一种个性化高效隐私保护的智能安防方法技术

本发明专利技术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

【技术实现步骤摘要】
一种个性化高效隐私保护的智能安防方法


[0001]本专利技术公开一种方法,涉及数据安全
，具体地说是一种个性化高效隐私保护的智能安防方法。

技术介绍

[0002]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。

技术实现思路

[0003]本专利技术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。
[0004]本专利技术提出的具体方案是：
[0005]本专利技术提供一种个性化高效隐私保护的智能安防方法，包括：
[0006]步骤1：根据隐私需要设定个性化隐私标签，
[0007]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，
[0008]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。
[0009]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：
[0010]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。
[0011]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：
[0012]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1/2
L
后作为第L层，将第L层作为图像金字塔顶层；
[0013]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)/2
L
；
[0014]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。
[0015]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：
[0016]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'，
[0017]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。
[0018]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：
[0019]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，
[0020]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。
[0021]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：
[0022]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，
[0023]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，
[0024]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，
[0025]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。
[0026]本专利技术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，
[0027]标签设定模块根据隐私需要设定个性化隐私标签，
[0028]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，
[0029]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。
[0030]本专利技术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；
[0031]所述至少一个存储器，用于存储机器可读程序；
[0032]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。
[0033]本专利技术的有益之处是：
[0034]本专利技术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，本专利技术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
[0035]图1是本专利技术方法中对敏感目标对象检测流程示意图。
[0036]图2是本专利技术方法中对敏感区域加密流程示意图。
[0037]图3是混沌映射算法的原理示意图。
具体实施方式
[0038]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。
[0039]本专利技术提供一种个性化高效隐私保护的智本文档来自技高网...

【技术保护点】

【技术特征摘要】
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1/2
L
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)/2
L
；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...

【专利技术属性】
技术研发人员：沈国栋，韩涛，王洋，罗清彩，李锐，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：