CN115620214A - 一种用于网络信息数据的安全处理方法 - Google Patents

一种用于网络信息数据的安全处理方法 Download PDF

Info

Publication number
CN115620214A
CN115620214A CN202211636088.7A CN202211636088A CN115620214A CN 115620214 A CN115620214 A CN 115620214A CN 202211636088 A CN202211636088 A CN 202211636088A CN 115620214 A CN115620214 A CN 115620214A
Authority
CN
China
Prior art keywords
image
processed
moving object
frame
encryption
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.)
Granted
Application number
CN202211636088.7A
Other languages
English (en)
Other versions
CN115620214B (zh
Inventor
沈孟其
王志坚
胡爽
姜磊
马琦斌
赵林森
华洁静
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.)
Zhejiang Aoxinyun Technology Co ltd
Original Assignee
Zhejiang Aoxinyun Technology Co ltd
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 Zhejiang Aoxinyun Technology Co ltd filed Critical Zhejiang Aoxinyun Technology Co ltd
Priority to CN202211636088.7A priority Critical patent/CN115620214B/zh
Publication of CN115620214A publication Critical patent/CN115620214A/zh
Application granted granted Critical
Publication of CN115620214B publication Critical patent/CN115620214B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • 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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及数据加密技术领域，具体涉及一种用于网络信息数据的安全处理方法。该方法包括：获取多帧候选图像；从候选图像中确定存在移动对象的图像为待处理图像；获取待处理图像与相邻待处理图像之间的信息分布差异度和相似度；基于相似度和信息分布差异度，获取待处理图像中移动对象区域内像素点的第一加密系数；基于信息分布差异度，获取待处理图像中背景区域内像素点的第二加密系数；基于第一加密系数对待处理图像中移动对象区域的像素点进行加密处理，以及基于第二加密系数对待处理图像中背景区域的像素点进行加密处理，得到待处理图像的加密图像。本申请能够增强监控视频数据中有效信息的加密程度，并减少计算量，节省加密成本。

