CN116664849B - 数据处理方法、装置、电子设备和计算机可读介质 - Google Patents
数据处理方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116664849B CN116664849B CN202310563873.2A CN202310563873A CN116664849B CN 116664849 B CN116664849 B CN 116664849B CN 202310563873 A CN202310563873 A CN 202310563873A CN 116664849 B CN116664849 B CN 116664849B
- Authority
- CN
- China
- Prior art keywords
- image
- shielded
- park
- preprocessed
- campus
- 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 15
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 238000012795 verification Methods 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 14
- 238000012552 review Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- 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
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- 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
Abstract
本公开的实施例公开了数据处理方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取园区图像集合;对园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像;对于预处理后园区图像,执行以下处理步骤:确定预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;对预处理后园区图像中、待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;确定待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;根据待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定遮挡后园区图像对应的查阅权限信息。该实施方式保证了数据安全性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及数据处理方法、装置、电子设备和计算机可读介质。
背景技术
随着计算机相关技术的快速发展,结合计算机相关技术的园区治理逐渐提上日程。例如,通过云存储的方式对园区内摄像头采集的图像进行存储。
然而,发明人发现,当采用上述方式时,经常会存在如下技术问题:
第一,直接对图像进行存储的方式,缺乏对图像内包含的内容的有效保护,数据安全性较差;
第二,直接对图像进行全局图像遮挡,数据处理量较大;
第三,待遮挡区域的重要度往往不同,缺乏有效地方式对多类型的遮挡区域进行重要度识别。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了数据处理方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种数据处理方法,该方法包括:获取园区图像集合,其中,上述园区图像集合是由多个传感器采集的图像;对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合;对于上述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:确定上述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;对上述预处理后园区图像中、上述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息。
第二方面,本公开的一些实施例提供了一种数据处理装置,装置包括:获取单元,被配置成获取园区图像集合,其中,上述园区图像集合是由多个传感器采集的图像;图像预处理单元,被配置成对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合;执行单元,被配置成对于上述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:确定上述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;对上述预处理后园区图像中、上述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的数据处理方法,提高了数据安全性,同时在进行图像遮挡时,降低了数据处理量。具体来说,造成数据安全性较差,以及数据处理量较大的原因在于:第一,直接对图像进行存储的方式,缺乏对图像内包含的内容的有效保护,数据安全性较差;第二,直接对图像进行全局图像遮挡,数据处理量较大。