CN112383796A - 一种基于人工智能的视频加密方法 - Google Patents
一种基于人工智能的视频加密方法 Download PDFInfo
- Publication number
- CN112383796A CN112383796A CN202011205639.5A CN202011205639A CN112383796A CN 112383796 A CN112383796 A CN 112383796A CN 202011205639 A CN202011205639 A CN 202011205639A CN 112383796 A CN112383796 A CN 112383796A
- Authority
- CN
- China
- Prior art keywords
- video
- image frame
- image
- description
- description data
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 35
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 238000006467 substitution reaction Methods 0.000 description 4
- 210000000746 body region Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training 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
- H04N21/2347—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving video stream encryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Studio Circuits (AREA)
Abstract
本发明涉及通信技术领域,尤其涉及一种基于人工智能的视频加密方法,本发明通过语义分割神经网络、数学模型得到整个视频对应的描述数据,并通过不同的描述数据生成不同等级的密钥,实现了视频分层加密,解决了现有技术的视频加密技术运算量大,耗费系统资源多、加密算法单一的问题;实现了视频局部加密,且无需扰乱视频内部信息,计算复杂度较低,确保了视频的传输速率,同时能够有效的保护所述视频中局部数据的私密性,信息安全性高,另外,本发明提供的方法能够支持全平台各种形式视频的播放,适用范围广泛,实用性强。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种基于人工智能的视频加密方法。
背景技术
随着互联网技术的发展,用户可以通过互联网进行很多娱乐活动,比如从互联网上观看视频等。
但是,部分视频数据并未进行加密,这存在视频数据被窃取,导致视频资源信息大面积泄露等的风险,或者,现有视频加密方法是对所有的视频数据进行加密,即视频整体加密,其加密、解密运算量大,耗费系统资源多,且加密算法单一,加密强度弱;另外,在多数场景下,需要对视频中不同内容进行不同加密等级或者权限的设置。
发明内容
本发明提供一种基于人工智能的视频加密方法,解决的技术问题是,现有技术的视频加密技术运算量大,耗费系统资源多、加密算法单一。
为解决上述技术问题,本发明提供了一种基于人工智能的视频加密方法,包括:
S1.获取待加密视频中的所有图像帧;
S2.将所述图像帧输入语义分割神经网络,输出语义分割效果图;
S3.通过第一模型对所述语义分割效果图同一类别区域进行特征描述,得到图像帧描述数据,所述图像帧描述数据包括图像帧描述向量以及图像帧描述值;
S4.根据所述语义分割效果图以及所述图像帧,得到各类别区域灰度图,并通过第二模型对所述区域灰度图进行特征描述,得到区域图描述数据,所述区域图描述数据包括区域图描述向量以及区域图描述值;
S5.根据所述图像帧描述数据以及所述区域图描述数据,生成视频描述数据,通过对所述视频描述数据添加设定数值生成相应的不同等级的视频密钥;
S6.将所述待加密视频以及视频密钥进行传输;
S7.对接收的视频密钥进行解密,观看视频。
进一步地,所述第一模型为:
式中,ML表示所述图像帧描述值,Mi表示所述语义分割效果图中第i个类别描述,k表示所述语义分割效果图中共k个类别,i∈k。
进一步地,所述图像帧描述数据为所述图像帧中同一类别的图像帧描述数据。
更进一步地,所述图像帧描述向量的元素为所述语义分割效果图中所有的类别描述。
更进一步地,所述区域灰度图包括所述图像帧中同一类别的所有区域。
进一步地,在所述步骤S6中,若观看视频时,视频无权限部分可使用设定数值进行填补。
进一步地,所述语义分割神经网络采用编码器-解码器基础架构。
进一步地,所述生成区域灰度图具体为:
根据所述语义分割效果图得到各类的类别掩膜图;
所述类别掩膜图与灰度化后所述图像帧相乘,得到各类的区域灰度图。
本发明提供的一种基于人工智能的视频加密方法,通过语义分割神经网络对视频进行处理,并结合数学模型获取视频不同的描述数据,以生成不同等级的密钥,从而实现分层加密的效果,解决了现有技术的视频加密技术运算量大,耗费系统资源多、加密算法单一的问题,实现了对视频中局部具体区域进行加密,保证了授权用户能够解读视频区域内容,而其它未授权用户端不能解读视频区域内容,且将视频内部数据和加密数据分离开,降低了计算复杂度,操作简单,信息安全性高,具有更广泛的适用范围,可靠性高、稳定性高。
