一种基于路由器的智能视频监控方法及智能路由器技术

本发明专利技术公开了一种基于路由器的智能视频监控方法，包括步骤：摄像装置采集视频数据并传送给路由器；路由器检测接收的视频数据，判断视频数据中是否存在隐私部分，若是，则路由器将视频数据中检测到的隐私部分进行模糊处理操作；否则进入步骤路由器将视频数据传播到网络中。本发明专利技术还提供了一种智能路由器，其特征在于，包括信息获取模块、检测模块、模糊处理模块、及信息发送模块，检测模块分别与信息获取模块、模糊处理模块相连，且信息发送模块分别与检测模块及模糊处理模块相连。本发明专利技术实施简单，只需要借助本地路由器进行监控，节约人力资源，降低网络视频人的参与度，从根源上控制不良视频流入到网络中。

Intelligent video monitoring method based on router and intelligent router

The invention discloses a method comprising the steps of intelligent video monitoring method based on Router: video camera to acquire and transfer the data to the router; video data router detection, to determine whether the presence of video data privacy, and if so, the router will privacy portion of the video data is detected by fuzzy processing operations; otherwise go to step the router will spread to the video data in the network. The invention also provides an intelligent router, which is characterized in that includes an information acquisition module, detection module, fuzzy processing module, and an information sending module, detection module and information retrieval module, fuzzy information processing module connected, and sending module and detection module and fuzzy processing module. The invention has simple implementation, and only needs to monitor with the local router, saves human resources, reduces the participation of the network video player, and controls the bad video flow from the root to the network.

