述实施例的基础上进行优化，参见图3，该视频加扰方法包括：
S301、接收摄像机上传的图像数据，其中，所述图像数据包括从所述摄像机拍摄的视频中抽取的目标视频帧图像。
本申请实施例方法应用于不具有人脸抠图功能的摄像机，也即该类摄像机无法识别所拍视频图像中是否包括人脸图像以及人脸图像的数量，也即该类摄像机无法自动的实时跟踪目标人脸，因此针对该类摄像机，人脸抠图和人脸比对功能需要在服务器端完成。在摄像机端只需将拍摄的视频图像上传到服务器即可。可选的，从摄像机拍摄的视频中抽取的目标视频帧图像上传到服务器。其中，由于摄像机拍摄的视频通常以IPPP结构或IBBP结构进行编码，因此目标视频帧图像为从所拍视频中抽取的I帧图像。
S302、对所述目标视频帧图像进行人脸抠图处理，得到至少一个人脸图像。
可选的，通过服务端的抠图软件或抠图算法对目标视频帧图像进行人脸抠图处理，得到至少一个人脸图像。
S303、将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像。
在本步骤中，进行人脸比对的操作与上述实施例二中的人脸比对过程类似，可选的，基于预设神经网络提取每个人脸图像的特征向量，并将每个人脸图像的特征向量分别与预先确定的待加扰人脸图像的特征向量进行相似度计算；将相似度大于预设阈值的作为目标人脸图像。
S304、计算所述目标人脸图像在所述目标视频帧图像中的人脸坐标区域，并将所述目标人脸图像及其在目标视频帧图像中的人脸坐标区域作为待加扰的目标人脸信息。
服务器获取相似度大于预设阈值的目标人脸图像后，将其作为目标视频帧图像中待加扰的人脸图像，由于不具备人脸抠图功能的摄像机无法实时跟踪目标人脸，因此，服务器需要将目标人脸在目标视频帧图像中的位置区域下发到摄像机。而计算目标人脸图像在目标视频帧图像中的位置需要在服务器端完成，可选的，服务器可根据目标人脸图像的像素分布，确定目标人脸图像在所述目标视频帧图像中的人脸坐标区域，进而将目标人脸图像及其在目标视频帧图像中的人脸坐标区域作为待加扰的目标人脸信息。
S305、将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
可选的，将目标人脸图像在目标视频帧图像中的人脸坐标区域下发到所述摄像机，使所述摄像机根据所述人脸坐标区域确定所述目标人脸图像的加扰区域，并对所述加扰区域进行加扰处理。其中，加扰区域大于人脸坐标区域，以避免部分人脸暴露在加扰区域外，无法达到加扰的目的。在此需要说明的是，为了避免在服务器分析处理过程中，目标人脸发生快速移动，导致人脸的实际位置区域和服务器下发的人脸坐标区域有偏差，在首次确定加扰区域时，可将加扰区域按照预设最大区域值来确定，示例性的首次加扰区域为人脸坐标区域的9倍。
本申请实施例，针对不具有抠图功能的摄像机实现视频加扰的场景，摄像机通过抽取目标视频帧发送到服务器，由服务器对目标视频帧图像进行抠图处理得到至少一个人脸图像，并对得到的人脸图像和预先存储的待加扰人脸图像进行人脸比对，确定最相似的目标人脸以及目标人脸在目标视频帧图像中的位置坐标，将目标人脸的位置坐标下发摄像机，由摄像机根据目标人脸的位置坐标确定加扰区域，并进行加扰处理，由此使得不具备人脸比对功能的摄像机对对指定目标直接加扰处理。
实施例四
图4是本申请实施例四提供的视频加扰方法的流程示意图，本实施例四是在上述实施例三的基础上进行优化，针对不具备人脸抠图功能的摄像机，增加了动态加扰的操作，参见图4，该视频加扰方法包括：
S401、获取所述摄像机触发运动检测后上传的新视频帧图像。
在本申请实施例中，由于不具备人脸抠图功能的摄像机，无法对指定人脸进行实时跟踪加扰，只能根据服务器下发的人脸位置坐标，确定加扰区域并在该区域进行加扰处理。因此需要实时检测人脸位置是否发生改变，具体的，摄像机在对上一次确定的加扰区域进行加扰处理后，对人脸坐标区域开启运动检测功能，将运动检测敏感度设置为最高，并在人脸坐标区域的画面发生改变时触发运动检测，也即是在检测到人脸位置发生运动的情况下，重新抽取新的视频帧图像上传到服务器，在此需要说明的是，通过运动检测的方式，避免了服务器定期对无效抽帧图像的智能分析，只处理画面改变时的视频帧图像，提升了服务器的处理性能，避免性能浪费。
由服务按按照S402-S404重新确定人脸坐标区域。其中S402-S404操作与上述实施例三中的S302-S304操作过程相同，在此不再赘述。
S402、对所述新视频帧图像进行人脸抠图处理，得到至少一个人脸图像。
S403、将每个人脸图像分别与预先确定的待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像。
可选的，基于预设神经网络提取每个人脸图像的特征向量，并将每个人脸图像的特征向量分别与预先确定的待加扰人脸图像的特征向量进行相似度计算；将相似度大于预设阈值的作为目标人脸图像。
S404、计算所述目标人脸图像在所述目标视频帧图像中的新的人脸坐标区域。
可选的，服务器可根据目标人脸图像的像素分布，确定目标人脸图像在所述目标视频帧图像中的人脸坐标区域。
S405、将所述新的人脸坐标区域下发到所述摄像机，使所述摄像机在确定新的人脸坐标区域位于上次确定的加扰区域内，且坐标偏移量小于预设长度时，降低运动检测敏感度和减小所述加扰区域，并对减小后的加扰区域进行加扰处理。
