视频隐私保护技术综述

2022 年 1 月 19 日 专知


摘要: 随着视频处理技术的迅速发展及硬件成本的不断降低,监控设备得到了越来越广泛的应用。视频监控普及所带来的隐私问题泄露逐渐成为了研究热点。根据目前视频隐私保护领域的研究现状,将视频隐私保护方法主要分为隐私主体识别、隐私主体保护以及隐私信息管理3个阶段,对每个阶段的算法进行分类概述并分析其优缺点,其中视频区域保护作为视频隐私保护领域的重要组成部分,联系视频编码发展历程对保护方法进行了分析和比较。最后探讨了视频隐私保护领域目前存在的问题并对未来的研究方向进行了展望,为视频隐私保护的相关研究提供了参考。


近年来,随着互联网和多媒体技术的快速发展,以及视频 监控的硬件成本、实施成本的不断下降,使视频监控技术得到 了广泛应用.视频监控可以使监控者对目标区域实施远程监 控,这给日常的治安管理、事故预警、案件侦破等需求带来了 极大便利,但越来越多的监控设备也增加了隐私泄露的风险. 现实生活中视频泄露的案例并不少见,泄露的隐私信息如果 被非法使用,可能会对受害者造成巨大损失和伤害,泄露的信 息有些甚至涉及到商业机密和国家安全.因此,视频隐私保 护技术具有巨大的应用价值和研究前景. 


随着视频监控市场规模的愈发庞大和民众隐私保护观念 的成熟,视频监控所带来的负面效应也逐渐受到重视.针对 视频的隐私保护策略也引起了国内外学者的热切关注.针对 这一跨学科问题,解决途径一般有两方面,除了需要相关法规的完善,另一方面则要从技术方面入手.Wickramasuriya等 首先提出了监控视频隐私保护系统的概念[1],在此之后国内 外研究者针对这一概念取得了丰硕的成果.总体来说,视频 隐私保护可以分为两大步骤,一是隐私主体的识别及隐私区 域的提取,如果需要对个体进行选择性保护,则需要先进行主 体识别,隐私主体识别方法主要包括基于生物特征识别[2]和 基于非生物特征识别[3G4],对隐私区域的提取的主要方法有人 脸检测[5G6]、运动物体检测[7]等,有些方法还在此基础上结合 了目标跟踪[8]方法来提取隐私区域;二是对隐私区域进行保 护,根据其和视频编码的关系可以分为编码前保护、结合编码 保护和编码后保护.近年来,随着编码标准的不断发展,结合 视频编码对隐私区域进行保护成为了视频隐私区域保护的研 究热点.与视频加密研究的不同点在于,其对视频隐私区域 保护的同时还要满足正常的视频监控任务,即保证视频其他 区域的视 觉 完 整 性.因 此,对 于 结 合 编 码 的 隐 私 区 域 保 护方法,还需要考虑误差漂移等问题[9].因为视频隐私保护效 果需要从多角度分析评价,缺乏统一的评价效果,所以有些学 者还研究了隐私保护评价体系的建立.


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“视频隐私保护” 就可以获取视频隐私保护技术综述》专知下载链接


专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI主题干货知识资料!


欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取70000+AI主题知识资源
登录查看更多
3

相关内容

生物特征识别(BIOMETRICS) 技术,是指通过计算机利用人体所固有的生理特征(指纹、虹膜、面相、DNA等)或行为特征(步态、击键习惯等)来进行个人身份鉴定的技术。
基于深度学习的图像目标检测算法综述
专知会员服务
92+阅读 · 2022年4月15日
「联邦学习隐私保护 」最新2022研究综述
专知会员服务
113+阅读 · 2022年4月1日
专知会员服务
15+阅读 · 2021年8月6日
专知会员服务
91+阅读 · 2021年7月23日
人工智能模型数据泄露的攻击与防御研究综述
专知会员服务
65+阅读 · 2021年3月31日
专知会员服务
49+阅读 · 2021年3月28日
专知会员服务
111+阅读 · 2020年11月16日
专知会员服务
112+阅读 · 2020年8月22日
专知会员服务
123+阅读 · 2020年8月7日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
130+阅读 · 2020年3月25日
基于深度学习的图像目标检测算法综述
专知
1+阅读 · 2022年4月16日
「联邦学习隐私保护 」最新2022研究综述
专知
16+阅读 · 2022年4月1日
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
《鲁棒和隐私保护的协同学习》综述论文
专知
4+阅读 · 2021年12月22日
医疗健康大数据隐私保护综述
专知
3+阅读 · 2021年3月28日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
36+阅读 · 2019年4月18日
区块链隐私保护研究综述——祝烈煌详解
计算机研究与发展
22+阅读 · 2018年11月28日
综述——隐私保护集合交集计算技术研究
计算机研究与发展
21+阅读 · 2017年10月24日
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Vision-and-Language Pretrained Models: A Survey
Arxiv
3+阅读 · 2022年4月15日
Arxiv
19+阅读 · 2020年12月23日
VIP会员
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
92+阅读 · 2022年4月15日
「联邦学习隐私保护 」最新2022研究综述
专知会员服务
113+阅读 · 2022年4月1日
专知会员服务
15+阅读 · 2021年8月6日
专知会员服务
91+阅读 · 2021年7月23日
人工智能模型数据泄露的攻击与防御研究综述
专知会员服务
65+阅读 · 2021年3月31日
专知会员服务
49+阅读 · 2021年3月28日
专知会员服务
111+阅读 · 2020年11月16日
专知会员服务
112+阅读 · 2020年8月22日
专知会员服务
123+阅读 · 2020年8月7日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
130+阅读 · 2020年3月25日
相关资讯
基于深度学习的图像目标检测算法综述
专知
1+阅读 · 2022年4月16日
「联邦学习隐私保护 」最新2022研究综述
专知
16+阅读 · 2022年4月1日
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
《鲁棒和隐私保护的协同学习》综述论文
专知
4+阅读 · 2021年12月22日
医疗健康大数据隐私保护综述
专知
3+阅读 · 2021年3月28日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
36+阅读 · 2019年4月18日
区块链隐私保护研究综述——祝烈煌详解
计算机研究与发展
22+阅读 · 2018年11月28日
综述——隐私保护集合交集计算技术研究
计算机研究与发展
21+阅读 · 2017年10月24日
相关基金
国家自然科学基金
2+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Vision-and-Language Pretrained Models: A Survey
Arxiv
3+阅读 · 2022年4月15日
Arxiv
19+阅读 · 2020年12月23日
Top
微信扫码咨询专知VIP会员