附图说明
图1是本发明实施例提供的一种基于人工智能的视频加密方法流程示意图;
图2是本发明实施例提供的视频描述数据简单示意图;
图3是本发明实施例提供的视频无人体权限区域的显示示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,实施例的给出仅仅是为了说明目的,并不能理解为对本发明的限定,包括附图仅供参考和说明使用,不构成对本发明专利保护范围的限制,因为在不脱离本发明精神和范围基础上,可以对本发明进行许多改变。
针对现有技术的视频加密技术运算量大,耗费系统资源多、加密算法单一的问题,本发明实施例提供了一种基于人工智能的视频加密方法,如图1所示,包括:
S1.将待加密视频进行单帧拆分,获取其所有的图像帧;
S2.将所述图像帧输入语义分割神经网络进行推理,识别并分割所述图像帧中的内容,输出语义分割效果图;
在本实施例中,所述语义分割神经网络采用编码器-解码器基础架构,端到端地训练所述图像帧,实现其内容的像素级分类,具体过程为:
编码器对所述图像帧进行下采样,提取图像中的特征向量;然后,将所述特征向量输入解码器,通过所述解码器得到对应的单通道语义分割效果图,本实施例采用交叉熵损失函数进行训练;
另外,语义分割神经网络进行训练的图像为:包含需要识别类别的样本图像,本领域技术人员可根据具体需求选择使用公开数据集或者自行采集图像;样本图像对应的标签为单通道的标签图像,标签图像中的像素值表示样本图像中此坐标位置的像素的所属类别;标签图像的制作过程为:定义同等大小的单通道图像,若对应样本图像中像素所属的类别为背景类,则标签图像中对应位置的像素值标记为0,然后依次根据所需识别的类别,标记像素值。
S3.通过第一模型对所述语义分割效果图进行同一类别区域的特征描述,得到图像帧描述数据,所述图像帧描述数据包括图像帧描述向量以及图像帧描述值,具体为:
首先,本实施例以事物不同类别划分区域,所述图像帧描述数据为所述图像帧中同一类别的图像帧描述数据;
本发明实施例对所述语义分割效果图的同一类事物区域进行类别描述:
Mi=Ki*Si 1-1
式中,Mi表示所述语义分割效果图中第i个类别的描述,Ki表示第i个类别的标签像素值,Si表示所述语义分割效果图中属于第i个类别的像素个数。
然后,将MS={M1,M2,M3,…Mi,…Mk}作为所述图像帧描述向量;
根据第一模型计算所述图像帧描述值,具体为:
式中,ML表示所述图像帧描述值,Mi表示所述语义分割效果图中第i个类别描述,k表示所述语义分割效果图中共k个类别,i∈k。
S4.根据所述语义分割效果图以及所述图像帧,得到区域灰度图,具体为:
根据所述语义分割效果图得到各类事物对应的类别掩膜图,同时将原始的所述图像帧灰度化,得到灰度图像帧,本实施例将所述类别掩膜图与所述灰度图像帧相乘,得到各个区域灰度图;在本发明实施例中,所述区域灰度图包括所述图像帧中同一类事物的所有区域;
通过第二模型对所述区域灰度图进行特征描述,得到区域图描述数据,所述区域图描述数据包括某一类的区域图描述向量以及区域图描述值,其中,所述第二模型为:
式中,QLμ表示在所述某一灰度图像帧中,包含第μ类事物的所述区域灰度图的灰度值均值,即所述区域图描述值;V表示在此区域灰度图中,此类事物区域的像素个数;Iv表示在此区域灰度图中,此类事物区域的第v个像素灰度值;
本实施例将QS={I1,I2,I3,…Iv,…IV}作为所述区域图描述向量。
S5.根据所述图像帧描述数据以及所述区域图描述数据,生成视频描述数据,通过对所述视频描述数据添加设定数值生成相应的不同等级的视频密钥,具体包括:
本实施例生成的视频描述数据为:
其中,μ1,μ2,…μN分别为对应所述图像帧包含的事物类别数量,即所述区域灰度图的数量;N表示所述待加密视频中所述图像帧的数量;为了方便理解,如图2所示,本实施例提供了另一种表示形式的简单示意图。
本发明实施例对所述视频描述数据进行处理,生成密钥,使得具有权限部分使用对应的描述数据,无权限部分使用设定数值进行填补,具体为:
第一级别视频密钥:L1级,其密钥为所述视频描述数据,对应观看整个视频所有内容的权限;本实施例其余级别需要在L1级密钥的基础上替换需要加密内容的描述数据,所述加密内容包括所述图像帧以及所述图像帧中某一类事物区域;
第二级别视频密钥:L2级,本实施例将L2级分为两类,即L2-1密钥和L2-2密钥,两个密钥均为在L1级密钥的基础上,将需要加密的部分内容使用设定数值进行填补,本实施例设置L2-1密钥对应用户观看整个视频中部分图像帧的权限,L2-2密钥对应用户观看整个视频中所有图像帧的部分区域内容的权限,比如:
若L2-1密钥需要加密第2帧所述图像帧,其余的所述图像帧不加密,则需把第2帧所述图像帧的描述数据:[(ML2,MS2),(QL(2,1),QS(2,1)),…(QL(2,μ2),QS(2,μ2))]使用设定数值替代,或仅使用设定数值替代(ML2,MS2);
若L2-2密钥仅需要加密第2帧图像的第1类事物区域,其余的所述图像帧不加密,则需使用设定数值替代第2帧所述图像帧第1类事物区域的描述数据:(QL(2,1),QS(2,1))。
第三级别视频密钥:L3级,其密钥对应观看整个视频中部分图像帧的部分区域内容的权限,则需使用设定数值替代此部分图像帧描述数据以及需要限制权限的部分区域图描述数据。
