CN112084832B - 突出显示图像或视频中的感兴趣对象的方法 - Google Patents

突出显示图像或视频中的感兴趣对象的方法 Download PDF

Info

Publication number
CN112084832B
CN112084832B CN202010407403.3A CN202010407403A CN112084832B CN 112084832 B CN112084832 B CN 112084832B CN 202010407403 A CN202010407403 A CN 202010407403A CN 112084832 B CN112084832 B CN 112084832B
Authority
CN
China
Prior art keywords
interest
region
image
exclusion
digital image
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
Application number
CN202010407403.3A
Other languages
English (en)
Other versions
CN112084832A (zh
Inventor
西蒙·达尔贝里
安德斯·克鲁格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Axis AB
Original Assignee
Axis AB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Axis AB filed Critical Axis AB
Publication of CN112084832A publication Critical patent/CN112084832A/zh
Application granted granted Critical
Publication of CN112084832B publication Critical patent/CN112084832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • 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
    • 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
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20096—Interactive definition of curve of interest
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本申请公开了突出显示图像或视频中的感兴趣对象的方法。方法包括：提供数字图像；确定(S02)数字图像中的覆盖数字图像中的具有个人识别符的感兴趣对象的感兴趣区域；将数字图像中的所有图像数据掩蔽(S04)在感兴趣区域的周围区中；在所检测到的感兴趣区域内，确定(S06)覆盖数字图像中的具有另一个人识别符的排除对象的排除区域；以及形成(S08)输出图像，输出图像包括来自感兴趣区域的数字图像的图像数据，并且包括周围区的被掩蔽的图像数据，其中，感兴趣区域的排除区域被掩蔽。还公开了一种用于执行该方法的设备。该方法可以在例如监控视频形式的图像序列上被执行。

Description

突出显示图像或视频中的感兴趣对象的方法
技术领域
本发明涉及视频处理领域，并且尤其涉及如何处理视频以在掩蔽其它对象的同时突出显示图像的感兴趣对象。
背景技术
公共场所的摄像机监控在预防犯罪方面有很强的保障作用，并且为市民提供了安全感。但是，希望为每个人平衡监控与完整性权。法规可被用于此目的。这种法规的示例是对EU有效的GDPR(通用数据保护条例)。根据GDPR，个人有权接收例如公司持有的并包含这个人的识别符的诸如视频数据的所有数据。对于视频，个人识别符可以是面部或其它身体部分，但也可以是与个人相关的对象，例如车牌号码。
然而，如果将视频交给请求该视频的个人，就会出现问题。为了不泄露视频序列中的可见的和潜在可识别的其他个人的身份，这些其他个人需要被移除、隐藏或掩蔽。为此，视频可能需要被审核，以掩蔽除了感兴趣个人以外的每一个人。对象识别可以加速该过程。然而，在包括大量对象(诸如人群、观众、汽车交通)的图像序列中，用于确保图像中的每个对象的掩蔽的隐私掩蔽可能在计算上非常繁重。在需要确保图像中除感兴趣个人以外的每个人都被掩蔽的地方添加了GDPR的严格要求，隐私掩蔽的验证可能需要被添加，以确保没有对象被遗漏。
利用GDPR和类似(包括未来)的法规，越来越需要能够以快速、可靠且资源有效的方式提供被掩蔽的视频序列。
发明内容
本发明的目的是提供一种处理一个或多个数字图像的方法，以在不损害数字图像中的可识别的其他个人的完整性的情况下，以相对于本领域内的已知技术更资源高效、可靠和快速的方式来突出显示诸如人的感兴趣对象。
根据第一方面，这些和其它目的全部或至少部分通过一种突出显示图像中的感兴趣对象的方法被实现，该方法包括：
·提供数字图像；
·确定数字图像中的覆盖具有个人识别符的感兴趣对象的感兴趣区域；
·将数字图像中的所有图像数据掩蔽在感兴趣区域的周围区中；
·在所检测到的感兴趣区域内，确定数字图像中的覆盖具有另一个人识别符的排除对象的排除区域；以及
·形成输出图像，输出图像包括来自感兴趣区域的数字图像的图像数据，并且包括周围区的被掩蔽的图像数据，其中，感兴趣区域的排除区域被掩蔽。
提供的数字图像可以是形成视频(序列)的图像序列的一部分。
该方法将数字图像作为输入并且提供输出图像，在输出图像中，诸如人的感兴趣对象被突出显示。在本文中，突出显示感兴趣对象是指感兴趣对象是可见的，而图像的其它部分通过掩蔽、隐藏或甚至去除而变得不可识别。该方法提供了用于提供被掩蔽的图像的工具，该工具可被用于遵循诸如GDPR的法规。也就是说，如果有个人向诸如具有监控摄像机的食品商店的执行视频监控的组织请求包括他或她的视频资料，则该方法可被用于提供这样的图像或视频内容以供派发，而不会危及图像或视频中的可见的其他个人的完整性。
本发明方法包括发明人的以下实现：通过掩蔽将被包括在输出图像中的周围区中的所有图像数据，排除区域(其包括排除对象)的确定仅需要在检测到的感兴趣区域内被执行。因此，与图像中的每个对象需要被确定、被评估和被掩蔽/被隐藏/被去除的已知技术相比，快速、可靠且资源有效的方法被提供。而且，因为可见的图像数据被显著减少，所以得到的输出图像易于验证。
周围区可以覆盖所确定的感兴趣区域之外的整个数字图像。通过该特征，周围区不需要被配置或被确定，因此使得该方法更加资源有效。
通过为执行该方法而设计的软件的手动使用，该方法可以以完全自动的方式或半自动的方式被执行。该软件可被集成在视频管理系统中，从而捕获的图像和视频可被用于提供具有突出显示的感兴趣对象的输出图像，而不需要将图像或视频发送到外部硬件或软件。
如本文所用，“被掩蔽的”是指操纵的图像数据或隐藏的图像数据，使得不可能识别图像内容。操纵的非限制性示例是图像数据的模糊和像素化。可替换地，可以通过将图像数据与颜色进行交换来隐藏图像数据，例如，通过将所有像素值设置为零(图像被显示时对应于黑色)。应用的掩蔽可以是可逆的或不可逆的。
术语“感兴趣区域”和“排除区域”中的“区域”是指数字图像中的区域。该区域包围数字图像的图像数据。该区域可由坐标定义，例如图像坐标系的矩形区域的角坐标。
诸如人的感兴趣对象具有个人识别符。“个人识别符”是指特征、特性或对象，个人身份可以基于该特征、特性或对象被唯一地识别。个人识别符的非限制性示例是面部(或其部分)、指纹、车牌和诸如姓名标签的id标签。
感兴趣区域和/或排除区域可以通过在示出图像的计算机屏幕上的手动选择被确定。可替换地，感兴趣区域和/或排除区域的更自动化的确定可以通过使用对象检测或对象分类算法被实现。当对象通过这种算法被检测到时，该对象的个人识别符可被分析，以推断该对象是否是感兴趣对象。如果是，则感兴趣区域可被确定，使得其覆盖(即，包围)感兴趣对象。如果否，则相反地，排除区域可被确定，使得其覆盖由此形成要被排除的对象的对象。排除区域和感兴趣区域不必分别覆盖整个排除对象和感兴趣对象。
可被用于对对象进行检测或分类的算法的非限制性示例是例如通过确定关键点或兴趣点的身体部位检测算法、面部检测算法和运动检测算法。
该方法可以进一步包括接收人的身份，以及基于所接收的人的身份确定感兴趣区域。所接收的身份可以是与已经请求视频/图像资料的个人的面部相对应的图像数据的形式。可替换地，所接收的身份可以是车辆注册号码的形式，在这种情况下，感兴趣区域可以覆盖感兴趣对象，该感兴趣对象是具有对应的车牌号码的车牌。因此，感兴趣区域应该基于接收的身份在方法的手动或自动实施方式中被确定。例如，在接收到的身份是车牌号码形式的情况下，感兴趣区域可以在检测到的对象包含字母或数字的条件下或者不是人类对象的条件下被确定。
当被应用于多个图像时更详细地讨论该方法，该方法可以包括：
·提供包括数字图像的视频序列；
·对于从视频序列中选择的数字图像中的每个图像，应用根据任何实施例的可被应用于单个数字图像的方法，以及
·形成包括输出图像的输出视频序列。
换句话说，视频序列被处理以创建输出视频序列，在该输出视频序列中，诸如人的感兴趣对象被突出显示，而其它对象和感兴趣区域的周围图像区被掩蔽。图像的选择可以基于预定的选择准则(例如每十个图像帧)被执行。该选择可以包括视频序列中的每个图像。当数字图像的选择对来自视频序列的数字图像的数量形成限制时，更少的图像需要被处理以形成输出视频序列，这又需要更少量的处理资源。
