[发明专利]一种基于监控视频多目标跟踪和人脸识别的隐私保护方法

权利要求书

1.一种基于监控视频多目标跟踪和人脸识别的隐私保护方法，其特征在于，所述基于监控视频多目标跟踪和人脸识别的隐私保护方法包括以下步骤：

步骤一，根据实时监控录像建立和更新背景模型，运用新背景模型分割出前景目标区域；

步骤二，基于前景目标区域进行行人检测与人脸识别，通过卡尔曼滤波器预测跟踪目标的状态，使用Kuhn-Munkres算法进行上一帧图像中的预测目标与当前帧中的检测目标之间的目标关联；所述行人检测包括：

提取训练图片的方向梯度直方图作为图片特征，使用基于优化的支持向量机训练的行人检测分类器，使用分类器在前景区域检测行人；

人脸检测使用Luxand FaceSDK的人脸检测API在行人区域检测人脸；

人脸识别使用Luxand FaceSDK的人脸识别API识别用户身份，确定是否是被保护对象，如果是受保护对象则为其分配受保护的ID，否则分配普通ID；

特征提取过程将原RGB图像转换为HSV图像，建立HSV图像的区域边缘直方图作为目标特征；

步骤三，利用信息隐藏对社区内部人员的视频信息进行保护。

2.如权利要求1所述的基于监控视频多目标跟踪和人脸识别的隐私保护方法，其特征在于，所述步骤一中采用VIBE算法进行背景建模，提取前景区域，VIBE算法包括：背景模型的初始化、前景检测过程、背景模型的更新。

3.如权利要求1所述的基于监控视频多目标跟踪和人脸识别的隐私保护方法，其特征在于，所述步骤二中卡尔曼滤波目标对象的状态向量为，横向位移x、纵向位移y、横向速度v_x和纵向速度v_y；每一个跟踪目标对象都关联了一个卡尔曼滤波器，当目标第一次出现时，以状态向量和状态转移矩阵初始化卡尔曼滤波器，当目标不是第一次出现时，则使用已初始化的滤波器预测该目标的下一个状态。

4.如权利要求1所述的基于监控视频多目标跟踪和人脸识别的隐私保护方法，其特征在于，所述步骤二中持续跟踪采用多目标关联，具体包括：

(1)对于检测目标集合D和跟踪目标集合T，两个集合的相似度矩阵A，A_ij表示集合T中第i个跟踪目标T_i与集合D中第j个检测目标D_j的相似度，计算T_i与D_j的曼哈顿距离d_manhattan(i，j)和重叠比例d_ratioOverlap(i，j)初步去掉不可能匹配的关系，即如果d_manhattan(i，j)大于阈值或者d_ratioOverlap(i，j)小于阈值，则对应的A_ij为无穷大；

(2)相似度A_ij由目标T_i的特征向量feature_i和与目标D_j的特征向量feature_j之间的巴氏距离d_{Bhattacharyya}(feature_i，feature_j)来量化：

其中，变量k和s均遍历直方图的所有子区间，feature_i(k)表示跟踪目标i的第k个直方图子区间的像素数量，feature_j(k)表示检测目标j的第k个直方图子区间的像素数量；

(3)以相似度矩阵A作为输入，运用匈牙利算法和Kuhn-Munkres算法实现集合T与集合D之间目标的最优匹配。

5.如权利要求1所述的基于监控视频多目标跟踪和人脸识别的隐私保护方法，其特征在于，所述步骤三中信息隐藏方法包括：

跟踪目标的ID受保护，采用可逆的图像置乱方法加扩散函数保护检测的人脸区域，目标区域以矩形指定；图像置乱采用Arnold变换，秘钥为改变换迭代的次数k，和分别表示像素点变换前和变换后的横坐标和纵坐标：

再辅以扩散函数：

A′(i，j)为变换后的像素值，A(i，j)为变换前的像素值。