Description

一种用于网络信息数据的安全处理方法
技术领域
本申请涉及数据加密技术领域，具体涉及一种用于网络信息数据的安全处理方法。
背景技术
视频数据是网络信息数据的一种重要表现形式。现如今，监控摄像头随处可见，可以高效地监控所发生的事件，而监控摄像头往往是全天候在线的，因此获取的监控视频数据极为庞大，为了保证监控视频的安全性，在监控视频数据在通过网络进行传输时，因此需要对监控视频数据进行加密处理。
现有技术中，对监控视频的每一帧图像中每个像素点的加密方式一致，无法保证监控视频数据中有效信息的保密性，存在监控视频数据中有效信息的加密程度较低，容易被破解的问题，并且，监控视频数据中存在较多的无效信息，现有技术中监控视频数据的无效信息采用与有效信息相同加密方式进行加密，计算量较大，加密成本较高。
发明内容
为了解决上述技术问题，本申请的目的在于提供一种用于网络信息数据的安全处理方法，所采用的技术方案具体如下：
本申请提出了一种用于网络信息数据的安全处理方法，所述方法包括：
获取网络信息数据中的待处理监控视频数据，并对所述待处理监控视频数据进行图像帧提取，得到多帧候选图像；
识别所述候选图像中是否存在移动对象，并从所述候选图像中确定存在移动对象的图像为待处理图像；
获取所述待处理图像与所述待处理图像的相邻待处理图像之间的信息分布差异度和相似度；
基于所述相似度和所述信息分布差异度，获取所述待处理图像中移动对象区域内像素点的第一加密系数；
基于所述信息分布差异度，获取所述待处理图像中背景区域内像素点的第二加密系数；
基于所述第一加密系数对所述待处理图像中所述移动对象区域的像素点进行加密处理，以及基于所述第二加密系数对所述待处理图像中所述背景区域的像素点进行加密处理，得到所述待处理图像的加密图像。
在一些实施例中，所述相似度的获取过程，包括：
识别所述待处理图像和所述相邻待处理图像中的同类移动对象；
获取所述待处理图像和所述相邻待处理图像中所述同类移动对象的图像区域内相同灰度值的像素点数量；
基于所述相同像素值的像素点数量，获取所述待处理图像与所述相邻待处理图像之间的所述相似度。
在一些实施例中，所述基于所述相同像素值的像素点数量，获取所述待处理图像与所述相邻待处理图像之间的所述相似度，包括：
根据相似度公式获取所述相似度，其中，所述相似度公式包括：
Figure 39751DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为第
Figure 98974DEST_PATH_IMAGE004
帧待处理图像与第
Figure 100002_DEST_PATH_IMAGE005
帧待处理图像之间的相似度，
Figure 655726DEST_PATH_IMAGE006
为第
Figure 77480DEST_PATH_IMAGE004
帧待处理图像与第
Figure 405693DEST_PATH_IMAGE005
帧待处理图像之间同类移动对象的数量，
Figure 100002_DEST_PATH_IMAGE007
为第
Figure 686633DEST_PATH_IMAGE004
帧待处理图像中第
Figure 253268DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最大灰度值，
Figure 100002_DEST_PATH_IMAGE009
为第
Figure 60687DEST_PATH_IMAGE004
帧待处理图像中第
Figure 435168DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最小灰度值，
Figure 62458DEST_PATH_IMAGE010
为第
Figure 164275DEST_PATH_IMAGE004
帧待处理图像中第
Figure 826201DEST_PATH_IMAGE008
个同类移动对象的图像区域内灰度值为
Figure 100002_DEST_PATH_IMAGE011
的像素点数量占第
Figure 637162DEST_PATH_IMAGE004
帧待处理图像中第
Figure 486169DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点总数量的比例，
Figure 391677DEST_PATH_IMAGE012
为第
Figure 908109DEST_PATH_IMAGE005
帧待处理图像中第
Figure 624393DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最大灰度值，
Figure 100002_DEST_PATH_IMAGE013
为第
Figure 226275DEST_PATH_IMAGE004
+1帧待处理图像中第
Figure 669895DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最小灰度值，
Figure 40833DEST_PATH_IMAGE014
为第
Figure 928018DEST_PATH_IMAGE005
帧待处理图像中第
Figure 263535DEST_PATH_IMAGE008
个同类移动对象的图像区域内灰度值为
Figure 510845DEST_PATH_IMAGE011
的像素点数量占第
Figure 703667DEST_PATH_IMAGE005
帧待处理图像中第
Figure 11020DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点总数量的比例，
Figure 56337DEST_PATH_IMAGE008
为正整数，
Figure 858071DEST_PATH_IMAGE011
为待处理图像中像素点的灰度值，
Figure 100002_DEST_PATH_IMAGE015
为相邻待处理图像中像素点的灰度值。
在一些实施例中，所述基于所述相似度和所述信息分布差异度，获取所述待处理图像中移动对象区域内像素点的第一加密系数，包括：
根据第一加密系数公式获取所述第一加密系数，其中，所述第一加密系数公式，包括：
Figure 100002_DEST_PATH_IMAGE017
其中，
Figure 145481DEST_PATH_IMAGE018
为第
Figure 499102DEST_PATH_IMAGE004
帧待处理图像中移动对象区域内像素点的第一加密系数，
Figure 100002_DEST_PATH_IMAGE019
为第