在该方法的实施例中，输出视频序列还包括中间输出图像，中间输出图像通过在位于视频序列中的第一所选图像和第二所选图像之间的暂时中间图像上执行该方法被形成。对于中间图像，该方法包括：通过在第一所选图像中的确定的第一感兴趣区域和第二所选图像中的确定的第二感兴趣区域之间进行内插，确定感兴趣区域。假设第二感兴趣区域在空间上与第一感兴趣区域不同，则内插可以通过假定感兴趣区域的在由中间帧所覆盖的时间段上的线性运动被执行。在考虑了例如运动模式、速度或运动预测的情况下，其它更复杂的内插方法可被使用。可被用于此目的的内插技术的不同变型对于本领域技术人员来说是公知的且是容易获得的。
当已经通过使用内插确定了感兴趣区域时，可以为每个图像确定排除区域。
在应用于视频序列的根据第一方面的方法的一个实施例中，该方法包括确定周围区中的另外的排除区域。另外的排除区域以与在检测到的感兴趣区域内被确定的第一排除区域相同的方式被掩蔽。在视频序列的根据该方法处理的后续图像中，即使感兴趣区域与另外的排除区域重叠，所确定的另外的排除区域也被保持，因为它们也会在输出图像中被这些图像掩蔽。换句话说，确定的排除区域与视频序列的已处理的图像中的感兴趣区域之间的任何交叉形成排除区域，并且因此在输出图像中被掩蔽。排除区域可通过将其坐标存储在计算机存储器中被保持。
另外的排除区域的确定可以根据预定的时间表(例如每10个或20个图像帧，或者每隔n秒一次(其中n是预定值))在所选图像中被执行。所确定的另外的排除区域被保持，直到下一个所选图像被处理。
在一个实施例中，感兴趣区域的确定通过为感兴趣对象选择边界框被执行。通常为由运动检测器分析的视频序列中的每个检测到的运动对象确定边界框。边界框可以作为来自在视频序列的图像上运行的运动检测算法的输出被接收。边界框可以由其图像坐标系的角坐标定义，并且是图像分析的众所周知的组件。
根据第二方面，上述目的和其它目的通过计算机程序产品被实现，该计算机程序产品包括具有指令的计算机可读存储介质，该指令当由具有处理能力的设备执行时，适于执行第一方面的任何实施例的方法。
根据第三方面，上述目的和其它目的通过在视频管理系统(VMS)中使用根据第一方面的任何实施例的方法被实现。
根据第四方面，上述目的和其它目的通过被设置为突出显示图像中的感兴趣区域的设备被实现。该设备包括检测器，该检测器被设置为确定数字图像中的包括具有个人识别符的感兴趣对象的感兴趣区域，并且，在所检测到的感兴趣区域内，确定覆盖数字图像中的具有另一个人识别符的排除对象的排除区域。该设备进一步包括处理器，该处理器被设置为将数字图像中的所有图像数据掩蔽在感兴趣区域的周围区中，并且形成输出图像，该输出图像包括来自感兴趣区域的数字图像的图像数据，并且包括周围区的被掩蔽的图像数据，其中，感兴趣区域的排除区域被掩蔽。
第四方面的设备通常可以以与第一方面的方法相同的方式被实现，并具有伴随的优点。该设备可被设置为VMS中的视频卡的一部分。
从下文给出的详细描述中，本发明的进一步的应用范围将变得显而易见。然而，应该理解，虽然详细描述和具体示例指出了本发明的优选实施方式，但仅仅是以说明的方式给出的，因为根据本详细描述，在本发明范围内的各种变化和修改对于本领域技术人员来说是显而易见的。
因此，应当理解，本发明不限于所描述的设备的特定组件部分或所描述的方法的步骤，因为这种设备和方法可以变化。还应当理解，本文所用的术语仅出于描述特定实施例的目的，而非旨在限制。必须注意，如在说明书和所附权利要求中所使用的，冠词“一”、“一个”、“该”和“所述”旨在表示存在一个或多个元件，除非上下文另有明确规定。因此，例如，对“一个对象”或“所述对象”的引用可包括若干对象，等等。此外，词语“包括”不排除其它元件或步骤。
附图说明
现在将通过示例并参照所附示意图来更详细地描述本发明，在附图中：
图1是根据实施例的方法的流程图。
图2a和图2b示出了根据实施例的由方法形成的数字图像和输出图像。
图3示出了图像序列的内插的感兴趣区域。
图4示出了根据实施例的由方法形成的视频序列的数字图像和输出图像。
图5示出了根据实施例的方法的感兴趣区域和排除区域，该感兴趣区域和排除区域基于边界框以及由该方法形成的输出图像被确定。
具体实施方式
从图2a开始，图像100由监控场景的摄像机捕获，以例如用于监控的目的。图像可以被捕获为视频序列。图像或视频可被存储在用于数据存储的常规存储器中，以用于以后的查看和/或分析。为了监控的目的，通常的情况是视频记录在服务器上被存储一段预定的时间，例如2个月，并且然后从储存器中被永久移除。
如所讨论的，一些诸如GPRD的法规赋予个人接收已被录制的且可识别该个人的视频/图像资料的权利。为此，图像需要被编辑以示出所关注的个人，但是不损害其他人的完整性。
图2a的图像100提供了这种图像的示例。在该图像100中，几个人12、14、16、18是可见的，并且假设他们能够被识别。在所提供的示例中，要被突出显示的是个人12(以下称为感兴趣个人12)，并且其他个人14、16、18的身份应通过掩蔽使个人14、16、18可识别的个人14、16、18的至少部分来被隐藏。这种属于个人或对象的部分在本文被称为个人识别符。个人识别符可以是人体的特征(例如面部)，或者是对象的特征(例如车牌号码或姓名标签)。
为了在图像100中突出显示感兴趣个人12，包括图1所示的步骤S02到S08的方法被应用。在步骤S02中，图像100中的感兴趣区域13被确定。这可以通过用户选择或标记(经由计算机)包括感兴趣对象12的感兴趣区域13来半自动地完成。图像100中的感兴趣区域13覆盖具有与感兴趣对象12的至少一部分相对应的图像数据的图像区域。包括感兴趣对象12的个人识别符的整个身体或身体的一部分可被选择或标记。
相反，更自动的确定方法可被应用。例如，对象检测算法可在图像100上被执行以检测任何当前对象。理想地，这会导致对所有成像的个人12、14、16、18的检测，并且可以通过将图像100与每个人周围的方框重叠来为用户可视化(在显示器上)该检测。根据该结果，框中的图像区域可以通过手动输入被选择为感兴趣区域13。在甚至更加自动的实施方式中，可以通过将检测到的对象的图像数据与诸如面部的图像数据或者姓名或车辆登记号码的文本数据的个人识别符的输入数据进行比较来确定感兴趣区域13。根据比较的积极结果，所比较的检测到的对象可被设置为感兴趣对象12，并且覆盖感兴趣对象12或感兴趣对象12的至少部分的区域可被自动地定义并且被设置为感兴趣区域13。输入数据可被预先接收或被手动地输入。实施该方法的系统可以提示用户输入此类数据。
接下来，根据该方法，感兴趣区域13的周围图像区17被掩蔽S04。具体地，周围图像区17中的所有图像数据被掩蔽，意味着位于周围图像区17中的任何个人识别符将被掩蔽。换句话说，周围区17中的图像100的图像数据或者通过将图像数据的所有像素值例如交换为诸如零的预定值而被隐藏，或者被操纵以创建周围区17的掩蔽。
接着，排除区域15被确定S06。因为周围区17被掩蔽，所以仅需要在感兴趣区域13内确定排除区域15。与扫描周围区17和可能的整个图像100相比，这是确定排除区域15的资源有效方式。排除区域15是覆盖(包括部分地覆盖)具有与感兴趣对象12的个人识别符不同的个人识别符的排除对象14的区域。应当注意，当个人识别符部分地位于感兴趣区域13中并且部分地在感兴趣区域13之外(在周围区17中)时，个人识别符不需要必须由排除区域15覆盖。从整体上看，个人识别符是排除对象14的一部分。例如，个人的面部可以形成仅部分地被感兴趣区域覆盖的个人识别符，如图2a的情况。不一定有可能通过由感兴趣区域13覆盖的面部部分来识别排除对象14，但是本方法无论如何都将掩蔽面部以减少对额外验证的需要并提供可靠的掩蔽。此外，应当注意，个人识别符可以基于由感兴趣区域覆盖的图像数据结合位于感兴趣区域之外的图像数据被确定。例如，参看图2a中的图像100，通过分析位于感兴趣区域13中和周围区17中的数字图像100的图像数据，个人14的面部形式的个人识别符可被定义为个人识别符。
类似于感兴趣区域13，排除区域15可以通过或多或少地使用不同的算法被手动地、半自动地或者以更自动的方式确定。例如，排除区域15可以通过使用在由感兴趣区域13覆盖的图像数据上执行的对象分类算法被确定。如果诸如面部或车牌的个人识别符被检测到，并且与感兴趣对象12的个人识别符不属于相同的对象类别或不在相同的位置，则可以假设另一个人识别符被检测到，并且覆盖该另一个人的排除区域15可被定义。
输出图像101然后被形成S08。输出图像101包括来自感兴趣区域13的图像数据，然而，其中由排除区域15覆盖的图像数据被掩蔽。这意味着排除区域15的图像数据没有被包括在输出图像101中，或者意味着图像数据的操纵版本被包括。在任何情况下，由排除区域15覆盖的被掩蔽的图像数据不能被用于识别个人14。此外，周围区17的被掩蔽的图像数据(在该示例中为数字图像100的其余部分)被包括在输出图像101中。感兴趣区域13、排除区域15和周围区17之间的空间关系被保持在输出图像101中。对于该示例，输出图像101具有与数字图像100相同的尺寸，例如1920×1080像素。
可以看出，在该示例中，将像素值设置为零(对应于黑色)的形式的掩蔽被用于排除区域15和周围区17。不必对图像的不同区域或对序列的不同输出图像中的相同区域使用相同的掩蔽方法。
在图2b中，示出了数字(输入)图像200和对应的输出图像201的另一示例。这里，成像的对象包括在具有车牌24的车辆(其远离摄像机行驶)后面穿过街道的个人22。车牌24包括对应于车辆登记号码并形成车辆所有者的个人识别符的车牌号码“ABC 123”。
在通过所讨论的方法分析图像200期间，感兴趣区域23被首先确定。对于前面的示例，这可以以或多或少自动的方式实现。周围区27中的所有图像数据此后通过用预定的像素值替换图像数据被掩蔽。与图2a的示例相反，周围区27覆盖感兴趣区域23周围的有限图像区域。周围区27的扩展部可以由目标输出图像大小确定。例如，周围区27可在图像到图像的基础上被确定，以填充所确定的感兴趣区域和目标输出图像大小之间的区域。可替换地，周围区27可以在感兴趣区域23之外具有预定的扩展部。应当注意，周围区27不需要完全包围感兴趣区域23。此外，周围区27覆盖与感兴趣区域23所覆盖的图像区域相邻的图像区域。
在感兴趣区域23内，排除区域25被确定。这里，车牌登记号码形式的个人识别符是感兴趣区域23内的识别符，并且排除区域25在包括该个人识别符的图像区域周围被形成。
输出图像201被形成，包括来自感兴趣区域23的输入图像200的图像数据。然而，在排除区域25内的图像数据通过被像素化到不可识别的程度被掩蔽，这意味着车牌号码在输出图像201中不能被识别。在该示例中，与感兴趣对象22相对应的图像数据被部分地掩蔽，因为其被包括在排除区域25中。输出图像201还包括周围区27的被掩蔽的图像数据。
可以进行不同的考虑，以将图像数据掩蔽到不可识别的程度。首先，在不同的实施方式中，被认为是不可识别的内容可能是不同的，这取决于例如在特定的应用领域中如何定义术语可识别的，或者输出图像应该满足的法规。其次，掩蔽到不可识别的程度可以基于诸如图像区域有多大或由排除区域25覆盖的图像区域有多少像素的另外的参数(从图像200的分析或从外部源获得)被执行。
所讨论的方法可被扩展到被应用于图像序列的图像。本质上，这意味着该方法在可以一起形成视频的一系列图像的选择或所有图像上被执行。处理输入视频并形成具有突出显示的感兴趣对象的输出视频的目的可以例如是当个人从执行视频监控的一方请求他或她的所有记录的视频资料时。参考图1，包括N个图像的视频序列被首先提供S01。从例如n＝1开始，步骤S02至S08的方法如先前所讨论的那样被执行。在步骤S10中检查n是否等于N。如果不是，则n被增加1S09，并且方法S02至S08在图像n上被执行。子方法S02至S08被迭代，直到n达到N，即直到所有的图像1至N已经被处理。此后，输出视频被形成S12，输出视频优选地以与原始图像序列中相对应的时间顺序包括所有形成的输出图像。
该方法可以改变。例如，图像序列中的每个图像不需被分析。在一个实施例中，图像的选择由步骤S02至S08处理，以形成被包括在步骤S12中形成的输出视频中的输出图像。在这样的实施例中，在每次迭代中n可被增加1以上，以便跳过对图像序列中的一些中间图像的处理。可替代地，该方法可以包括从图像序列中选择多个图像的步骤，该图像序列又形成图像子序列，为该图像子序列处理每个图像。由图像的选择的输出图像形成的输出视频优选地以对应于原始视频序列的时间顺序形成。