在本发明实施例中,由于视频长度、语义分割类别的数量,单帧图像尺寸等具有相应的随机性,均会影响描述数据的长度或大小,因此,生成的密钥也具有随机性,可避免被暴力破解。
在本发明实施例中,每个所述图像帧以及所述区域图的描述数据均包括描述向量以及描述值两种形式,本领域技术人员可根据实际需求进行选取、组合。获得不同权限对应的描述数据,可以直接作用密钥,也可通过常用的RC4、RC2、DES和AES对描述数据加密获得密钥。
S6.将所述待加密视频以及视频密钥进行传输;
相比于现有的加密技术,本发明实施例不会扰乱原始的视频文件,仅需在视频的外部添加一组描述数据,然后将描述数据文件以及视频文件一起传输,无需对视频文件本身做加密处理,即可达到视频分级加密的目的,且携带描述数据的文件所占内存比视频文件小的多,并不影响视频文件的正常传输速度。
S7.对接收的视频密钥进行解密,观看视频。
在本发明实施例中,视频文件被读取时,需先验证密钥,用户使用的密钥需要与描述数据文件对应的密钥进行验证,确定用户所对应的权限,根据所用密钥的等级,为其提供不同显示程度的视频,用户无权限的内容采用设定数值填充,从而实现视频局部加密,比如,图3为用户的密钥没有观看人体区域的权限,因此,本实施例将人体区域替换为黑色。
本发明实施例将具有权限视频内容交由用户观看,而不会将其中已加密的视频内容呈现给用户,提升了视频数据的安全性,避免了所保护的视频内容的泄漏,网络适应性强。
本发明实施例提供了一种基于人工智能的视频加密方法,通过语义分割神经网络以及数学模型得到了整个视频对应的描述数据,通过不同的描述数据生成不同等级的密钥,实现了视频分级加密的效果,解决了现有技术的视频加密技术运算量大,耗费系统资源多、加密算法单一的问题,相比于现有通过对局部视频数据本身加密的技术,本发明实施例无需对视频内部进行加密,即可实现视频的局部内容加密,能够支持全平台各种形式视频的播放,安全性高,能够有效的保护所述视频中局部数据的私密性,且计算复杂度较低;另外,本实施例提供的加密算法具有很好的实时性,处理过程简单方便,适用范围广泛。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的视频加密方法,其特征在于,包括以下步骤:
S1.获取待加密视频中的所有图像帧;
S2.将所述图像帧输入语义分割神经网络,输出语义分割效果图;
S3.通过第一模型对所述语义分割效果图同一类别区域进行特征描述,得到图像帧描述数据,所述图像帧描述数据包括图像帧描述向量以及图像帧描述值;
S4.根据所述语义分割效果图以及所述图像帧,得到各类别区域灰度图,并通过第二模型对所述区域灰度图进行特征描述,得到区域图描述数据,所述区域图描述数据包括区域图描述向量以及区域图描述值;
S5.根据所述图像帧描述数据以及所述区域图描述数据,生成视频描述数据,通过对所述视频描述数据添加不同的设定数值生成相应的不同等级的视频密钥;
S6.将所述待加密视频以及视频密钥进行传输;
S7.对接收的视频密钥进行解密,观看视频。
3.如权利要求1所述的一种基于人工智能的视频加密方法,其特征在于:所述图像帧描述数据为所述图像帧中同一类别的图像帧描述数据。
4.如权利要求1所述的一种基于人工智能的视频加密方法,其特征在于:所述图像帧描述向量的元素为所述语义分割效果图中所有的类别描述。
5.如权利要求1所述的一种基于人工智能的视频加密方法,其特征在于:所述区域灰度图包括所述图像帧中同一类别的所有区域。
6.如权利要求3所述的一种基于人工智能的视频加密方法,其特征在于:在所述步骤S6中,若观看视频时,视频无权限部分使用设定数值进行填补。
7.如权利要求1所述的一种基于人工智能的视频加密方法,其特征在于:所述语义分割神经网络采用编码器-解码器基础架构。
8.如权利要求5所述的一种基于人工智能的视频加密方法,其特征在于,所述生成区域灰度图具体为:
根据所述语义分割效果图得到各类的类别掩膜图;
所述类别掩膜图与灰度化后所述图像帧相乘,得到各类的区域灰度图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205639.5A CN112383796A (zh) | 2020-11-02 | 2020-11-02 | 一种基于人工智能的视频加密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205639.5A CN112383796A (zh) | 2020-11-02 | 2020-11-02 | 一种基于人工智能的视频加密方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112383796A true CN112383796A (zh) | 2021-02-19 |
Family
ID=74577572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011205639.5A Withdrawn CN112383796A (zh) | 2020-11-02 | 2020-11-02 | 一种基于人工智能的视频加密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112383796A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676142A (zh) * | 2022-05-30 | 2022-06-28 | 佳瑛科技有限公司 | 对电子表格进行加密存储的方法和系统及介质 |
