发明内容
本发明针对上述现有技术中一个或多个技术缺陷,提出了如下技术方案。
一种图像信息安全处理方法,其特征在于,该方法包括:
采集步骤,第一客户端使用图像采集设备采集N张时间序列图像Ti,其中,N≥2,1≤i≤N;
加密步骤,对所述N张时间序列图像Ti采用第一加密算法和第二加密算法进行加密得到加密后的N张图像eTi;
传输步骤,所述第一客户端将所述加密后的N张图像eTi发送至第二客户端。
更进一步地,所述第一加密算法在加密时占用的系统资源小于第二加密算法在加密时占用的系统资源。
更进一步地,所述加密步骤的操作为:将每一张图像Ti划分为M个图像块,计算每一个图像块Bj的特征值,如果该图像块Bj的特征值小于第一阈值,则该图像块Bj使用第一加密算法进行加密得到加密后的图像块eBj,如果该图像块Bj的特征值大于或等于第一阈值,则该图像块Bj使用第二加密算法进行加密得到加密后的图像块eBj,然后组成二元组(eBj,eIDk),eIDk表示所采用的加密算法的标识,当一张图形Ti的所有图像块加密完成后得到M个二元组(eBj,eID),将所述M个二元组(eBj,eID)进行封装后得到加密后的图像eTi,其中,1≤j≤N,k=1或2。
更进一步地,将所述M个二元组(eBj,eIDk)进行封装后得到加密后的图像eTi的操作为:基于eIDk将所述二元组中的eBj聚集为两个集合A和B,其中,集合A中为使用标识eID1的加密算法进行加密,即第一加密算法进行加密,集合B中为使用标识eID2的加密算法进行加密,即第二加密算法进行加密;将集合A和B进行封装后得到加密后的图像eTi。
更进一步地,所述计算每一个图像块Bj的特征值的操作:设每一个图像块Bj的大小为m*n,所述特征值计算公式为:
其中,
本发明还提出了一种图像信息安全处理装置,该装置包括:
采集单元,第一客户端使用图像采集设备采集N张时间序列图像Ti,其中,N≥2,1≤i≤N;
加密单元,对所述N张时间序列图像Ti采用第一加密算法和第二加密算法进行加密得到加密后的N张图像eTi;
传输单元,所述第一客户端将所述加密后的N张图像eTi发送至第二客户端。
更进一步地,所述第一加密算法在加密时占用的系统资源小于第二加密算法在加密时占用的系统资源。
更进一步地,所述加密单元执行的操作为:将每一张图像Ti划分为M个图像块,计算每一个图像块Bj的特征值,如果该图像块Bj的特征值小于第一阈值,则该图像块Bj使用第一加密算法进行加密得到加密后的图像块eBj,如果该图像块Bj的特征值大于或等于第一阈值,则该图像块Bj使用第二加密算法进行加密得到加密后的图像块eBj,然后组成二元组(eBj,eIDk),eIDk表示所采用的加密算法的标识,当一张图形Ti的所有图像块加密完成后得到M个二元组(eBj,eID),将所述M个二元组(eBj,eID)进行封装后得到加密后的图像eTi,其中,1≤j≤N,k=1或2。
更进一步地,将所述M个二元组(eBj,eIDk)进行封装后得到加密后的图像eTi的操作为:基于eIDk将所述二元组中的eBj聚集为两个集合A和B,其中,集合A中为使用标识eID1的加密算法进行加密,即第一加密算法进行加密,集合B中为使用标识eID2的加密算法进行加密,即第二加密算法进行加密;将集合A和B进行封装后得到加密后的图像eTi。
更进一步地,所述计算每一个图像块Bj的特征值的操作:设每一个图像块Bj的大小为m*n,所述特征值计算公式为:
其中,
本发明还提出了一种计算机可读存储介质,所述存储介质上存储有计算机程序代码,当所述计算机程序代码被计算机执行时执行上述之任一的方法。