【技术实现步骤摘要】

本专利技术属于智能视频监控和通信领域，尤其涉及一种基于路由器的智能视频监控方法及智能路由器。
技术介绍
生活中，摄像头的使用无处不在，随之引发了隐私泄露问题，尤其是在视屏网站中，借助摄像头进行直播的视频中，存在许多有意或无意泄露主播个人隐私的现象，这些带有负面影响的视频在网络中传播，造成不好的影响。目前对视频中涉及个人隐私的处理主要是人为监控，存在不及时和成本消耗高的问题，并且处理手段简单粗暴，直接封号，不能从根本上解决问题。现有技术中，申请号CN201310376849.4提供了一种物理处理方案：摄像头外侧设置可转动的弧形挡板，在摄像头不使用的使用可以方便的将摄像头挡住，避免遭到黑客攻击，非法盗用摄像头，能够非常有效的保护用户的隐私，当摄像头开始工作时，使用者可以非常直观的通过状态指示灯看到摄像头的工作状态，进一步增强了摄像头的安全性能，使用起来也更加方便。另外，申请号CN201510233321.0中提供了一种图像识别方案：用户首先定义隐私内容并存储到隐私数据库中，在摄像头工作时，对摄像头图像传感器的输出图像信号进行图像预处理，对预处理后的图像与隐私数据库中的隐私内容作对比，当识别到图像中含有与隐私数据库中隐私内容相应的图像信息，采用计算机标准图像处理的方法进行处理，以满足用户保护隐私的需要，处理后的图像数据利用网络传送回服务器或者其它终端设备。上述处理方案中，物理处理方案人为控制因素太多，不能方便有效地监控视频，在自愿传播视频的情况下，本方案失效。图像识别方案：需要用户手动设置，步骤繁琐，监控粒度完全取决于用户的喜好设定，不具有普遍适用性。同样本方案不能预防用户主动传播视频。
技术实现思路
本专利技术提供一种基于路由器的智能视频监控方法及智能路由器，用以解决现有技术中存在的如何有效避免传播的视频中有意或无意泄露隐私的问题。本专利技术一种基于路由器的智能视频监控方法，包括：S100摄像装置采集视频数据并传送给路由器；S200所述路由器检测接收的所述视频数据，判断所述视频数据中是否存在隐私部分，若是，则进入步骤S300，否则进入步骤S400；S300所述路由器将所述视频数据中检测到的所述隐私部分进行模糊处理操作，进入步骤S400；S400所述路由器将所述视频数据传播到网络中。本专利技术基于路由器实现视频监控，在视频还未上传到网络之前进行了监测，从根源上把控传播的视频是否泄漏了隐私，从而有效避免传播的视频中有意或无意泄漏隐私的问题。该方案节约人力资源，降低网络视频人的参与度，从根源上控制带有负面影响(例如裸露身体)的视频流入到网络中。方案实施步骤简单，只需要借助本地路由器进行监控和视频处理即可传播到网络中。进一步地，所述步骤S200包括：S210所述路由器接收到所述视频数据后将所述视频数据进行存储；S220所述路由器检测所述视频数据中是否有人的存在；S230当检测到所述视频数据中有人存在时，则进一步对所述视频数据进行身体裸露检测，S240判断所述身体裸露部分是否存在隐私部分，若是，则进入步骤S300，否则进入步骤S400。进一步地，所述步骤S230中，对所述视频数据进行身体裸露检测是采用训练过的卷积神经网络模型来对所述视频数据进行检测，具体包括：S231将采样的视频数据作为卷积神经网络的输入；S232通过n个可训练的滤波器对输入的视频数据进行卷积，卷积后在卷积层C1获得n个不同的特征映射图，n为正整数；每个特征映射图中的每一个神经元与标准化输入数据的一个局部感受野相连，用于提取相应的局部特征，每个特征映射图中的所有神经元获得的相应的局部特征综合后获得一个全局信息，将该全局信息作为一个特征映射图中的数据特征；S233将每个特征映射图中每组m×m个像素进行求和，加权值，加偏置，通过Sigmoid函数得到n个抽样层S2的特征映射图；m为正整数；S234将所述抽样层的特征映射图进行滤波得到卷积层C3的特征映射图，；S235再将卷积层C3层的特征映射图中每组m×m个像素进行求和，加权值，加偏置，通过Sigmoid函数得获得抽样层S4层的特征映射图，根据设定的卷积层数，重复多次滤波映射后，将所得的抽样层的特征映射图的像素值通过光栅化处理，并连接成一个向量输入到传统的神经网络，输出特征结果。卷积神经网络(ConvolutionalNeuralNetwork，CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，可以大型图像处理。卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。进一步地，所述步骤S100包括：S110摄像装置捕捉视频影像并将所述视频影像转换为数字信号，形成视频数据；S120所述摄像装置将所述视频数据进行压缩打包，并添加摄像头视频标签；S130所述摄像头装置将所述视频数据发送给路由器进行传播；所述步骤S210包括：S211所述路由器检测到带有摄像头视频标签的数据后进行拦截，在所述路由器的外接存储设备中进行缓存；S212所述路由器将拦截的视频数据保存到路由器数据库中。添加视频标签，便于路由器接收到数据后，将带有视频标签的视频数据进行检测，有助于提高工作效率，减轻路由器的工作量。进一步地，所述步骤S120中，所述摄像装置采用Open-NI驱动程序将所述视频数据进行压缩打包；所述步骤S212中，所述路由器通过工具OpenCV将拦截的视频数据保存到路由器数据库中；所述步骤S220中，所述路由器采用另一训练过的卷积神经网络模型，利用InceptionV3检测所述视频数据中是否有人的存在；所述步骤S300中，所述路由器使用视频编辑器对所述视频数据中检测到的所述隐私部分进行模糊处理操作。Open-NI是现有的一种驱动程序，OpenNI分为3个组件，OpenNI的本身框架，算法分析的中间件，以及硬件模块组。OpenCV的全称是：OpenSourceComputerVisionLibrary。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MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。InceptionV3作为一个图像分类模型，一个最重要的改进是分解(Factorization)，将7x7分解成两个一维的卷积(1x7，7x1)，3x3也是一样(1x3，3x1)，这样的好处，既可以加速计算(多余的计算能力可以用来加深网络)，又可以将1个conv拆成2个conv，使得网络深度进一步增加，增加了网络的非线性，还有值得注意的地方是网络输入从224x224变为了299x299，更加精细设计了35x35/17x17/8x8的模块。进一步地，所述步骤S240包括：S241判断所述通过训练的卷积神经网络模型获得的特征结果中，是否含有所述卷积神经网络训练学习的隐私特征部分，若是，则进入步骤S300，否则进入步骤S400。本专利技术还包括一种智能路由器，该路由器能运用上述智能视频监控方法对视频数据进行监控。具体的，该本文档来自技高网...

