CN116961875A - 一种个性化高效隐私保护的智能安防方法 - Google Patents
一种个性化高效隐私保护的智能安防方法 Download PDFInfo
- Publication number
- CN116961875A CN116961875A CN202310889435.5A CN202310889435A CN116961875A CN 116961875 A CN116961875 A CN 116961875A CN 202310889435 A CN202310889435 A CN 202310889435A CN 116961875 A CN116961875 A CN 116961875A
- Authority
- CN
- China
- Prior art keywords
- privacy
- image
- optical flow
- sensitive area
- algorithm
- 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 69
- 230000003287 optical effect Effects 0.000 claims abstract description 68
- 230000000739 chaotic effect Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 17
- 238000013135 deep learning Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/008—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols involving homomorphic encryption
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
- H04L9/065—Encryption by serially and continuously modifying data stream elements, e.g. stream cipher systems, RC4, SEAL or A5/3
- H04L9/0656—Pseudorandom key sequence combined element-for-element with data sequence, e.g. one-time-pad [OTP] or Vernam's cipher
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
- H04N1/3872—Repositioning or masking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
- H04N1/393—Enlarging or reducing
- H04N1/3935—Enlarging or reducing with modification of image resolution, i.e. determining the values of picture elements at new relative positions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
- H04N1/4092—Edge or detail enhancement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
- H04N1/4406—Restricting access, e.g. according to user identity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
- H04N1/448—Rendering the image unintelligible, e.g. scrambling
- H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种个性化高效隐私保护的智能安防方法,涉及数据安全技术领域;步骤1:根据隐私需要设定个性化隐私标签,步骤2:针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC‑Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,步骤3:利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
Description
技术领域
本发明公开一种方法,涉及数据安全技术领域,具体地说是一种个性化高效隐私保护的智能安防方法。
背景技术
安防体系日益完善,视频监控通过与互联网的完美结合,提升了区域的安全保障。然而,大量监控视频通过网络进行存储、传输和访问,存在对个人隐私数据泄露的风险,比如智能安防应用中监控视频在上传至云端过程中存在隐私泄露的风险。
发明内容
本发明针对现有技术的问题,提供一种个性化高效隐私保护的智能安防方法,充分考虑了安防检测对象的隐私需求,根据不同安防场景下的隐私需求动态保护特定区域的隐私。
本发明提出的具体方案是:
本发明提供一种个性化高效隐私保护的智能安防方法,包括:
步骤1:根据隐私需要设定个性化隐私标签,
步骤2:针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,
