CN113194334B - 一种保护隐私的图像处理方法、装置、终端及存储介质 - Google Patents
一种保护隐私的图像处理方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN113194334B CN113194334B CN202110411760.1A CN202110411760A CN113194334B CN 113194334 B CN113194334 B CN 113194334B CN 202110411760 A CN202110411760 A CN 202110411760A CN 113194334 B CN113194334 B CN 113194334B
- Authority
- CN
- China
- Prior art keywords
- matrixes
- image
- mask
- privacy
- image processing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 title claims description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 210000000695 crystalline len Anatomy 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000608 photoreceptor cell Anatomy 0.000 description 1
- 230000016776 visual perception Effects 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
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4408—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video stream encryption, e.g. re-encrypting a decrypted video stream for redistribution in a home network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种保护隐私的图像处理方法包括S1、获取图像信息;S2、将所述图像信息转化为图像数据矩阵;S3、将所述图像数据矩阵分别和一组掩码矩阵进行卷积运算,得到一组新的数据矩阵;S4、将获得的所述新的数据矩阵重新编码为一组新的数组。相比现有技术,本发明提供的保护隐私的图像处理方法,通过设计一系列的掩码矩阵,将原始图像矩阵和掩码矩阵进行卷积运算,从而得到一系列新的矩阵。在这些新产生的矩阵中,原始图像的视觉信息被重新组合,破坏了原有的编码方式,因此观测者无法直接获取视觉信息,从源头上保证了隐私数据不会被泄露。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种保护隐私的图像处理方法、装置、终端及存储介质。
背景技术
视觉是人类感知世界的方式之一,人们的视觉感官来自眼睛。人的眼睛通过晶状体将光线聚焦于视网膜上,再利用视网膜上的感光细胞获取颜色、强度等信息。
在计算机、数码相机等设备出现之后,人们可以对视觉信息进行数据化。数码相机中的感光器件,可以模拟视网膜的工作方式,将光子转化为电子,从而生成数码照片。图像是一种视觉信息的编码方式,其目的是为了方便人类视觉感知,但同时也带来了隐私暴露的风险。当前,摄像头被广泛应用在各种领域,给人们的生活带来了很大的便利,例如安防监控、人脸识别等场景。在这些应用场景下,摄像头一般只用于采集图像或者视频数据,然后再通过网络发送到后台处理器进行记录、分析或者计算。因此大量的图像数据被通过网络传输,或者保存在后台服务器中。摄像头采集的图像或者视频数据,一般都是不经过加密的,很容易被盗取,造成了很大的隐私风险。即使有些设备在网络传输的过程种进行了加密保护,也无法保证不会被破解。
发明内容
本发明旨在克服现有技术的不足,提供一种图像处理方法,通过设计一系列的掩码矩阵,将原始图像矩阵和掩码矩阵进行卷积运算,从而得到一系列新的矩阵。在这些新产生的矩阵中,原始图像的视觉信息被重新组合,破坏了原有的编码方式,因此观测者无法直接获取视觉信息,从源头上保证了隐私数据不会被泄露。
为实现上述目的,本发明提供如下技术方案:一种保护隐私的图像处理方法,包括以下步骤:
S1、获取图像信息;
S2、将所述图像信息转化为图像数据矩阵;
S3、将所述图像数据矩阵分别和一组掩码矩阵进行卷积运算,得到一组新的数据矩阵;
S4、将获得的所述新的数据矩阵重新编码为一组新的数组。
进一步,步骤S1包括:
S11、摄像头实时拍摄获得所述图像信息,或者摄像头录制视频后从所述视频中提取所述图像信息;
