项目名称: 保护监控视频隐私的漂移失真免疫算法研究

项目编号: No.61202302

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 马晓静

作者单位: 华中科技大学

项目金额: 22万元

中文摘要: 当前监控视频隐私泄露问题严重。目前相关研究大多集中在像素域隐私保护领域。而我国监控视频广泛采用H.264压缩格式存储和传输,因此,需研究压缩域隐私保护技术。本项目以H.264压缩视频为隐私保护对象,旨在探索压缩域的对漂移失真免疫的隐私保护算法,加快隐私保护速度。拟基于预研成果,探索用本团队创新性提出的帧内漂移失真免疫理论与压缩域补偿算法、帧间漂移失真免疫理论与压缩域补偿算法、帧内帧间漂移失真均免疫的压缩域受控安全扰乱算法,解决压缩域隐私保护的帧内漂移失真、帧间漂移失真、以及无漂移失真的压缩域扰乱等三个方面的关键科学问题。研究成果可为H.264视频快速隐私保护提供理论依据和技术方法,有利于视频监控应用的实时响应。

中文关键词: 监控视频隐私保护;可逆隐私区域保护;帧内失真漂移;帧间失真漂移;

英文摘要: Digital Intelligent Video Surveillance has attracted a wide spread attention, and has been widely applied in every walk of life. However, the lack of centralized control and unified management makes the leakage of privacy a very serious problem in current video surveillance. Since magnanimous compressed videos have to be analyzed and responded in real-time, thus, Real-time Privacy Protection become a vital issue in video surveillance. However, existing pixel-domain based privacy protection approaches which have to decode the compressed video, protect the privacy-sensitive region, and then re-compress the video, do not support real-time response for their high complexity and long time delay. This research is based on the H.264 video coding standard which is widely used in current video surveillance. According to the real-time response requirement of magnanimous compressed videos, this research aims to present a novel transform-domain privacy protection approach without the distortion drift in privacy-insensitive region which are introduced by the scrambling of privacy-sensitive region. This novel approach can be applied on compressed video directly, while avoiding the decoding and re-encoding process and without distortion drift, thus can provide real-time privacy protection for video surveillance. The main resea

英文关键词: Video surveillance privacy protection;Lossless privacy protection;Intra-frame distortion drift;Inter-frame distortion drift;

成为VIP会员查看完整内容
0

相关内容

联邦学习场景应用研究报告(2022年),72页pdf
专知会员服务
262+阅读 · 2022年2月22日
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
专知会员服务
34+阅读 · 2021年10月19日
专知会员服务
29+阅读 · 2021年9月30日
专知会员服务
11+阅读 · 2021年9月10日
专知会员服务
91+阅读 · 2021年7月23日
专知会员服务
124+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
131+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
2+阅读 · 2022年4月16日
视频隐私保护技术综述
专知
3+阅读 · 2022年1月19日
腾讯QQ影像中心招聘算法实习生
CVer
0+阅读 · 2022年1月18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
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2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
22+阅读 · 2017年10月24日
国家自然科学基金
0+阅读 · 2015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
1+阅读 · 2013年12月31日
国家自然科学基金
1+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
0+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
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Detecting Deepfakes with Self-Blended Images
Arxiv
2+阅读 · 2022年4月18日
Chinese Idiom Paraphrasing
Arxiv
0+阅读 · 2022年4月15日
Arxiv
13+阅读 · 2020年10月19日
Arxiv
12+阅读 · 2019年4月9日
小贴士
相关VIP内容
联邦学习场景应用研究报告(2022年),72页pdf
专知会员服务
262+阅读 · 2022年2月22日
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
监控视频的异常检测与建模综述
专知会员服务
48+阅读 · 2021年12月27日
专知会员服务
34+阅读 · 2021年10月19日
专知会员服务
29+阅读 · 2021年9月30日
专知会员服务
11+阅读 · 2021年9月10日
专知会员服务
91+阅读 · 2021年7月23日
专知会员服务
124+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
131+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
2+阅读 · 2022年4月16日
视频隐私保护技术综述
专知
3+阅读 · 2022年1月19日
腾讯QQ影像中心招聘算法实习生
CVer
0+阅读 · 2022年1月18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
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2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
22+阅读 · 2017年10月24日
相关基金
国家自然科学基金
0+阅读 · 2015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
1+阅读 · 2013年12月31日
国家自然科学基金
1+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
0+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
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员