基于人工智能视频行为分析的数据隐私保护系统及方法与流程

1.本发明涉及数据安全技术领域，具体地说，特别涉及一种基于人工智能视频行为分析的数据隐私保护系统及方法。


背景技术：

2.视频(video)泛指将一系列静态影像以电信号的方式加以捕捉、记录、处理、储存、传送与重现的各种技术。连续的图像变化每秒超过24帧(frame)画面以上时，根据视觉暂留原理，人眼无法辨别单幅的静态画面；看上去是平滑连续的视觉效果，这样连续的画面叫做视频。视频技术最早是为了电视系统而发展，但现在已经发展为各种不同的格式以利消费者将视频记录下来。网络技术的发达也促使视频的纪录片段以串流媒体的形式存在于因特网之上并可被电脑接收与播放。视频与电影属于不同的技术，后者是利用照相术将动态的影像捕捉为一系列的静态照片。
3.随着科技的发展，在绝大多数企业中，员工在电脑上处理重要的企业数据，电脑上存储了大量的企业隐私数据，泄露或丢失隐私数据可能会导致公司损失巨大价值。在大多数情况下，企业员工的错误操作是造成隐私数据泄露的重要原因，例如，员工通过网络将数据泄露；员工通过拍照手段将重要数据带出公司。目前解决隐私数据通过网络传播的手段有很多，例如通过暗水印技术对文档进行追踪溯源，通过一些防火墙软件阻断数据传播途径。但是却没有更好的方法防止员工拍照将隐私数据带出公司，目前大多数企业采用的仍是对办公区域安装摄像头进行视频监控的方式。
4.目前大多数视频监控还处于传统模式即工作人员时刻监控而监控系统只记录视频数据，然后通过调用视频回放来进行异常情况的调查与取证。传统监控具有以下缺点：1，缺乏实时性，工作人员无法做到实时对每一个异常行为进行判断并报警；2，人工判断费时费力且准确性低，通常情况下工作人员无法做到时刻在监控系统前，并且由于疲劳可能导致对异常行为的漏检，失去了实时监控意义。3随着监控范围扩大，视频数据也随之海量增大，工作人员更加难从中获取有用的信息，查找效率低下，难以满足实时监控需求。总而言之，即当前大多数监控系统无法自动通过摄像头实时发现警情并主动对监控视野中的行为进行分析，无法判断监控目标行为是否存在数据泄露行为，而对已经或即将出现的数据泄露行为，无法及时通知相关安保人员进行处理。


技术实现要素：

5.为了解决现有技术的问题，本发明实施例提供了一种基于人工智能视频行为分析的数据隐私保护系统及方法。所述技术方案如下：
6.一方面，提供了一种基于人工智能视频行为分析的数据隐私保护系统，包括：视频输入模块、预警检测模块以及数据传输与存储模块；
7.所述视频输入模块用于拍摄视频数据；
8.所述预警检测模块包括连接模块和检测模块；所述连接模块用于从所述视频输入
模块中获取所述视频数据；所述检测模块用于对所述视频数据进行预警检测，得到违规数据；
9.所述数据传输与存储模块用于将所述违规数据传输并存储到系统的服务器。
10.进一步地，所述视频输入模块还用于系统登录。
11.进一步地，所述视频输入模块包括第一摄像头和第二摄像头；
12.所述第一数据相机用于拍摄视频数据；
13.所述第二数据相机用于人脸识别以及系统登录。
14.进一步地，所述预警检测模块还包括配置模块，所述配置模块用于配置相机信息、主机信息以及数据保存参数。
15.另一方面，提供了一种基于人工智能视频行为分析的数据隐私保护方法，包括：
16.对多个视频输入模块拍摄到的场景画面进行提取特征并检测；
17.通过多个摄像头获取使用者的图像，一旦摄像头中出现手机，自动获取对手机进行跟踪检测；
18.将视频中的每一帧图片通过一个卷积神经网络进行特征提取；
19.将提取到的特征作为时间序列送入长短时记忆模型中；
20.通过对每一时刻的输出平均求和进行行为识别，最终进行报警预警处理。
21.进一步地，所述对多个视频输入模块拍摄到的场景画面进行提取特征并检测的具体步骤为：
22.使用图像计算方法得到正负样本的特征；
23.使用adaboost算法进行分类器训练，得到用于手机检测的分类器；
24.将分类器进行级联组合得到级联分类器；
25.将图像划分为一个个片段，使用分类器对每一个片段筛选，得到正负样本，最终得到图像中的手机区域。
26.本发明实施例提供的技术方案带来的有益效果是：
27.本发明提供的一种基于人工智能视频行为分析的数据隐私保护系统及方法，通过对拍摄到的视频进行智能检测，自动筛选出视频中有手机的图像，从而提高视频检测效率，并将及时发出预警处理。
附图说明
28.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1是本发明实施例1的一种基于人工智能视频行为分析的数据隐私保护系统的模块示意图；
30.图2是本发明实施例2的一种基于人工智能视频行为分析的数据隐私保护方法的流程图。
具体实施方式
31.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
32.实施例1
33.本发明提供了一种基于人工智能视频行为分析的数据隐私保护系统，参见图1，包括：视频输入模块100、预警检测模块200以及数据传输与存储模块300；
34.所述视频输入模块100用于拍摄视频数据；
35.所述预警检测模块200包括连接模块210和检测模块230；所述连接模块用于从所述视频输入模块中获取所述视频数据；所述检测模块用于对所述视频数据进行预警检测，得到违规数据；
36.所述数据传输与存储模块用于将所述违规数据传输并存储到系统的服务器。
37.进一步地，所述视频输入模块还用于系统登录。
38.进一步地，所述视频输入模块包括第一摄像头110和第二摄像头120；
39.所述第一数据相机用于拍摄视频数据；
40.所述第二数据相机用于人脸识别以及系统登录。
41.进一步地，所述预警检测模块还包括配置模块220，所述配置模块用于配置相机信息、主机信息以及数据保存参数。
42.进一步地，数据传输与存储模块300包括数据传输模块310和数据存储模块320，分别用于传输和存储。
43.实施例2
44.另一方面，提供了一种基于人工智能视频行为分析的数据隐私保护方法，参见图2，包括：
45.对多个视频输入模块拍摄到的场景画面进行提取特征并检测；
46.通过多个摄像头获取使用者的图像，一旦摄像头中出现手机，自动获取对手机进行跟踪检测；
47.将视频中的每一帧图片通过一个卷积神经网络进行特征提取；
48.将提取到的特征作为时间序列送入长短时记忆模型中；
49.通过对每一时刻的输出平均求和进行行为识别，最终进行报警预警处理。
50.本实施例中，多台摄像机进行画面捕捉，然后将画面输入到预警处理服务器，具体应用时，如果使用者没有从正面拍照，而从侧面拍照，电脑上的摄像机不能捕捉，而头顶上的多个摄像机能捕捉到。
51.进一步地，所述对多个视频输入模块拍摄到的场景画面进行提取特征并检测的具体步骤为：
52.使用图像计算方法得到正负样本的特征；
53.使用adaboost算法进行分类器训练，得到用于手机检测的分类器；
54.将分类器进行级联组合得到级联分类器；
55.将图像划分为一个个片段，使用分类器对每一个片段筛选，得到正负样本，最终得到图像中的手机区域。
56.本实施例中，正样本为任务所要检测的目标物手机；负样本为背景墙，桌子等其他
无关物品。同时，特征提取指将原始特征转换为一组具有明显物理意义(gabor、几何特征[角点、不变量]、纹理[lbp hog])或者统计意义的特征，获取图像中特征性信息的过程，简单来说就是将违规操作的图像转化为数学表达式例如矩阵，再通过计算得到多个特征值，然后与样本中的特征值进行比较。
[0057]
本实施例中，检测提取到的特征，然后与训练样本中的特征进行比较，然后结果分析，进行数据保存，报警等操作。
[0058]
具体地，预警检测模块能对多个摄像头拍摄到的场景画面进行检测，具体检测过程如下：
[0059]
使用图像计算方法得到正负样本的特征
[0060]
使用adaboost算法进行分类器训练，得到用于手机检测的分类器
[0061]
将分类器进行级联组合得到级联分类器提高检测的准确率。
[0062]
将图像划分为一个个片段，使用分类器对每一个片段筛选，得到正负样本，最终得到图像中的手机区域。
[0063]
经过上述检测过程后，再对得到的特征进行状态分析如下步骤：
[0064]
通过多个摄像头获取使用者的图像，一旦摄像头中出现手机，自动获取对手机进行跟踪检测；
[0065]
将视频中的每一帧图片通过一个卷积神经网络进行特征提取；
[0066]
将提取到的特征作为时间序列送入长短时记忆模型中；
[0067]
通过对每一时刻的输出平均求和进行行为识别，最终进行报警预警处理。
[0068]
具体地，每一时刻的输出指的是每一时刻图片的特征性信息(数学形式求平均)。
[0069]
本发明实施例提供的技术方案带来的有益效果是：
[0070]
本发明提供的一种基于人工智能视频行为分析的数据隐私保护系统及方法，通过对拍摄到的视频进行智能检测，自动筛选出视频中有手机的图像，从而提高视频检测效率，并将及时发出预警处理。
[0071]
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。