S12、将所述图像信息发送给处理器。
进一步,步骤S2包括:
S21、处理器接收获取的所述图像信息;
S22、将所述图像信息转化为与N种颜色分类对应的N个像素矩阵,N≥1。
进一步,步骤S3包括:
S31、根据设置自动生成所述一组掩码矩阵或人工输入所述一组掩码矩阵,所述一组掩码矩阵包含Q个掩码矩阵,Q≥1,所述掩码矩阵为M*M方阵,M≥3;
S32、将N个所述像素矩阵分别和Q个所述掩码矩阵进行卷积运算。
进一步,所述Q个所述掩码矩阵中的每个元素的取值范围为[0,1]。
进一步,所述掩码矩阵的设置方法包括:
a.确定图像的目的特征信息类型;
b.根据所述目的特征信息类型生成所述一组掩码矩阵,和/或根据所述目的特征信息类型人工输入预先设计好的所述一组掩码矩阵。
进一步,步骤S4包括:
将获得的所述新的数据矩阵都展开为一维数组,并将所述一维数组按照行号递增的顺序进行排列,得到所述一组新的数组。
本发明还提供一种保护隐私的图像处理装置,包括摄像头,处理器,所述摄像头包含至少一个镜头和一个感光元件;
所述处理器包含图像接收模块用于接收所述摄像头传送的图像信息,图像转化模块用于将所述图像信息转化为图像数据矩阵,掩码矩阵生成模块用于生成一组掩码矩阵,卷积运算模块用于将所述图像数据矩阵分别和所述一组掩码矩阵进行卷积运算得到一组新的数据矩阵,重新编码模块用于将获得的所述新的数据矩阵重新编码为一组新的数组。
本发明还提供一种保护隐私的图像处理终端,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、程序、代码集或指令集由所述处理器加载并执行以实现上述的一种保护隐私的图像处理方法中所执行的操作。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、程序、代码集或指令集由处理器加载并执行以实现上述的一种保护隐私的图像处理方法中所执行的操作。
本发明的有益效果:
本发明为了解决隐私保护的问题,提出了一种图像处理方法、装置、终端及存储介质,当摄像头采集图像或者视频后,立刻在连接摄像头的处理器上进行运算,让原始图像与一组掩码矩阵进行卷积运算,得到掩码图像。由于掩码处理抹去了原始图像中的可视化信息,因此从源头上保证了隐私数据不会被泄露。经过掩码处理后的图像数据,再通过神经网络处理,获取图像中的深层次信息,例如人脸特征等,从而实现人脸识别,同时又保证人脸数据的隐私安全。值得注意的是,这种卷积的操作无法通过逆运算还原,因此无需担心信息被重新编码,还原为原始的图像。
附图说明
图1为本发明一实施例提供的图像处理方法的流程示意图;
图2为本发明一实施例提供的图像处理装置的模块示意图;
图3为本发明一实施例提供的图像处理终端的内部结构示意图;
图4为本发明一实施例提供的图像处理方法的卷积过程示意图;
图5为本发明一实施例提供的图像处理方法的重新编码过程示意图。
标号说明:1-保护隐私的图像处理装置,2-保护隐私的图像处理终端,01-摄像头,02-处理器,03-通信总线,04-网络接口,05-存储器,06-数据处理程序,10-镜头,20-感光元件,30-图像接收模块,40-图像转化模块,50-掩码矩阵生成模块,60-卷积运算模块,70-重新编码模块。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
以下结合实施例详细阐述本发明的内容。
请参阅图1-3,在本发明的一具体实施例中,一种保护隐私的图像处理方法,包括以下步骤:
S1、获取图像信息;
S2、将所述图像信息转化为图像数据矩阵;
S3、将所述图像数据矩阵分别和一组掩码矩阵进行卷积运算,得到一组新的数据矩阵;
S4、将获得的所述新的数据矩阵重新编码为一组新的数组。
进一步,步骤S1包括:
S11、摄像头实时拍摄获得所述图像信息,或者摄像头录制视频后从所述视频中提取所述图像信息;
S12、将所述图像信息发送给处理器。
摄像头通过感光元件(CCD或CMOS)将光子转化为电子从而生成包含上述图像信息的数码照片。或者摄像头录制视频后,提取包含上述图像信息的视频帧,具体的视频帧提取方法采用本领域现有方法即可,此处不再赘述。
进一步,步骤S2包括:
S21、处理器接收获取的所述图像信息;
S22、将所述图像信息转化为与N种颜色分类对应的N个像素矩阵,N≥1。
在本发明的一实施例中,N种颜色分类对应现有的R、G、B三个颜色值,即N=3。假设该数码照片由[W*H]个像素构成(例如W=640,H=480),每个像素有R、G、B三个颜色值,颜色值的范围可以在[0,255]之间(例如8位图像),则每张图片实际上是由3个[W*H]矩阵组成,所有视觉信息都包含在这3个矩阵中。当然,N还可以是其他大于等于1的任意值。即,颜色分类并不限于根据R、G、B三个颜色值进行分类这一种,还可以是其他任意可以囊括所有视觉信息的分类方式。
进一步,步骤S3包括:
S31、根据设置自动生成所述一组掩码矩阵或人工输入所述一组掩码矩阵,所述一组掩码矩阵包含Q个掩码矩阵,Q≥1,所述掩码矩阵为M*M方阵,M≥3;