基于此,本公开的一些实施例的数据处理方法,首先,获取园区图像集合,其中,上述园区图像集合是由多个传感器采集的图像。实践中,园区占地面积较大,因此往往会布局多个传感器,例如摄像头对园区内进行监控,以及画面采集。其次,对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合。实践中,园区内的摄像头的品牌、型号等往往存在差异,因此需要对园区图像进行图像预处理。接着,对于上述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:步骤一,确定上述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组。以此确定预处理后园区图像中的至少一个待遮挡区域。步骤二,对上述预处理后园区图像中、上述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像。通过仅对待遮挡区域信息对应的区域进行区域遮挡,相较于全局图像遮挡的方式,数据处理量大大减少。步骤三,确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级。实践中,不同待遮挡区域信息对应的区域的重要度往往不同,因此,根据待遮挡区域信息对应的区域内的内容,确定相应的遮挡等级。步骤四,根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息。通过此种方式,实现了对图像中重要内容的遮挡,相较于直接存储的方式,数据安全性大大提高。同时,相较于全局图像遮挡的方式,数据的处理量也有所降低。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的数据处理方法的一些实施例的流程图;
图2是根据本公开的数据处理装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
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。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的数据处理方法的一些实施例的流程100。该数据处理方法,包括以下步骤:
步骤101,获取园区图像集合。
在一些实施例中,数据处理方法的执行主体(例如,计算设备)可以通过有线连接,或无线连接的方式,获取上述园区图像集合。其中,上述园区图像集合是由多个传感器采集的图像。实践中,园区图像可以是由设置在园区内的、不同位置的摄像头采集的图像。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
需要说明的是,上述计算设备可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。计算设备的数目根据实现需要,可以具有任意数目。
步骤102,对园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合。
在一些实施例中,上述执行主体可以对园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合。实践中,上述执行主体可以对园区图像进行灰度化处理,以生成预处理后园区图像。
在一些实施例的一些可选的实现方式中,上述执行主体对园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合,可以包括以下步骤:
第一步,确定上述园区图像对应的图像类型。
实践中,图像类型可以是园区图像对应的图像文件类型。具体的,图像文件类型可以包括但不限于:JPG类型,PNG类型,RAW格式。具体的,上述执行主体可以通过python中的filetype包,确定上述园区图像对应的图像类型。
第二步,响应于上述图像类型与预设图像类型不一致,对上述园区图像进行类型转换,得到类型转换后图像。
其中,上述预设图像类型可以是JPG类型。
第三步,确定上述类型转换后图像对应的色彩空间信息。
其中,色彩空间信息表征类型转换后图像所采用的色彩标准。实践中,色彩标准可以包括但不限于:RGB色彩标准,HSV色彩标准。
第四步,响应于上述色彩空间信息与预设色彩空间信息不一致,对上述类型转换后图像进行色彩空间转换,得到色彩空间转换后图像。
实践中,上述预设色彩空间信息可以是RGB色彩标准。
第五步,对上述色彩空间转换后图像进行图像尺寸标准化,以生成预处理后园区图像。
实践中,上述执行主体可以对上述色彩空间转换后图像进行图像裁剪,以生成预处理后园区图像。
步骤103,对于预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:
步骤1031,确定预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组。
在一些实施例中,上述执行主体可以确定预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组。待遮挡区域信息可以是表征待遮挡区域位置的信息。实践中,上述执行主体可以通过YOLO(You Only Look Once)检测模型,确定预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组。
在一些实施例的一些可选实现方式中,上述执行主体确定预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组,可以包括以下步骤:
