全频域下多时钟动态调控视频信息防泄漏方法及系统与流程
本发明涉及视频信息防泄漏,尤其涉及全频域下多时钟动态调控视频信息防泄漏方法及系统。
背景技术:
1、在生产监控过程中,不同生产场景所涉及的信息敏感程度存在差异,因此需要针对不同场景采用相匹配的监控策略。例如,在常规生产作业阶段,应采用日常监控方式对生产过程进行记录与管理,而在新品测试、设备调试等涉及技术参数信息的研发阶段,由于相关过程可能包含生产技术机密,则应切换至具有更高安全等级的监控方式。此外,在不同时间阶段,生产区域内的人员活动特征和安全管控需求也存在差异,需要采用不同的监控方式。
2、全频域是指涵盖视频监控过程中涉及的各类视频数据,多时钟是指采用多个不同的时间基准对监控过程进行划分,例如工作时间、下班时间、生产时间及测试时间等。换言之,通过结合不同时间基准及生产场景,对视频监控的采集过程进行动态调整,能够很好地解决上述问题,满足不同生产阶段下的监控需求。
3、在动态调整视频监控方式的同时,还需考虑调控后视频信息的存储安全。因此,“如何对调控过程中产生的视频信息进行防泄漏存储”是本发明所要解决的技术问题。
技术实现思路
1、本发明的目的在于提供全频域下多时钟动态调控视频信息防泄漏方法及系统,以解决上述背景技术中提出“如何对调控过程中产生的视频信息进行防泄漏存储”的问题。
2、为实现上述目的,本发明提供如下技术方案:
3、全频域下多时钟动态调控视频信息防泄漏方法,所述方法包括:
4、划定视频监控的目标区域,获取目标区域中的多源设备,其中所述多源设备至少包括:传感设备和视频监控设备,判断多源设备采集到的多源数据中是否存在触发特征,如果是,记录调控开始时刻,利用视频监控设备,采集目标区域内的纯视频数据,按照预设频率,从纯视频数据中,截取出若干个快照;
5、构建多时钟调整策略,选取参照时间点,将对应时刻下的快照定义为基准图像,经由预设的特征指标,计算出每个基准图像的特征值,对特征值进行链式哈希,得到标识符;
6、当调控开始时刻来临时,向预先安装在目标区域中的拾音器下发音频采集指令,获取目标区域中的现场语音数据,转写为文本数据,按照预设的拆解策略,将标识符切分为若干个数字段,从文本数据中,抽取数字段所对应位数下的字符,整合生成摘要;
7、基于所述参照时间点,将纯视频数据和人声数据切分为若干个片段,将片段发送至预先部署在目标区域中的边缘设备,将标识符和摘要上传至云端。
8、进一步的,所述判断多源设备采集到的多源数据中是否存在触发特征的步骤包括:
9、获取多源数据的历史数据,并进行人工标注,生成训练集,构建特征识别模型,利用训练集进行训练;
10、将多源数据输入至特征识别模型中,判断是否存在触发特征。
11、进一步的,所述方法还包括:
12、将特征集内的触发特征聚类为若干个场景,遍历每个场景下的管控设备;
13、识别纯视频数据中管控设备所在区域,并进行掩码。
14、进一步的,所述构建多时钟调整策略,选取参照时间点,将对应时刻下的快照定义为基准图像的步骤包括:
15、建立场景与多时钟调整策略的一一对应关系,将所述目标区域划分为若干个分区,其中所述分区至少包括:普通监控区、安全管理区和重点保密区;
16、动态调整同一场景下不同分区所对应的多时钟调整策略。
17、进一步的,所述获取目标区域中的现场语音数据,转写为文本数据,按照预设的拆解策略的步骤包括:
18、识别现场语音数据中的事件特征,查找出纯视频数据中事件特征所对应的关键帧;
19、基于事件特征和关键帧,还原片段,并对齐纯视频数据和现场语音数据,生成调控视频数据。
20、进一步的,所述基于所述参照时间点,将纯视频数据和人声数据切分为若干个片段,将片段发送至预先部署在目标区域中的边缘设备的步骤包括:
21、搭建边缘设备、视频监控设备与拾音器之间的通信链路,向边缘设备中集成身份验证机制;
22、当用户通过身份验证机制后,开放调控视频数据的访问权限。
23、进一步的,所述系统包括:
24、截取模块,用于划定视频监控的目标区域,获取目标区域中的多源设备,其中所述多源设备至少包括:传感设备和视频监控设备,判断多源设备采集到的多源数据中是否存在触发特征,如果是,记录调控开始时刻,利用视频监控设备,采集目标区域内的纯视频数据,按照预设频率,从纯视频数据中,截取出若干个快照;
25、得到模块,用于构建多时钟调整策略,选取参照时间点,将对应时刻下的快照定义为基准图像,经由预设的特征指标,计算出每个基准图像的特征值,对特征值进行链式哈希,得到标识符;
26、摘要模块,用于当调控开始时刻来临时,向预先安装在目标区域中的拾音器下发音频采集指令,获取目标区域中的现场语音数据,转写为文本数据,按照预设的拆解策略,将标识符切分为若干个数字段,从文本数据中,抽取数字段所对应位数下的字符,整合生成摘要;
27、上传模块,用于基于所述参照时间点,将纯视频数据和人声数据切分为若干个片段,将片段发送至预先部署在目标区域中的边缘设备,将标识符和摘要上传至云端。
28、进一步的,所述截取模块包括:
29、获取单元,用于获取多源数据的历史数据,并进行人工标注,生成训练集,构建特征识别模型,利用训练集进行训练;
30、判断单元,用于将多源数据输入至特征识别模型中,判断是否存在触发特征。
31、进一步的,所述得到模块包括:
32、建立单元,用于建立场景与多时钟调整策略的一一对应关系,将所述目标区域划分为若干个分区,其中所述分区至少包括:普通监控区、安全管理区和重点保密区;
33、调整单元,用于动态调整同一场景下不同分区所对应的多时钟调整策略。
34、进一步的,所述摘要模块包括:
35、识别单元,用于识别现场语音数据中的事件特征,查找出纯视频数据中事件特征所对应的关键帧;
36、还原单元,用于基于事件特征和关键帧,还原片段,并对齐纯视频数据和现场语音数据,生成调控视频数据。
37、与现有技术相比,本发明的有益效果是:
38、通过构建触发特征,能够实现监控模式的自动切换,提高敏感数据保护的及时性,同时能够根据当前实际场景动态选择监控方式,大大提高监测效率,通过独立采集目标区域中的纯视频数据和现场语音数据,能够进行差异化的隐私处理,降低数据处理负担,通过对基准图像进行链式哈希,能够降低视频数据在存储过程中出现片段缺失、数据篡改的风险,同时大大降低验证数据的存储量,通过生成摘要,能够进一步降低数据存储负担,同时实现与纯视频数据的交叉验证,保证数据真实性,形成覆盖视频信息采集、存储和验证全过程的动态防泄漏机制,在降低敏感视频信息泄漏风险的同时,减少不必要的数据处理和存储开销,提高复杂监控场景下视频信息保护的准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com