其中，摄像机在接收到服务器下发的新的人脸坐标区域后，判断新的人脸坐标区域是否位于上次确定的加扰区域内，且坐标偏移量小于预设长度，其中预设长度可选的为人脸坐标区域的长度，若判断结果为是，上次确定的加扰区域较大，坐标偏移量小于预设长度，则表明运动检测敏感度过于敏感，因此降低运动检测敏感度和减小所述加扰区域，并对减小后的加扰区域进行加扰处理。在此需要说明的是，运动检测敏感度的动态减小可提升智能服务器的处理性能，加扰区域的动态减小也大大保留了画面的完整性。
进一步的，由于目标人脸可能会不断的运动，而不断的触发运动检测，因此摄像机需要动态的调整加扰区域的大小以及运动检测的敏感度。在人脸坐标偏移量位于预设区间内或持续减小时，为了保留画面的完整性，摄像机按照指数函数减小加扰区域和运动检测的敏感度，且减小后的加扰区域不小于预设的最小阈值，其中最小阈值可选的为人脸坐标区域的4倍；在人脸坐标偏移量增大时，摄像机提升运动检测敏感度并增大加扰区域大小，以避免出现人脸逃离加扰区域的情况，且增大后的加扰区域小于预设的最大阈值，其中，最大阈值可选的为人脸坐标区域的9倍。
本申请实施例，通过对人脸坐标区域的进行运动检测，判断人脸位置是否发生改变，若发生改变，则再次抽取视频帧发给服务器进行预分析，由服务器返回新的人脸坐标，以实现不具备人脸抠图功能的摄像机能够动态加扰指定人物人脸。
实施例五
图5是本发明实施例五中的视频加扰装置的结构示意图，该装置配置于服务器上。如图5所示，该装置包括：
接收模块501，用于接收摄像机上传的图像数据；
比对模块502，用于将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
下发指示模块503，用于将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
发明实施例中，在前端摄像机采集到视频图像后，通过与服务器进行信令交互，由后端服务器根据接收的图像数据和预设加扰图像，基于服务器中预先存储的待加扰人脸图像，判断图像数据中的待加扰目标人脸，并由前端摄像机完成对指定目标人脸的加扰处理，由此实现了通过不具备人脸识别功能的摄像机对对指定目标直接加扰处理。
可选的，所述图像数据包括所述摄像机预处理后的至少一个人脸图像以及每个人脸图像的编号；
相应的，所述比对模块，包括：
第一比对单元，用于将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
第一确定单元，用于将所述目标人脸图像及其对应的编号作为待加扰的目标人脸信息。
可选的，所述下发指示模块具体用于：
将所述目标人脸图像的编号下发到所述摄像机，由所述摄像机根据目标人脸图像的编号，对所述目标人脸图像进行实时跟踪加扰。
可选的，所述图像数据包括从所述摄像机拍摄的视频中抽取的目标视频帧图像；
相应的，所述比对模块，包括：
抠图单元，用于对所述目标视频帧图像进行人脸抠图处理，得到至少一个人脸图像；
第二比对单元，用于将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
第二确定单元，用于计算所述目标人脸图像在所述目标视频帧图像中的人脸坐标区域，并将所述目标人脸图像及其在目标视频帧图像中的人脸坐标区域作为待加扰的目标人脸信息。
可选的，所述下发指示模块还用于：
将所述目标人脸图像在所述目标视频帧图像中的人脸坐标区域下发到所述摄像机，使所述摄像机根据所述人脸坐标区域确定所述目标人脸图像的加扰区域，并对所述加扰区域进行加扰处理。
可选的，所述装置还包括：
获取模块，用于获取所述摄像机触发运动检测后上传的新视频帧图像，其中，所述摄像机在对所述加扰区域进行加扰处理后，对所述人脸坐标区域开启运动检测功能，并在所述人脸坐标区域的画面发生改变时触发运动检测；
抠图模块，用于对所述新视频帧图像进行人脸抠图处理，得到至少一个人脸图像；
目标确定模块，用于将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
坐标计算模块，用于计算所述目标人脸图像在所述目标视频帧图像中的新的人脸坐标区域；
调整加扰模块，用于将所述新的人脸坐标区域下发到所述摄像机，使所述摄像机在确定新的人脸坐标区域位于上次确定的加扰区域内，且坐标偏移量小于预设长度时，降低运动检测敏感度和减小所述加扰区域，并对减小后的加扰区域进行加扰处理。
可选的，在人脸坐标偏移量位于预设区间内或持续减小时，所述加扰区域和所述运动检测敏感度按照指数函数减小，且减小后的加扰区域不小于预设的最小阈值；在人脸坐标偏移量增大时，所述加扰区域和所述运动检测敏感度均相应增大，且增大后的加扰区域小于预设的最大阈值。
本发明实施例所提供的视频加扰装置可执行本发明任意实施例所提供的视频加扰方法，具备执行方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种服务器的结构示意图。图6示出了适于用来实现本发明实施方式的示例性服务器12的框图。图6显示的服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该服务器12交互的设备通信，和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的视频加扰方法，该方法包括：
