[发明专利]一种应用于视频传感器网络的视频安全高效传输系统

说明书

本发明公开了一种应用于视频传感器网络的视频安全高效传输系统，在编码端采用采样率自适应选择和非关键帧自适应采样算法，防止相邻非关键帧之间恢复质量波动过大的问题；采用基于视频帧块的加密算法，能够降低计算复杂度，缩短加解密的时间；还使用混沌系统所产生的混沌序列作为测量矩阵和加密算法的密钥，来提高传输方案的安全性；此外在解码端，采用基于分块压缩感知和深度学习的视频帧恢复网络，当云端服务器接收到最早发送的少量非压缩视频帧时，重构单元会立刻进行快速训练，训练完成后便可用其恢复之后所接收的视频帧；最后在恢复的过程中采用并行恢复算法，在计算资源较为充足的情况下，可大幅提高恢复速度，极大降低实时视频解码时延。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种应用于视频传感器网络的视频安全高效传输系统。

背景技术

视频传感器网络(Video Sensor Network，VSN)是由一组具有计算、存储和通信能力的视频传感器节点组成的分布式感知网络。它借助于节点上视频传感器感知所在周边环境的图像、视频信息，通过多跳中继方式将数据传到信息汇聚节点，汇聚节点对监测数据进行分析，实现全面而有效的环境监测。视频传感器网络就是由一定数量的具备拍摄视频图像功能的节点通过无线通信方式自组织的网络系统，用来感知、采集和处理网络覆盖区域中目标对象的信息。

在传统的视频流传输中，比较知名的编解码标准有国际电信联盟的H.261、H.263、H.264/AVC、H.265/HEVCH.265编解码标准，运动静止图像专家组的M-JPEG和国际标准化组织运动图像专家组的MPEG系列标准等。这些标准的原理，就是通过去除存在视频图像数据中的大量冗余信息，如空域冗余、时域冗余、编码冗余和视觉冗余等，来降低数据之间的相关性，使用的压缩技术有帧内图像数据压缩技术、帧间图像数据压缩技术和熵编码压缩技术等。其优点是，在终端采集原始视频时，通过变换、量化、熵编码、运动估计和补偿等操作，直接进行高效编码并生成视频流进行传输。

但是，在编码端资源受限的情况下，如低能耗、低存储的移动无线终端，其缺点也比较明显。首先，编码端需要消耗很多能量来对原始视频进行十分复杂的编码，从而占用了大量的资源，导致其编码端的计算复杂度通常是解码端的5-10倍，这显然对于资源受限的编码端来说十分不友好。此外，由于这些协议都是公开的，所以在传输过程中数据很容易遭到窃取或篡改，并且在解码的时候会产生误码扩散的情况。

目前，比较常见的视频加密算法有全部加密(Naive Algorithm)、选择性加密(Selective Algorithm)等。全部加密算法也就是使用标准加密方法(比如DES)加密整个视频流，没有利用视频压缩后数据流的特殊结构，这种方法虽然安全性最高，但很显然计算量巨大，很难保证视频的快速传输。对部分帧进行选择性加密的算法计算复杂度相比全部加密算法会降低，但安全性不能保证。

传统视频传输系统在视频传感器网络(VSN)中存在以下问题：(1)VSN采集图像、视频信息丰富且格式复杂，VSN中编码端的编码效率低；(2)VSN中的媒体信息共同服务于场景监测任务，VSN中视频传输存在安全性问题；(3)由于大数据量图像、视频等媒体的引入，视频传感器节点及网络能力(采集、处理、存储、收发、能量供应等方面)都有显著增强。为了更好地满足网络中媒体实时传输需求，传感器网络带宽资源也相应增加。但是传统的压缩感知重构过程缓慢，难以匹配VSN要求的数据量和响应速度。

发明内容

本发明针对上述问题，提出一种应用于视频传感器网络的视频安全高效传输系统(SFE-VTS)。

为了实现上述目的，本发明提供如下技术方案：

一种应用于视频传感器网络的视频安全高效传输系统，包括视频编码端和视频解码端，视频编码端被部署在VSN的传感器节点上，用于原始视频压缩和加密，视频解码端被部署在云端，利用云端计算模块对接收到的视频信号进行解密和重构，加密和解密过程基于混沌系统和基于视频帧块的压缩感知算法，视频重构基于深度学习的并行视频帧恢复算法。