第一步,确定预处理后园区图像对应的基础采集信息。
其中,基础采集信息包括:采集传感器标识和图像采集时间。采集传感器标识表征采集预处理后园区图像对应的园区图像的传感器的唯一标识。图像采集时间表征预处理后园区图像对应的园区图像的采集时间。
第二步,根据上述采集传感器标识和上述图像采集时间,确定图像特征图缓存池中是否存在上述采集传感器标识对应的传感器采集的、对应的采集时间与上述图像采集时间的时间差值小于预设差值的图像特征图。
其中,图像特征图缓存池用于缓存遮挡区域信息生成模型包括的图像特征提取模型提取的、历史园区图像对应的图像特征图。实践中,由于传感器在实时的进行图像采集,同时考虑到临近帧图像之间的图像差异较小,因此,设计了图像特征图缓存池用于缓存历史园区图像对应的图像特征图,以实现对历史园区图像对应的图像特征图的快速调用。
第三步,响应于不存在,通过上述图像特征提取模型对上述预处理后园区图像进行图像特征提取,以生成初始图像特征图,作为候选图像特征图。
其中,上述图像特征提取模型可以是用于对预处理后园区图像进行图像特征提取的模型。实践中,上述图像特征提取模型可以是残差神经网络模型。
第四步,响应于存在,执行以下图像处理步骤:
第一子步骤,将上述图像特征图缓存池中上述传感器标识对应的传感器采集的、对应的采集时间与上述图像采集时间的时间差值小于预设差值的图像特征图,确定为目标图像特征图组。
实践中,预设差值可以是10毫秒。
第二子步骤,激活上述遮挡区域信息生成模型包括的目标数量个特征求差层。
其中,上述目标数量与上述目标图像特征图组中的目标图像特征图的数量一致。实践中,遮挡区域信息生成模型可以包括M个特征求差层。其中,M≥目标数量。M为正整数。具体的,每个特征求差层都对应有激活状态。实践中,激活状态可以是“1”,也可以是“0”,当激活状态为“1”时,表征特征求差层处于激活、待使用状态。当激活状态为“0”时,表征特征求差层处于未激活、不可使用状态。
第三子步骤,通过上述图像特征提取模型对上述预处理后园区图像进行图像特征提取,以生成初始图像特征图。
第四子步骤,分别通过上述目标数量个特征求差层,确定上述目标图像特征图组中的目标图像特征图与上述初始图像特征图的特征图差异,以生成差异特征图,得到差异特征图组。
实践中,上述执行主体可以将目标图像特征图依次输入至对应的特征求差层中,以确定目标图像特征图和初始图像特征图的特征图差异,以生成差异特征图。具体的,特征求差层可以通过初始图像特征图减目标图像特征图,得到差异特征图。
第五子步骤,对上述差异特征图组中的差异特征图进行特征图叠加,得到上述候选图像特征图。
第六子步骤,通过上述遮挡区域信息生成模型包括的遮挡区域定位模型和上述候选图像特征图,确定上述预处理后园区图像对应的待遮挡区域信息组。
实践中,上述执行主体可以将候选图像特征图输入上述遮挡区域定位模型,以生成待遮挡区域信息组。具体的,上述遮挡区域定位模型可以是YOLO-Fastest模型。
步骤1032,对预处理后园区图像中、待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像。
在一些实施例中,上述执行主体可以对预处理后园区图像中、待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像。
实践中,首先,对于待遮挡区域信息对应的区域,上述执行主体可以逐行提取待遮挡区域信息对应的区域的各个像素值,以生成像素值串,得到像素值串组。其中,像素值串的长度=6×W,其中,W表征待遮挡区域信息对应的区域中每行包括的像素点的数量。例如,针对某个像素点的色值可以是(255,250,250),同样的以通过“#FFFAFA”表征。其中“FFFAFA”的长度为6,因此,像素值串的长度=6×W。然后,上述执行主体可以对通过加密算法对像素值串进行加密,得到加密后像素值串。接着,上述执行主体可以以6为截取长度,对加密后像素值串进行截取,得到截取后像素值子串组。进一步,对截取后像素值子串组中的各个截取后像素值子串进行加权求和,得到更新后像素值。最后,将更新后像素值确定为对应行中的各个像素点的像素值。
考虑到常规的模糊化算法,常采用随机值的方式对图像进行模糊化。此种方式往往不可逆。因此,本公开结合加密算法,以此确定遮挡区域信息对应的区域的像素值。同时考虑到,逐个像素的加密,随着图像尺寸和图像数量的增加,数据处理量极大,因此,本公开以行为加密单位,逐行进行区域遮挡。提高了数据的处理速度。
步骤1033,确定待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级。
在一些实施例中,上述执行主体可以确定待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级。其中,遮挡等级可以表征遮挡区域信息对应区域内的内容重要度。实践中,上述执行主体可以通过多分类层,确定待遮挡区域信息对应区域的遮挡等级。
可选地,遮挡区域信息生成模型还包括:遮挡对象重要度识别模型。其中,遮挡对象重要度识别模型是用于确定遮挡区域信息对应区域内的内容重要度的模型。遮挡区域信息生成模型可以连接于遮挡区域定位模型之后。实践中,遮挡对象重要度识别模型可以包括:包含多个串行连接的卷积层的卷积神经网络模型和多分类层。
在一些实施例的一些可选的实现方式中,上述执行主体确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级,可以包括以下步骤:
第一步,从上述候选图像特征图中提取上述待遮挡区域信息对应区域的子图像特征图。
第二步,对上述子图像特征图进行特征图扩充,以生成扩充后图像特征图。