步骤3:利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
进一步,所述的一种个性化高效隐私保护的智能安防方法中步骤2中预处理视频序列中包含隐私标签的连续图像,包括:
步骤21:利用灰度化处理、小波阈值图像去噪和基于Retinex理论的图像增强方法进行包含隐私标签的连续图像的预处理。
进一步,所述的一种个性化高效隐私保护的智能安防方法中步骤2中利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像的光流信息,包括:
步骤22:通过高斯滤波器对预处理后的图像进行平滑处理,对平滑后图像进行采样降低图像分辨率,其中每次采样使得每一层图像分辨率降为原来的二分之一,将平滑后图像作为图像金字塔第一层,平滑后图像宽高缩小1/2后作为第二层,平滑后图像宽高缩小1/2L后作为第L层,将第L层作为图像金字塔顶层;
从图像金字塔顶层开始通过光流法计算光流信息,若平滑后图像上需要跟踪的像素点的坐标位置为(x,y),则在图像金字塔中第L层对应像素点的坐标为(x,y)/2L;
将图像金字塔顶层的光流信息作为计算第L-1层的光流信息的初始值,重复计算过程直到计算出图像金字塔最底层的光流信息。
进一步,所述的一种个性化高效隐私保护的智能安防方法中步骤3中,包括:
步骤31:记录获取的敏感区域的尺寸大小,利用整数向量同态加密算法生成遮蔽图像,利用遮蔽图像对敏感区域采取遮蔽处理,获得敏感区域遮蔽图O',
步骤32:根据平滑后图像的大小生成一个伪随机序列,依据伪随机序列利用混沌映射算法处理敏感区域遮蔽图获得混沌的敏感区域遮蔽图。
进一步,所述的一种个性化高效隐私保护的智能安防方法中步骤31中,包括:
步骤311:根据敏感区域的尺寸大小,初始化一个矩阵D,矩阵D中的元素初始化为1,
步骤312:利用整数向量同态加密算法加密矩阵D中的元素,获得矩阵M,利用矩阵M生成遮蔽图像。
进一步,所述的一种个性化高效隐私保护的智能安防方法中步骤32中,包括:
步骤321:记伪随机序列τ,τ∈{0,…,b-1},将敏感区域遮蔽图O'划分为b个块,形成敏感区域遮蔽图O'的二维矩阵,
步骤322:根据行优先的原则将二维矩阵转化成一个一维的元胞数组,元胞数组中的元素是像素块,
步骤323:根据伪随机序列τ中的元素重新排列元胞数组中的元素,
步骤324:将一维的元胞数组转化成为二维矩阵,获得混沌的敏感区域遮蔽图。
本发明还提供一种个性化高效隐私保护的智能安防装置,包括标签设定模块、敏感区域定位模块和加密遮蔽模块,
标签设定模块根据隐私需要设定个性化隐私标签,
敏感区域定位模块针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,
加密遮蔽模块利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
本发明还提供一种个性化高效隐私保护的智能安防设备,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行所述的一种个性化高效隐私保护的智能安防方法。
本发明的有益之处是:
本发明提供一种个性化高效隐私保护的智能安防方法,利用基于图像金字塔分层改进光流法的动态目标快速发现算法自动检测定义的隐私对象目标,基于深度学习的PWC-Net网络计算图像光流信息以提高检测效果,尤其是面向大位移、高速度运动目标;基于整数向量同态加密技术和高速混沌映射算法对敏感区域进行遮蔽,只有当某帧中出现自定义的敏感区域时,才会进行遮蔽,其他帧不进行任何操作,相较于DES及AES等图像数据加密算法存在的加密效率低、计算开销大等问题,本发明方法保证了加密算法的轻量性、灵活性,能动态适应“可定制化隐私”减少了计算资源的损耗,并充分考虑了用户的隐私需求,可以根据不同用户的隐私需求动态保护特定区域的隐私。
附图说明
图1是本发明方法中对敏感目标对象检测流程示意图。
图2是本发明方法中对敏感区域加密流程示意图。
图3是混沌映射算法的原理示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本发明提供一种个性化高效隐私保护的智能安防方法,包括:
步骤1:根据隐私需要设定个性化隐私标签,
步骤2:针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,
步骤3:利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
本发明方法可以解决应用于智能安防应用中监测视频在上传至云端过程中存在隐私泄露的问题,具体应用时,用户可以根据隐私需要提前设定好个性化隐私标签,如来访者的全部人脸、眼部信息或者是来访人员的车牌等。利用金字塔光流法的动态目标快速发现算法自动检测定义的隐私对象目标,基于深度学习的PWC-Net网络计算图像光流信息以提高检测效果,尤其是面向大位移、高速度运动目标。然后基于整数向量同态加密技术和高速混沌映射算法对敏感区域进行遮蔽,只有当某帧中出现自定义的敏感区域时,才会进行遮蔽,其他帧不进行任何操作,减少了计算资源的损耗,保证加密算法的灵活性和轻便性。该方法充分考虑了用户的隐私需求,可以根据不同用户的隐私需求动态保护特定区域的隐私。
具体过程可参考如下:
步骤1:根据隐私需要设定个性化隐私标签。用户可以根据隐私需要提前设定好个性化隐私标签,如来访者的全部人脸、眼部信息或者是来访人员的车牌等。
步骤2:针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域。
进一步,步骤2中预处理视频序列中包含隐私标签的连续图像,包括:
步骤21:利用灰度化处理、小波阈值图像去噪和基于Retinex理论的图像增强方法进行包含隐私标签的连续图像的预处理;
步骤22:通过高斯滤波器对预处理后的图像进行平滑处理,对平滑后图像进行采样降低图像分辨率,其中每次采样使得每一层图像分辨率降为原来的二分之一,将平滑后图像作为图像金字塔第一层,平滑后图像宽高缩小1/2后作为第二层,平滑后图像宽高缩小1/2L后作为第L层,将第L层作为图像金字塔顶层,
从图像金字塔顶层开始通过光流法计算光流信息,若平滑后图像上需要跟踪的像素点的坐标位置为(x,y),则在图像金字塔中第L层对应像素点的坐标为(x,y)/2L,
将图像金字塔顶层的光流信息作为计算第L-1层的光流信息的初始值,重复计算过程直到计算出图像金字塔最底层的光流信息。
其中步骤2中可以主要对包含设定隐私标签信息的视频序列中的连续两帧图像进行预处理。利用改进Lucas-Kanade金字塔光流法,基于深度学习的PWC-Net网络计算图像光流信息以提高检测效果,尤其是面向大位移、高速度运动目标,原本Lucas-Kanade光流法可以处理的像素运动最大位移为dmax,则通过金字塔Lucas-Kanade光流法可以处理的像素运动最大位移变为dmax final=(2L+1-1)dmax。
由于背景变化或者图像传感器在传输解压信号时有可能造成的视频序列前后两帧图像的亮度变化,初步得到的光流信息将包含大量噪声,为可靠剔除背景噪声,有效提取前景,随后将光流估计网络的计算结果通过动态阈值分割、DBSCAN聚类算法处理的粗精结合两阶段分割去噪策略去掉多余光流噪声。
为精确提取运动目标,在进行光流计算的同时,采用Sobel边缘检测算子检测图像边缘信息,最终将边缘信息与光流去噪结果进行融合,进一步剔除噪声。
利用形态学操作加工融合后的图像,得到完整的敏感区域。
在检测到运动目标敏感区域后根据已知信息,如摄像头安装位置、视野标志物等,基于卡尔曼滤波算法,实现运动目标敏感区域精确定位。
步骤3:利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。进一步,步骤3中,包括:
步骤31:记录获取的敏感区域的尺寸大小SAr×SAc,利用整数向量同态加密算法生成遮蔽图像,利用遮蔽图像对敏感区域采取遮蔽处理,获得敏感区域遮蔽图O'。图像中的敏感区域OSA可表示为:
进一步,步骤31中,包括:
步骤311:根据敏感区域的尺寸大小SAr×SAc,初始化一个矩阵D,矩阵D中的元素初始化为1,
步骤312:利用整数向量同态加密算法加密矩阵D中的元素,获得矩阵M,矩阵M中的元素λ1,1,λ1,2…λm,n代表的是k-1×(ω+e1,1),k-1×(ω+e1,t),…k-1×(ω+eSAr,SAc),ω取自有限域,e是一个误差项;
利用矩阵M生成遮蔽图像。
其中步骤31中整数向量同态加密算法常应用于云计算中,应用中可以通过摄像设备将图像中的敏感区域尺寸发送给云服务器,同时向云服务器请求一张尺寸为SAr×SAc的遮蔽图像,云服务器生成秘钥k,并将秘钥k发送到摄像设备,云平台执行整数向量同态加密算法生成遮蔽图像发送给云服务器,此后云服务器将密钥发送给数据中心;
摄像设备找到敏感区域所在的位置,并对敏感区域采取遮蔽处理。除敏感区域外的其他区域不进行任何操作,获得的敏感区域遮蔽图记为O'。
步骤32:根据平滑后图像的大小生成一个伪随机序列,依据伪随机序列利用混沌映射算法处理敏感区域遮蔽图获得混沌的敏感区域遮蔽图。
进一步,步骤32中,包括:
步骤321:记伪随机序列τ,τ∈{0,…,b-1},将敏感区域遮蔽图O'划分为b个块,形成敏感区域遮蔽图O'的二维矩阵,
步骤322:根据行优先的原则将二维矩阵转化成一个一维的元胞数组,元胞数组中的元素是原图像中像素块,
步骤323:根据伪随机序列τ中的元素重新排列元胞数组中的元素,
步骤324:将一维的元胞数组转化成为二维矩阵,获得混沌的敏感区域遮蔽图。
其中步骤32中数据中心根据平滑后图像O的大小生成一个伪随机序列τ,其中τ∈{0,…,b-1},b为图像按块划分后的块的总数,随后数据中心将序列τ发送给物联网摄像设备;
物联网摄像设备根据序列τ及图像O'执行混沌映射算法,从而获得一张混沌的敏感区域加密遮蔽图。实现对图像敏感区域的双重加密。
本发明还提供一种个性化高效隐私保护的智能安防装置,包括标签设定模块、敏感区域定位模块和加密遮蔽模块,
标签设定模块根据隐私需要设定个性化隐私标签,
敏感区域定位模块针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,
加密遮蔽模块利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
同样地,本发明装置利用基于图像金字塔分层改进光流法的动态目标快速发现算法自动检测定义的隐私对象目标,基于深度学习的PWC-Net网络计算图像光流信息以提高检测效果,尤其是面向大位移、高速度运动目标;基于整数向量同态加密技术和高速混沌映射算法对敏感区域进行遮蔽,只有当某帧中出现自定义的敏感区域时,才会进行遮蔽,其他帧不进行任何操作,相较于DES及AES等图像数据加密算法存在的加密效率低、计算开销大等问题,本发明装置保证了加密算法的轻量性、灵活性,能动态适应“可定制化隐私”减少了计算资源的损耗,并充分考虑了用户的隐私需求,可以根据不同用户的隐私需求动态保护特定区域的隐私。
需要说明的是,上述各流程和各装置结构中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
本发明还提供一种个性化高效隐私保护的智能安防设备,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行所述的一种个性化高效隐私保护的智能安防方法。