接收摄像机上传的图像数据；
将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
实施例七
本发明实施例七还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的视频加扰方法，该方法包括：
接收摄像机上传的图像数据；
将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种视频加扰方法，其特征在于，应用于服务器，所述方法包括：
接收摄像机上传的图像数据；
将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理；
所述图像数据包括所述摄像机预处理后的至少一个人脸图像以及每个人脸图像的编号；
相应的，将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息，包括：
将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
将所述目标人脸图像及其对应的编号作为待加扰的目标人脸信息。
2.根据权利要求1所述的方法，其特征在于，所述将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理，包括：
将所述目标人脸图像的编号下发到所述摄像机，由所述摄像机根据目标人脸图像的编号，对所述目标人脸图像进行实时跟踪加扰。
3.根据权利要求1所述的方法，其特征在于，所述图像数据包括从所述摄像机拍摄的视频中抽取的目标视频帧图像；
相应的，将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息，包括：
对所述目标视频帧图像进行人脸抠图处理，得到至少一个人脸图像；
将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
计算所述目标人脸图像在所述目标视频帧图像中的人脸坐标区域，并将所述目标人脸图像及其在目标视频帧图像中的人脸坐标区域作为待加扰的目标人脸信息。
4.根据权利要求3所述的方法，其特征在于，所述将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理包括：
将所述目标人脸图像在所述目标视频帧图像中的人脸坐标区域下发到所述摄像机，使所述摄像机根据所述人脸坐标区域确定所述目标人脸图像的加扰区域，并对所述加扰区域进行加扰处理。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取所述摄像机触发运动检测后上传的新视频帧图像，其中，所述摄像机在对所述加扰区域进行加扰处理后，对所述人脸坐标区域开启运动检测功能，并在所述人脸坐标区域的画面发生改变时触发运动检测；
对所述新视频帧图像进行人脸抠图处理，得到至少一个人脸图像；
将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
计算所述目标人脸图像在所述目标视频帧图像中的新的人脸坐标区域；
将所述新的人脸坐标区域下发到所述摄像机，使所述摄像机在确定新的人脸坐标区域位于上次确定的加扰区域内，且坐标偏移量小于预设长度时，降低运动检测敏感度和减小所述加扰区域，并对减小后的加扰区域进行加扰处理。
6.根据权利要求5所述的方法，其特征在于，在人脸坐标偏移量位于预设区间内或持续减小时，所述加扰区域和所述运动检测敏感度按照指数函数减小，且减小后的加扰区域不小于预设的最小阈值；在人脸坐标偏移量增大时，所述加扰区域和所述运动检测敏感度均相应增大，且增大后的加扰区域小于预设的最大阈值。
7.一种视频加扰装置，其特征在于，配置于服务器，所述装置包括：
接收模块，用于接收摄像机上传的图像数据；
比对模块，用于将所述图像数据与预先确定待加扰人脸图像进行特征比对，并从所述图像数据中确定待加扰的目标人脸信息；
下发指示模块，用于将确定的目标人脸信息下发到所述摄像机，由所述摄像机对拍摄的视频图像中的目标人脸进行加扰处理；
所述图像数据包括所述摄像机预处理后的至少一个人脸图像以及每个人脸图像的编号；
所述比对模块，还包括：
第一比对单元，用于将每个人脸图像分别与预先确定待加扰人脸图像进行特征比对，并根据特征比对结果确定目标人脸图像；
第一确定单元，用于将所述目标人脸图像及其对应的编号作为待加扰的目标人脸信息。
8.一种服务器，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的视频加扰方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的视频加扰方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911266558.3A CN111031348B (zh) | 2019-12-11 | 2019-12-11 | 一种视频加扰方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911266558.3A CN111031348B (zh) | 2019-12-11 | 2019-12-11 | 一种视频加扰方法、装置、服务器和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111031348A CN111031348A (zh) | 2020-04-17 |