S32、将N个所述像素矩阵分别和Q个所述掩码矩阵进行卷积运算。
进一步,所述Q个所述掩码矩阵中的每个元素的取值范围为[0,1]。
在本发明一实施例中,读取一张数码图像,获得若干个[W*H]图像矩阵。一种实现方式是获得3个[640*480]的图像矩阵。即,将图像信息转化为与R、G、B三种颜色分类对应的三个[640*480]像素矩阵。设计64个[3*3]的掩码矩阵,每个矩阵有9个数值,分布在[0,1]的范围内。其中一种实现方式如下:
掩码矩阵的设置方法包括:
a.确定图像的目的特征信息类型;
b.根据所述目的特征信息类型生成所述一组掩码矩阵,和/或根据所述目的特征信息类型人工输入预先设计好的所述一组掩码矩阵。
应当注意的是,当不需要获取图像的特征信息(例如,用于人脸识别的人脸特征)时,掩码矩阵的生成可以是随机的,只要满足每个元素的数值分布在[0,1]的范围内即可。当需要获取特定的特征信息时,可以根据特征信息的类型采用不同的算法生成一组掩码矩阵,或者人工设计一组掩码矩阵并输入。
如图4所示,将3个[640*480]像素矩阵分别和上述64个掩码矩阵进行卷积运算,生成192个[638*478]的矩阵。如图5所示,将每个[638*478]的矩阵,都展开为1维的数组。按照行号递增的顺序排列,也就是第1行的数据放在最前面,第478行的数据放在最后。将192个矩阵都进行上述操作后,组成一个192*638*478的数组。由于原始图像信息经过与一组掩码矩阵的卷积运算抹去了原始图像中的可视化信息,且经过掩码的特殊设置可以突出目标的特征信息,再将获得的192*638*478数组通过神经网络处理,获取图像中的深层次信息,例如人脸特征等,从而实现人脸识别,同时又保证人脸数据的隐私安全。
本发明还提供一种保护隐私的图像处理装置1,包括摄像头01,处理器02,所述摄像头01包含至少一个镜头10和一个感光元件20;
所述处理器02包含图像接收模块30用于接收所述摄像头传送的图像信息,图像转化模块40用于将所述图像信息转化为图像数据矩阵,掩码矩阵生成模块50用于生成一组掩码矩阵,卷积运算模块60用于将所述图像数据矩阵分别和所述一组掩码矩阵进行卷积运算得到一组新的数据矩阵,重新编码模块70用于将获得的所述新的数据矩阵重新编码为一组新的数组。
在另一实施例中,本发明还提供一种保护隐私的图像处理终端2,所述终端包括处理器02和存储器05,所述存储器05中存储有至少一条指令、至少一段程序06、代码集或指令集,所述指令、程序06、代码集或指令集由所述处理器02加载并执行以实现上述的一种保护隐私的图像处理方法中所执行的操作。处理器02通过通信总线03和网络接口04与存储器05进行通信。其中,存储器05至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器05在一些实施例中可以是图像处理终端2的内部存储单元,例如,硬盘。存储器05在另一些实施例中也可以是图像处理终端2的外部存储设备,例如插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器05还可以既包括内部存储单元也包括外部存储设备。存储器05不仅可以用于存储安装于图像处理终端2的应用软件及各类数据,例如数据处理程序06的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器02在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器05中存储的程序代码或处理数据,例如执行数据处理程序06等。
通信总线03用于实现这些组件之间的连接通信。
网络接口04可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该图像处理终端2与其他电子设备之间建立通信连接。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有数据处理程序,所述数据处理程序可被一个或多个处理器执行,所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
上述实施例中的实施方案可以进一步组合或者替换,且实施例仅仅是对本发明的优选实施例进行描述,并非对本发明的构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域中专业技术人员对本发明的技术方案作出的各种变化和改进,均属于本发明的保护范围。
Claims (5)
1.一种保护隐私的图像处理方法,其特征在于,包括以下步骤:
S1、获取图像信息;
S2、将所述图像信息转化为图像数据矩阵,具体包括:
S21、处理器接收获取的所述图像信息;
S22、将所述图像信息转化为与N种颜色分类对应的N个像素矩阵,N≥1;
S3、将所述图像数据矩阵分别和一组掩码矩阵进行卷积运算,得到一组新的数据矩阵,具体包括:
S31、根据设置自动生成所述一组掩码矩阵或人工输入所述一组掩码矩阵,所述一组掩码矩阵包含Q个掩码矩阵,Q≥1,所述掩码矩阵为M*M方阵,M≥3,其中,所述Q个所述掩码矩阵中的每个元素的取值范围为[0,1],且,所述掩码矩阵的设置方法包括:a. 确定图像的目的特征信息类型;b. 根据所述目的特征信息类型生成所述一组掩码矩阵,和/或根据所述目的特征信息类型人工输入预先设计好的所述一组掩码矩阵;
S32、将N个所述像素矩阵分别和Q个所述掩码矩阵进行卷积运算;
S4、将获得的所述新的数据矩阵重新编码为一组新的数组。
2.根据权利要求1所述的一种保护隐私的图像处理方法,其特征在于,所述步骤S1包括:
S11、摄像头实时拍摄获得所述图像信息,或者摄像头录制视频后从所述视频中提取所述图像信息;
S12、将所述图像信息发送给处理器。
3.根据权利要求1所述的一种保护隐私的图像处理方法,其特征在于,所述步骤S4包括:
将获得的所述新的数据矩阵都展开为一维数组,并将所述一维数组按照行号递增的顺序进行排列,得到所述一组新的数组。
4.一种保护隐私的图像处理终端,其特征在于,所述终端包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、程序、代码集或指令集由所述处理器加载并执行以实现如权利要求1-3任意一项所述的一种保护隐私的图像处理方法中所执行的操作。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述指令、程序、代码集或指令集由处理器加载并执行以实现如权利要求1-3任意一项所述的一种保护隐私的图像处理方法中所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411760.1A CN113194334B (zh) | 2021-04-16 | 2021-04-16 | 一种保护隐私的图像处理方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110411760.1A CN113194334B (zh) | 2021-04-16 | 2021-04-16 | 一种保护隐私的图像处理方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113194334A CN113194334A (zh) | 2021-07-30 |
CN113194334B true CN113194334B (zh) | 2023-06-06 |
Family
ID=76977175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110411760.1A Active CN113194334B (zh) | 2021-04-16 | 2021-04-16 | 一种保护隐私的图像处理方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113194334B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116451276B (zh) * | 2023-06-15 | 2023-09-26 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置、设备及系统 |
CN116484430B (zh) * | 2023-06-21 | 2023-08-29 | 济南道图信息科技有限公司 | 一种智慧心理平台用户隐私数据加密保护方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0837399A1 (en) * | 1996-10-15 | 1998-04-22 | STMicroelectronics S.r.l. | An electronic device for performing convolution operations |
JP2009284093A (ja) * | 2008-05-20 | 2009-12-03 | Sharp Corp | 画像符号化装置、画像符号化方法、画像符号化プログラムおよび記録媒体 |
CN102136071A (zh) * | 2011-03-09 | 2011-07-27 | 北京航空航天大学 | 一种基于空间相关矩阵的图像特征分析模型 |
CN107316286A (zh) * | 2017-07-07 | 2017-11-03 | 北京邮电大学 | 一种图像中雨雾同步合成、去除的方法和装置 |
CN109947948A (zh) * | 2019-02-28 | 2019-06-28 | 中国地质大学(武汉) | 一种基于张量的知识图谱表示学习方法及系统 |
WO2020034469A1 (en) * | 2018-08-13 | 2020-02-20 | Beijing Ande Yizhi Technology Co., Ltd. | Method and apparatus for classifying a brain anomaly based on a 3d mri image |
CN111046962A (zh) * | 2019-12-16 | 2020-04-21 | 中国人民解放军战略支援部队信息工程大学 | 基于稀疏注意力的卷积神经网络模型的特征可视化方法及系统 |
CN111126453A (zh) * | 2019-12-05 | 2020-05-08 | 重庆邮电大学 | 基于注意力机制和切割填充的细粒度图像分类方法及系统 |
CN112040086A (zh) * | 2019-06-03 | 2020-12-04 | 湖北微模式科技发展有限公司 | 一种图像加密、解密方法及装置、设备和可读存储介质 |
CN112134681A (zh) * | 2020-08-19 | 2020-12-25 | 河南大学 | 基于压缩感知和光学变换的图像压缩加密方法和云辅助解密方法 |
WO2021013216A1 (zh) * | 2019-07-23 | 2021-01-28 | 京东方科技集团股份有限公司 | 一种显示面板及其制作方法和电子设备及其成像方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741333B (zh) * | 2016-02-02 | 2019-01-15 | 中国空间技术研究院 | 一种Video-SAR图像实时压缩重构方法 |
CN106296560B (zh) * | 2016-07-29 | 2020-02-07 | 广东工业大学 | 一种复合级联混沌的彩色图像加密算法 |
CN107909583B (zh) * | 2017-11-08 | 2020-01-10 | 维沃移动通信有限公司 | 一种图像处理方法、装置及终端 |
CN108537820B (zh) * | 2018-04-18 | 2021-02-09 | 图灵人工智能研究院(南京)有限公司 | 动态预测方法、系统及所适用的设备 |
CN108831183A (zh) * | 2018-06-06 | 2018-11-16 | 哈尔滨工业大学(威海) | 基于机器视觉的停车场管理系统 |
CN112115811A (zh) * | 2020-08-31 | 2020-12-22 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的图像处理方法、装置和电子设备 |
CN111932595A (zh) * | 2020-09-24 | 2020-11-13 | 平安科技(深圳)有限公司 | 图像配准方法、装置、电子设备及存储介质 |
-
2021
- 2021-04-16 CN CN202110411760.1A patent/CN113194334B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0837399A1 (en) * | 1996-10-15 | 1998-04-22 | STMicroelectronics S.r.l. | An electronic device for performing convolution operations |
JP2009284093A (ja) * | 2008-05-20 | 2009-12-03 | Sharp Corp | 画像符号化装置、画像符号化方法、画像符号化プログラムおよび記録媒体 |
CN102136071A (zh) * | 2011-03-09 | 2011-07-27 | 北京航空航天大学 | 一种基于空间相关矩阵的图像特征分析模型 |
CN107316286A (zh) * | 2017-07-07 | 2017-11-03 | 北京邮电大学 | 一种图像中雨雾同步合成、去除的方法和装置 |
WO2020034469A1 (en) * | 2018-08-13 | 2020-02-20 | Beijing Ande Yizhi Technology Co., Ltd. | Method and apparatus for classifying a brain anomaly based on a 3d mri image |
CN109947948A (zh) * | 2019-02-28 | 2019-06-28 | 中国地质大学(武汉) | 一种基于张量的知识图谱表示学习方法及系统 |
CN112040086A (zh) * | 2019-06-03 | 2020-12-04 | 湖北微模式科技发展有限公司 | 一种图像加密、解密方法及装置、设备和可读存储介质 |
WO2021013216A1 (zh) * | 2019-07-23 | 2021-01-28 | 京东方科技集团股份有限公司 | 一种显示面板及其制作方法和电子设备及其成像方法 |