实践中,上述执行主体可以对上述子图像特征图进行上采样,以生成上述扩充后图像特征图。
第三步,将上述扩充后图像特征图,输入上述遮挡对象重要度识别模型中,以生成上述待遮挡区域信息对应区域的遮挡等级。
步骤1033至步骤1034中可选的内容,作为本公开的一个发明点,解决了背景技术提及的技术问题三,即“待遮挡区域的重要度往往不同,缺乏有效地方式对多类型的遮挡区域进行重要度识别”。实践中,针对园区图像,往往存在部分区域为重要区域(例如,包含敏感数据的区域)。采用全局图像遮挡的方式,针对连续的多帧图像,数据处理量极大。同时待遮挡区域的类型也繁多,如人脸,重要文档图像,敏感区域图像等。同时,不同的待遮挡区域的重要度(敏感度)也往往不同。因此,如何进行多类型的遮挡区域识别,以及重要度确定尤为重要。由此,本公开首先,确定图像特征图缓存池中是否存在上述采集传感器标识对应的传感器采集的、对应的采集时间与上述图像采集时间的时间差值小于预设差值的图像特征图。实践中,连续多帧图像的图像变化差异往往不大,因此,相连多帧之间图像的差异特征,也可以辅助用于进行待遮挡区域的定位。为了能够结合连续多帧图像之间的图像特征图,因此,本公开设计了图像特征图缓存池来缓存图像特征图,使得需要调用时,直接从图像特征图缓存池来获取。接着,通过上述图像特征提取模型对上述预处理后园区图像进行图像特征提取,以生成初始图像特征图。以实现对预处理后园区图像的特征提取。当存在目标图像特征图组时,来激活特征求差层,由于图像特征图缓存池的大小限制,使得预处理后园区图像对应的目标图像特征图的数量往往不同,因此,设计了特征求差层激活的方式,根据目标图像特征图组中的目标图像特征图的数量,适应新的激活特征求差层进行使用。进一步,分别通过上述目标数量个特征求差层,确定上述目标图像特征图组中的目标图像特征图与上述初始图像特征图的特征图差异,以生成差异特征图,得到差异特征图组;对上述差异特征图组中的差异特征图进行特征图叠加,得到上述候选图像特征图。最后,通过上述遮挡区域信息生成模型包括的遮挡区域定位模型和上述候选图像特征图,确定上述预处理后园区图像对应的待遮挡区域信息组。通过此种方式,实现了待遮挡区域信息对应区域的精准定位。紧接着,通过遮挡对象重要度识别模型实现遮挡等级的精准确定。由此实现了对多类型的遮挡区域的重要度有效识别。
步骤1034,根据待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定遮挡后园区图像对应的查阅权限信息。
在一些实施例中,上述执行主体可以根据待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定遮挡后园区图像对应的查阅权限信息。其中,查阅权限信息可以表征遮挡后园区图像的查阅权限。实践中,上述执行主体可以将待遮挡区域信息组中的待遮挡区域信息对应的、最高的遮挡等级,确定遮挡后园区图像对应的查阅权限信息。
可选地,查阅权限信息包括:查阅权限等级和可信查阅对象列表。其中,查阅权限等级可以表征查阅遮挡后园区图像的对象的最低查阅对象等级。可信查阅对象列表可以包括可以对遮挡后园区图像进行查阅的对象。
可选地,在上述根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息之后,上述方法还包括:
第一步,响应于接收到针对上述遮挡后园区图像的查阅请求,执行以下验证步骤:
第一子步骤,解析上述查阅请求,以生成查阅对象信息。
其中,查阅对象信息包括:查阅对象等级和查阅对象标识。查阅对象等级可以是发送上述查阅请求的对象的查阅权限等级。查阅对象标识可以是发送上述查阅请求的对象的唯一标识。
第二子步骤,根据上述查阅对象标识,确定账户历史登录地址列表。
其中,账户历史登录地址可以表征查阅对象标识对应的对象的终端登录地址。实践中,上述执行主体可以通过检索数据库的方式,确定账户历史登录地址列表。
第三子步骤,对上述账户历史登录地址列表进行风险性校验。
实践中,上述执行主体可以确定账户历史登录地址列表是否存在与常用登录地址不同的历史登录地址,响应于存在,则不通过风险性校验,响应于不存在,则通过风险性校验。
第四子步骤,响应于通过上述风险性校验、上述查阅对象等级大于等于上述查阅权限等级、且上述查阅对象标识对应的对象位于上述可信查阅对象列表内,对上述遮挡后园区图像进行去遮挡处理,以生成去遮挡处理后图像。
实践中,上述执行主体可以逆向执行步骤1032,以生成去遮挡处理后图像。
第五子步骤,响应于通过上述风险性校验、上述查阅对象等级大于等于上述查阅权限等级、且上述查阅对象标识对应的对象未位于上述可信查阅对象列表内,将上述查阅对象标识对应对象的对象信息发送至权限核验终端集合。
其中,权限核验终端是从上述可信查阅对象列表中随机选取的可信查阅对象对应的终端。实践中,上述执行主体可以从可信查阅对象列表中随机选取Z个可信查阅对象,并将查阅对象标识对应对象的对象信息发送至Z个可信查阅对象对应的权限核验终端集合。权限核验终端集合中的权限核验终端的数量为Z。Z≥3。
第六子步骤,响应于接收到上述权限核验终端集合发送的、表征允许查阅的返回结果,对上述遮挡后园区图像进行去遮挡处理,以生成去遮挡处理后图像。
实践中,上述执行主体可以逆向执行步骤1032,以生成去遮挡处理后图像。
第七子步骤,将上述去遮挡处理后图像发送至目标终端。
其中,目标终端是发送上述查阅请求的终端。
第八子步骤,响应于未通过上述风险性校验,或上述查阅对象等级小于上述查阅权限等级,向上述目标终端发送拒绝查阅提示信息。