| CN111031348B true CN111031348B (zh) | 2022-03-15 |
Family
ID=70208788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911266558.3A Active CN111031348B (zh) | 2019-12-11 | 2019-12-11 | 一种视频加扰方法、装置、服务器和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111031348B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985419B (zh) * | 2020-08-25 | 2022-10-14 | 腾讯科技（深圳）有限公司 | 视频处理方法及相关设备 |
| CN112492383A (zh) * | 2020-12-03 | 2021-03-12 | 珠海格力电器股份有限公司 | 视频帧的生成方法及装置、存储介质、电子设备 |
| CN113554543B (zh) * | 2020-12-07 | 2024-03-12 | 浙江宇视科技有限公司 | 基于加扰图像的识别方法、装置、电子设备及介质 |
| CN113014830A (zh) * | 2021-03-01 | 2021-06-22 | 鹏城实验室 | 视频虚化方法、装置、设备及存储介质 |
| CN113139527B (zh) * | 2021-05-28 | 2023-09-22 | 深圳文达智通技术有限公司 | 视频隐私保护方法、装置、设备及存储介质 |
| TWI808438B (zh) * | 2021-06-24 | 2023-07-11 | 和碩聯合科技股份有限公司 | 影像修飾方法與影像修飾裝置 |
| CN114120506A (zh) * | 2021-09-30 | 2022-03-01 | 国网浙江省电力有限公司 | 一种基于5g网络架构的基建现场人员管控系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1767638A (zh) * | 2005-11-30 | 2006-05-03 | 北京中星微电子有限公司 | 一种保护隐私权的可视图像监控方法及其系统 |
| CN1954592A (zh) * | 2004-05-18 | 2007-04-25 | 松下电器产业株式会社 | 图像处理装置 |
| CN104966067A (zh) * | 2015-06-29 | 2015-10-07 | 福建天晴数码有限公司 | 保护隐私的图像处理方法及系统 |
| US9179058B1 (en) * | 2014-09-15 | 2015-11-03 | Belkin International, Inc. | Control of video camera with privacy feedback to capture images of a scene |
| CN105357466A (zh) * | 2015-11-20 | 2016-02-24 | 小米科技有限责任公司 | 视频通信方法及装置 |
| CN108012122A (zh) * | 2017-12-15 | 2018-05-08 | 北京奇虎科技有限公司 | 监控视频的处理方法、装置和服务器 |
| CN109063506A (zh) * | 2018-07-09 | 2018-12-21 | 江苏达实久信数字医疗科技有限公司 | 用于医疗手术示教系统的隐私处理方法 |
| CN109446977A (zh) * | 2018-10-25 | 2019-03-08 | 平安科技（深圳）有限公司 | 基于人脸识别的图像处理方法、装置、存储介质及终端 |
| CN110263704A (zh) * | 2019-06-18 | 2019-09-20 | 浙江宇视科技有限公司 | 人脸数据采集方法、装置、服务器、视频采集器及介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106886746B (zh) * | 2016-12-27 | 2020-07-28 | 浙江宇视科技有限公司 | 一种识别方法及后端服务器 |
| CN109948476B (zh) * | 2019-03-06 | 2022-12-13 | 南京七奇智能科技有限公司 | 一种基于计算机视觉的人脸皮肤检测系统及其实现方法 |
-
2019
- 2019-12-11 CN CN201911266558.3A patent/CN111031348B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1954592A (zh) * | 2004-05-18 | 2007-04-25 | 松下电器产业株式会社 | 图像处理装置 |