-
2020
- 2020-11-02 CN CN202011205639.5A patent/CN112383796A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676142A (zh) * | 2022-05-30 | 2022-06-28 | 佳瑛科技有限公司 | 对电子表格进行加密存储的方法和系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kabulov et al. | Algorithmic method of security of the Internet of Things based on steganographic coding | |
Abdul et al. | Biometric security through visual encryption for fog edge computing | |
Arora et al. | Digital image security based on the hybrid model of image hiding and encryption | |
Kumar et al. | Enhanced digital image and text data security using hybrid model of LSB steganography and AES cryptography technique | |
Ke et al. | Steganography security: Principle and practice | |
CN115225897A (zh) | 一种基于霍夫曼编码的视频多级加密传输方法 | |
Lu et al. | Lossless information hiding in images | |
Shivani | Multi secret sharing with unexpanded meaningful shares | |
CA3184510A1 (en) | Image distribution using composite re-encrypted images | |
Xu et al. | Audio-visual autoencoding for privacy-preserving video streaming | |
Blesswin et al. | Enhanced semantic visual secret sharing scheme for the secure image communication | |
CN105975869A (zh) | 基于显著性区域的自适应选择加密方法 | |
CN112383796A (zh) | 一种基于人工智能的视频加密方法 | |
Liu et al. | Image processing method based on chaotic encryption and wavelet transform for planar design | |
CN113709523B (zh) | 用于编码及解码私密数据的方法及图像处理装置 | |
CN109977919A (zh) | 基于人脸识别的数据处理方法、介质、设备及装置 | |
Bal et al. | An efficient safe and secured video steganography using shadow derivation | |
CN103327363A (zh) | 实现基于语义粒度进行视频信息加密控制的系统及其方法 | |
CN107169913A (zh) | 一种基于搜索最佳密钥的数字图像隐写方法 | |
CN108833921B (zh) | 一种编解码方法及装置 | |
Yuvaraja et al. | Dual tree complex wavelet transform-based image security using steganography | |
Shawkat et al. | Evolutionary programming approach for securing medical images using genetic algorithm and standard deviation | |
Han et al. | A rotating multi-secret color visual cryptography scheme based on meaningful shares | |
Akshaya et al. | Image steganography using deep reinforcement learning | |
Paramesh et al. | Video Steganography using MATLAB |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210219 |
|
WW01 | Invention patent application withdrawn after publication |