本发明的技术效果在于:本发明的一种图像信息安全处理方法及装置,该方法包括:采集步骤S101,第一客户端使用图像采集设备采集N张时间序列图像Ti,其中,N≥2,1≤i≤N,i、N为整数。加密步骤S102,对所述N张时间序列图像Ti采用第一加密算法和第二加密算法进行加密得到加密后的N张图像eTi。传输步骤S103,所述第一客户端将所述加密后的N张图像eTi发送至第二客户端。本发明基于不同的特征值,将每一张图像采用两种加密算法进行加密,而两种加密算法耗用的系统资源不同,即可以对图像的关键部分使用耗用系统资源较多的加密算法进行加密,图像的一般部分使用耗用系统资源较少的加密算法进行加密,在确保图像安全的同时,节约了终端的计算资源,本发明中,通过计算每一个图像块的特征值,将其与一个阈值判断,由于特征值与阈值的比较确定所采用的加密算法,确定方法简单高效,且使用了二元组记录每个图像块所采用的加密算法,确保解密正确,提高了图像的安全性,降低了图像加密时的系统资源消耗,本发明进一步基于eIDk将所述二元组中的eBj聚集为两个集合A和B,在生成的加密图像中,可以只记录每个集合A、B所采用的加密算法,而不必记录每个图像块所采用的加密算法,进一步地降低了加密后的图像大小,在传输时可以节约系统资源,本发明中,首先通过第一神经网络确定图像的类型及该张图像中所包含的对象的位置,在使用第二神经网络基于图像的类型及该张图像中所包含的对象的位置确定该张图像的图像块大小及阈值,该方法可以根据图像的类型及图像中的对象所在位置进行分块,并确定阈值大小,即将图像中需要保密性较高的内容,如对象所在的部分,进行资源消耗较大的方式加密,节约了系统资源。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种图像信息安全处理方法,该方法包括:
一种图像信息安全处理方法,其特征在于,该方法包括:
采集步骤S101,第一客户端使用图像采集设备采集N张时间序列图像Ti,其中,N≥2,1≤i≤N,i、N为整数。
加密步骤S102,对所述N张时间序列图像Ti采用第一加密算法和第二加密算法进行加密得到加密后的N张图像eTi。
传输步骤S103,所述第一客户端将所述加密后的N张图像eTi发送至第二客户端。
本发明中的所述第一、二客户端可以智能便携设备,比如智能手机、IPAD、笔记本电脑等,其具有摄像头,即图像采集设备,可以采集具有时间序列的图像,即视频,也可以采集单张图像。本发明的重要发明构思是,基于不同的特征值,将每一张图像采用两种加密算法进行加密,而两种加密算法耗用的系统资源不同,即可以对图像的关键部分使用耗用系统资源较多的加密算法进行加密,图像的一般部分使用耗用系统资源较少的加密算法进行加密,在确保图像安全的同时,节约了终端的计算资源,这是本发明的重要发明点之一。
在一个实施例中,所述第一加密算法在加密时占用的系统资源小于第二加密算法在加密时占用的系统资源。所述系统资源为加密计算时耗费的处理器、内存等资源,现有技术中,对同一张图像采用同样加密算法进行加密,如果需要的安全性高,则加密算法耗用的系统资源较多,而没有一种,即降低系统资源的消耗又不降低图像安全性的加密方法,这是现有技术中的一个重大缺陷。
在一个实施例中,为了确定哪部分图像采用第一或第二加密加密算法,必须采用一种快速的方式确定图像的各部分采用的加密算法,否则,加密计算节约的系统资源被确定图像的各部分采用的加密算法这部分计算消耗掉了,起不到降低系资源消耗的目的。本发明中,所述加密步骤的操作为:将每一张图像Ti划分为M个图像块,计算每一个图像块Bj的特征值,如果该图像块Bj的特征值小于第一阈值,则该图像块Bj使用第一加密算法进行加密得到加密后的图像块eBj,如果该图像块Bj的特征值大于或等于第一阈值,则该图像块Bj使用第二加密算法进行加密得到加密后的图像块eBj,然后组成二元组(eBj,eIDk),eIDk表示所采用的加密算法的标识,当一张图形Ti的所有图像块加密完成后得到M个二元组(eBj,eID),将所述M个二元组(eBj,eID)进行封装后得到加密后的图像eTi,其中,1≤j≤N,k=1或2。
本发明中,通过计算每一个图像块的特征值,将其与一个阈值判断,进而确定每张图像中各个图像块所采用的加密算法,并使用二元组(eBj,eIDk)记录每个图像块所使用的加密算法标识,最后封装为加密图像发送至第二客户端,当然,也可以将加密的图像保存在本地或发送至服务器等等,由于特征值与阈值的比较确定所采用的加密算法,确定方法简单高效,且使用了二元组记录每个图像块所采用的加密算法,确保解密正确,提高了图像的安全性,降低了图像加密时的系统资源消耗,这是本发明的另一个重要发明点。
