本公開涉及計算機視覺隱私保護，尤其涉及一種視頻數(shù)據(jù)的視覺隱私保護方法、裝置及電子設(shè)備、存儲介質(zhì)。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，視頻數(shù)據(jù)廣泛應(yīng)用于各種場景下的深度神經(jīng)網(wǎng)絡(luò)（deep?neuralnetworks，dnn）相關(guān)任務(wù)中，例如計算機視覺、自動駕駛等。在這些任務(wù)場景中所使用的視頻數(shù)據(jù)，可能會涉及用戶的視覺隱私，而在dnn的訓(xùn)練和使用過程中，存在多種可以竊取視頻數(shù)據(jù)，獲取用戶的視覺隱私的攻擊手段，因此，如何在保證視頻數(shù)據(jù)的可用性，不影響dnn的訓(xùn)練和使用過程的基礎(chǔ)上，保護視頻數(shù)據(jù)的視覺隱私十分重要。

技術(shù)實現(xiàn)思路

1、有鑒于此，本公開提出了一種視頻數(shù)據(jù)的視覺隱私保護方法、裝置及電子設(shè)備、存儲介質(zhì)的技術(shù)方案。

2、根據(jù)本公開的一方面，提供了一種視頻數(shù)據(jù)的視覺隱私保護方法，包括：對待處理視頻數(shù)據(jù)進行壓縮，確定壓縮后的視頻數(shù)據(jù)，其中，所述壓縮后的視頻數(shù)據(jù)包括多個i幀、多個p幀、以及多個b幀；針對任意一個i幀，根據(jù)預(yù)設(shè)的窗口尺度，將該i幀劃分為多個區(qū)域；針對任意一個i幀，根據(jù)該i幀內(nèi)任意一個區(qū)域?qū)?yīng)的灰度直方圖，確定該區(qū)域?qū)?yīng)的隱私度量熵，其中，任意一個區(qū)域?qū)?yīng)的隱私度量熵，用于描述該區(qū)域?qū)?yīng)的視覺信息復(fù)雜程度；針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，對該i幀進行加密，確定該i幀對應(yīng)的加密幀；根據(jù)每個i幀對應(yīng)的加密幀、所述多個p幀、以及所述多個b幀，確定視覺隱私保護的目標視頻數(shù)據(jù)。

3、在一種可能的實現(xiàn)方式中，所述針對任意一個i幀，根據(jù)該i幀內(nèi)任意一個區(qū)域?qū)?yīng)的灰度直方圖，確定該區(qū)域?qū)?yīng)的隱私度量熵，包括：針對任意一個i幀，根據(jù)該i幀內(nèi)任意一個區(qū)域?qū)?yīng)的灰度直方圖，確定該區(qū)域中每個灰度值對應(yīng)的出現(xiàn)頻率；根據(jù)該區(qū)域中每個灰度值對應(yīng)的出現(xiàn)頻率，確定該區(qū)域?qū)?yīng)的隱私度量熵。

4、在一種可能的實現(xiàn)方式中，所述針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，對該i幀進行加密，確定該i幀對應(yīng)的加密幀，包括：針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，確定每個區(qū)域?qū)?yīng)的標準差；針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的標準差，分別對每個區(qū)域進行高斯模糊，確定該i幀對應(yīng)的加密幀。

5、在一種可能的實現(xiàn)方式中，所述針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，對該i幀進行加密，確定該i幀對應(yīng)的加密幀，包括：針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，確定每個區(qū)域?qū)?yīng)的運動參數(shù)，其中，任意一個區(qū)域?qū)?yīng)的運動參數(shù)，包括該區(qū)域?qū)?yīng)的模擬運動速度、模擬運動方向和模擬運動時間；針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的運動參數(shù)，分別對每個區(qū)域進行運動模糊，確定該i幀對應(yīng)的加密幀。

6、在一種可能的實現(xiàn)方式中，所述針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，對該i幀進行加密，確定該i幀對應(yīng)的加密幀，包括：針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，確定每個區(qū)域?qū)?yīng)的像素干擾參數(shù)，其中，任意一個區(qū)域?qū)?yīng)的像素干擾參數(shù)，用于在至少一個圖像通道中調(diào)整該區(qū)域中每個像素的位置；針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的像素干擾參數(shù)，對該i幀進行像素打亂，確定該i幀對應(yīng)的加密幀。

7、在一種可能的實現(xiàn)方式中，所述對待處理視頻數(shù)據(jù)進行壓縮，確定壓縮后的視頻數(shù)據(jù)，包括：在所述待處理視頻數(shù)據(jù)中確定多個待壓縮圖像幀，以及每個待壓縮圖像幀對應(yīng)的參考圖像幀；針對任意一個待壓縮圖像幀，將該待壓縮圖像幀和該待壓縮圖像幀對應(yīng)的參考圖像幀分別劃分為多個圖像塊；針對任意一個待壓縮圖像幀，根據(jù)該待壓縮圖像幀中任意一個圖像塊的位置，確定該待壓縮圖像幀對應(yīng)的參考圖像幀中該圖像塊對應(yīng)的參考圖像塊的預(yù)測位置；根據(jù)該待壓縮圖像幀中任意一個圖像塊的位置，以及該圖像塊對應(yīng)的參考圖像塊的預(yù)測位置，確定該待壓縮圖像幀對應(yīng)的編碼殘差，其中，所述編碼殘差用于以該待壓縮圖像幀對應(yīng)的參考圖像幀為基礎(chǔ)，對該待壓縮圖像幀進行編碼壓縮；根據(jù)每個待壓縮圖像幀對應(yīng)的編碼殘差，對所述待處理視頻數(shù)據(jù)進行視頻壓縮，確定所述壓縮后的視頻數(shù)據(jù)。