在处理图像序列的图像的情况下，确定感兴趣区域的步骤S02可以根据任何先前讨论和例示的方式来完成。然而，用于确定每个图像中的感兴趣区域的替代方式被示出在图3中。这里，为了更容易理解，感兴趣区域1、1.1、1.2、2被示出在表示图像序列中的每个图像的同一图像300中。在该示例中，第一所选图像的第一感兴趣区域1被确定，并且第二所选图像的第二感兴趣区域2被确定。这些感兴趣区域1、2可以以先前已经讨论的方式被确定。例如，通过手动选择或经由对象识别或分类。然而，在图像序列中的位于第一所选图像和第二所选图像之间的中间图像的感兴趣区域1.1、1.2不以这种方式被确定。相反，第一感兴趣区域1和第二感兴趣区域2之间的内插被使用。在该示例中，第一感兴趣区域1中的第一参考点32和第二感兴趣区域2中的第二参考点38是已知的。参考点32、38可以表示已经被检测到并且定义了相应的感兴趣区域1、2的检测到的感兴趣对象。中间参考点34、36通过第一参考点32与第二参考点38之间的内插被生成。任何已知的且合适的内插方法可被用于生成，且可基于应用被选择。
通过使用内插，感兴趣对象不需要在中间图像中被识别和被确定，并且因此更快且更少资源需求的方法可被实现。通过一系列的图像，一些图像(例如每10帧)可被选择，并且成对地形成第一图像和第二图像，对于第一图像和第二图像，使用内插来处理中间图像。输出图像及其输出视频可根据先前公开的实施例被形成，且在图3中未被示出。
图4示出了图像序列的永久排除区域45、47被确定的实施例。图像序列的两个图像400、402被示出。在第一图像400中，存在感兴趣对象42并且感兴趣区域43被定义。特别对于该实施例，另外的感兴趣区域45、47被确定。它们位于感兴趣区域43之外。另外的感兴趣区域45、47各自覆盖可能包括个人识别符的对象。对象优选地被识别为静态对象或具有低运动或无运动的对象，例如收银员或停放的车辆，其在整个图像序列中很可能保持在所确定的另外的排除区域内。在该示例中，第一停放的汽车44定义第一另外的感兴趣区域45，并且第二停放的汽车46定义第二另外的感兴趣区域47。
在所确定的感兴趣区域43内，排除区域可被确定，然而，由于在感兴趣区域内没有其它对象，因此在该示例中情况并非如此。图像的其余部分，即感兴趣区域43的包括另外的感兴趣区域45、47的周围区被掩蔽。输出图像401根据先前讨论的实施例被形成。
在第二图像402中，感兴趣对象42以及因此感兴趣区域43已经移动。感兴趣区域43现在与第一另外的排除区域45以及第二另外的排除区域47两者相交。在感兴趣区域43与第一另外的排除区域45和第二另外的排除区域47中的每一个之间，重叠区域被形成。作为突出显示感兴趣对象42的方法中的另外的步骤，重叠区域被掩蔽。输出图像403由感兴趣区域43的图像数据形成，其中，其任何排除区域被掩蔽。这包括掩蔽确定的排除区域(在该实施例中不是这种情况)和另外的排除区域45、47的重叠区域两者。通过该实施例，场景的对象可以在一个或几个图像中以容易且有效的方式被定义或被标记，从而影响整个图像序列。另外的排除区域可以以规则的间隔被定义，例如，视频序列的每10录制分钟。另外的排除区域的坐标可被存储在数字存储器中。
用于确定感兴趣区域的替代方案现在将参考图5被公开。这里，感兴趣区域a.1、a.2、a.3被确定为边界框的选择，并在表示图像序列中的不同图像的同一图像500中被示出。边界框可以从传统的对象跟踪算法基于图像序列的分析被从本方法输出以及被输入到本方法。可以向用户呈现多个边界框，作为视频序列中的图像的覆盖物。用户可以通过在每个图像中选择围绕感兴趣对象的边界框来确定感兴趣区域a.1、a.2、a.3，该边界框由用户通过例如感兴趣对象的个人识别符来识别。可替代地，用户可以选择第一图像中的边界框a.1，并且与该边界框轨迹a的关联被创建，以在整个图像序列中保持该选择。在这种情况下，用户只需要对每个感兴趣对象做一次选择。在边界框a.2、a.3被确定并将在整个视频序列中改变位置的视频序列的其余部分期间，感兴趣区域已经被选择。当感兴趣区域已经被选择时，与轨迹b相关联的其它边界框b.1、b.2、b.3或它们的选择的部分可被确定为另外的排除区域。如前所述，突出显示感兴趣对象的方法可以包括：如果感兴趣区域在图像序列的任何图像中与另外的排除区域相交，则形成的重叠51将构成排除区域，并且因此在输出图像中被掩蔽。
通过分析不同边界框的图像数据以识别个人识别符，并将其与先前接收的指示哪个感兴趣对象将被突出显示的个人标识符进行比较，可以以自动方式选择哪个边界框将与感兴趣区域相关联。
一系列输出图像501、503、505根据先前的公开被形成。即，感兴趣区域54、56、58的图像数据被包括，然而，排除区域55被掩蔽。周围区57被包括在每个输出图像501、503、505中。
通过使用已知的跟踪方法来确定感兴趣区域和/或(另外的)排除区域的替代实施例也是可能的。诸如重新识别算法、基于核的跟踪或轮廓跟踪的跟踪方法可被实施。来自这些算法的输出可被提供给所讨论的突出显示感兴趣对象的方法，并且被用于确定其中的区域。
突出显示感兴趣对象的方法可被实施为硬件实施方式或软件实施方式。该实施方式可以位于视频管理系统(VMS)中，使得具有突出显示的感兴趣对象的输出视频可以从与用于观看实况和录制的视频序列的设备相同的设备被形成。因此，视频序列不需要被传送到另一硬件或软件即可对其进行处理以提供所需的输出视频。
在硬件实施方式中，适于执行该方法的步骤的检测器和处理器可以被提供为专用的并且经专门设计以提供所需功能的电路。该电路可以是一个或多个集成电路的形式，诸如一个或多个专用集成电路或一个或多个现场可编程门阵列。
在软件实施方式中，该电路可替代地为处理器(诸如微处理器)的形式，该处理器与存储在(非暂时性)计算机可读介质(诸如非易失性存储器)上的计算机代码指令相关联，执行本文所公开的任何方法(的一部分)。非易失性存储器的示例包括只读存储器、闪存、铁电RAM、磁性计算机存储设备、光盘等。在软件情况下，检测器和处理器因此可各自对应于存储在计算机可读介质上的执行组件的功能的计算机代码指令的一部分。
应当理解，硬件和软件实施方式的组合也是可能的。
本领域技术人员认识到，本发明绝不限于上述的优选实施例。相反，在所附权利要求的范围内，许多修改和变型是可能的。

