[發明專利]一種保護隱私的監控方法和系統

有效

• 申請號: 201910181133.6
• 申請日: 2019-03-11
• 公開（公告）號: CN110087099B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 田永鴻;高文;陳鼎;邢培銀
• 申請（專利權）人: 北京大學;鵬城實驗室
• 主分類號: H04N21/2347
• 分類號: H04N21/2347;H04N5/913;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 劉廣達

1.一種保護隱私的監控系統，其特征在于，包括：監控感知模塊、特征提取模塊和異常行為/事件檢測模塊；

所述監控感知模塊，用于獲取監控場景的監控感知數據；

所述特征提取模塊，用于提取所述監控感知數據的實時特征流，并將所述實時特征流發送給異常行為/事件檢測模塊；所述特征提取模塊包括：

特征提取單元，用于提取監控感知數據的特征，得到實時特征流；

特征變換單元，用于對所述實時特征流進行特征變換后發送至異常行為/事件檢測模塊；

編碼單元，用于對獲取到的監控感知數據編碼后發送至加密單元；

加密單元，用于加密所述編碼后的監控感知數據，并發送至本地存儲設備存儲；

所述異常行為/事件檢測模塊，用于將所述實時特征流輸入預訓練的深度神經網絡模型，檢測異常行為/事件，包括：

接收并判斷各實時特征流的變換狀況，確定處理方式并處理；

將處理后的特征流輸入到預訓練的第一深度神經網絡模型進行計算，得到預測值；

對預測值進行加權平均計算，得到異常值；

以超出閾值的異常值開始，保存超出閾值的異常值對應的特征數據到異常緩存庫中，直至異常值低于閾值，停止保存，得到異常特征流集合；

將異常特征流集合輸入到預訓練的第二深度神經網絡模型進行計算,得到異常行為/事件的類型。

2.如權利要求1所述的一種保護隱私的監控系統，其特征在于，

所述監控感知數據包括以下數據中的至少一種：視頻數據、音頻數據、煙感數據、光感數據、溫度數據。

3.如權利要求1所述的一種保護隱私的監控系統，其特征在于，

所述特征變換包括以下方式中的至少一種：特征加擾、特征編碼、同態加密。

4.如權利要求1所述的一種保護隱私的監控系統，其特征在于，

所述異常行為/事件檢測模塊包括處理檢測單元，用于將接收到的實時特征流輸入預訓練的深度神經網絡模型進行計算，確定異常行為對應的事件，并將結果發送至客戶。

5.如權利要求4所述的一種保護隱私的監控系統，其特征在于，

所述異常行為/事件檢測模塊進一步包括特征反變換單元，用于接收實時特征流，并根據變換方式執行反變換并發送至處理檢測單元。

6.一種保護隱私的監控方法，其特征在于，包括：

獲取監控場景的監控感知數據；

提取所述監控感知數據的實時特征流；對獲取到的監控感知數據編碼，加密所述編碼后的監控感知數據，并發送至本地存儲設備存儲；

將所述實時特征流進行特征變換后輸入預訓練的深度神經網絡模型，檢測異常行為/事件，包括：

接收并判斷各實時特征流的變換狀況，確定處理方式并處理；

將處理后的特征流輸入到預訓練的第一深度神經網絡模型進行計算，得到預測值；

對預測值進行加權平均計算，得到異常值；

以超出閾值的異常值開始，保存超出閾值的異常值對應的特征數據到異常緩存庫中，直至異常值低于閾值，停止保存，得到異常特征流集合；

將異常特征流集合輸入到預訓練的第二深度神經網絡模型進行計算,得到異常行為/事件的類型。

7.如權利要求6所述的一種保護隱私的監控方法，其特征在于，

在提取所述監控感知數據的實時特征流之前還包括：

對所述監控感知數據中的圖像進行目標定位，截取檢測到的目標并分別提取特征，得到目標特征；

對比所述目標特征與例外特征的差異度；

若差異度小于閾值，則將此圖像的幀剔除，不進行后續步驟；

若差異度大于閾值，進行后續步驟。

8.如權利要求6所述的一種保護隱私的監控方法，其特征在于，在所述提取所述監控感知數據的實時特征流之后，還包括：

對所述實時特征流進行特征變換。