其中,上述拒绝查阅提示信息可以是用于提示发送上述查阅请求的对象未拥有查阅权限的提示信息。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的数据处理方法,提高了数据安全性,同时在进行图像遮挡时,降低了数据处理量。具体来说,造成数据安全性较差,以及数据处理量较大的原因在于:第一,直接对图像进行存储的方式,缺乏对图像内包含的内容的有效保护,数据安全性较差;第二,直接对图像进行全局图像遮挡,数据处理量较大。基于此,本公开的一些实施例的数据处理方法,首先,获取园区图像集合,其中,上述园区图像集合是由多个传感器采集的图像。实践中,园区占地面积较大,因此往往会布局多个传感器,例如摄像头对园区内进行监控,以及画面采集。其次,对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合。实践中,园区内的摄像头的品牌、型号等往往存在差异,因此需要对园区图像进行图像预处理。接着,对于上述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:步骤一,确定上述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组。以此确定预处理后园区图像中的至少一个待遮挡区域。步骤二,对上述预处理后园区图像中、上述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像。通过仅对待遮挡区域信息对应的区域进行区域遮挡,相较于全局图像遮挡的方式,数据处理量大大减少。步骤三,确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级。实践中,不同待遮挡区域信息对应的区域的重要度往往不同,因此,根据待遮挡区域信息对应的区域内的内容,确定相应的遮挡等级。步骤四,根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息。通过此种方式,实现了对图像中重要内容的遮挡,相较于直接存储的方式,数据安全性大大提高。同时,相较于全局图像遮挡的方式,数据的处理量也有所降低。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种数据处理装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该数据处理装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的数据处理装置200包括:获取单元201、图像预处理单元202和执行单元203。其中,获取单元201,被配置成获取园区图像集合,其中,上述园区图像集合是由多个传感器采集的图像;图像预处理单元202,被配置成对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合;执行单元203,被配置成对于上述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:确定上述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;对上述预处理后园区图像中、上述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息。
可以理解的是,该数据处理装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于数据处理装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从只读存储器302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取园区图像集合,其中,上述园区图像集合是由多个传感器采集的图像;对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合;对于上述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:确定上述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;对上述预处理后园区图像中、上述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;确定上述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;根据上述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定上述遮挡后园区图像对应的查阅权限信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、图像预处理单元和执行单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,图像预处理单元还可以被描述为“对上述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种数据处理方法,包括:
获取园区图像集合,其中,所述园区图像集合是由多个传感器采集的图像;
对所述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合;
对于所述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:
确定所述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;