Claims (12)

1.一种突出显示图像中的感兴趣对象的方法，所述方法包括：
提供数字图像；
接收表示为所述数字图像中的对象确定的一个或多个边界框的数据；
通过选择所述一个或多个边界框中的一个，确定所述数字图像内的覆盖具有个人识别符的感兴趣对象的感兴趣区域，其中，所述个人识别符是特征、特性或对象，个人身份能基于所述特征、所述特性或所述对象被唯一地识别；
将所述数字图像中的在所述感兴趣区域的周围区中的所有图像数据掩蔽；
在所述感兴趣区域内，确定覆盖所述数字图像中的具有另一个人识别符的排除对象的排除区域；以及
形成输出图像，所述输出图像包括来自所述感兴趣区域的图像数据，并且包括所述周围区的被掩蔽的图像数据，其中，所述感兴趣区域的所述排除区域被掩蔽。
2.根据权利要求1所述的方法，其中，所述周围区对应于所述数字图像的其余部分。
3.根据权利要求1所述的方法，其中，所述图像数据通过来自所述数字图像的图像数据的操纵被掩蔽。
4.根据权利要求1所述的方法，其中，所述感兴趣对象是人。
5.根据权利要求4所述的方法，进一步包括：
接收人的身份，并且其中，确定所述感兴趣区域的动作基于所接收的身份被执行。
6.根据权利要求1所述的方法，其中，所述确定感兴趣区域或确定排除区域的动作包括：在所述数字图像上执行对象检测算法。
7.根据权利要求1所述的方法，其中，所述个人识别符包括面部、车牌或id标签。
8.一种突出显示视频序列中的感兴趣对象的方法，所述方法包括：
提供包括数字图像的视频序列；
对于从所述视频序列中选择的数字图像的每个图像，应用根据权利要求1所述的方法；以及
形成包括所述输出图像的输出视频序列。
9.一种突出显示视频序列中的感兴趣对象的方法，所述方法包括：
提供包括数字图像的视频序列；
对于从所述视频序列中选择的第一图像，
接收表示为所述第一图像中的对象确定的一个或多个边界框的数据；以及
通过选择所述一个或多个边界框中的一个，确定所述第一图像内的覆盖具有个人识别符的感兴趣对象的第一感兴趣区域，其中，所述个人识别符是特征、特性或对象，个人身份能基于所述特征、所述特性或所述对象被唯一地识别；
对于从所述视频序列中选择的第二图像，
接收表示为所述第二图像中的对象确定的一个或多个边界框的数据；以及
通过选择所述一个或多个边界框中的一个，确定所述第二图像内的覆盖所述感兴趣对象的第二感兴趣区域；
对于位于所述视频序列中的所述第一图像和所述第二图像之间的暂时中间图像，
通过所述第一图像中的所述第一感兴趣区域和所述第二图像中的所述第二感兴趣区域之间的内插，确定相应的感兴趣区域；
对于所述第一图像、所述第二图像和所述暂时中间图像中的每个数字图像，
将所述数字图像中的在所述数字图像的相应的感兴趣区域的周围区中的所有图像数据掩蔽；
在所述相应的感兴趣区域内，确定覆盖所述数字图像中的具有另一个人识别符的排除对象的排除区域，以及
形成输出图像，所述输出图像包括来自所述相应的感兴趣区域的图像数据，并且包括所述周围区的被掩蔽的图像数据，其中，所述感兴趣区域的所述排除区域被掩蔽；
以及形成包括所述输出图像的输出视频序列。
10.一种具有指令的非暂时性计算机可读存储介质，所述指令当由具有处理能力的设备执行时，适于执行方法，所述方法包括：
提供数字图像；
接收表示为所述数字图像中的对象确定的一个或多个边界框的数据；
通过选择所述一个或多个边界框中的一个，确定所述数字图像内的覆盖具有个人识别符的感兴趣对象的感兴趣区域，其中，所述个人识别符是特征、特性或对象，个人身份能基于所述特征、所述特性或所述对象被唯一地识别；
将所述数字图像中的在所述感兴趣区域的周围区中的所有图像数据掩蔽；
在所述感兴趣区域内，确定覆盖所述数字图像中的具有另一个人识别符的排除对象的排除区域；以及
形成输出图像，所述输出图像包括来自所述感兴趣区域的图像数据，并且包括所述周围区的被掩蔽的图像数据，其中，所述感兴趣区域的所述排除区域被掩蔽。
11.一种设备，被设置为突出显示数字图像中的感兴趣区域，所述设备包括：
检测器，被设置为：接收表示为所述数字图像中的对象确定的一个或多个边界框的数据；通过选择所述一个或多个边界框中的一个，确定所述数字图像内的覆盖具有个人识别符的感兴趣对象的感兴趣区域，并且，在所述感兴趣区域内，确定覆盖所述数字图像中的具有另一个人识别符的排除对象的排除区域，其中，所述个人识别符是特征、特性或对象，个人身份能基于所述特征、所述特性或所述对象被唯一地识别；以及
处理器，被设置为：将所述数字图像中的在所述感兴趣区域的周围区中的所有图像数据掩蔽，并且形成输出图像，所述输出图像包括来自所述感兴趣区域的图像数据，并且包括所述周围区的所述被掩蔽的图像数据，其中，所述感兴趣区域的所述排除区域被掩蔽。
12.根据权利要求11所述的设备，被设置在视频管理系统的视频卡中。
CN202010407403.3A 2019-06-14 2020-05-14 突出显示图像或视频中的感兴趣对象的方法 Active CN112084832B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP19180289.1A EP3751851A1 (en) 2019-06-14 2019-06-14 Method of highlighting an object of interest in an image or video
EP19180289.1 2019-06-14