上述设备内的处理器的信息交互、执行可读程序过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
同样地,本发明设备利用基于图像金字塔分层改进光流法的动态目标快速发现算法自动检测定义的隐私对象目标,基于深度学习的PWC-Net网络计算图像光流信息以提高检测效果,尤其是面向大位移、高速度运动目标;基于整数向量同态加密技术和高速混沌映射算法对敏感区域进行遮蔽,只有当某帧中出现自定义的敏感区域时,才会进行遮蔽,其他帧不进行任何操作,相较于DES及AES等图像数据加密算法存在的加密效率低、计算开销大等问题,本发明设备保证了加密算法的轻量性、灵活性,能动态适应“可定制化隐私”减少了计算资源的损耗,并充分考虑了用户的隐私需求,可以根据不同用户的隐私需求动态保护特定区域的隐私。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (8)
1.一种个性化高效隐私保护的智能安防方法,其特征是包括:
步骤1:根据隐私需要设定个性化隐私标签,
步骤2:针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,
步骤3:利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
2.根据权利要求1所述的一种个性化高效隐私保护的智能安防方法,其特征是步骤2中预处理视频序列中包含隐私标签的连续图像,包括:
步骤21:利用灰度化处理、小波阈值图像去噪和基于Retinex理论的图像增强方法进行包含隐私标签的连续图像的预处理。
3.根据权利要求1所述的一种个性化高效隐私保护的智能安防方法,其特征是步骤2中利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像的光流信息,包括:
步骤22:通过高斯滤波器对预处理后的图像进行平滑处理,对平滑后图像进行采样降低图像分辨率,其中每次采样使得每一层图像分辨率降为原来的二分之一,将平滑后图像作为图像金字塔第一层,平滑后图像宽高缩小1/2后作为第二层,平滑后图像宽高缩小1/2L后作为第L层,将第L层作为图像金字塔顶层;
从图像金字塔顶层开始通过光流法计算光流信息,若平滑后图像上需要跟踪的像素点的坐标位置为(x,y),则在图像金字塔中第L层对应像素点的坐标为(x,y)/2L;
将图像金字塔顶层的光流信息作为计算第L-1层的光流信息的初始值,重复计算过程直到计算出图像金字塔最底层的光流信息。
4.根据权利要求1所述的一种个性化高效隐私保护的智能安防方法,其特征是步骤3中,包括:
步骤31:记录获取的敏感区域的尺寸大小,利用整数向量同态加密算法生成遮蔽图像,利用遮蔽图像对敏感区域采取遮蔽处理,获得敏感区域遮蔽图O',
步骤32:根据平滑后图像的大小生成一个伪随机序列,依据伪随机序列利用混沌映射算法处理敏感区域遮蔽图获得混沌的敏感区域遮蔽图。
5.根据权利要求4所述的一种个性化高效隐私保护的智能安防方法,其特征是步骤31中,包括:
步骤311:根据敏感区域的尺寸大小,初始化一个矩阵D,矩阵D中的元素初始化为1,
步骤312:利用整数向量同态加密算法加密矩阵D中的元素,获得矩阵M,利用矩阵M生成遮蔽图像。
6.根据权利要求4所述的一种个性化高效隐私保护的智能安防方法,其特征是步骤32中,包括:
步骤321:记伪随机序列τ,τ∈{0,…,b-1},将敏感区域遮蔽图O'划分为b个块,形成敏感区域遮蔽图O'的二维矩阵,
步骤322:根据行优先的原则将二维矩阵转化成一个一维的元胞数组,元胞数组中的元素是像素块,
步骤323:根据伪随机序列τ中的元素重新排列元胞数组中的元素,
步骤324:将一维的元胞数组转化成为二维矩阵,获得混沌的敏感区域遮蔽图。
7.一种个性化高效隐私保护的智能安防装置,其特征是包括标签设定模块、敏感区域定位模块和加密遮蔽模块,
标签设定模块根据隐私需要设定个性化隐私标签,
敏感区域定位模块针对安防应用中监测视频,预处理视频序列中包含隐私标签的连续图像,利用金字塔光流法,基于深度学习的PWC-Net网络计算预处理后图像中光流信息,提取包含隐私标签的运动目标,通过动态阈值分割、DBSCAN聚类算法处理及otsu阈值分割算法去除光流信息中噪声,采用Sobel边缘检测算子检测图像的边缘信息,将图像的边缘信息与去噪后光流信息融合,利用形态学处理融合后的图像,获得包含隐私标签的运动目标的敏感区域,基于卡尔曼滤波算法,定位敏感区域,
加密遮蔽模块利用整数向量同态加密算法和混沌映射算法对敏感区域进行加密遮蔽。
8.一种个性化高效隐私保护的智能安防设备,其特征是包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行权利要求1至6中任一项所述的一种个性化高效隐私保护的智能安防方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310889435.5A CN116961875A (zh) | 2023-07-19 | 2023-07-19 | 一种个性化高效隐私保护的智能安防方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310889435.5A CN116961875A (zh) | 2023-07-19 | 2023-07-19 | 一种个性化高效隐私保护的智能安防方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116961875A true CN116961875A (zh) | 2023-10-27 |
Family
