申请/专利权人：华南理工大学

申请日：2021-03-11

公开（公告）日：2024-06-28

公开（公告）号：CN112927127B

主分类号：G06F21/62

分类号：G06F21/62;G06V20/70;G06V20/40;G06V20/52;G06V10/26;G06V10/62;G06T7/277;G06T7/246;G06T7/215;H04N7/18

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.11.02#实质审查的生效;2021.06.08#公开

摘要：本发明公开了一种运行在边缘设备上的视频隐私数据模糊化方法，包括算法模型设计及算法模型搭建、模型优化、模型量化及加速、模型迁移至移动端设备运行；本发明的有益效果是：提供一种运算资源需求低，运算速度快，可以在移动端上运行，不依赖其他服务器资源的隐私自动模糊系统，保护公开视频中他人的隐私；采用多目标跟踪算法跟踪对象，可以实现指定模糊对象或记录指定目标的运动轨迹；使用TensorRT对算法模型进行量化及优化加速，降低部署难度，同时算法运行时，采用三个线程分别处理预处理、模型推理和后处理三个部分，以提高运行效率。

主权项：1.一种运行在边缘设备上的视频隐私数据模糊化方法，其特征在于：包括算法模型搭建和模型运行，所述方法如下：步骤一：模型初始化，包括根据配置文件搭建模型、对训练好的模型优化加速、初始化跟踪器；优化加速方法为：先将PyTorch模型转为中间格式文件ONNX后，再由TensorRT优化加速；使用TensorRT对算法模型进行量化及优化加速，降低部署难度，同时算法运行时，采用三个线程分别处理预处理、模型推理和后处理三个部分；预处理包括图像的缩放、归一化，同时将数据由内存转移至显存，方便后续GPU处理数据时直接从显存读取；模型推理指运行实例分割算法的前向推理，得到原始掩膜、掩膜系数、检测中的分类和回归输出；后处理指对实例分割算法的输出结果还原出实例掩膜及检测结果；其中检测结果由检测输出通过分类和回归输出，经过坐标恢复、过滤低阈值结果、非极大值抑制后得到；步骤二：获取视频序列，并导入到运行平台中；步骤三：采用轻量型网络及FPN结构进行特征提取；特征提取网络选用轻量型特征提取网络ShuffleNetV2或MobileNet；步骤四：通过实例分割算法获取图像的检测结果和实例掩膜；实例分割算法包含2个子任务，分别为目标检测与掩膜生成；目标检测是指对于输入的图像，通过算法在图像中找出所有的人，其结果为用包围框将人框选出来表示，目标检测的输出结果包括分类和回归；分类用来判断是否是人，当对象是人时，回归任务回归出包围框的边界，所用检测方式为基于Anchor的检测方式，基于Anchor的检测方式是在图像中铺满预设的检测框；所述掩膜生成方式为一种原始掩膜与掩膜系数组合的方式；其中原始掩膜无关图像中具体的人，掩膜系数与具体的人相关，每个人生成一组掩膜系数；步骤五：通过多目标跟踪算法为检测到的每个对象分配一个ID；步骤六：通过ID控制对象是否进行模糊处理。

全文数据：

权利要求：

百度查询： 华南理工大学 一种运行在边缘设备上的视频隐私数据模糊化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD