CN115412705A - 具有车辆信息隐私保护的实时视频监控方法及系统 - Google Patents
具有车辆信息隐私保护的实时视频监控方法及系统 Download PDFInfo
- Publication number
- CN115412705A CN115412705A CN202210853505.7A CN202210853505A CN115412705A CN 115412705 A CN115412705 A CN 115412705A CN 202210853505 A CN202210853505 A CN 202210853505A CN 115412705 A CN115412705 A CN 115412705A
- Authority
- CN
- China
- Prior art keywords
- frame
- calculation
- video stream
- frames
- license plate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 142
- 238000012545 processing Methods 0.000 claims abstract description 71
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 206010047486 Virilism Diseases 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种具有车辆信息隐私保护的实时视频监控方法、系统及设备,通过对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;根据目标检测模型对第一计算帧处理,获取第一计算帧中的车牌位置信息;对第一计算帧中的车牌位置信息进行模糊处理,获取第二计算帧,基于多个第二计算帧,获取第二视频流。本发明通过对摄像头拍摄视频帧中的车牌位置信息进行适当处理,不仅可以保护个人信息不被泄露,还兼顾了监控视频的实时性,提高了更加有效的视频展示。
Description
技术领域
本发明涉及图像处理技术,尤其涉及一种具有车辆信息隐私保护的实时视频监控方法、系统及设备。
背景技术
计算机电子技术的不断发展保障了我们的日常生活,随着记录我们日常生活的数据成爆炸式增长。随处可见的监控摄像在为人类提供便捷服务和全方位保护的同时,又存在着被恶意获取,非法利用的隐患。
随着视频监控数据挖掘技术不断发展,使用视频监控可获取的信息越来越多。这些实际存在的安全隐患,使得基于视频监控的隐私保护成为十分必要的技术。
然而现有技术在图像变模糊后,消除或减弱了车牌图像本身的特征,不能兼顾实际需求的视频展示,因此不能到达预期效果,隐私处理效果不佳。
发明内容
本发明实施例提供一种具有车辆信息隐私保护的实时视频监控方法、系统及设备,本发明通过对摄像头拍摄视频帧中的车牌位置信息进行适当处理,不仅可以保护个人信息不被泄露,还兼顾了监控视频的实时性,提高了更加有效的视频展示。
本发明实施例的第一方面,提供一种具有车辆信息隐私保护的实时监控方法,包括:
对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;
根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车辆位置信息;
对所述第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧;
基于多个所述第二计算帧,获取第二视频流。
可选地,在第一方面的一种可能实现方式中,在所述获取多个第一计算帧之后,还包括:
将所述第一视频流中的其余帧作为第一非计算帧;
在所述获取所述第一计算帧中的车牌位置信息之后,还包括:
获取与所述第一非计算帧相邻的在前所述第一计算帧的车牌位置信息,对所述第一非计算帧的车牌位置信息进行模糊处理,获取第二非计算帧;
基于多个所述第二计算帧和所述第二非计算帧,获取所述第二视频流。
可选地,在第一方面的一种可能实现方式中,所述对所述车牌位置信息进行模糊处理,包括:
基于高斯模糊虚化模型对所述车牌位置信息进行模糊处理。
可选地,在第一方面的一种可能实现方式中,所述根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息,包括:
根据深度学习目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的所述车牌位置信息。
可选地,在第一方面的一种可能实现方式中,在所述对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧之前,还包括:
确定所述第一视频流每秒的帧数大于预设帧数。
可选地,在第一方面的一种可能实现方式中,在所述对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧之前,还包括:
若所述第一视频流每秒的帧数不大于预设帧数,将所述第一视频流的所有帧数作为所述第一计算帧。
可选地,在第一方面的一种可能实现方式中,在所述说去第二视频流之后,还包括:
将所述第二视频流上传至消息队列。
可选地,在第一方面的一种可能实现方式中,还包括:若所述消息对垒拥塞,返回二次执行获取第二视频流的步骤;
其中,二次执行获取第二视频流的步骤中的第一视频流的帧数,小于初次执行获取第二视频流的步骤中的第一计算帧的帧数。
