[發(fā)明專利]一種基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710386007.5
• 申請(qǐng)日: 2017-05-26
• 公開（公告）號(hào): CN107273822B
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 王祥;羅永松;裴慶祺
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06T7/194;G06T7/277
• 代理公司: 西安長(zhǎng)和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法，其特征在于，所述基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法包括以下步驟：

步驟一，根據(jù)實(shí)時(shí)監(jiān)控錄像建立和更新背景模型，運(yùn)用新背景模型分割出前景目標(biāo)區(qū)域；

步驟二，基于前景目標(biāo)區(qū)域進(jìn)行行人檢測(cè)與人臉識(shí)別，通過卡爾曼濾波器預(yù)測(cè)跟蹤目標(biāo)的狀態(tài)，使用Kuhn-Munkres算法進(jìn)行上一幀圖像中的預(yù)測(cè)目標(biāo)與當(dāng)前幀中的檢測(cè)目標(biāo)之間的目標(biāo)關(guān)聯(lián)；所述行人檢測(cè)包括：

提取訓(xùn)練圖片的方向梯度直方圖作為圖片特征，使用基于優(yōu)化的支持向量機(jī)訓(xùn)練的行人檢測(cè)分類器，使用分類器在前景區(qū)域檢測(cè)行人；

人臉檢測(cè)使用Luxand FaceSDK的人臉檢測(cè)API在行人區(qū)域檢測(cè)人臉；

人臉識(shí)別使用Luxand FaceSDK的人臉識(shí)別API識(shí)別用戶身份，確定是否是被保護(hù)對(duì)象，如果是受保護(hù)對(duì)象則為其分配受保護(hù)的ID，否則分配普通ID；

特征提取過程將原RGB圖像轉(zhuǎn)換為HSV圖像，建立HSV圖像的區(qū)域邊緣直方圖作為目標(biāo)特征；

步驟三，利用信息隱藏對(duì)社區(qū)內(nèi)部人員的視頻信息進(jìn)行保護(hù)。

2.如權(quán)利要求1所述的基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法，其特征在于，所述步驟一中采用VIBE算法進(jìn)行背景建模，提取前景區(qū)域，VIBE算法包括：背景模型的初始化、前景檢測(cè)過程、背景模型的更新。

3.如權(quán)利要求1所述的基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法，其特征在于，所述步驟二中卡爾曼濾波目標(biāo)對(duì)象的狀態(tài)向量為，橫向位移x、縱向位移y、橫向速度v_x和縱向速度v_y；每一個(gè)跟蹤目標(biāo)對(duì)象都關(guān)聯(lián)了一個(gè)卡爾曼濾波器，當(dāng)目標(biāo)第一次出現(xiàn)時(shí)，以狀態(tài)向量和狀態(tài)轉(zhuǎn)移矩陣初始化卡爾曼濾波器，當(dāng)目標(biāo)不是第一次出現(xiàn)時(shí)，則使用已初始化的濾波器預(yù)測(cè)該目標(biāo)的下一個(gè)狀態(tài)。

4.如權(quán)利要求1所述的基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法，其特征在于，所述步驟二中持續(xù)跟蹤采用多目標(biāo)關(guān)聯(lián)，具體包括：

(1)對(duì)于檢測(cè)目標(biāo)集合D和跟蹤目標(biāo)集合T，兩個(gè)集合的相似度矩陣A，A_ij表示集合T中第i個(gè)跟蹤目標(biāo)T_i與集合D中第j個(gè)檢測(cè)目標(biāo)D_j的相似度，計(jì)算T_i與D_j的曼哈頓距離d_manhattan(i，j)和重疊比例d_ratioOverlap(i，j)初步去掉不可能匹配的關(guān)系，即如果d_manhattan(i，j)大于閾值或者d_ratioOverlap(i，j)小于閾值，則對(duì)應(yīng)的A_ij為無窮大；

(2)相似度A_ij由目標(biāo)T_i的特征向量feature_i和與目標(biāo)D_j的特征向量feature_j之間的巴氏距離d_{Bhattacharyya}(feature_i，feature_j)來量化：

其中，變量k和s均遍歷直方圖的所有子區(qū)間，feature_i(k)表示跟蹤目標(biāo)i的第k個(gè)直方圖子區(qū)間的像素?cái)?shù)量，feature_j(k)表示檢測(cè)目標(biāo)j的第k個(gè)直方圖子區(qū)間的像素?cái)?shù)量；

(3)以相似度矩陣A作為輸入，運(yùn)用匈牙利算法和Kuhn-Munkres算法實(shí)現(xiàn)集合T與集合D之間目標(biāo)的最優(yōu)匹配。

5.如權(quán)利要求1所述的基于監(jiān)控視頻多目標(biāo)跟蹤和人臉識(shí)別的隱私保護(hù)方法，其特征在于，所述步驟三中信息隱藏方法包括：

跟蹤目標(biāo)的ID受保護(hù)，采用可逆的圖像置亂方法加擴(kuò)散函數(shù)保護(hù)檢測(cè)的人臉區(qū)域，目標(biāo)區(qū)域以矩形指定；圖像置亂采用Arnold變換，秘鑰為改變換迭代的次數(shù)k，和分別表示像素點(diǎn)變換前和變換后的橫坐標(biāo)和縱坐標(biāo)：

再輔以擴(kuò)散函數(shù)：

A′(i，j)為變換后的像素值，A(i，j)為變換前的像素值。