8、在一種可能的實現(xiàn)方式中，所述方法還包括：根據(jù)所述目標視頻數(shù)據(jù)，對所述目標視頻數(shù)據(jù)對應(yīng)的目標深度神經(jīng)網(wǎng)絡(luò)進行性能測試，確定所述目標深度神經(jīng)網(wǎng)絡(luò)對應(yīng)的收斂速度；在所述收斂速度不滿足預(yù)設(shè)要求的情況下，對所述目標深度神經(jīng)網(wǎng)絡(luò)的自適應(yīng)矩估計優(yōu)化器進行調(diào)整，得到優(yōu)化后的深度神經(jīng)網(wǎng)絡(luò)。

9、根據(jù)本公開的另一方面，提供了一種視頻數(shù)據(jù)的視覺隱私保護裝置，包括：視頻壓縮模塊，用于對待處理視頻數(shù)據(jù)進行壓縮，確定壓縮后的視頻數(shù)據(jù)，其中，所述壓縮后的視頻數(shù)據(jù)包括多個i幀、多個p幀、以及多個b幀；幀處理模塊，用于針對任意一個i幀，根據(jù)預(yù)設(shè)的窗口尺度，將該i幀劃分為多個區(qū)域；隱私度量模塊，用于針對任意一個i幀，根據(jù)該i幀內(nèi)任意一個區(qū)域?qū)?yīng)的灰度直方圖，確定該區(qū)域?qū)?yīng)的隱私度量熵，其中，任意一個區(qū)域?qū)?yīng)的隱私度量熵，用于描述該區(qū)域?qū)?yīng)的視覺信息復(fù)雜程度；i幀加密模塊，用于針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，對該i幀進行加密，確定該i幀對應(yīng)的加密幀；目標視頻數(shù)據(jù)確定模塊，用于根據(jù)每個i幀對應(yīng)的加密幀、所述多個p幀、以及所述多個b幀，確定視覺隱私保護的目標視頻數(shù)據(jù)。

10、根據(jù)本公開的另一方面，提供了一種電子設(shè)備，包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；其中，所述處理器被配置為在執(zhí)行所述存儲器存儲的指令時，實現(xiàn)上述方法。

11、根據(jù)本公開的另一方面，提供了一種非易失性計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其中，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)上述方法。

12、在本公開實施例中，通過對待處理視頻數(shù)據(jù)進行壓縮，可以確定包括多個i幀、多個p幀、以及多個b幀的壓縮后的視頻數(shù)據(jù)，從而利用幀間分析技術(shù)，降低加密過程需要處理的數(shù)據(jù)量，提高加密效率，并降低視覺隱私保護的資源消耗。針對任意一個i幀，可以根據(jù)預(yù)設(shè)的窗口尺度，將該i幀劃分為多個區(qū)域，進而該i幀內(nèi)任意一個區(qū)域?qū)?yīng)的灰度直方圖，確定該區(qū)域?qū)?yīng)的隱私度量熵，實現(xiàn)量化描述該區(qū)域?qū)?yīng)的視覺信息復(fù)雜程度，能夠為后續(xù)針對該i幀的加密過程提供真實可靠的數(shù)據(jù)支持，提高視覺信息隱私保護的可靠性和靈活性，以便于均衡視覺信息隱私保護與保持視頻數(shù)據(jù)可用性兩方面的需求。針對任意一個i幀，根據(jù)該i幀內(nèi)每個區(qū)域?qū)?yīng)的隱私度量熵，可以有針對性地對該i幀進行加密，確定該i幀對應(yīng)的加密幀，相對于現(xiàn)有技術(shù)中，不需要進行高成本的加密計算，或高數(shù)據(jù)量的噪聲注入，能夠提高加密效率、降低加密過程的資源消耗。根據(jù)每個i幀對應(yīng)的加密幀、多個p幀、以及多個b幀，可以確定視覺隱私保護的目標視頻數(shù)據(jù)，保證后續(xù)目標視頻數(shù)據(jù)在應(yīng)用過程中的數(shù)據(jù)有效性，尤其是在深度神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練中，保留其訓(xùn)練性能的高效和模型精度。另一方面，本公開提供的視覺隱私保護方法不依賴于特定的硬件結(jié)果或任務(wù)場景，具有較高的通用性，可以廣泛應(yīng)用于不同視覺任務(wù)，以及視覺任務(wù)的各個階段。

13、根據(jù)下面參考附圖對示例性實施例的詳細說明，本公開的其它特征及方面將變得清楚。