一种网络直播者的隐私安全保护的装置的制作方法

本发明涉及直播画面隐私保护，具体是一种网络直播者的隐私安全保护的装置。

背景技术：

1、网络视频直播系统是一种多媒体网络平台，是将视频信号采集成数字信号，并经过网络传输的一种流媒体应用。随着网络技术的不断发展，网络已成为发展速度最快而且越来越占据主要地位的媒体。而随着人们获取信息的要求的提高，人们不局限于只通过网络了解文字信息，更多的用户希望通过网络获取视频信息，实现新闻发布会、体育比赛、教学交流实况、商业宣传、远程会议、开学开业典礼、庆典活动、结婚庆典等等的现场实况。随时智能设备的普及、互联网的技术高速发展，观看各种直播已经成为了人们生活的一部分。网络视频直播的发展伴随而来的是人类信息密度的飞速提高，人类获取信息变得更多了，但是随之而来的就是大量直播从业者的隐私安全和保护问题。

2、直播从业者在直播时，无论是有意还是无意，或多或少都会透露了自己的隐私，例如一些证件号、手机号、二维码、家庭住址、不想出现的人等等。对于网站而言，只能安排一些管理员对于一些违法违规的画面进行人工鉴别，然后做出相应处理，然而这种做法效率低下，经常误识别，无法全天候进行管理；并且对于直播者的自己的隐私，网站的服务器有着大量的数据流入流出，因此不会耗费大量的算力去处理直播者的隐私问题，所以对于某些隐私画面并不会有实时的反应，因此造成了直播从业者隐私无意中泄露，甚至造成严重的后果以及大量的损失。

技术实现思路

1、本发明的目的在于提供一种网络直播者的隐私安全保护的装置，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种网络直播者的隐私安全保护的装置，包括隐私安全保护系统以及隐私安全保护系统的实现方法，所述隐私安全保护系统包括视频采集模块、神经网络模块、视频后处理模块和视频输出模块；所述视频采集模块采用数字摄像头作为视频信号采集单元；所述神经网络模块用于识别隐私内容，并根据隐私保护要求进行学习迭代；所述视频后处理模块用于处理隐私画面；所述视频输出模块用于视频信号的输出。

4、作为本发明再进一步的方案：所述隐私安全保护系统的实现方法如下：

5、s1、通过视频采集模块中的数字摄像头进行视频的数字信号采集，再将采集到的数字信号传输并存储到神经网络模块中的硬盘中；

6、s2、神经网络模块上部署多个输出层的画面识别神经网络，通过画面识别神经网络处理静态或者动态的视频画面，识别出隐私内容，该画面识别神经网络由一个输出的卷积神经网络模型或多任务学习的方法实现；对于静态画面处理：卷积神经网络模型基于卷积神经网络的画面识别算法接受一张静态图像作为输入，并通过卷积层的计算、池化层的计算以及全连接层的计算，对图像中的特征进行提取和分类，识别出隐私内容；对于动态图像处理：使用卷积神经网络的时空扩展对连续帧图像进行处理，以捕捉动态特征和时序关系，识别出隐私内容；

7、s3、通过视频后处理模块基于均值模糊的画面算法对识别出隐私内容进行模糊处理，得到隐私画面；

8、s4、再通过视频输出模块对模糊处理后的隐私画面进行标准视频协议转换，传输并输出视频画面。

9、作为本发明再进一步的方案：在所述s2步骤中，通过卷积层的计算用于提取图像的特征；通过池化层的计算用于减小特征图的尺寸，并提取更加显著的特征；通过全连接层的计算用于将卷积和池化层的特征进行分类和预测。

10、作为本发明再进一步的方案：所述卷积层的计算公式如下：

11、yj＝f(w*xj+b)     (1)；

12、上式(1)中，xj为某一时刻的输入图像；w为卷积核，即权重矩阵；b为偏置向量，*表示卷积操作，f(·)为激活函数，yj为输出特征图。

13、作为本发明再进一步的方案：所述池化层的计算采用最大池化操作，其计算公式如下：

14、yc＝max(xc)      (2)；

15、上式(2)中，xc是输入特征图，yc是池化后的输出特征图。

16、作为本发明再进一步的方案：所述全连接层的计算公式如下：

17、yq＝f(w*xq+b)       (3)