Figure 438239DEST_PATH_IMAGE004
帧待处理图像与第
Figure 902718DEST_PATH_IMAGE004
帧待处理图像的相邻待处理图像之间的信息分布差异度，
Figure 227389DEST_PATH_IMAGE020
为第
Figure 100002_DEST_PATH_IMAGE021
帧待处理图像与第
Figure 892857DEST_PATH_IMAGE004
帧待处理图像之间的相似度，
Figure 178345DEST_PATH_IMAGE022
表示双曲正切函数，
Figure 836728DEST_PATH_IMAGE004
为帧索引。
在一些实施例中，所述信息分布差异度的获取过程，包括：
获取所述待处理图像和所述相邻待处理图像中的像素点的灰度值；
基于所述灰度值，获取所述待处理图像和所述相邻待处理图像中相同位置像素点的灰度值差值；
基于所述灰度值差值，获取所述待处理图像与所述相邻待处理图像之间的所述信息分布差异度。
在一些实施例中，所述识别所述候选图像中是否存在移动对象，包括：
基于所述候选图像与所述候选图像的相邻候选图像之间的信息分布差异度，确定所述候选图像中是否存在移动对象；
若所述信息分布差异度大于或等于信息分布差异度阈值，则确定所述候选图像中存在移动对象；
若所述信息分布差异度小于所述信息分布差异度阈值，则确定所述候选图像中未存在移动对象。
在一些实施例中，所述加密处理的过程，包括：
基于加密系数，获取模糊核作为密钥；
基于所述密钥，对像素点进行加密处理。
本申请具有如下有益效果：
本申请实施例中，移动对象区域的像素点的加密系数是根据图像与相邻图像之间的相似度和信息分布差异度两个量得到的，而背景区域的像素点的加密系数是仅根据信息分布差异度得到的，移动对象区域的像素点的加密系数比背景区域的像素点的加密系数更大，也即是说，移动对象区域的像素点的加密程度比背景区域的像素点的加密程度更高，由于移动对象区域包含的有效信息更多，提高了监控视频数据中有效信息的加密程度，另外，由于背景区域的像素点的加密程度较低，可以在提高监控视频中有效信息的加密程度的同时，减少计算量，节省加密成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本申请一个实施例所提供的一种用于网络信息数据的安全处理方法的流程示意图。
具体实施方式
为了更进一步阐述本申请为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本申请提出的一种用于网络信息数据的安全处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。
下面结合附图具体地说明本申请所提供的一种用于网络信息数据的安全处理方法的具体方案。
图1为本申请实施例所提供的一种用于网络信息数据的安全处理方法的流程示意图。如图1所示，该方法包括以下步骤：
S101，获取网络信息数据中的待处理监控视频数据，并对待处理监控视频数据进行图像帧提取，得到多帧候选图像。
一些实施例中，可以调用图像帧提取工具从提取待处理监控视频数据中的每一帧图像作为候选图像。
S102，识别候选图像中是否存在移动对象，并从候选图像中确定存在移动对象的图像为待处理图像。
其中，移动对象为监控视频中出现的移动目标，例如移动的车辆、人、动物等。
由于通常监控摄像头的位置处于固定位置，监控摄像头拍摄的监控视频数据为背景画面固定的视频，即监控视频数据中每帧图像的背景画面一致，在监控视频数据的图像中未出现移动对象时，可以认为该图像包含的有效信息较少，重要性较低，加密价值较低，在监控视频的图像中出现移动对象时，可以认为该图像包含的有效信息较多，重要性较高，加密价值较高，因此本申请实施例需要确定候选图像中是否存在移动对象，以对存在移动对象的候选图像和未存在移动对象的候选图像分别采用不同的加密方式进行加密处理。
本申请实施例中，由于移动对象在监控视频中处于移动状态，在候选图像中出现移动对象时，候选图像与其相邻的候选图像之间存在较大的信息分布差异，可以根据候选图像与其相邻的候选图像之间的信息分布差异，确定候选图像中是否存在移动对象。
可选地，基于候选图像与候选图像的相邻候选图像之间的信息分布差异度，确定候选图像中是否存在移动对象，若信息分布差异度大于或等于信息分布差异度阈值，则确定候选图像中存在移动对象，若信息分布差异度小于信息分布差异度阈值，则确定候选图像中未存在移动对象。其中，候选图像与该候选图像的相邻候选图像之间的信息分布差异度可以表征候选图像与该候选图像的相邻候选图像之间的信息分布差异。
可选地，候选图像的相邻候选图像可以为候选图像的前一帧相邻候选图像。
其中，信息分布差异度阈值可以根据实际需求进行设定，此处不做任何限定，可选地，可以将信息分布差异阈值设置为10。
需要说明的是，本申请实施例中，候选图像与该候选图像的相邻候选图像之间的信息分布差异度与下述步骤S103中待处理图像与待处理图像的相邻待处理图像之间的信息分布差异度的获取方式一致，其具体过程请参见步骤S103中的解释说明。
作为一种可能的实现方式，还可以采用运动目标检测方法识别候选图像中是否存在移动对象，可选地，运动目标检测方法包括连续帧间差分法、背景差分法、光流法和运动能量法等。
S103，获取待处理图像与待处理图像的相邻待处理图像之间的信息分布差异度和相似度。
可选地，获取待处理图像和相邻待处理图像中的像素点的灰度值，基于灰度值，获取待处理图像和该相邻待处理图像中相同位置像素点的灰度值差值，基于灰度值差值，获取待处理图像与相邻待处理图像之间的信息分布差异度。
具体地，可以通过下述公式计算待处理图像与待处理图像的相邻待处理图像之间的信息分布差异度：
Figure 625692DEST_PATH_IMAGE024
其中，
Figure DEST_PATH_IMAGE025
为待处理图像与相邻待处理图像的信息分布差异度，
Figure 727641DEST_PATH_IMAGE026
为待处理图像中坐标为
Figure DEST_PATH_IMAGE027
的像素点的灰度值；
Figure 890637DEST_PATH_IMAGE028
为相邻待处理图像中坐标为
Figure 962499DEST_PATH_IMAGE027
的像素点的灰度值，
Figure DEST_PATH_IMAGE029
为待处理图像的最大横坐标，
Figure 12494DEST_PATH_IMAGE030
为待处理图像的最大纵坐标，
Figure DEST_PATH_IMAGE031
和
Figure 803120DEST_PATH_IMAGE032
均为正整数。
本申请实施例中，通过待处理图像和相邻待处理图像中相同位置像素点的灰度值差值的平方进行求平均，得到待处理图像与待处理图像的相邻待处理图像之间的信息分布差异度，能够准确地反映待处理图像与相邻待处理图像之间的信息分布差异，为移动对象的识别提供了可靠依据。
可选地，识别待处理图像和相邻待处理图像中的同类移动对象，获取待处理图像和相邻待处理图像中同类移动对象的图像区域内相同灰度值的像素点数量，基于相同像素值的像素点数量，获取待处理图像与相邻待处理图像之间的相似度。
其中，同类移动对象为待处理图像和相邻待处理图像中相同类别的移动对象。
一些实施例中，可以分别对待处理图像和相邻待处理图像进行Harris角点检测，得到待处理图像的角点和相邻待处理图像的角点，然后通过快速最近邻搜索包（FastLibrary for Approximate Nearest Neighbors，FLANN）算法分别对待处理图像的角点与相邻待处理图像的角点进行角点匹配，以确定待处理图像和相邻待处理图像中角点之间的对应关系，并将待处理图像和相邻待处理图像中匹配成功角点作为角点对，然后根据角点对确定待处理图像与相邻待处理图像中的同类移动对象。
由于待处理图像和相邻待处理图像中可能会存在多个移动对象，可以通过角点对中两个角点之间的欧式距离和移动方向，确定角点对中两个角点是否属于同类移动对象，以此方式可以确定待处理图像和相邻待处理图像中所有属于同类移动对象的角点，进而确定待处理图像和相邻待处理图像中的同类移动对象。
可选地，角点之间的欧式距离可以通过下述公式计算：
Figure 797621DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE035
为第
Figure 79698DEST_PATH_IMAGE004
帧待处理图像的角点，即待处理图像中的角点，
Figure 967888DEST_PATH_IMAGE036
为第
Figure 270694DEST_PATH_IMAGE005
帧待处理图像的角点，即相邻待处理图像中的角点，
Figure 627857DEST_PATH_IMAGE035
和
Figure 775941DEST_PATH_IMAGE036
为一对角点对，
Figure DEST_PATH_IMAGE037
为第
Figure 49797DEST_PATH_IMAGE004
帧待处理图像的角点
Figure 523503DEST_PATH_IMAGE035
与第
Figure 367963DEST_PATH_IMAGE005
帧待处理图像的角点
Figure 585317DEST_PATH_IMAGE036
之间的欧式距离，
Figure 448100DEST_PATH_IMAGE038
为第
Figure 92708DEST_PATH_IMAGE004
帧待处理图像的角点
Figure 158884DEST_PATH_IMAGE035
的横坐标，
Figure DEST_PATH_IMAGE039
为第
Figure 567213DEST_PATH_IMAGE004
帧待处理图像的角点
Figure 64928DEST_PATH_IMAGE035
的纵坐标，
Figure 490224DEST_PATH_IMAGE040
为第
Figure 168330DEST_PATH_IMAGE005
帧待处理图像的角点
Figure 855051DEST_PATH_IMAGE036
的横坐标，
Figure DEST_PATH_IMAGE041
为第
Figure 974317DEST_PATH_IMAGE005
帧待处理图像的角点
Figure 960728DEST_PATH_IMAGE036
的纵坐标，
Figure 860550DEST_PATH_IMAGE004
为帧索引。
可选地，角点对中两个角点之间的移动方向可以通过下述公式计算：
Figure DEST_PATH_IMAGE043
其中，
Figure 613612DEST_PATH_IMAGE044
为第
Figure 321805DEST_PATH_IMAGE004
帧待处理图像的角点
Figure 479117DEST_PATH_IMAGE035
与第
Figure 990869DEST_PATH_IMAGE005
帧待处理图像的角点
Figure 872588DEST_PATH_IMAGE036
之间的移动方向，
Figure DEST_PATH_IMAGE045
表示反正切函数。
进一步地，待处理图像与相邻待处理图像之间的角点对可以为多个，可以通过判断多个角点对是否属于同类移动对象来确定待处理图像和相邻待处理图像中的同类移动对象。
具体地，假设待处理图像与相邻待处理图像之间的角点对包括角点对1和角点对2，则可以通过以下判断条件，判断角点对1和角点对2是否属于同类移动对象。
条件一：
Figure DEST_PATH_IMAGE047
其中，
Figure 232025DEST_PATH_IMAGE048
为第
Figure 294659DEST_PATH_IMAGE004
帧待处理图像与第
Figure 559287DEST_PATH_IMAGE005
帧待处理图像之间匹配成功的角点对1中的角点
Figure DEST_PATH_IMAGE049
与角点
Figure 404883DEST_PATH_IMAGE050
之间的欧式距离，
Figure DEST_PATH_IMAGE051
为第
Figure 336936DEST_PATH_IMAGE004
帧待处理图像与第
Figure 836051DEST_PATH_IMAGE005
帧待处理图像之间匹配成功的角点对2中的角点
Figure 338707DEST_PATH_IMAGE052
与角点
Figure DEST_PATH_IMAGE053
之间的欧式距离，
Figure 847049DEST_PATH_IMAGE054
为欧式距离阈值，可选地，
Figure 368029DEST_PATH_IMAGE054
=0.3。
条件二：
Figure 772466DEST_PATH_IMAGE056
其中，
Figure DEST_PATH_IMAGE057
为
Figure 27998DEST_PATH_IMAGE004
帧待处理图像与第
Figure 74451DEST_PATH_IMAGE005
帧待处理图像之间匹配成功的角点对1中的角点
Figure 452867DEST_PATH_IMAGE049
与角点
Figure 293784DEST_PATH_IMAGE050
之间的移动方向，
Figure 505454DEST_PATH_IMAGE058
为
Figure 90019DEST_PATH_IMAGE004
帧待处理图像与第
Figure 195378DEST_PATH_IMAGE005
帧待处理图像之间匹配成功的角点对2中的角点
Figure 331830DEST_PATH_IMAGE052
与角点
Figure 421009DEST_PATH_IMAGE053
之间的移动方向，
Figure DEST_PATH_IMAGE059
为移动方向阈值，可选地，
Figure 684631DEST_PATH_IMAGE060
。
需要说明的是，欧式距离阈值和移动方向阈值可以根据实际需求进行设定，此处不做任何限定。
本申请实施例中，在角点对1和角点对2同时满足条件一和条件二时，可以认为角点对1和角点对2属于同类移动对象，以此，可以确定待处理图像和相邻待处理图像中所有属于同类移动对象的角点对。
在确定待处理图像和相邻待处理图像中所有属于同类移动对象的角点对之后，可以分别对待处理图像和相邻待处理图像中属于同类移动对象的所有角点进行凸包检测，并将检测到的凸包作为待处理图像和相邻待处理图像中的同类移动对象。
由于监控视频的每帧图像中背景一致，待处理图像和相邻待处理图像中同类移动对象之间的信息越相似，相应地，待处理图像和相邻待处理图像越相似。由此，在确定待处理图像和相邻待处理图像中的同类移动对象之后，可以获取待处理图像和相邻待处理图像中同类移动对象的图像区域内像素点的灰度值，以根据待处理图像和相邻待处理图像中同类移动对象的图像区域内像素点的灰度值差异，获取待处理图像与相邻待处理图像之间的相似度。其中，待处理图像和相邻待处理图像中同类移动对象的图像区域内像素点的灰度值差异可以反映待处理图像和相邻待处理图像中同类移动对象之间的信息差异。
可选地，根据相似度公式获取相似度，其中，相似度公式包括：
Figure 34710DEST_PATH_IMAGE002
其中，
Figure 483009DEST_PATH_IMAGE003
为第
Figure 528325DEST_PATH_IMAGE004
帧待处理图像与第
Figure 330059DEST_PATH_IMAGE005
帧待处理图像之间的相似度，
Figure 675590DEST_PATH_IMAGE006
为第
Figure 153845DEST_PATH_IMAGE004
帧待处理图像与第
Figure 952036DEST_PATH_IMAGE005
帧待处理图像之间同类移动对象的数量，
Figure 557461DEST_PATH_IMAGE007
为第
Figure 491919DEST_PATH_IMAGE004
帧待处理图像中第
Figure 138146DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最大灰度值，
Figure 423633DEST_PATH_IMAGE009
为第
Figure 567170DEST_PATH_IMAGE004
帧待处理图像中第
Figure 621714DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最小灰度值，
Figure 317137DEST_PATH_IMAGE010
为第
Figure 214555DEST_PATH_IMAGE004
帧待处理图像中第
Figure 20837DEST_PATH_IMAGE008
个同类移动对象的图像区域内灰度值为
Figure 70832DEST_PATH_IMAGE011
的像素点数量占第l帧待处理图像中第m个同类移动对象的图像区域内像素点总数量的比例，
Figure 937157DEST_PATH_IMAGE012
为第
Figure 56292DEST_PATH_IMAGE005
帧待处理图像中第
Figure 666265DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最大灰度值，
Figure 570767DEST_PATH_IMAGE013
为第
Figure 873572DEST_PATH_IMAGE004
+1帧待处理图像中第
Figure 480003DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最小灰度值，
Figure 628088DEST_PATH_IMAGE014
为第
Figure 511730DEST_PATH_IMAGE005
帧待处理图像中第
Figure 860803DEST_PATH_IMAGE008
个同类移动对象的图像区域内灰度值为
Figure 829896DEST_PATH_IMAGE011
的像素点数量占第
Figure 909235DEST_PATH_IMAGE005
帧待处理图像中第
Figure 912963DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点总数量的比例，
Figure 167358DEST_PATH_IMAGE008
为正整数，
Figure 623747DEST_PATH_IMAGE011
为待处理图像中像素点的灰度值，
Figure 113634DEST_PATH_IMAGE015
为相邻待处理图像中像素点的灰度值。
本申请实施例中，计算了待处理图像中同类移动对象的图像区域内的第一灰度值信息熵，该第一灰度值信息熵可以作为待处理图像中同类移动对象的第一信息熵，以及计算了相邻待处理图像中同类移动对象的图像区域内的第二灰度值信息熵，该第二灰度值信息熵可以作为相邻待处理图像中同类移动对象的第二信息熵，其中，第一信息熵与第二信息熵之间的比值，可以反映待处理图像和相邻待处理图像中同类移动对象之间的信息差异，根据待处理图像和相邻待处理图像中所有同类移动对象之间的信息差异，获取待处理图像与相邻待处理图像之间的相似度，提高了相似度的准确性。
需要说明的是，相似度公式中
Figure DEST_PATH_IMAGE061
的计算结果为第一灰度值信息熵，
Figure 362082DEST_PATH_IMAGE062
的计算结果为第二灰度值信息熵。
S104，基于相似度和信息分布差异度，获取待处理图像中移动对象区域内像素点的第一加密系数。
可选地，可以根据第一加密系数公式获取第一加密系数，其中，第一加密系数公式，包括：
Figure DEST_PATH_IMAGE063
其中，
Figure 318536DEST_PATH_IMAGE018
为第
Figure 996642DEST_PATH_IMAGE004
帧待处理图像中移动对象区域内像素点的第一加密系数，
Figure 680434DEST_PATH_IMAGE019
为第
Figure 127595DEST_PATH_IMAGE004
帧待处理图像与第
Figure 723793DEST_PATH_IMAGE004
帧待处理图像的相邻待处理图像之间的信息分布差异度，
Figure 154774DEST_PATH_IMAGE020
为第
Figure 986464DEST_PATH_IMAGE021
帧待处理图像与第
Figure 943925DEST_PATH_IMAGE004
帧待处理图像之间的相似度，
Figure 835657DEST_PATH_IMAGE022
表示双曲正切函数，
Figure 363722DEST_PATH_IMAGE004
为帧索引。
本申请实施例中，待处理图像与相邻待处理图像之间的信息分布差异度和相似度越大，表明待处理图像中包含的有效信息越多，重要性较高，加密价值越高，需要增大对该待处理图像的加密程度。由第一加密系数公式可知，待处理图像与相邻待处理图像之间的信息分布差异度和相似度越大，第一加密系数越大，相应地，对该待处理图像的加密程度越高。由此，提高了监控视频数据中的有效信息的加密程度。
S105，基于信息分布差异度，获取待处理图像中背景区域内像素点的第二加密系数。
可选地，可以根据第二加密系数公式获取第二加密系数，其中，第二加密系数，包括：
Figure DEST_PATH_IMAGE065
其中，
Figure 530261DEST_PATH_IMAGE066
为第
Figure 97156DEST_PATH_IMAGE004
帧待处理图像中背景区域内像素点的第二加密系数，
Figure DEST_PATH_IMAGE067
为第
Figure 566315DEST_PATH_IMAGE004
帧待处理图像与第
Figure 706309DEST_PATH_IMAGE004
帧待处理图像的相邻待处理图像之间的背景区域的信息分布差异度。
本申请实施例中，第二加密系数公式中的
Figure 535594DEST_PATH_IMAGE022
双曲正切函数可以将第二加密系数的值量化到
Figure 811855DEST_PATH_IMAGE068
范围内，以便于后续的计算，还可以让第二加密系数与信息分布差异度成正相关关系，从而使得待处理图像与相邻待处理图像之间的背景区域的信息分布差异度越大，待处理图像中背景区域内像素点的第二加密系数越大。
需要说明的是，第
Figure 45390DEST_PATH_IMAGE004
帧待处理图像与第
Figure 548046DEST_PATH_IMAGE004
帧待处理图像的相邻待处理图像之间的背景区域的信息分布差异度
Figure DEST_PATH_IMAGE069
的计算方式与第
Figure 446601DEST_PATH_IMAGE004
帧待处理图像与第
Figure 842947DEST_PATH_IMAGE004
帧待处理图像的相邻待处理图像之间的信息分布差异度的计算方式一致，在此不再赘述。
本申请实施例中，由于待处理图像中背景区域包含的有效信息较少，重要性较低，加密价值较低，因此，背景区域的加密程度相比为移动对象区域的像素点的加密程度较低，由此，可以在不降低监控视频的加密程度的情况下，可以减少计算量，节约成本。
S106，基于第一加密系数对待处理图像中移动对象区域的像素点进行加密处理，以及基于第二加密系数对待处理图像中背景区域的像素点进行加密处理，得到待处理图像的加密图像。
本申请实施例中，加密过程包括：基于加密系数，获取模糊核作为密钥，基于密钥，对像素点进行加密处理。
可选地，模糊核可以为高斯模糊核。其中，模糊核可以用于对图像进行模糊化处理，即可以作为密钥对图像进行加密处理。
可选地，可以通过下述公式获取密钥：
Figure DEST_PATH_IMAGE071
其中，
Figure 919488DEST_PATH_IMAGE072
为密钥，
Figure DEST_PATH_IMAGE073
为模糊核大小量化值，可选地，
Figure 424287DEST_PATH_IMAGE074
，
Figure DEST_PATH_IMAGE075
为加密系数，[]表示取整。
具体地，可以基于第一加密系数，获取待处理图像中移动对象区域的像素点的第一密钥：
Figure 346107DEST_PATH_IMAGE076
，然后通过第一密钥
Figure DEST_PATH_IMAGE077
对移动对象区域的像素点进行加密处理，以及基于第二加密系数，获取待处理图像中背景区域的第二密钥：
Figure 521261DEST_PATH_IMAGE078
，然后通过第二密钥
Figure DEST_PATH_IMAGE079
对背景区域的像素点进行加密处理，在分别对待处理图像中的移动对象区域的像素点和背景区域的像素点加密完成后，得到该待处理图像的加密图像。
进一步地，本申请实施例中，可以采用与待处理图像中背景区域内像素点相同的加密方式对监控视频中未存在移动对象的图像中的像素点进行加密处理，得到该未存在移动对象的图像的加密图像，以此方式可以对监控视频数据中的每帧图像进行加密处理，得到加密后的监控视频数据。
本申请实施例中，获取网络信息数据中的待处理监控视频数据，并对待处理监控视频数据进行图像帧提取，得到多帧候选图像，识别候选图像中是否存在移动对象，并从候选图像中确定存在移动对象的图像为待处理图像，获取待处理图像与待处理图像的相邻待处理图像之间的信息分布差异度和相似度，基于相似度和信息分布差异度，获取待处理图像中移动对象区域内像素点的第一加密系数，基于信息分布差异度，获取待处理图像中背景区域内像素点的第二加密系数，基于第一加密系数对待处理图像中移动对象区域的像素点进行加密处理，以及基于第二加密系数对待处理图像中背景区域的像素点进行加密处理，得到待处理图像的加密图像。
综上所述，本申请实施例中，移动对象区域的像素点的加密系数是根据图像与相邻图像之间的相似度和信息分布差异度两个量得到的，而背景区域的像素点的加密系数是仅根据信息分布差异度得到的，移动对象区域的像素点的加密系数比背景区域的像素点的加密系数更大，也即是说，移动对象区域的像素点的加密程度比背景区域的像素点的加密程度更高，由于移动对象区域包含的有效信息更多，提高了监控视频数据中有效信息的加密程度，另外，由于背景区域的像素点的加密程度较低，可以在提高监控视频中有效信息的加密程度的同时，减少计算量，节省加密成本。
需要说明的是：上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (7)

1.一种用于网络信息数据的安全处理方法，其特征在于，所述方法包括：
获取网络信息数据中的待处理监控视频数据，并对所述待处理监控视频数据进行图像帧提取，得到多帧候选图像；
识别所述候选图像中是否存在移动对象，并从所述候选图像中确定存在移动对象的图像为待处理图像；
获取所述待处理图像与所述待处理图像的相邻待处理图像之间的信息分布差异度和相似度；
基于所述相似度和所述信息分布差异度，获取所述待处理图像中移动对象区域内像素点的第一加密系数；
基于所述信息分布差异度，获取所述待处理图像中背景区域内像素点的第二加密系数；
基于所述第一加密系数对所述待处理图像中所述移动对象区域的像素点进行加密处理，以及基于所述第二加密系数对所述待处理图像中所述背景区域的像素点进行加密处理，得到所述待处理图像的加密图像。
2.根据权利要求1所述的方法，其特征在于，所述相似度的获取过程，包括：
识别所述待处理图像和所述相邻待处理图像中的同类移动对象；
获取所述待处理图像和所述相邻待处理图像中所述同类移动对象的图像区域内相同灰度值的像素点数量；
基于所述相同像素值的像素点数量，获取所述待处理图像与所述相邻待处理图像之间的所述相似度。
3.根据权利要求2所述的方法，其特征在于，所述基于所述相同像素值的像素点数量，获取所述待处理图像与所述相邻待处理图像之间的所述相似度，包括：
根据相似度公式获取所述相似度，其中，所述相似度公式包括：
Figure 327508DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为第
Figure 640809DEST_PATH_IMAGE004
帧待处理图像与第
Figure DEST_PATH_IMAGE005
帧待处理图像之间的相似度，
Figure 671213DEST_PATH_IMAGE006
为第
Figure 612624DEST_PATH_IMAGE004
帧待处理图像与第
Figure 194915DEST_PATH_IMAGE005
帧待处理图像之间同类移动对象的数量，
Figure DEST_PATH_IMAGE007
为第
Figure 57829DEST_PATH_IMAGE004
帧待处理图像中第
Figure 750978DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最大灰度值，
Figure DEST_PATH_IMAGE009
为第
Figure 481650DEST_PATH_IMAGE004
帧待处理图像中第
Figure 969263DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最小灰度值，
Figure 850631DEST_PATH_IMAGE010
为第
Figure 347471DEST_PATH_IMAGE004
帧待处理图像中第
Figure 997896DEST_PATH_IMAGE008
个同类移动对象的图像区域内灰度值为
Figure DEST_PATH_IMAGE011
的像素点数量占第
Figure 859672DEST_PATH_IMAGE004
帧待处理图像中第
Figure 228337DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点总数量的比例，
Figure 263289DEST_PATH_IMAGE012
为第
Figure 33799DEST_PATH_IMAGE005
帧待处理图像中第
Figure 863215DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最大灰度值，
Figure DEST_PATH_IMAGE013
为第
Figure 670240DEST_PATH_IMAGE004
+1帧待处理图像中第
Figure 508883DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点的最小灰度值，
Figure 868320DEST_PATH_IMAGE014
为第
Figure 134217DEST_PATH_IMAGE005
帧待处理图像中第
Figure 946315DEST_PATH_IMAGE008
个同类移动对象的图像区域内灰度值为
Figure 726665DEST_PATH_IMAGE011
的像素点数量占第
Figure 471767DEST_PATH_IMAGE005
帧待处理图像中第
Figure 908564DEST_PATH_IMAGE008
个同类移动对象的图像区域内像素点总数量的比例，
Figure 473538DEST_PATH_IMAGE008
为正整数，
Figure 653983DEST_PATH_IMAGE011
为待处理图像中像素点的灰度值，
Figure DEST_PATH_IMAGE015
为相邻待处理图像中像素点的灰度值。
4.根据权利要求1所述的方法，其特征在于，所述基于所述相似度和所述信息分布差异度，获取所述待处理图像中移动对象区域内像素点的第一加密系数，包括：
根据第一加密系数公式获取所述第一加密系数，其中，所述第一加密系数公式，包括：
Figure DEST_PATH_IMAGE017
其中，
Figure 925696DEST_PATH_IMAGE018
为第
Figure 533395DEST_PATH_IMAGE004
帧待处理图像中移动对象区域内像素点的第一加密系数，
Figure DEST_PATH_IMAGE019
为第
Figure 54506DEST_PATH_IMAGE004
帧待处理图像与第
Figure 507484DEST_PATH_IMAGE004
帧待处理图像的相邻待处理图像之间的信息分布差异度，
Figure 961599DEST_PATH_IMAGE020
为第
Figure DEST_PATH_IMAGE021
帧待处理图像与第
Figure 209041DEST_PATH_IMAGE004
帧待处理图像之间的相似度，
Figure 480098DEST_PATH_IMAGE022
表示双曲正切函数，
Figure 736767DEST_PATH_IMAGE004
为帧索引。
5.根据权利要求1所述的方法，其特征在于，所述信息分布差异度的获取过程，包括：
获取所述待处理图像和所述相邻待处理图像中的像素点的灰度值；
基于所述灰度值，获取所述待处理图像和所述相邻待处理图像中相同位置像素点的灰度值差值；
基于所述灰度值差值，获取所述待处理图像与所述相邻待处理图像之间的所述信息分布差异度。
6.根据权利要求1所述的方法，其特征在于，所述识别所述候选图像中是否存在移动对象，包括：
基于所述候选图像与所述候选图像的相邻候选图像之间的信息分布差异度，确定所述候选图像中是否存在移动对象；
若所述信息分布差异度大于或等于信息分布差异度阈值，则确定所述候选图像中存在移动对象；
若所述信息分布差异度小于所述信息分布差异度阈值，则确定所述候选图像中未存在移动对象。
7.根据权利要求1所述的方法，其特征在于，所述加密处理的过程，包括：
基于加密系数，获取模糊核作为密钥；
基于所述密钥，对像素点进行加密处理。
CN202211636088.7A 2022-12-20 2022-12-20 一种用于网络信息数据的安全处理方法 Active CN115620214B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211636088.7A CN115620214B (zh) 2022-12-20 2022-12-20 一种用于网络信息数据的安全处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211636088.7A CN115620214B (zh) 2022-12-20 2022-12-20 一种用于网络信息数据的安全处理方法

Publications (2)

Publication Number Publication Date
CN115620214A true CN115620214A (zh) 2023-01-17
CN115620214B CN115620214B (zh) 2023-03-07

Family

ID=84880342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211636088.7A Active CN115620214B (zh) 2022-12-20 2022-12-20 一种用于网络信息数据的安全处理方法

Country Status (1)

Country Link
CN (1) CN115620214B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150172056A1 (en) * 2013-12-17 2015-06-18 Xerox Corporation Privacy-preserving evidence in alpr applications
CN107644170A (zh) * 2017-08-31 2018-01-30 维沃移动通信有限公司 一种图像处理方法及移动终端
JP2019028516A (ja) * 2017-07-25 2019-02-21 システムインテリジェント株式会社 情報漏洩防止装置、及び情報漏洩防止プログラム
CN111083631A (zh) * 2019-12-02 2020-04-28 兰州交通大学 一种保护位置隐私和查询隐私的高效查询处理方法
CN111325769A (zh) * 2018-12-13 2020-06-23 北京嘀嘀无限科技发展有限公司 一种目标对象检测方法及装置
US20200218903A1 (en) * 2018-11-21 2020-07-09 Jeju National University Industry-Academic Cooperation Foundation CCTV video smart surveillance system and method thereof
CN111556339A (zh) * 2020-04-15 2020-08-18 长沙学院 一种基于敏感信息度量的视频信息隐私保护系统及方法
CN111737706A (zh) * 2020-05-11 2020-10-02 华南理工大学 一种生物特征隐私保护的前端人像加密与识别方法
CN111866573A (zh) * 2020-07-29 2020-10-30 腾讯科技（深圳）有限公司 视频的播放方法、装置、电子设备及存储介质
CN111967033A (zh) * 2020-08-28 2020-11-20 深圳康佳电子科技有限公司 基于人脸识别的图片加密方法、装置、终端及存储介质
CN113259721A (zh) * 2021-06-18 2021-08-13 长视科技股份有限公司 一种视频数据的发送方法及电子设备
CN113630587A (zh) * 2021-08-09 2021-11-09 北京朗达和顺科技有限公司 一种实时视频敏感信息保护系统及其方法
CN114245058A (zh) * 2021-12-17 2022-03-25 黄冈师范学院 一种计算机摄像头隐私保护方法
CN114817951A (zh) * 2022-04-01 2022-07-29 大连理工大学 一种多模态隐私敏感数据检测及加密方法
CN114913548A (zh) * 2022-05-18 2022-08-16 宽泛科技(盐城)有限公司 基于骨骼点信息的人体敏感信息隐藏方法
CN115119016A (zh) * 2022-06-29 2022-09-27 王雨佳 一种信息数据加密算法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150172056A1 (en) * 2013-12-17 2015-06-18 Xerox Corporation Privacy-preserving evidence in alpr applications
JP2019028516A (ja) * 2017-07-25 2019-02-21 システムインテリジェント株式会社 情報漏洩防止装置、及び情報漏洩防止プログラム
CN107644170A (zh) * 2017-08-31 2018-01-30 维沃移动通信有限公司 一种图像处理方法及移动终端
US20200218903A1 (en) * 2018-11-21 2020-07-09 Jeju National University Industry-Academic Cooperation Foundation CCTV video smart surveillance system and method thereof
CN111325769A (zh) * 2018-12-13 2020-06-23 北京嘀嘀无限科技发展有限公司 一种目标对象检测方法及装置
CN111083631A (zh) * 2019-12-02 2020-04-28 兰州交通大学 一种保护位置隐私和查询隐私的高效查询处理方法
CN111556339A (zh) * 2020-04-15 2020-08-18 长沙学院 一种基于敏感信息度量的视频信息隐私保护系统及方法
CN111737706A (zh) * 2020-05-11 2020-10-02 华南理工大学 一种生物特征隐私保护的前端人像加密与识别方法
CN111866573A (zh) * 2020-07-29 2020-10-30 腾讯科技（深圳）有限公司 视频的播放方法、装置、电子设备及存储介质
CN111967033A (zh) * 2020-08-28 2020-11-20 深圳康佳电子科技有限公司 基于人脸识别的图片加密方法、装置、终端及存储介质
CN113259721A (zh) * 2021-06-18 2021-08-13 长视科技股份有限公司 一种视频数据的发送方法及电子设备
CN113630587A (zh) * 2021-08-09 2021-11-09 北京朗达和顺科技有限公司 一种实时视频敏感信息保护系统及其方法
CN114245058A (zh) * 2021-12-17 2022-03-25 黄冈师范学院 一种计算机摄像头隐私保护方法
CN114817951A (zh) * 2022-04-01 2022-07-29 大连理工大学 一种多模态隐私敏感数据检测及加密方法
CN114913548A (zh) * 2022-05-18 2022-08-16 宽泛科技(盐城)有限公司 基于骨骼点信息的人体敏感信息隐藏方法
CN115119016A (zh) * 2022-06-29 2022-09-27 王雨佳 一种信息数据加密算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QIU SHI 等: "A Data Encryption and Fast Transmission Algorithm Based on Surveillance Video" *
ZHAO Y 等: "An object-based unequal encryption method for H.264 compressed surveillance videos" *
郑中华: "基于内容自适应的视频加密技术研究与实现" *

Also Published As

Publication number Publication date
CN115620214B (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
US8073056B2 (en) Motion vector searching method using plural search areas
Barannik et al. Development Second and Third Phase of the Selective Frame Processing Method
Fan et al. JPEG anti-forensics with improved tradeoff between forensic undetectability and image quality
US8749658B2 (en) Data processing device, image matching method, program, and image matching system
CN104966079A (zh) 区分真人面部与平坦表面
Wu et al. Accurate vehicle detection using multi-camera data fusion and machine learning
CN109313705B (zh) 指纹识别方法、装置、设备及存储介质
CN108038488B (zh) 基于sift和lbp混合的鲁棒性图像哈希方法
Gupta et al. Video authentication in digital forensic
CN115941939A (zh) 视频帧对齐方法、装置、设备及存储介质
US20210117683A1 (en) Object Localization and Classification System and Method Thereof
Lawgaly et al. Sensor pattern noise estimation using non-textured video frames for efficient source smartphone identification and verification
Tasdemir et al. Video steganalysis of LSB based motion vector steganography
CN115620214B (zh) 一种用于网络信息数据的安全处理方法
CN117237413A (zh) 利用视频监控模糊图像对目标物进行检测识别方法
CN117854160A (zh) 一种基于人工多模态和细粒度补丁的人脸活体检测方法及系统
CN116961875A (zh) 一种个性化高效隐私保护的智能安防方法
CN117132503A (zh) 一种图像局部高亮区域修复方法、系统、设备及存储介质
Kumar et al. Robust approach of video steganography using combined keypoints detection algorithm against geometrical and signal processing attacks
CN116798100A (zh) 人脸视频的检测方法和装置
Vidyamol et al. An improved dark channel prior for fast dehazing of outdoor images
Aznaveh et al. A new color based method for skin detection using RGB vector space
Kumari et al. Video Object Forgery Detection using Image Processing Techniques
CN107509074A (zh) 基于压缩感知的自适应3d视频编解码方法
CN114913607A (zh) 一种基于多特征融合的指静脉仿冒检测方法

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