Publications (2)

Publication Number Publication Date
CN112084832A CN112084832A (zh) 2020-12-15
CN112084832B true CN112084832B (zh) 2022-09-09

Family

ID=66912573

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010407403.3A Active CN112084832B (zh) 2019-06-14 2020-05-14 突出显示图像或视频中的感兴趣对象的方法

Country Status (6)

Country Link
US (1) US11244168B2 (zh)
EP (2) EP4064703A1 (zh)
JP (1) JP7441732B2 (zh)
KR (1) KR102601432B1 (zh)
CN (1) CN112084832B (zh)
TW (1) TW202106020A (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3142626A1 (en) 2019-06-24 2020-12-30 Alarm.Com Incorporated Dynamic video exclusion zones for privacy
US11481991B2 (en) * 2020-07-15 2022-10-25 Visual Defence Inc. System and method for detecting and transmitting incidents of interest of a roadway to a remote server
JP7140819B2 (ja) * 2020-12-25 2022-09-21 本田技研工業株式会社 撮像装置
JP2022178773A (ja) * 2021-05-21 2022-12-02 Ｎｅｃプラットフォームズ株式会社 画像監視装置、方法及びプログラム
US20230368345A1 (en) * 2022-05-10 2023-11-16 GM Global Technology Operations LLC Viewing system to dynamic real time optimize image quality for every customer viewport