可选地,在第一方面的一种可能实现方式中,在所述对各摄像头实时采集的第一视频流进行隔帧截取处理之前,还包括:
基于各摄像头实时采集所述第一视频流,并根据opencv开源函数库对所述第一视频流传递。
本发明实施例的第二方面,提供一种具有车辆信息隐私保护的实时视频监控系统,包括:
截取模块,用于对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;
目标检测模块,用于根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息;
处理模块,用于对第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧;
整合模块,用于基于多个所述第二计算帧,获取第二视频流。
本发明实施例的第三方面,提供一种具有车辆信息隐私保护的实时视频监控设备,包括:存储器、处理器以及计算机程序,所述计算机程序存储在所述存储器中,所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能涉及的所述方法。
本发明实施例的第四方面,提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能涉及的所述方法。
本发明提供的一种具有车辆信息隐私保护的实时视频监控方法、系统及设备,通过对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;根据目标检测模型对第一计算帧处理,获取第一计算帧中的车牌位置信息;对第一计算帧中的车牌位置信息进行模糊处理,获取第二计算帧,基于多个第二计算帧,获取第二视频流。本发明通过对摄像头拍摄视频帧中的车牌位置信息进行适当处理,不仅可以保护个人信息不被泄露,还兼顾了监控视频的实时性,提高了更加有效的视频展示。
附图说明
图1是本发明实施例提供的一种应用场景示意图;
图2是本发明实施例提供的一种具有车辆信息隐私保护的实时视频监控方法的流程图;
图3为本发明实施例提供的获取在前第一计算帧的示意图;
图4为本发明实施例提供的一种具有车辆信息隐私保护的实时视频监控系统的结构示意图;
图5是本发明实施例提供的一种具有车辆信息隐私保护的实时视频监控设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本发明的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应当理解,在本发明中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本发明中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本发明中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明实施例提供的一种应用场景示意图。本发明通过系统内的各摄像头设备0进行实时数据采集,将物理信号转换为数字信号后,对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息;对所述第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧;基于多个所述第二计算帧,获取第二视频流,如图1所示,最终的第二视频流中两辆汽车的车牌均被模糊处理,不仅可以保护个人信息不被泄露,还兼顾了监控视频的实时性,提高了更加有效的视频展示。
图2是本发明实施例提供的一种具有车辆信息隐私保护的实时视频监控方法的流程图,如图2所示,本实施例具有车辆信息隐私保护的实时视频监控方法包括步骤S101至步骤S104,具体如下:
S101,对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧。本实施例中的第一计算帧表示第一视频流中需进行处理的视频帧,且这些视频帧按照隔帧获取,可以间隔一帧或者多帧,本实施例不作限定。本实施例中摄像头无需特别的要求,若摄像头高清数据源清晰,则对实时采集的第一视频流进行上述处理,若摄像头数据源不清晰,则不进行上述操作。
对实时采集的第一视频流进行截取,其中每隔一帧(或者N帧)进行截取,得到多个第一计算帧。例如,对第一视频流中的每秒截取20帧,作为第一计算帧,以便进行模糊处理。
S102,根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息。其中目标检测模型为神经网络模型,用于对第一计算帧进行处理,例如通过提取第一计算帧中的图像特征,不仅可以获取车牌,还可以获取第一计算帧中车牌位置信息。本实施例中不对目标检测模型进行具体限定。
例如采用一种现有的目标检测模型对第一计算帧进行处理,检测获取车牌,最终获取第一计算帧中的车牌位置信息,以便后续对该车牌位置信息进行模糊处理,以达到保护隐私的目的。
在上述实施例的基础上步骤S102的具体实现方式可以是:
根据深度学习目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的所述车牌位置信息。
本实施例中深度学习目标检测模型例如采用一组卷积层加七个全连接层的架构,通过对输入的第一计算帧进行特征提取,从而识别并且获取到第一计算帧中车牌位置信息。
S103,对所述第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧。
本实施例中对第一计算帧中车牌位置信息进行模糊处理,以便无法获得车牌位置信息中的车牌码等,从而获得处理后的第二计算帧。
在上述实施例的基础上步骤S103中对所述车牌位置信息进行模糊处理的具体实现方式可以是:
基于高斯模糊虚化模型对车牌位置信息进行模糊处理。
本实施例中高斯模糊虚化模型通过高斯掩膜和图像卷积来进行模糊处理,尤其对车牌位置信息进行模糊处理,以保护个人信息不被泄露。
S104,基于多个所述第二计算帧,获取第二视频流。其中第二视频流由第一视频流中需处理的第一计算帧得到的第二计算帧组成,且可以进一步进行展示,其中的车牌位置信息无法识别或辨认。
在一些实施例中,在获取多个第一计算帧之后,还包括:将所述第一视频流中的其余帧作为第一非计算帧;在获取第一计算帧中的车牌位置信息之后,还包括:获取与第一非计算帧相邻的在前所述第一计算帧的车牌位置信息,对第一非计算帧的车牌位置信息进行模糊处理,获取第二非计算帧;基于多个第二计算帧和第二非就算真,获取第二视频流。
其中,第一非计算帧为从第一视频流中按照隔帧获取第一计算帧后剩余的视频帧作为第一非计算帧。在一些实施例中,为获取更准确的第二视频流,但图像处理空间以及成本不增加的要求下,可以在获取第一计算帧中的车牌位置信息后,获取与第一非计算帧相邻的在前第一计算帧的车牌位置信息,直接作为该第一非计算帧中的车牌位置信息,进而进行模糊处理,例如基于基于高斯模糊虚化模型进行模糊处理,从而获取对应的第二非计算帧;最终将多个第二计算帧和该第二非计算帧,整合获取第二视频流,以便进行输出展示。参见图3,图3为本发明实施例提供的获取在前第一计算帧的示意图,如图3所示,获取第一非计算帧b相邻的在前第一计算帧a,继而根据第一计算帧a的车牌位置信息,直接作为第一非计算帧b的车牌位置信息,继续后续模糊处理等操作。
在一些实施例中,在对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧之前,还包括:确定所述第一视频流每秒的帧数大于预设帧数。
本实施例中,在对各摄像头实时采集的第一视频流进行隔帧截取处理,获得多个第一计算帧之前,还需确定第一视频流每秒的帧数大于预设帧数。只有在每秒帧数大于预设帧数的情况下,才可以对实时采集的第一视频流进行隔帧截取处理。例如,实时视频摄像头大多为每秒20帧、25帧或30帧等,因此在对摄像头实时采集的第一视频流进行隔帧截取处理,获得多个第一计算帧之前,需确定车辆隐私计算速度为每秒20帧左右,即确定第一视频流每秒的帧数大于预设帧数,其中预设帧数为20帧。而且实时摄像头每秒20帧、25帧或30帧等,这种帧率的视频中帧帧之间的相差并不大,可以复用车辆隐私计算结果,不仅可以保护车主个人隐私,还可以保证视频的实时性进行及时展示。
在另一些实施例中,在对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧之前,还包括:若所述第一视频流每秒的帧数不大于预设帧数,将所述第一视频流的所有帧数作为第一计算帧。
例如,实时摄像头每秒低于20帧,但车辆隐私计算速度为每秒20帧左右。如果从第一视频流中继续进行隔帧处理,得到的第一计算帧数量将非常少,因此为保证实时视频的展示,将第一视频流的所有帧数作为第一计算帧。
在一些实施例中,在所述获取第二视频流之后,还包括:将所述第二视频流上传至消息队列。其中消息队列对应有视频流处理单元,进而可以获得处理后的视频流,例如第二视频流,即隐私化后的视频流。
结合上述实施例,基于多个第二计算帧,整合获得第二视频流,进而将该该第二视频上传至消息队列。
在一些实施例,本发明具有车辆信息隐私保护的实时视频监控方法,还包括:若所述消息队列拥塞,返回二次执行获取第二视频流的步骤;其中,二次执行获取第二视频流的步骤中的第一计算帧的帧数,小于初次执行获取第二视频流的步骤中的第一计算帧的帧数。
结合上述实施例,将第二视频流上传至消息队列,若消息队列拥塞不能对第二视频进行展示,则需返回二次执行获取第二视频流的步骤,具体地,重新对第一视频流进行隔帧截取处理,获得多个第一计算帧,根据目标检测模型对第一计算帧处理获得第一计算帧中车牌位置信息,从而对第一计算帧中的车牌位置信息进行模糊处理,得到第二计算帧;基于多个第二计算帧,最终获取第二视频流。但二次执行获取第二视频流的步骤中的第一计算帧的帧数,小于初次执行获取第二视频流的步骤中的第一计算帧的帧数,这样可以减少二次执行获取第二视频流的占用空间较小,一定程度上将重新获得的第二视频流上传消息队列,可以避免消息队列拥塞,从而实现第二视频流的展示。
在一些实施例中,在对各摄像头实时采集的第一视频流进行隔帧截取处理之前,还包括:基于各摄像头实时采集第一视频流,并根据opencv开源函数库对第一视频流传递。其中,OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux、Windows、Android和Mac OS操作系统上。它由一系列C函数和少量C++类构成,可以实现图像处理的很多通用算法。
本实施例中,基于各摄像头实时采集的第一视频流,可以根据OpenCV开源函数库对第一视频流传递,例如进行图像降噪等操作。然后在对各摄像头实时采集的第一视频进行隔帧截取处理,获得多个第一计算帧的步骤,可以保证获得第一计算帧更加准确、可靠。
本发明通过对摄像头拍摄视频帧中的车牌位置信息进行适当处理,不仅可以保护个人信息不被泄露,还兼顾了监控视频的实时性,提高了更加有效的视频展示。
图4为本发明实施例提供的一种具有车辆信息隐私保护的实时视频监控系统的结构示意图,如图4所示,该系统10可以包括:
截取模块11,用于对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;
目标检测模块12,用于根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息;
处理模块13,用于对所述第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧;
整合模块14,用于基于多个所述第二计算帧,获取第二视频流。
图4所示实施例的装置对应地可用于执行图2所示方法实施例中的步骤,其实现原理和技术效果类似,此处不再赘述。
图5是本发明实施例提供的一种具有车辆信息隐私保护的实时视频监控设备的硬件结构示意图,如图5所示,该设备20可以包括:处理器21、存储器22和计算机程序;其中
存储器22,用于存储所述计算机程序,该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器21,用于执行所述存储器存储的计算机程序,以实现上述方法中设备执行的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器22既可以是独立的,也可以跟处理器21集成在一起。
当所述存储器22是独立于处理器21之外的器件时,所述设备还可以包括:
总线23,用于连接所述存储器22和处理器21。
本发明还提供一种可读存储介质,所述可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,可读存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,可读存储介质耦合至处理器,从而使处理器能够从该可读存储介质读取信息,且可向该可读存储介质写入信息。当然,可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中,应理解,处理器可以是中央处理单元(英文:CentralProcessing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:DigitalSignal Processor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种具有车辆信息隐私保护的实时视频监控方法,其特征在于,包括:
对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;
根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息;
对所述第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧;
基于多个所述第二计算帧,获取第二视频流。
2.根据权利要求1所述的方法,其特征在于,在所述获取多个第一计算帧之后,还包括:
将所述第一视频流中的其余帧作为第一非计算帧;
在所述获取所述第一计算帧中的车牌位置信息之后,还包括:
获取与所述第一非计算帧相邻的在前所述第一计算帧的车牌位置信息,对所述第一非计算帧的车牌位置信息进行模糊处理,获取第二非计算帧;
基于多个所述第二计算帧和所述第二非计算帧,获取所述第二视频流。
3.根据权利要求1或2所述的方法,其特征在于,所述对所述车牌位置信息进行模糊处理,包括:
基于高斯模糊虚化模型对所述车牌位置信息进行模糊处理。
4.根据权利要求1所述的方法,其特征在于,所述根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息,包括:
根据深度学习目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的所述车牌位置信息。
5.根据权利要求1所述的方法,其特征在于,在所述对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧之前,还包括:
确定所述第一视频流每秒的帧数大于预设帧数。
6.根据权利要求5所述的方法,其特征在于,在所述对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧之前,还包括:
若所述第一视频流每秒的帧数不大于预设帧数,将所述第一视频流的所有帧数作为所述第一计算帧。
7.根据权利要求1所述的方法,其特征在于,在所述获取第二视频流之后,还包括:
将所述第二视频流上传至消息队列。
8.根据权利要求7所述的方法,其特征在于,还包括:
若所述消息队列拥塞,返回二次执行获取第二视频流的步骤;
其中,二次执行获取第二视频流的步骤中的第一计算帧的帧数,小于初次执行获取第二视频流的步骤中的第一计算帧的帧数。
9.根据权利要求1所述的方法,其特征在于,在所述对各摄像头实时采集的第一视频流进行隔帧截取处理之前,还包括:
基于各摄像头实时采集所述第一视频流,并根据opencv开源函数库对所述第一视频流传递。
10.一种具有车辆信息隐私保护的实时视频监控系统,其特征在于,包括:
截取模块,用于对各摄像头实时采集的第一视频流进行隔帧截取处理,获取多个第一计算帧;
目标检测模块,用于根据目标检测模型对所述第一计算帧处理,获取所述第一计算帧中的车牌位置信息;
处理模块,用于对所述第一计算帧中的所述车牌位置信息进行模糊处理,获取第二计算帧;
整合模块,用于基于多个所述第二计算帧,获取第二视频流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210853505.7A CN115412705A (zh) | 2022-07-08 | 2022-07-08 | 具有车辆信息隐私保护的实时视频监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210853505.7A CN115412705A (zh) | 2022-07-08 | 2022-07-08 | 具有车辆信息隐私保护的实时视频监控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115412705A true CN115412705A (zh) | 2022-11-29 |
Family
ID=84157757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210853505.7A Pending CN115412705A (zh) | 2022-07-08 | 2022-07-08 | 具有车辆信息隐私保护的实时视频监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115412705A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115935433A (zh) * | 2023-01-09 | 2023-04-07 | 北京匠数科技有限公司 | 屏幕实时隐私保护方法和装置 |
CN116476757A (zh) * | 2023-03-23 | 2023-07-25 | 小米汽车科技有限公司 | 设备控制方法、装置、车辆及存储介质 |
-
2022
- 2022-07-08 CN CN202210853505.7A patent/CN115412705A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115935433A (zh) * | 2023-01-09 | 2023-04-07 | 北京匠数科技有限公司 | 屏幕实时隐私保护方法和装置 |
CN116476757A (zh) * | 2023-03-23 | 2023-07-25 | 小米汽车科技有限公司 | 设备控制方法、装置、车辆及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115412705A (zh) | 具有车辆信息隐私保护的实时视频监控方法及系统 | |
CN109711318B (zh) | 一种基于视频流的多人脸检测与跟踪方法 | |
CN110633665B (zh) | 识别方法、设备和存储介质 | |
JP7270808B2 (ja) | 車両の駐車違反の識別方法、装置、電子機器、記憶媒体及びコンピュータプログラム | |
WO2020258714A1 (zh) | 一种骑行者重识别方法、装置及设备 | |
US20200250401A1 (en) | Computer system and computer-readable storage medium | |
US20240135710A1 (en) | Systems and methods for video analysis | |
WO2020096111A1 (ko) | 딥러닝 기반 이상 행위 인지 장치 및 방법 | |
CN113191293B (zh) | 广告检测方法、装置、电子设备、系统及可读存储介质 | |
CN113918990A (zh) | 数据脱敏的处理方法和装置 | |
CN111382737A (zh) | 多路负载均衡异步目标检测方法、存储介质及处理器 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN112766028B (zh) | 人脸模糊处理方法、装置、电子设备及存储介质 | |
CN113838070A (zh) | 数据脱敏方法和装置 | |
CN111432286B (zh) | 视频处理的方法、装置和系统 | |
CN112163480A (zh) | 一种行为识别方法及装置 | |
CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
CN114973057A (zh) | 基于人工智能的视频图像检测方法及相关设备 | |
CN114764895A (zh) | 异常行为检测装置和方法 | |
CN116597421A (zh) | 基于图像识别的停车位监测方法、装置及设备 | |
CN115019242B (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
CN112016423B (zh) | 车辆车门状态的识别方法、装置、设备及计算机存储介质 | |
CN115115530B (zh) | 一种图像去模糊的方法、装置、终端设备及介质 | |
CN112232142B (zh) | 一种安全带识别方法、设备及计算机可读存储介质 | |
CN115880599A (zh) | 基于行为识别算法的物体被盗检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |