[發(fā)明專利]一種適于車內視頻監(jiān)控的隱私保護昆蟲仿生智能處理方法

在審

• 申請?zhí)枺?/td>: 202210427381.6
• 申請日: 2022-04-22
• 公開（公告）號: CN114913510A
• 公開（公告）日: 2022-08-16
• 發(fā)明（設計）人: 劉佶鑫;趙蘭心
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V20/59
• 分類號: G06V20/59;G06V20/52;G06V20/40;G06V10/77;G06V10/774;G06V10/82;G06N3/08
• 代理公司: 南京正聯(lián)知識產(chǎn)權代理有限公司 32243
• 代理人: 張玉紅

本發(fā)明是一種適于車內視頻監(jiān)控的隱私保護昆蟲仿生智能處理方法，包括步驟1：獲取車內視頻監(jiān)控行為數(shù)據(jù)集，對數(shù)據(jù)集里的視頻行為通過果蠅視覺仿生處理進行隱私保護處理，得到具有視覺屏蔽效果的視頻流，以此實現(xiàn)前端視覺采樣的隱私保護；步驟2：通過C3D網(wǎng)絡模型對于步驟1得到的視頻流進行特征提取，得到視覺屏蔽下的特征向量；步驟3：利用PCA技術對于步驟2中提取的特征向量進行降維，然后進行車內視頻監(jiān)控行為特征的識別。本發(fā)明借鑒果蠅的全流程感知機制進行車內典型行為識別方法即實現(xiàn)了視覺屏蔽的效果，有效地保護了個人隱私，又因數(shù)據(jù)量的大幅減少提高了行為識別的精度和算法運行效率。

技術領域

本發(fā)明涉及模式識別技術領域，具體的說是涉及一種適于車內視頻監(jiān)控的隱私保護昆蟲仿生智能處理方法。

背景技術

近年來，隨著計算機視覺技術的不斷發(fā)展，以及電子設備成本的降低，使得監(jiān)控設備已經(jīng)普遍應用于人們的生活中。由于人工智能的發(fā)展使得居家生活、駕駛車輛更加智能化，但屢見不鮮的攝像頭泄露個人信息事件使得個人隱私和智能化應用之間的矛盾更加突出。因此隱私保護機制在視頻監(jiān)控研究領域已經(jīng)開始受到關注。

汽車成為日常的必備交通工具是社會經(jīng)濟發(fā)展的必然結果，隨之而產(chǎn)生的私家車安全使用問題也備受關注。尤其是在嬰幼兒所在的環(huán)境下，由于家長的疏忽，導致孩子被遺忘在車內發(fā)現(xiàn)不夠及時、車內環(huán)境溫度過高、不法分子的襲擊等一系列始料未及的因素已經(jīng)引發(fā)了眾多慘案。近日，一則某T開頭的汽車品牌車內監(jiān)控攝像頭高清畫面曝光的消息引起了關于個人隱私與監(jiān)控智能化之間如何平衡的討論。自動駕駛輔助是未來發(fā)展的重要之一，確實需要一系列的攝像頭、雷達等感知設備來保證自動駕駛輔助系統(tǒng)的安全和性能，但是從越來越多的糾紛案例可見添加隱私保護處理措施更加必要且緊迫。然而，目前，對于車內監(jiān)控的研究大多關注于硬件實現(xiàn)，結合車內場景智能應用的工作相對匱乏。

發(fā)明內容

針對現(xiàn)有技術存在的問題，本發(fā)明借鑒果蠅的全流程機制提供了一種適于車內視頻監(jiān)控的隱私保護昆蟲仿生智能處理方法，該方法利用果蠅復眼仿生技術對車內視頻監(jiān)控行為數(shù)據(jù)集實現(xiàn)視覺屏蔽，以此實現(xiàn)前端視覺采樣的隱私保護，其中針對車載智能系統(tǒng)的性能局限和實時處置需求，運用FOA算法輕量化神經(jīng)網(wǎng)絡來解決典型車內行為識別問題。

為了達到上述目的，本發(fā)明是通過以下技術方案實現(xiàn)的：

本發(fā)明是一種適于車內視頻監(jiān)控的隱私保護昆蟲仿生智能處理方法，該方法包括以下步驟：

步驟1：獲取車內視頻監(jiān)控行為數(shù)據(jù)集，對數(shù)據(jù)集里的視頻行為通過果蠅視覺仿生處理進行隱私保護處理；

步驟2：通過C3D網(wǎng)絡模型對于步驟1得到的視頻流進行特征提取，得到視覺屏蔽下的特征向量；

步驟3：利用PCA技術對于步驟2中提取的特征向量進行降維，然后進行車內視頻監(jiān)控行為特征的識別。

本發(fā)明的進一步改進在于：步驟1進一步包括：

步驟1.1：將獲取到的車內視頻監(jiān)控行為數(shù)據(jù)集的視頻處理成N×N大小的圖像幀形式；

步驟1.2：利用果蠅復眼的視覺敏銳度，仿生果蠅復眼對處理后的圖像幀進行采樣；

步驟1.3：重復上述1.1和1.2兩個步驟，實現(xiàn)對車內視頻監(jiān)控行為數(shù)據(jù)集仿生果蠅復眼的處理；

步驟1.4：最后將圖像幀轉換為視頻流。

本發(fā)明的進一步改進在于：步驟2進一步包括：

步驟2.1：將輸入的經(jīng)過仿生處理的具有視覺屏蔽效果的數(shù)據(jù)集，作為C3D網(wǎng)絡模型的輸入；

步驟2.2：微調C3D網(wǎng)絡模型，利用微調后的模型對仿生處理的視頻進行特征提取，得到C3D網(wǎng)絡模型的全連接層特征作為輸出特征向量。

本發(fā)明的進一步改進在于：步驟3進一步包括：