ID=88459783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310889435.5A Pending CN116961875A (zh) | 2023-07-19 | 2023-07-19 | 一种个性化高效隐私保护的智能安防方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116961875A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117278692A (zh) * | 2023-11-16 | 2023-12-22 | 邦盛医疗装备(天津)股份有限公司 | 一种医疗检测车病患监测数据脱敏保护方法 |
-
2023
- 2023-07-19 CN CN202310889435.5A patent/CN116961875A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117278692A (zh) * | 2023-11-16 | 2023-12-22 | 邦盛医疗装备(天津)股份有限公司 | 一种医疗检测车病患监测数据脱敏保护方法 |
CN117278692B (zh) * | 2023-11-16 | 2024-02-13 | 邦盛医疗装备(天津)股份有限公司 | 一种医疗检测车病患监测数据脱敏保护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111145238B (zh) | 单目内窥镜图像的三维重建方法、装置及终端设备 | |
KR102319177B1 (ko) | 이미지 내의 객체 자세를 결정하는 방법 및 장치, 장비, 및 저장 매체 | |
KR102113911B1 (ko) | 생체 인식 인증을 위한 특징 추출 및 정합과 템플릿 갱신 | |
US8331614B2 (en) | Method and apparatus for tracking listener's head position for virtual stereo acoustics | |
JP2012038318A (ja) | ターゲット検出方法及び装置 | |
CN112435223B (zh) | 目标检测方法、装置及存储介质 | |
CN110738241A (zh) | 一种基于神经网络的双目立体视觉匹配方法及其运算框架 | |
CN116961875A (zh) | 一种个性化高效隐私保护的智能安防方法 | |
JP5656768B2 (ja) | 画像特徴量抽出装置およびそのプログラム | |
Wu et al. | Single-shot face anti-spoofing for dual pixel camera | |
CN108234826B (zh) | 图像处理方法及装置 | |
TWI729587B (zh) | 物件定位系統及方法 | |
CN108229281B (zh) | 神经网络的生成方法和人脸检测方法、装置及电子设备 | |
Xu et al. | COCO-Net: A dual-supervised network with unified ROI-loss for low-resolution ship detection from optical satellite image sequences | |
CN114973057A (zh) | 基于人工智能的视频图像检测方法及相关设备 | |
Amri et al. | A robust framework for joint background/foreground segmentation of complex video scenes filmed with freely moving camera | |
CN109785367B (zh) | 三维模型追踪中外点滤除方法和装置 | |
Zhao et al. | Iterative range-domain weighted filter for structural preserving image smoothing and de-noising | |
Thomas et al. | Effectual single image dehazing with color correction transform and dark channel prior | |
Eng et al. | IPDDF: an improved precision dense descriptor based flow estimation | |
Li | Super-resolution for synthetic zooming | |
Eishita et al. | Occlusion handling in object detection | |
CN106875369B (zh) | 实时动态目标跟踪方法及装置 | |
Peng et al. | Research on qr 2-d code graphics correction algorithms based on morphological expansion closure and edge detection | |
Li et al. | Hybrid synthesis for exposure fusion from hand-held camera inputs |
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 |