| CN1767638A (zh) * | 2005-11-30 | 2006-05-03 | 北京中星微电子有限公司 | 一种保护隐私权的可视图像监控方法及其系统 |
| US9179058B1 (en) * | 2014-09-15 | 2015-11-03 | Belkin International, Inc. | Control of video camera with privacy feedback to capture images of a scene |
| CN104966067A (zh) * | 2015-06-29 | 2015-10-07 | 福建天晴数码有限公司 | 保护隐私的图像处理方法及系统 |
| CN105357466A (zh) * | 2015-11-20 | 2016-02-24 | 小米科技有限责任公司 | 视频通信方法及装置 |
| CN108012122A (zh) * | 2017-12-15 | 2018-05-08 | 北京奇虎科技有限公司 | 监控视频的处理方法、装置和服务器 |
| CN109063506A (zh) * | 2018-07-09 | 2018-12-21 | 江苏达实久信数字医疗科技有限公司 | 用于医疗手术示教系统的隐私处理方法 |
| CN109446977A (zh) * | 2018-10-25 | 2019-03-08 | 平安科技（深圳）有限公司 | 基于人脸识别的图像处理方法、装置、存储介质及终端 |
| CN110263704A (zh) * | 2019-06-18 | 2019-09-20 | 浙江宇视科技有限公司 | 人脸数据采集方法、装置、服务器、视频采集器及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111031348A (zh) | 2020-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111031348B (zh) | 一种视频加扰方法、装置、服务器和存储介质 | |
| WO2021031954A1 (zh) | 对象数量确定方法、装置、存储介质与电子设备 | |
| JP6551226B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
| US11688078B2 (en) | Video object detection | |
| CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
| CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
| CN112669344A (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
| CN109118420B (zh) | 水印识别模型建立及识别方法、装置、介质及电子设备 | |
| CN110879986A (zh) | 人脸识别的方法、设备和计算机可读存储介质 | |
| CN112163503A (zh) | 办案区人员无感轨迹生成方法、系统、存储介质及设备 | |
| CN111368593B (zh) | 一种马赛克处理方法、装置、电子设备及存储介质 | |
| US10783365B2 (en) | Image processing device and image processing system | |
| CN111784750A (zh) | 视频图像中移动物体追踪方法、装置、设备以及存储介质 | |
| CN114937246B (zh) | 一种行人识别方法、电子设备及存储介质 | |
| CN115664876A (zh) | 云广播控制方法、装置、终端及存储介质 | |
| CN113869163B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN113158794B (zh) | 目标检测方法、边缘设备及计算机可读存储介质 | |
| CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
| CN114740975A (zh) | 目标内容的获取方法及相关设备 | |
| CN111063011B (zh) | 一种人脸图像处理方法、装置、设备和介质 | |
| CN114187245A (zh) | 视频污损检测方法、装置、电子设备及存储介质 | |
| CN114091503A (zh) | 人脸图像的校验方法、装置、电子设备及存储介质 | |
| CN112418234A (zh) | 识别车牌号的方法、装置、电子设备及存储介质 | |
| CN113255512A (zh) | 用于活体识别的方法、装置、设备以及存储介质 | |
| CN114972419B (zh) | 摔倒检测方法、装置、介质与电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |