CN116467730B - 一种基于cim架构的智慧园区数字化运维管理系统 - Google Patents

Abstract

本发明涉及数据安全存储技术领域，具体涉及一种基于CIM架构的智慧园区数字化运维管理系统，包括：采集图像；对图像进行金字塔分层和色彩分离得到单层单通道图像；在每个单层单通道图像上进行分组得到分组结果；利用异或处理对分组结果进行混乱得到新的分组集合；利用新的分组集合进行加密和安全储存。本发明利用像素点关于人脸特征表现关系进行像素点的混乱，实现人脸图像信息在不同尺度下特征表现的隐藏，有效提高了人脸图像数据的加密效果。

Description

一种基于CIM架构的智慧园区数字化运维管理系统

技术领域

本发明涉及数据安全存储术领域，具体涉及一种基于CIM架构的智慧园区数字化运维管理系统。

背景技术

基于CIM架构的运维管理会产生大量的数据，比如园区通行数据等，所以运维管理系统中涉及大量运维数据的管理，其中园区通行关卡的人脸图像数据涉及通行人员的隐私，所以在对其管理时首先要进行加密处理以保证人脸图像数据的安全。

对于图像数据的加密，现有技术一般利用图像像素点的置乱或者替换实现图像信息的隐藏，但是一般的图像信息混乱不具有针对性，比如当图像中人脸特征的隐藏为加密的关键安全保密要点时，需要根据图像中人脸特征表现，进行人脸特征表现的混乱。此时在原始图像中所表现的人脸特征较为局限，不足以完全显示人脸信息的特征分布关系，从而无法获得像素点关于人脸特征表现的关系，即对人脸信息的隐藏效果不佳，数据安全存储的效果也不佳。

发明内容

本发明提供一种基于CIM架构的智慧园区数字化运维管理系统，以解决现有的问题。

本发明的一种基于CIM架构的智慧园区数字化运维管理系统采用如下技术方案：

本发明一个实施例提供了一种基于CIM架构的智慧园区数字化运维管理系统，该系统包括：

数据采集模块，用于采集人脸图像数据得到原始图像；

图像金字塔分层模块，用于将原始图像进行高斯滤波得到高斯分层图像和拉普拉斯分层图像；

色彩分离模块，用于将所有分层图像进行通道分离得到每个分层图像的同层单通道图像；

像素点分组模块，用于将每个分层图像的每个同层单通道图像中同一特征点的图像像素点进行分组得到像素点分组；

分组混乱模块，用于对像素点分组进行异或分组得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组；

全层加密模块，用于根据最优异或分组对每个分层图像的所有同层单通道图像进行加密得到所有分层图像的所有同层单通道图像的加密数据；

运维数据管理模块，用于将每个分层图像的所有同层单通道图像的加密数据进行压缩和安全储存。

优选的，所述每个分层图像的同层单通道图像的获取方法为：

在同一分层的高斯分层图像与拉普拉斯分层图像中，将每个图像对应的RGB三通道图像分别记为该分层图像的同层单通道图像，而在所有金字塔分层图像中，将同层的每个图像对应的RGB三通道图像分别记为每个层图像的同层单通道图像。

优选的，所述将每个分层图像的每个同层单通道图像中同一特征点的图像像素点进行分组得到像素点分组，包括的具体步骤如下：

首先，得到每个分层图像中的每个同层单通道图像上的多个特征点，并记录每个特征点的位置，其中每个特征点都体现了不同的人脸特征信息；

其次，分别计算像素点与所有特征点之间的欧式距离，将像素点归类到距离最近的特征点中，进而将像素点依照特征点划分为多个类别，其中每个类别中包含了1个特征点和与特征点欧式距离邻近的所有像素点；

最后，计算每个类别中每个像素点与特征点之间的向量，向量为从特征点指向每个像素点的有向线段，同时对每个类别中包含的像素点个数按照从多到少的顺序对所有类别进行排序并依次在每一个分类中各选择一个像素点组成像素点分组；选择的顺序为：依次在每个类别中每个像素点对应的向量的模从小到大的顺序选择顺序最靠前的一个像素点，将选择出来的所有像素点放在一个分组内，将该分组记为像素点分组，并在每个类别中剩下的像素点中连续进行多次选择得到所有像素点分组。

优选的，所述对像素点分组进行异或分组得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组，包括的具体步骤如下：

将高斯分层图像中的任意一个单通道图像记为目标图像，并将目标图像中的任意一个像素点分组记为目标像素点分组，在同层的拉普拉斯分层图像中，获取与目标图像颜色通道不同的两个其他单通道图像，记为第一图像和第二图像；

在第一图像和第二图像分别获取与目标像素点分组的分组顺序差异最大的像素点分组，并分别记为第一像素分组和第二像素分组；

分别用第一像素分组和第二像素分组对目标像素点分组进行异或处理得到第一位置异或集合和第二位置异或集合；

分别计算第一位置异或集合和第二位置异或集合中所有像素点在原始图像上每个像素点与对应特征点的欧式距离的算术均值，将算术均值较大的位置异或集合记为运算集合；

用运算集合与目标像素点分组进行异或处理，获得了新的像素点分组，记为目标像素点分组的最优异或分组；

最后，完成每个图像中所有像素点分组的异或处理得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组。

进一步的，所述异或处理包括的具体方法为：

将两个像素点分组之间对应顺序标号相同的两个元素进行比较，若不同，则将两个元素存入异或结果集合中，若相同，则不将两个元素存入异或结果集合中，且当两个像素点分组中元素的数量不一致时，将某个像素点分组中多出来的元素直接存入异或结果集合中，将所述的异或结果集合作为异或处理输出的结果。

进一步的，所述分组顺序差异最大的像素点分组指的是：

当第一图像中有M个像素点分组时，如果目标像素点分组的顺序序号小于M/2，那么第一图像中的第M个像素点分组就是与目标像素点分组的分组顺序差异最大的像素点分组；如果目标像素点分组的顺序大于等于M/2，那么第一图像中的第一个像素点分组就是与目标像素点分组的分组顺序差异最大的像素点分组。

优选的，所述对每个分层图像的所有同层单通道图像进行加密得到所有分层图像的所有同层单通道图像的加密数据，包括的具体步骤如下：

对每个分层图像中每个同层单通道图像所包含的所有最优异或分组进行异或处理，即对同一层中所有单通道图像上的每个最优异或分组两两之间进行异或处理并分组，得到所有分层图像的所有同层单通道图像的加密数据。

本发明的技术方案的有益效果是：在图像金字塔不同分层中分别进行像素点特征表现关系的判断，利用像素点关于人脸特征表现关系进行像素点的混乱，实现人脸图像在不同尺度下特征信息的隐藏，有效提高人脸图像加密效果；在图像金字塔分层图像中进行像素点分组，所获得的分组像素点包含不同特征点对应像素点，更有效的进行人脸特征信息的隐藏；在对像素点之间的混乱操作中，对高斯分层图像与拉普拉斯分层图像对应的像素点分组进行异或，实现了对不同特征的表现的混乱，之后对不同通道对应像素点分组的异或操作提高了分层图像中表示人脸特征的颜色信息的隐藏效果，同时避免了同一通道图像中像素点关于特征点的特征表现分类不准确的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。

图1为本发明一种基于CIM架构的智慧园区数字化运维管理系统的系统流程图。

具体实施方式

为了更进一步阐述本发明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，对依据本发明提出的一种基于CIM架构的智慧园区数字化运维管理系统，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发明的技术领域的技术人员通常理解的含义相同。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

下面结合附图具体的说明本发明所提供的一种基于CIM架构的智慧园区数字化运维管理系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于CIM架构的智慧园区数字化运维管理系统的系统结构图，该系统包括以下模块：

数据采集模块，用于采集人脸图像数据得到原始图像。

在智慧园区运维管理系统中，连接数据管理平台，通过园区内通行关卡采集同行人员的人脸数据。本实施例以采集到的数据类型为图像类型进行说明，将采集到的人脸数据传输至数据管理平台，得到原始图像。

图像金字塔分层模块，用于将原始图像进行高斯滤波得到高斯分层图像和拉普拉斯分层图像。

由于对于人脸图像的加密越针对图像中的人脸特征，人脸特征信息的隐藏效果越好、图像加密效果越好。而图像金字塔不同层图像可以表现人脸不同尺度特征，在不同尺度下针对图像中的人脸特征，所以本实施例在图像金字塔中对不同分层图像进行加密，实现原始图像的高效加密的过程如下：

首先，对图像进行降采样，即利用高斯滤波器，获得高斯金字塔；

然后，所获得高斯层相对于原始图像丢失信息组成拉普拉斯层；

最后，不断迭代降采样获得多个高斯层与拉普拉斯层组成的图像金字塔，为了解释说明的方便，本实施例将迭代的次数设置成4，在实际操作中可以根据实际要求更改迭代的次数，迭代的次数越高，加密效果越好但是会造成计算量的指数级膨胀，因此要合理选择迭代的次数。

至此，本模块将原始图像进行高斯滤波得到高斯分层图像和拉普拉斯分层图像。

色彩分离模块，用于将所有分层图像进行通道分离得到每个分层图像的同层单通道图像。

由于在图像中的人脸的特征是由多个色彩通道共同反应的，因此为了针对人脸的特征，提取各个颜色通道中的图像，后续分析可以在这个图像上进行特征点处理。故本实施例分别在每个分层图像上进行RGB通道分离得到每个分层图像的同层单通道图像，且每个分层图像的同层单通道图像包括三个图像。

至此，将所有分层图像进行通道分离得到了每个分层图像的同层单通道图像。

像素点分组模块，用于将每个分层图像的每个同层单通道图像中同一特征点的图像像素点进行分组得到像素点分组。

由于人脸特征信息并不是一个单一的量，在每个分层图像的每个同层单通道图像中存在着多个特征点，每一个图像都反映了每一个图像尺度下的人脸特征信息，而所有分层图像的所有同层单通道图像中的特征点的总和就可以反映完整的人脸特征信息。故本实施例在每个分层图像的每个同层单通道图像中分别对每一个图像尺度下的人脸特征信息进行分组，具体操作如下：

首先，利用深度学习训练模型在每个分层图像中的每个同层单通道图像上得到人脸特征信息的K个特征点并记录每个特征点的位置，其中每个特征点都体现了不同的人脸特征信息。

其次，分别计算像素点与所有特征点之间的欧式距离，将像素点归类到距离最近的特征点中，进而将像素点依照特征点划分为K个类别，其中每个类别中包含了1个特征点和与其欧式距离邻近的所有像素点。在本实施例中，此时记录特征点位置以及特征点包含同类像素点数量作为第一密钥。

最后，计算每个类别中每个像素点与特征点之间的向量，向量为从特征点指向每个像素点的有向线段，同时对每个类别中包含的像素点个数按照从多到少的顺序对所有类别进行排序并依次在每一个分类中各选择一个像素点组成N个分组，依次选择的顺序为：依次在每个类别中每个像素点对应的向量的模从小到大的顺序（如果存在模相等的情况，则根据向量与正右方向向量的夹角从小到大的顺序）选择顺序最靠前的一个像素点，将选择出来的所有像素点放在一个分组内，将该分组记为像素点分组，并在每个类别中剩下的像素点中连续进行多次选择得到N个像素点分组，第n个像素点分组中包含个像素点，其中，n越小则说明该像素点分组中的元素与同一分类中特征点的欧式距离越近，表示该像素点分组中的像素点都是更接近特征点的像素点。

例如，K个类别按照包含的像素点个数按照从多到少的顺序分别为第一个类别、第二个类别/>、……、第K个类别/>。

依次从中选择出向量模长最小的第一个像素点，从/>中选择出向量模长最小的第一个像素点、……、从/>中选择出向量模长最小的第一个像素点，这些像素点构成第一个像素点分组；

再依次从剩余的像素点中选择出向量模长最小的第一个像素点，从/>剩余的像素点中选择出向量模长最小的第一个像素点、……、从/>剩余的像素点中选择出向量模长最小的第一个像素点，这些像素点构成第二个像素点分组；

依次类推，得到所有的像素点分组。

需要说明的是，这一步操作过程中由于每个分类中的像素点数目可能不同，故无法保证每个像素点分组中的像素点数目相同，因此要求每一个与第n个像素点分组是一一对应的，且在通过依次选择得到像素点分组过程中，每次选择到一个像素点分组中的像素点在其原有分类中向量的模的大小顺序应该保持一致。

至此，将每个分层图像的每个同层单通道图像中每个像素点进行分组，得到了像素点分组。

分组混乱模块，用于对像素点分组进行异或分组得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组。

由于像素点分组模块对图像像素点进行分组后，图像的信息组成未发生变化，其信息的隐藏效果不彻底，且此时所获得的分组像素点包含不同特征点对应像素点与同一类像素点之间存在相关性并且其分布组合具有原始人脸信息的表现效果。而图像特征信息需要表现同一特征的多个像素点共同表示，所以当前像素点分组无法表现人脸特征信息，即有效的进行人脸特征信息的隐藏，因此在进行人脸信息隐藏的过程中需要破坏同类像素点的相邻分布，同时又由于单个通道图像的特征表现具有差异，故不同单一通道图像特征点对人脸特征信息的表现效果不同，此时在同一通道图像中像素点关于特征点的特征表现分类不够准确，导致所获得的分组像素点不能完全避免表现相同特征的像素点。而在同一金字塔分层中，高斯分层与拉普拉斯分层的特征点差异较大，此时像素点相对于特征点的特征表现不同，故为了提高不同特征表现的隐藏效果，本实施例根据高斯分层与拉普拉斯分层分别对应的三通道中像素点分组之间的关系，进行分组混乱的步骤如下：

首先，在同一分层的高斯分层图像与拉普拉斯分层图像中，将每个图像对应的RGB三通道图像分别表示为，其中，X表示分层的排序，本实施例中，G和L分表表示高斯分层和拉普拉斯分层，r、g和b则分别表示R通道图像、G通道图像和B通道图像。以/>为例进行说明，/>表示第X个分层图像中高斯分层的R通道图像，并规定该图像上的第n个像素点分组为/>，可通过与其他分层中像素点分组进行异或处理以改变其特征表现，即其他像素点分组的选择直接影响着异或处理的效果。本实施例中的异或处理指的是将两个像素点分组之间对应顺序标号相同的两个元素进行比较，若两个元素灰度值不同，则将两个元素存入异或结果集合中，若两个元素灰度值相同，则不将两个元素存入异或结果集合中，且当两个像素点分组中元素的数量不一致时，将某个像素点分组中多出来的元素直接存入异或结果集合中，故将两个像素点分组进行异或处理后的结果是一个新的像素点分组即异或结果集合，异或结果集合中包含的元素是原来两个像素点分组之间相同顺序位置不同的元素；

其次，由于在高斯分层和拉普拉斯分层中特征点位置存在较大差异，对于高斯分层图像中的像素点分组需要选择同层中的拉普拉斯分层图像像素点分组进行异或处理。并且同一通道高斯分层和拉普拉斯分层图像具有同一颜色特征表现，所以为了提高分层图像中表示人脸特征的颜色信息的隐藏效果，需要再选择不同通道的图像进行异或处理。而同一图像中像素点分组中元素的n反应了分组像素点与特征点之间的位置关系，所以在不同图像中选择像素点分组进行异或时，所选择分组在两个图像中的分组的顺序差异越大，获得两个像素点分组关于特征点的特征表现差异越大，所以为了破坏分组像素点关于特征点的特征表现，在不同通道图像中选择分组顺序差异尽量大的像素点分组进行异或处理。本实施例基于上述特征，以图像为例，对于图像/>中的一个像素点分组/>，得到/>的最优异或分组的具体过程为：

（1）假设中有M1个像素点分组，如果n小于M1/2，那么/>中的第M1个像素点分组就是与/>的分组顺序差异最大的像素点分组，记为第一像素分组；如果n大于等于M1/2，那么/>中的第一个像素点分组就是与/>的分组顺序差异最大的像素点分组，记为第一像素分组，同理在图像/>中确定与/>的分组顺序差异最大的像素点分组，记为第二像素分组；

（2）分别用第一像素分组和第二像素分组和进行异或处理得到第一位置异或集合和第二位置异或集合；

（3）分别计算第一位置异或集合和第二位置异或集合中所有像素点在原始图像上每个像素点与对应特征点的欧式距离的算术均值，将算术均值较大的位置异或集合记为运算集合，需要补充说明的是当两个位置异或集合中的像素点数量不同时某个位置异或集合中多余的像素点不进行计算。

（4）用运算集合与进行异或处理，获得了新的像素点分组，记为/>的最优异或分组。

最后，完成每个图像中所有像素点分组的异或处理得到每个分层图像中每个同层单通道图像的所有最优异或分组。

全层加密模块，用于对每个分层图像的所有同层单通道图像进行加密得到所有分层图像的所有同层单通道图像的加密数据。

对每个分层图像中每个同层单通道图像所包含的所有最优异或分组进行异或处理，即对同一层中所有单通道图像上的每个最优异或分组两两之间进行异或处理并分组，得到所有分层图像的所有同层单通道图像的加密数据。需要补充说明的是为了解密过程对原始图像的复原，需要确定不同图像的异或处理后的分组顺序，在本实施例中，直接在每个分层图像中根据的顺序进行加密，获得每个分层图像的所有同层单通道图像中像素点分组的第二密钥。

至此，完成了人脸图像数据的加密处理，且所有的密钥（包括第一密钥和第二密钥）也已在过程中体现，实际加密环节中可根据密钥对加密数据进行反处理将加密数据进行解密还原。

运维数据管理模块，用于每个分层图像的所有同层单通道图像的加密数据进行压缩和安全储存。

通过执行数据采集模块到全层加密模块，完成了对智慧园区中通行关卡人脸图像数据进行加密处理的过程，为了便于数据的存储，本实施例对加密后的密文数据进行压缩处理，并压缩后的密文数据直接存储在智慧园区的运维管理系统中，实现了人脸图像数据的安全存储。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，该系统包括：

数据采集模块，用于采集人脸图像数据得到原始图像；

图像金字塔分层模块，用于将原始图像进行高斯滤波得到高斯分层图像和拉普拉斯分层图像；

色彩分离模块，用于将所有分层图像进行通道分离得到每个分层图像的同层单通道图像；

像素点分组模块，用于将每个分层图像的每个同层单通道图像中同一特征点的图像像素点进行分组得到像素点分组；

分组混乱模块，用于对像素点分组进行异或分组得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组；

全层加密模块，用于根据最优异或分组对每个分层图像的所有同层单通道图像进行加密得到所有分层图像的所有同层单通道图像的加密数据；

运维数据管理模块，用于将每个分层图像的所有同层单通道图像的加密数据进行压缩和安全储存。

2.根据权利要求1所述一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，所述每个分层图像的同层单通道图像的获取方法为：

在同一分层的高斯分层图像与拉普拉斯分层图像中，将每个图像对应的RGB三通道图像分别记为该分层图像的同层单通道图像，而在所有金字塔分层图像中，将同层的每个图像对应的RGB三哥通道图像分别记为每个层图像的同层单通道图像。

3.根据权利要求1所述一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，所述将每个分层图像的每个同层单通道图像中同一特征点的图像像素点进行分组得到像素点分组，包括的具体步骤如下：

首先，得到每个分层图像中的每个同层单通道图像上的多个特征点，并记录每个特征点的位置，其中每个特征点都体现了不同的人脸特征信息；

其次，分别计算像素点与所有特征点之间的欧式距离，将像素点归类到距离最近的特征点中，进而将像素点依照特征点划分为多个类别，其中每个类别中包含了1个特征点和与特征点欧式距离邻近的所有像素点；

最后，计算每个类别中每个像素点与特征点之间的向量，向量为从特征点指向每个像素点的有向线段，同时对每个类别中包含的像素点个数按照从多到少的顺序对所有类别进行排序并依次在每一个分类中各选择一个像素点组成像素点分组；选择的顺序为：依次在每个类别中每个像素点对应的向量的模从小到大的顺序选择顺序最靠前的一个像素点，将选择出来的所有像素点放在一个分组内，将该分组记为像素点分组，并在每个类别中剩下的像素点中连续进行多次选择得到所有像素点分组。

4.根据权利要求1所述一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，所述对像素点分组进行异或分组得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组，包括的具体步骤如下：

将高斯分层图像中的任意一个单通道图像记为目标图像，并将目标图像中的任意一个像素点分组记为目标像素点分组，在同层的拉普拉斯分层图像中，获取与目标图像颜色通道不同的两个其他单通道图像，记为第一图像和第二图像；

在第一图像和第二图像分别获取与目标像素点分组的分组顺序差异最大的像素点分组，并分别记为第一像素分组和第二像素分组；

分别用第一像素分组和第二像素分组对目标像素点分组进行异或处理得到第一位置异或集合和第二位置异或集合；

分别计算第一位置异或集合和第二位置异或集合中所有像素点在原始图像上每个像素点与对应特征点的欧式距离的算术均值，将算术均值较大的位置异或集合记为运算集合；

用运算集合与目标像素点分组进行异或处理，获得了新的像素点分组，记为目标像素点分组的最优异或分组；

最后，完成每个图像中所有像素点分组的异或处理得到每个分层图像中所有同层单通道图像所包含的所有最优异或分组。

5.根据权利要求4所述一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，所述异或处理包括的具体方法为：

将两个像素点分组之间对应顺序标号相同的两个元素进行比较，若不同，则将两个元素存入异或结果集合中，若相同，则不将两个元素存入异或结果集合中，且当两个像素点分组中元素的数量不一致时，将某个像素点分组中多出来的元素直接存入异或结果集合中，将所述的异或结果集合作为异或处理输出的结果。

6.根据权利要求4所述一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，所述分组顺序差异最大的像素点分组指的是：

当第一图像中有M个像素点分组时，如果目标像素点分组的顺序序号小于M/2，那么第一图像中的第M个像素点分组就是与目标像素点分组的分组顺序差异最大的像素点分组；如果目标像素点分组的顺序大于等于M/2，那么第一图像中的第一个像素点分组就是与目标像素点分组的分组顺序差异最大的像素点分组。

7.根据权利要求1所述一种基于CIM架构的智慧园区数字化运维管理系统，其特征在于，所述对每个分层图像的所有同层单通道图像进行加密得到所有分层图像的所有同层单通道图像的加密数据，包括的具体步骤如下：

对每个分层图像中每个同层单通道图像所包含的所有最优异或分组进行异或处理，即对同一层中所有单通道图像上的每个最优异或分组两两之间进行异或处理并分组，得到所有分层图像的所有同层单通道图像的加密数据。