对所述预处理后园区图像中、所述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;
确定所述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;
根据所述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定所述遮挡后园区图像对应的查阅权限信息,其中,
所述确定所述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组,包括:
确定预处理后园区图像对应的基础采集信息,其中,所述基础采集信息包括:采集传感器标识和图像采集时间;
根据所述采集传感器标识和所述图像采集时间,确定图像特征图缓存池中是否存在所述采集传感器标识对应的传感器采集的、对应的采集时间与所述图像采集时间的时间差值小于预设差值的图像特征图,其中,所述图像特征图缓存池用于缓存遮挡区域信息生成模型包括的图像特征提取模型提取的、历史园区图像对应的图像特征图;
响应于不存在,通过所述图像特征提取模型对所述预处理后园区图像进行图像特征提取,以生成初始图像特征图,作为候选图像特征图;
响应于存在,执行以下图像处理步骤:
将所述图像特征图缓存池中所述传感器标识对应的传感器采集的、对应的采集时间与所述图像采集时间的时间差值小于预设差值的图像特征图,确定为目标图像特征图组;
激活所述遮挡区域信息生成模型包括的目标数量个特征求差层,其中,所述目标数量与所述目标图像特征图组中的目标图像特征图的数量一致;
通过所述图像特征提取模型对所述预处理后园区图像进行图像特征提取,以生成初始图像特征图;
分别通过所述目标数量个特征求差层,确定所述目标图像特征图组中的目标图像特征图与所述初始图像特征图的特征图差异,以生成差异特征图,得到差异特征图组;
对所述差异特征图组中的差异特征图进行特征图叠加,得到所述候选图像特征图;
通过所述遮挡区域信息生成模型包括的遮挡区域定位模型和所述候选图像特征图,确定所述预处理后园区图像对应的待遮挡区域信息组。
2.根据权利要求1所述的方法,其中,所述查阅权限信息包括:查阅权限等级和可信查阅对象列表;以及
在所述根据所述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定所述遮挡后园区图像对应的查阅权限信息之后,所述方法还包括:
响应于接收到针对所述遮挡后园区图像的查阅请求,执行以下验证步骤:
解析所述查阅请求,以生成查阅对象信息,其中,所述查阅对象信息包括:查阅对象等级和查阅对象标识;
根据所述查阅对象标识,确定账户历史登录地址列表;
对所述账户历史登录地址列表进行风险性校验;
响应于通过所述风险性校验、所述查阅对象等级大于等于所述查阅权限等级、且所述查阅对象标识对应的对象位于所述可信查阅对象列表内,对所述遮挡后园区图像进行去遮挡处理,以生成去遮挡处理后图像。
3.根据权利要求2所述的方法,其中,在所述响应于通过所述风险性校验、所述查阅对象等级大于等于所述查阅权限等级、且所述查阅对象标识对应的对象位于所述可信查阅对象列表内,对所述遮挡后园区图像进行去遮挡处理,以生成去遮挡处理后图像之后,所述方法还包括:
响应于通过所述风险性校验、所述查阅对象等级大于等于所述查阅权限等级、且所述查阅对象标识对应的对象未位于所述可信查阅对象列表内,将所述查阅对象标识对应对象的对象信息发送至权限核验终端集合,其中,权限核验终端是从所述可信查阅对象列表中随机选取的可信查阅对象对应的终端;
响应于接收到所述权限核验终端集合发送的、表征允许查阅的返回结果,对所述遮挡后园区图像进行去遮挡处理,以生成去遮挡处理后图像;
将所述去遮挡处理后图像发送至目标终端,其中,所述目标终端是发送所述查阅请求的终端;
响应于未通过所述风险性校验,或所述查阅对象等级小于所述查阅权限等级,向所述目标终端发送拒绝查阅提示信息。
4.根据权利要求3所述的方法,其中,所述对所述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合,包括:
确定所述园区图像对应的图像类型;
响应于所述图像类型与预设图像类型不一致,对所述园区图像进行类型转换,得到类型转换后图像;
确定所述类型转换后图像对应的色彩空间信息;
响应于所述色彩空间信息与预设色彩空间信息不一致,对所述类型转换后图像进行色彩空间转换,得到色彩空间转换后图像;
对所述色彩空间转换后图像进行图像尺寸标准化,以生成预处理后园区图像。
5.根据权利要求4所述的方法,其中,所述遮挡区域信息生成模型还包括:遮挡对象重要度识别模型;以及
所述确定所述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级,包括:
从所述候选图像特征图中提取所述待遮挡区域信息对应区域的子图像特征图;
对所述子图像特征图进行特征图扩充,以生成扩充后图像特征图;
将所述扩充后图像特征图,输入所述遮挡对象重要度识别模型中,以生成所述待遮挡区域信息对应区域的遮挡等级。
6.一种数据处理装置,包括:
获取单元,被配置成获取园区图像集合,其中,所述园区图像集合是由多个传感器采集的图像;
图像预处理单元,被配置成对所述园区图像集合中的每个园区图像进行图像预处理,以生成预处理后园区图像,得到预处理后园区图像集合;
执行单元,被配置成对于所述预处理后园区图像集合中的每个预处理后园区图像,执行以下处理步骤:确定所述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组;对所述预处理后园区图像中、所述待遮挡区域信息组对应的区域进行区域遮挡,得到遮挡后园区图像;确定所述待遮挡区域信息组中每个待遮挡区域信息对应区域的遮挡等级;根据所述待遮挡区域信息组中的待遮挡区域信息对应的遮挡等级,确定所述遮挡后园区图像对应的查阅权限信息,其中,
所述确定所述预处理后园区图像中的待遮挡区域,以生成待遮挡区域信息组,包括:
确定预处理后园区图像对应的基础采集信息,其中,所述基础采集信息包括:采集传感器标识和图像采集时间;
根据所述采集传感器标识和所述图像采集时间,确定图像特征图缓存池中是否存在所述采集传感器标识对应的传感器采集的、对应的采集时间与所述图像采集时间的时间差值小于预设差值的图像特征图,其中,所述图像特征图缓存池用于缓存遮挡区域信息生成模型包括的图像特征提取模型提取的、历史园区图像对应的图像特征图;
响应于不存在,通过所述图像特征提取模型对所述预处理后园区图像进行图像特征提取,以生成初始图像特征图,作为候选图像特征图;
响应于存在,执行以下图像处理步骤:
将所述图像特征图缓存池中所述传感器标识对应的传感器采集的、对应的采集时间与所述图像采集时间的时间差值小于预设差值的图像特征图,确定为目标图像特征图组;
激活所述遮挡区域信息生成模型包括的目标数量个特征求差层,其中,所述目标数量与所述目标图像特征图组中的目标图像特征图的数量一致;
通过所述图像特征提取模型对所述预处理后园区图像进行图像特征提取,以生成初始图像特征图;
分别通过所述目标数量个特征求差层,确定所述目标图像特征图组中的目标图像特征图与所述初始图像特征图的特征图差异,以生成差异特征图,得到差异特征图组;
对所述差异特征图组中的差异特征图进行特征图叠加,得到所述候选图像特征图;
通过所述遮挡区域信息生成模型包括的遮挡区域定位模型和所述候选图像特征图,确定所述预处理后园区图像对应的待遮挡区域信息组。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310563873.2A CN116664849B (zh) | 2023-05-18 | 2023-05-18 | 数据处理方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310563873.2A CN116664849B (zh) | 2023-05-18 | 2023-05-18 | 数据处理方法、装置、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664849A CN116664849A (zh) | 2023-08-29 |
CN116664849B true CN116664849B (zh) | 2024-01-16 |
Family
ID=87711027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310563873.2A Active CN116664849B (zh) | 2023-05-18 | 2023-05-18 | 数据处理方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664849B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117392596B (zh) * | 2023-09-07 | 2024-04-30 | 中关村科学城城市大脑股份有限公司 | 数据处理方法、电子设备和计算机可读介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109040824A (zh) * | 2018-08-28 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 视频处理方法、装置、电子设备和可读存储介质 |
CN111259763A (zh) * | 2020-01-13 | 2020-06-09 | 华雁智能科技(集团)股份有限公司 | 目标检测方法、装置、电子设备及可读存储介质 |
WO2020130309A1 (ko) * | 2018-12-20 | 2020-06-25 | 주식회사 로민 | 영상 마스킹 장치 및 영상 마스킹 방법 |
CN111429330A (zh) * | 2020-03-31 | 2020-07-17 | 上海兑观信息科技技术有限公司 | 一种监控视频隐私保护方法和系统 |
CN111626090A (zh) * | 2020-03-03 | 2020-09-04 | 湖南理工学院 | 一种基于深度帧差卷积神经网络的运动目标检测方法 |
CN113887408A (zh) * | 2021-09-30 | 2022-01-04 | 平安银行股份有限公司 | 活化人脸视频的检测方法、装置、设备及存储介质 |
CN114359088A (zh) * | 2021-12-29 | 2022-04-15 | 山东大学 | 一种对视频特定目标人物进行打码处理的方法 |
CN114463210A (zh) * | 2022-01-27 | 2022-05-10 | 北京地平线信息技术有限公司 | 用于图像处理的方法、装置、存储介质以及电子设备 |
CN115147318A (zh) * | 2022-05-11 | 2022-10-04 | 浙江大华技术股份有限公司 | 隐私遮挡方法及装置 |
CN115935423A (zh) * | 2022-12-26 | 2023-04-07 | 华南理工大学 | 关键隐私信息脱敏的行车记录方法、系统及存储介质 |
WO2023061082A1 (zh) * | 2021-10-14 | 2023-04-20 | 北京地平线信息技术有限公司 | 图像安全处理方法和装置、电子设备和存储介质 |