在一个实施例中,为了进一步提高加密后的图像的数据量,将所述M个二元组(eBj,eIDk)进行封装后得到加密后的图像eTi的操作为:基于eIDk将所述二元组中的eBj聚集为两个集合A和B,其中,集合A中为使用标识eID1的加密算法进行加密,即第一加密算法进行加密,集合B中为使用标识eID2的加密算法进行加密,即第二加密算法进行加密;将集合A和B进行封装后得到加密后的图像eTi。由于基于eIDk将所述二元组中的eBj聚集为两个集合A和B,在生成的加密图像中,可以只记录每个集合A、B所采用的加密算法,而不必记录每个图像块所采用的加密算法,进一步地降低了加密后的图像大小,在传输时可以节约系统资源,这是本发明的另一个重要发明点。
在一个实施例中,描述了如何快速计算每个图像的特征值,所述计算每一个图像块Bj的特征值的操作:设每一个图像块Bj的大小为m*n,所述特征值计算公式为:
其中,
其中,k、l为每个图像块中的行列坐标值,R、G、B表示每个像素的三基色值,上述计算方式仅仅减法及加法运算,在计算特征值时,降低了系统资源,这是本发明的另一个重要发明点。
在一个实施例中,如何确定每张图像分为的图像块大小及阈值是影响图像加密计算的关键点,也是本发明方法能节约多少系统的资源的关键点,下面将介绍一些阈值的确定方式。
提取每一张图像Ti的特征输入到第一神经网络中进行判断,确定该张图像的类型及该张图像中所包含的对象的位置;所述位置可以是坐标。
将该张图像的类型及该张图像中所包含的对象的位置输入到第二神经网络中进行处理,输出该张图像的图像块大小及阈值。
当然,本发明的神经网络在使用前需要进行训练,本发明的重点并不涉及神经网络的训练方式,本领域技术人员完全可以采用有监督或无监督或弱监督方式对神经网络进行训练。
本发明中,首先通过第一神经网络确定图像的类型及该张图像中所包含的对象的位置,在使用第二神经网络基于图像的类型及该张图像中所包含的对象的位置确定该张图像的图像块大小及阈值,该方法可以根据图像的类型及图像中的对象所在位置进行分块,并确定阈值大小,即将图像中需要保密性较高的内容,如对象所在的部分,进行资源消耗较大的方式加密,节约了系统资源。本发明的方法对于处理单张图像效果不明显,这是因为每张图像都采用神经网络确定分块大小及阈值也会消耗系统资源,本发明对时间序列图像进行处理,这是因为,在一个时间段内,时间序列图像差别不大,比如1s内拍摄的多张图像,比如24张图像,因此,本发明在实际使用中,每隔一段时间计算一次分块大小及阈值即可,降低了系统资源的消耗,这是本发明的另一个重要发明点。
图2示出了本发明的本发明的一种图像信息安全处理装置,该装置包括:
采集单元201,第一客户端使用图像采集设备采集N张时间序列图像Ti,其中,N≥2,1≤i≤N,i、N为整数。
加密单元202,对所述N张时间序列图像Ti采用第一加密算法和第二加密算法进行加密得到加密后的N张图像eTi。
传输单元203,所述第一客户端将所述加密后的N张图像eTi发送至第二客户端。
本发明中的所述第一、二客户端可以智能便携设备,比如智能手机、IPAD、笔记本电脑等,其具有摄像头,即图像采集设备,可以采集具有时间序列的图像,即视频,也可以采集单张图像。本发明的重要发明构思是,基于不同的特征值,将每一张图像采用两种加密算法进行加密,而两种加密算法耗用的系统资源不同,即可以对图像的关键部分使用耗用系统资源较多的加密算法进行加密,图像的一般部分使用耗用系统资源较少的加密算法进行加密,在确保图像安全的同时,节约了终端的计算资源,这是本发明的重要发明点之一。
在一个实施例中,所述第一加密算法在加密时占用的系统资源小于第二加密算法在加密时占用的系统资源。所述系统资源为加密计算时耗费的处理器、内存等资源,现有技术中,对同一张图像采用同样加密算法进行加密,如果需要的安全性高,则加密算法耗用的系统资源较多,而没有一种,即降低系统资源的消耗又不降低图像安全性的加密方法,这是现有技术中的一个重大缺陷。
在一个实施例中,为了确定哪部分图像采用第一或第二加密加密算法,必须采用一种快速的方式确定图像的各部分采用的加密算法,否则,加密计算节约的系统资源被确定图像的各部分采用的加密算法这部分计算消耗掉了,起不到降低系资源消耗的目的。本发明中,所述加密单元执行的操作为:将每一张图像Ti划分为M个图像块,计算每一个图像块Bj的特征值,如果该图像块Bj的特征值小于第一阈值,则该图像块Bj使用第一加密算法进行加密得到加密后的图像块eBj,如果该图像块Bj的特征值大于或等于第一阈值,则该图像块Bj使用第二加密算法进行加密得到加密后的图像块eBj,然后组成二元组(eBj,eIDk),eIDk表示所采用的加密算法的标识,当一张图形Ti的所有图像块加密完成后得到M个二元组(eBj,eID),将所述M个二元组(eBj,eID)进行封装后得到加密后的图像eTi,其中,1≤j≤N,k=1或2。
本发明中,通过计算每一个图像块的特征值,将其与一个阈值判断,进而确定每张图像中各个图像块所采用的加密算法,并使用二元组(eBj,eIDk)记录每个图像块所使用的加密算法标识,最后封装为加密图像发送至第二客户端,当然,也可以将加密的图像保存在本地或发送至服务器等等,由于特征值与阈值的比较确定所采用的加密算法,确定方法简单高效,且使用了二元组记录每个图像块所采用的加密算法,确保解密正确,提高了图像的安全性,降低了图像加密时的系统资源消耗,这是本发明的另一个重要发明点。
在一个实施例中,为了进一步提高加密后的图像的数据量,将所述M个二元组(eBj,eIDk)进行封装后得到加密后的图像eTi的操作为:基于eIDk将所述二元组中的eBj聚集为两个集合A和B,其中,集合A中为使用标识eID1的加密算法进行加密,即第一加密算法进行加密,集合B中为使用标识eID2的加密算法进行加密,即第二加密算法进行加密;将集合A和B进行封装后得到加密后的图像eTi。由于基于eIDk将所述二元组中的eBj聚集为两个集合A和B,在生成的加密图像中,可以只记录每个集合A、B所采用的加密算法,而不必记录每个图像块所采用的加密算法,进一步地降低了加密后的图像大小,在传输时可以节约系统资源,这是本发明的另一个重要发明点。
在一个实施例中,描述了如何快速计算每个图像的特征值,所述计算每一个图像块Bj的特征值的操作:设每一个图像块Bj的大小为m*n,所述特征值计算公式为:
其中,
其中,k、l为每个图像块中的行列坐标值,R、G、B表示每个像素的三基色值,上述计算方式仅仅减法及加法运算,在计算特征值时,降低了系统资源,这是本发明的另一个重要发明点。
在一个实施例中,如何确定每张图像分为的图像块大小及阈值是影响图像加密计算的关键点,也是本发明方法能节约多少系统的资源的关键点,下面将介绍一些阈值的确定方式。
提取每一张图像Ti的特征输入到第一神经网络中进行判断,确定该张图像的类型及该张图像中所包含的对象的位置;所述位置可以是坐标。
将该张图像的类型及该张图像中所包含的对象的位置输入到第二神经网络中进行处理,输出该张图像的图像块大小及阈值。
当然,本发明的神经网络在使用前需要进行训练,本发明的重点并不涉及神经网络的训练方式,本领域技术人员完全可以采用有监督或无监督或弱监督方式对神经网络进行训练。
本发明中,首先通过第一神经网络确定图像的类型及该张图像中所包含的对象的位置,在使用第二神经网络基于图像的类型及该张图像中所包含的对象的位置确定该张图像的图像块大小及阈值,该方法可以根据图像的类型及图像中的对象所在位置进行分块,并确定阈值大小,即将图像中需要保密性较高的内容,如对象所在的部分,进行资源消耗较大的方式加密,节约了系统资源。本发明的方法对于处理单张图像效果不明显,这是因为每张图像都采用神经网络确定分块大小及阈值也会消耗系统资源,本发明对时间序列图像进行处理,这是因为,在一个时间段内,时间序列图像差别不大,比如1s内拍摄的多张图像,比如24张图像,因此,本发明在实际使用中,每隔一段时间计算一次分块大小及阈值即可,降低了系统资源的消耗,这是本发明的另一个重要发明点。
本发明的为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质 中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的装置。
最后所应说明的是:以上实施例仅以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。