【技术保护点】
一种基于路由器的智能视频监控方法，其特征在于，包括步骤：S100摄像装置采集视频数据并传送给路由器；S200所述路由器检测接收的所述视频数据，判断所述视频数据中是否存在隐私部分，若是，则进入步骤S300，否则进入步骤S400；S300所述路由器将所述视频数据中检测到的所述隐私部分进行模糊处理操作，进入步骤S400；S400所述路由器将所述视频数据传播到网络中。

【技术特征摘要】
1.一种基于路由器的智能视频监控方法，其特征在于，包括步骤：S100摄像装置采集视频数据并传送给路由器；S200所述路由器检测接收的所述视频数据，判断所述视频数据中是否存在隐私部分，若是，则进入步骤S300，否则进入步骤S400；S300所述路由器将所述视频数据中检测到的所述隐私部分进行模糊处理操作，进入步骤S400；S400所述路由器将所述视频数据传播到网络中。2.根据权利要求1所述的一种基于路由器的智能视频监控方法，其特征在于，所述步骤S200包括：S210所述路由器接收到所述视频数据后将所述视频数据进行存储；S220所述路由器检测所述视频数据中是否有人的存在；S230当检测到所述视频数据中有人存在时，则进一步对所述视频数据进行身体裸露检测，S240判断所述身体裸露部分是否存在隐私部分，若是，则进入步骤S300，否则进入步骤S400。3.根据权利要求2所述的一种基于路由器的智能视频监控方法，其特征在于，所述步骤S230中，对所述视频数据进行身体裸露检测是采用训练过的卷积神经网络模型来对所述视频数据进行检测，具体包括：S231将采样的视频数据作为卷积神经网络的输入；S232通过n个可训练的滤波器对输入的视频数据进行卷积，卷积后在卷积层C1获得n个不同的特征映射图，n为正整数；每个特征映射图中的每一个神经元与标准化输入数据的一个局部感受野相连，用于提取相应的局部特征，每个特征映射图中的所有神经元获得的相应的局部特征综合后获得一个全局信息，将该全局信息作为一个特征映射图中的数据特征；S233将每个特征映射图中每组m×m个像素进行求和，加权值，加偏置，通过Sigmoid函数得到n个抽样层S2的特征映射图；m为正整数；S234将所述抽样层的特征映射图进行滤波得到卷积层C3的特征映射图，；S235再将卷积层C3层的特征映射图按照步骤S233的方法获得抽样层S4层的特征映射图，根据设定的卷积层数，重复多次滤波映射后，将所得的抽样层的特征映射图的像素值通过光栅化处理，并连接成一个向量输入到传统的神经网络，输出特征结果。4.根据权利要求2所述的一种基于路由器的智能视频监控方法，其特征在于，所述步骤S100包括：S110摄像装置捕捉视频影像并将所述视频影像转换为数字信号，形成视频数据；S120所述摄像装置将所述视频数据进行压缩打包，并添加摄像头视频标签；S130所述摄像头装置将所述视频数据发送给路由器进行传播；所述步骤S210包括：S211所述路由器检测到带有摄像头视频标签的数据后进行拦截，在所述路由器的外接存储设备中进行缓存；S212所述路由器将拦截的视频数据保存到路由器数据库中。5.根据权利要求4所述的一种基于路由器的智能视频监控方法，其特征在于，所述步骤S120中，所述摄像装置采用Open-NI驱动程序将所述视频数据进行压缩打包；所述步骤S212中，所述路由器通过工具OpenCV将拦截的视频数据保存到路由器数据库中；所述步骤S220中，所述路由器采用另一训练过的卷积神经网络模型，利用InceptionV3检测所述视频数据中是否有人的存在；所述步骤S300中，所述路由器使用视频编辑器对所述视频数据中检测到的所述隐私部分进行模糊处理操作。6.根据权利要求3所述的一种基于路由器的智能视频监控方法，其特征在于，...

【专利技术属性】
技术研发人员：张健，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海;31