[发明专利]一种视频隐私保护方法和装置

权利要求书

1.一种视频隐私保护方法，其特征在于，包括隐私区域提取、隐私区域保护、隐私区域管理三步式；

隐私保护的第一步是识别和提取视频的隐私区域；

第二步为隐私区域保护，采用帧内预测模式加密、运动矢量及运动补偿加密结合的方式对隐私区域进行保护；

第三步为隐私区域管理，采用人脸识别和身体轮廓检验相结合的方式对隐私区域进行管理；

其中，所述识别和提取视频的隐私区域，包括：利用深度学习对视频内的隐私区域进行识别以及提取；

在采用帧内预测模式加密、运动矢量及运动补偿加密结合的方式对隐私区域进行保护之后，所述方法包括：

再次利用深度学习对加密保护后的视频进行隐私区域识别以及提取，并根据当前识别隐私区域识别到的个数控制所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式的加密次数再次对识别提取出来的隐私区域进行多次加密，然后再次利用深度学习进行隐私区域识别以及提取，直至加密到所述深度学习识别不到隐私区域为止，并且在深度学习进行隐私区域识别和提取的过程中，记录被多次识别提取到的隐私区域，并根据识别提取次数判断所述隐私区域是否需要更换加密算法；

其中，所述视频隐私保护方法还包括：

步骤A1，利用如下公式根据当前识别隐私区域识别到的个数控制下一次所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式的加密次数：

其中D_a+1(G)表示所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式对深度学习算法第a+1次识别提取到的隐私区域的控制加密次数；D_a(G)表示所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式对深度学习算法第a次识别提取到的隐私区域的控制加密次数，若a＝1，则D_a(G)＝1；G[k_a(i)]表示所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式对深度学习算法第a次识别提取到的第i个隐私区域进行加密后的二进制形式的隐私区域数据；F_a+1{G[k_a(i)]}表示所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式对深度学习算法第a次识别提取到的第i个隐私区域进行加密后的二进制形式的隐私区域数据进行第a+1次深度学习算法的隐私区域识别和提取的输出值，若第a+1次深度学习算法识别和提取到隐私区域则输出F_a+1{G[k_a(i)]}＝1，反之则输出F_a+1{G[k_a(i)]}＝0；n_a表示深度学习算法第a次识别提取到的隐私区域个数；表示进行向上取整。

2.根据权利要求1所述的视频隐私保护方法，其特征在于，包括：

步骤A2，利用如下公式根据所述深度学习多次对隐私区域识别以及提取的结果判断对隐私区域进行保护是否执行结束：

其中B_a+1表示所述深度学习算法在进行完第a+1次隐私区域的识别和提取后所述隐私区域保护是否执行结束的控制值；

若B_a+1＝1，表示当前还存在隐私区域处于危险状态则隐私区域保护未结束，则需要首先通过步骤A3的判断以及控制再继续进行步骤A1的加密算法和步骤A2的判断；

若B_a+1＝0，表示当前不存在隐私区域处于危险状态则隐私区域保护结束，即三步式中的第二步结束，则不通过步骤A3直接进行三步式中第三步的步骤；

步骤A3，若在步骤A2中判断为若B_a+1＝1，则利用下面的公式根据被多次识别提取到的隐私区域的提取次数判断所述隐私区域是否需要更换加密算法：

其中φ_a+1表示所述深度学习算法在进行完第a+1次隐私区域的识别和提取后是否需要更换所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式的控制值；

若φ_a+1＞0，表示当前所述帧内预测模式加密、运动矢量及运动补偿加密结合的方式未失效，则无需更换加密算法继续进行上述步骤A1和A2的计算和判断；

若φ_a+1≤0，表示当前所述帧内预测模式加密、运动矢量及运动补偿加密结合的方法已失效，则需更换新的加密算法继续进行上述步骤A1和A2的计算和判断。