-
2023
- 2023-05-18 CN CN202310563873.2A patent/CN116664849B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109040824A (zh) * | 2018-08-28 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 视频处理方法、装置、电子设备和可读存储介质 |
WO2020130309A1 (ko) * | 2018-12-20 | 2020-06-25 | 주식회사 로민 | 영상 마스킹 장치 및 영상 마스킹 방법 |
CN111259763A (zh) * | 2020-01-13 | 2020-06-09 | 华雁智能科技(集团)股份有限公司 | 目标检测方法、装置、电子设备及可读存储介质 |
CN111626090A (zh) * | 2020-03-03 | 2020-09-04 | 湖南理工学院 | 一种基于深度帧差卷积神经网络的运动目标检测方法 |
CN111429330A (zh) * | 2020-03-31 | 2020-07-17 | 上海兑观信息科技技术有限公司 | 一种监控视频隐私保护方法和系统 |
CN113887408A (zh) * | 2021-09-30 | 2022-01-04 | 平安银行股份有限公司 | 活化人脸视频的检测方法、装置、设备及存储介质 |
WO2023061082A1 (zh) * | 2021-10-14 | 2023-04-20 | 北京地平线信息技术有限公司 | 图像安全处理方法和装置、电子设备和存储介质 |
CN114359088A (zh) * | 2021-12-29 | 2022-04-15 | 山东大学 | 一种对视频特定目标人物进行打码处理的方法 |
CN114463210A (zh) * | 2022-01-27 | 2022-05-10 | 北京地平线信息技术有限公司 | 用于图像处理的方法、装置、存储介质以及电子设备 |
CN115147318A (zh) * | 2022-05-11 | 2022-10-04 | 浙江大华技术股份有限公司 | 隐私遮挡方法及装置 |
CN115935423A (zh) * | 2022-12-26 | 2023-04-07 | 华南理工大学 | 关键隐私信息脱敏的行车记录方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116664849A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210064919A1 (en) | Method and apparatus for processing image | |
CN111343146B (zh) | 数据审核方法、系统、计算机可读介质及电子设备 | |
WO2022105779A1 (zh) | 图像处理方法、模型训练方法、装置、介质及设备 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN116664849B (zh) | 数据处理方法、装置、电子设备和计算机可读介质 | |
CN108470179B (zh) | 用于检测对象的方法和装置 | |
CN113222983A (zh) | 图像处理方法、装置、可读介质和电子设备 | |
CN115272182B (zh) | 车道线检测方法、装置、电子设备和计算机可读介质 | |
CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
CN115346278A (zh) | 图像检测方法、装置、可读介质及电子设备 | |
CN110852242A (zh) | 基于多尺度网络的水印识别方法、装置、设备及存储介质 | |
CN113033552B (zh) | 文本识别方法、装置和电子设备 | |
CN116361121A (zh) | 异常接口告警方法、装置、电子设备和计算机可读介质 | |
CN115086541B (zh) | 一种拍摄位置确定方法、装置、设备及介质 | |
CN115375656A (zh) | 息肉分割模型的训练方法、分割方法、装置、介质及设备 | |
CN112434619B (zh) | 病例信息提取方法、装置、设备和计算机可读介质 | |
CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN112070888B (zh) | 图像生成方法、装置、设备和计算机可读介质 | |
CN113705386A (zh) | 视频分类方法、装置、可读介质和电子设备 | |
CN113037784A (zh) | 流量引导方法、装置及电子设备 | |
CN113031950A (zh) | 一种图片生成方法、装置、设备及介质 | |
CN112070034A (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
CN110991312A (zh) | 生成检测信息的方法、装置、电子设备和介质 | |
CN117009999B (zh) | 智慧园区数据存储方法、装置、设备和计算机可读介质 | |
CN111815656B (zh) | 视频处理方法、装置、电子设备和计算机可读介质 |
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 |