CN111126453A (zh) * | 2019-12-05 | 2020-05-08 | 重庆邮电大学 | 基于注意力机制和切割填充的细粒度图像分类方法及系统 |
CN111046962A (zh) * | 2019-12-16 | 2020-04-21 | 中国人民解放军战略支援部队信息工程大学 | 基于稀疏注意力的卷积神经网络模型的特征可视化方法及系统 |
CN112134681A (zh) * | 2020-08-19 | 2020-12-25 | 河南大学 | 基于压缩感知和光学变换的图像压缩加密方法和云辅助解密方法 |
Non-Patent Citations (2)
Title |
---|
B Bipin et.al.《Image convolution optimization using sparse matrix vector multiplication technique》.《2016 International Conference on Advances in Computing, Communications and Informatics (ICACCI)》.2016,全文. * |
李雅男.《 多尺度形态学及自适应阈值标记的分水岭分割算法研究》.《中国优秀硕士学位论文全文数据库》.2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113194334A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113194334B (zh) | 一种保护隐私的图像处理方法、装置、终端及存储介质 | |
CN108491809B (zh) | 用于生成近红外图像生成模型的方法和装置 | |
US9721144B2 (en) | Graphic data alteration to enhance online privacy | |
CN107967677B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
Villalba et al. | A PRNU-based counter-forensic method to manipulate smartphone image source identification techniques | |
CN111783146B (zh) | 基于隐私保护的图像处理方法、装置和电子设备 | |
CN105453534B (zh) | 图像处理装置及方法 | |
US11722641B2 (en) | Digital image inference system with enhanced privacy protection | |
CN111127303A (zh) | 背景虚化方法、装置、终端设备及计算机可读存储介质 | |
Masood et al. | Automatic Correction of Saturated Regions in Photographs using Cross‐Channel Correlation | |
CN112883983A (zh) | 特征提取方法、装置和电子系统 | |
CN108712400A (zh) | 数据传输方法、装置、计算机可读存储介质和电子设备 | |
KR20240015129A (ko) | 외곽선 기반 프라이버시 마스킹 장치, 외곽선 기반 프라이버시 마스킹 복원 장치 및 프라이버시 마스킹 영역 디스크립터 공유 방법 | |
CN109963081B (zh) | 视频处理方法和装置、电子设备、计算机可读存储介质 | |
CN110674834A (zh) | 地理围栏识别方法、装置、设备和计算机可读存储介质 | |
CN115270156A (zh) | 视频脱敏方法、访问系统、设备和介质 | |
CN110838088B (zh) | 一种基于深度学习的多帧降噪方法、装置及终端设备 | |
CN110633773B (zh) | 用于终端设备的二维码生成方法和装置 | |
Al-Maweri et al. | Metadata hiding for UAV video based on digital watermarking in DWT transform | |
CN113159229A (zh) | 图像融合方法、电子设备及相关产品 | |
CN112329757A (zh) | 票据信息脱敏采集方法、装置及系统 | |
CN111274601A (zh) | 一种网络环境下的图像安全识别系统及方法 | |
CN111950562A (zh) | 图片处理方法、装置、终端设备和存储介质 | |
CN110213457B (zh) | 一种图像传输方法及装置 | |
CN112702623A (zh) | 视频处理方法、装置、设备及存储介质 |
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 |