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010020921A2 (en) * 2008-08-20 2010-02-25 Koninklijke Philips Electronics N.V. Blanking of image regions
WO2012001947A1 (ja) * 2010-06-28 2012-01-05 株式会社ニコン 撮像装置、画像処理装置、画像処理プログラム記録媒体
EP2706483A1 (en) * 2012-09-05 2014-03-12 Axis AB Privacy masking in monitoring system.
CN103888710A (zh) * 2012-12-21 2014-06-25 深圳市捷视飞通科技有限公司 一种视频会议系统和方法
CN108520184A (zh) * 2018-04-16 2018-09-11 成都博锐智晟科技有限公司 一种隐私保护的方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7827488B2 (en) 2000-11-27 2010-11-02 Sitrick David H Image tracking and substitution system and methodology for audio-visual presentations
JP4536419B2 (ja) 2004-05-19 2010-09-01 株式会社日立メディコ 超音波診断装置
WO2008007907A1 (en) 2006-07-14 2008-01-17 Dong Soo Son A system for providing the interactive moving picture contents and the method thereof
JP2010146094A (ja) 2008-12-16 2010-07-01 Nec Corp 画像処理装置、画像処理方法及び画像処理プログラム
JP2010206290A (ja) 2009-02-27 2010-09-16 Panasonic Corp 撮像装置及びマスク方法
US8934044B2 (en) 2012-07-20 2015-01-13 Adobe Systems Incorporated Systems and methods for live view photo layer in digital imaging applications
KR101936802B1 (ko) * 2012-07-20 2019-01-09 한국전자통신연구원 얼굴인식 기반의 개인정보보호 장치 및 방법
DE102013019488A1 (de) * 2012-11-19 2014-10-09 Mace Wolf Bilderfassung mit schutz der privatsphäre
US9940525B2 (en) * 2012-11-19 2018-04-10 Mace Wolf Image capture with privacy protection
US9904852B2 (en) * 2013-05-23 2018-02-27 Sri International Real-time object detection, tracking and occlusion reasoning
US9876964B2 (en) * 2014-05-29 2018-01-23 Apple Inc. Video coding with composition and quality adaptation based on depth derivations
JP6732522B2 (ja) 2016-05-02 2020-07-29 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
EP3340624B1 (en) * 2016-12-20 2019-07-03 Axis AB Encoding a privacy masked image
KR20190028103A (ko) * 2017-09-08 2019-03-18 삼성에스디에스 주식회사 비관심 객체에 대한 마스크 처리 방법 및 그 장치
RU2681364C1 (ru) * 2018-02-16 2019-03-06 ООО "Ай Ти Ви групп" Система и способ сокрытия объектов в видеоархиве по требованию пользователей

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010020921A2 (en) * 2008-08-20 2010-02-25 Koninklijke Philips Electronics N.V. Blanking of image regions
WO2012001947A1 (ja) * 2010-06-28 2012-01-05 株式会社ニコン 撮像装置、画像処理装置、画像処理プログラム記録媒体
EP2706483A1 (en) * 2012-09-05 2014-03-12 Axis AB Privacy masking in monitoring system.
CN103888710A (zh) * 2012-12-21 2014-06-25 深圳市捷视飞通科技有限公司 一种视频会议系统和方法
CN108520184A (zh) * 2018-04-16 2018-09-11 成都博锐智晟科技有限公司 一种隐私保护的方法及系统

Also Published As

Publication number Publication date
US11244168B2 (en) 2022-02-08
KR102601432B1 (ko) 2023-11-10
CN112084832A (zh) 2020-12-15
EP4064703A1 (en) 2022-09-28
TW202106020A (zh) 2021-02-01
EP3751851A1 (en) 2020-12-16
JP7441732B2 (ja) 2024-03-01
JP2021006990A (ja) 2021-01-21
KR20200143232A (ko) 2020-12-23
US20200394411A1 (en) 2020-12-17

Similar Documents

Publication Publication Date Title
CN112084832B (zh) 突出显示图像或视频中的感兴趣对象的方法
KR101378295B1 (ko) 영상의 프라이버시 마스킹 방법 및 장치
KR101492180B1 (ko) 비디오 분석
CN111383168B (zh) 隐私保护摄影机
US20100328460A1 (en) Masking module for a video surveillance system, method for masking selected objects, and computer program
EP3514760B1 (en) Method and system for privacy compliant data recording
US20210233371A1 (en) Automatic video privacy
KR101746074B1 (ko) 디지털 동영상 위변조 분석시스템 및 그 방법
KR100843513B1 (ko) 영상보정을 통한 얼굴 인식 방법
US10841642B2 (en) System and method for masking objects in a video archive upon the demand of users
Sah et al. Video redaction: a survey and comparison of enabling technologies
CN108460319B (zh) 异常人脸检测方法及装置
KR102194511B1 (ko) 대표 영상프레임 결정시스템 및 이를 이용한 방법
Grosselfinger et al. An architecture for automatic multimodal video data anonymization to ensure data protection
KR20210033193A (ko) 자동차 번호판의 은닉 처리를 수행하는 영상 재구성 장치 및 방법
CN112699707A (zh) 一种视频检测方法、设备及存储介质
KR102454677B1 (ko) 암호 키 기반 영상의 개인정보 비 식별화 및 복원 기술
CN112188151A (zh) 视频处理方法、装置及计算机可读存储介质
KR101292907B1 (ko) 프라이버시 마스킹용 휴먼 추적 시스템 및 방법
Chen et al. FIS: Facial Information Segmentation for Video Redaction
KR101612735B1 (ko) 얼굴 분석 기반의 선택적 영역 모자이크 방법
Hoo et al. Skin-based privacy filter for surveillance systems
CN110674770A (zh) 用于人脸表情检测的系统以及方法
CN116529792A (zh) 用于隐私掩蔽视频监视数据的计算机实现的方法、设备和计算机程序
CN116778004A (zh) 图像流中对象的改进的屏蔽

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