18、上式(3)中，xq为池化后的输入特征图，yq为输出结果。

19、作为本发明再进一步的方案：在所述s3步骤中，基于均值模糊的画面算法的实现方法如下：

20、s31、定义模糊半径：确定模糊操作的范围，即计算每个像素周围的均值时所考虑的邻域大小，即模糊半径；

21、s32、遍历图像像素：对于每个像素，获取其周围的邻域像素值；

22、s33、计算均值：将获取的邻域像素值求和并除以邻域中像素的数量，得到均值；

23、s34、替换像素值：将当前像素的值替换为计算得到的均值；

24、s35、重复s31～s34步骤：对图像中的每个像素都执行上述过程，直到整个图像都被处理。

25、作为本发明再进一步的方案：在所述s2和s3步骤中，隐私内容识别以及隐私画面处理的具体方法如下：

26、在直播从业者进直播过程中，通过神经网络模块对某个时间长度的视频信号进行识别后，将识别后的标签与预设或用户自定义的隐私关键词进行对比，如果对比标签后检测到隐私关键词，则通过视频后处理模块进行模糊处理，然后视频输出模块才将处理后的画面以标准的协议输出。

27、与现有技术相比，本发明的有益效果：

28、本发明通过神经网络模块识别视频画面中的隐私内容，通过视频后处理模块对对识别出的隐私内容进行模糊处理，达到直播时隐私安全保护的目的；同时画面识别神经网络可以针对性地对静态画面和动态画面进行处理，解决人工鉴别效率低的问题。

技术特征：

1.一种网络直播者的隐私安全保护的装置，包括隐私安全保护系统以及隐私安全保护系统的实现方法，其特征在于，所述隐私安全保护系统包括视频采集模块、神经网络模块、视频后处理模块和视频输出模块；所述视频采集模块采用数字摄像头作为视频信号采集单元；所述神经网络模块用于识别隐私内容，并根据隐私保护要求进行学习迭代；所述视频后处理模块用于处理隐私画面；所述视频输出模块用于视频信号的输出。

2.根据权利要求1所述的一种网络直播者的隐私安全保护的装置，其特征在于，所述隐私安全保护系统的实现方法如下：

3.根据权利要求2所述的一种网络直播者的隐私安全保护的装置，其特征在于，在所述s2步骤中，通过卷积层的计算用于提取图像的特征；通过池化层的计算用于减小特征图的尺寸，并提取更加显著的特征；通过全连接层的计算用于将卷积和池化层的特征进行分类和预测。

4.根据权利要求3所述的一种网络直播者的隐私安全保护的装置，其特征在于，所述卷积层的计算公式如下：

5.根据权利要求3所述的一种网络直播者的隐私安全保护的装置，其特征在于，所述池化层的计算采用最大池化操作，其计算公式如下：

6.根据权利要求3所述的一种网络直播者的隐私安全保护的装置，其特征在于，所述全连接层的计算公式如下：

7.根据权利要求2所述的一种网络直播者的隐私安全保护的装置，其特征在于，在所述s3步骤中，基于均值模糊的画面算法的实现方法如下：

8.根据权利要求2所述的一种网络直播者的隐私安全保护的装置，其特征在于，在所述s2和s3步骤中，隐私内容识别以及隐私画面处理的具体方法如下：

技术总结
本发明涉及直播画面隐私保护技术领域，公开了一种网络直播者的隐私安全保护的装置，包括隐私安全保护系统以及隐私安全保护系统的实现方法所述隐私安全保护系统包括视频采集模块、神经网络模块、视频后处理模块和视频输出模块；所述神经网络模块用于识别隐私内容，并根据隐私保护要求进行学习迭代；所述视频后处理模块用于处理隐私画面；所述视频输出模块用于视频信号的输出。本发明通过神经网络模块识别视频画面中的隐私内容，通过视频后处理模块对对识别出的隐私内容进行模糊处理，达到直播时隐私安全保护的目的；同时画面识别神经网络可以针对性地对静态画面和动态画面进行处理，解决人工鉴别效率低的问题。

技术研发人员：韦宏伦,刘昌明,陆润森,王佳琪,许兆蒴,刘念山
受保护的技术使用者：广西智伦网络科技有限责任公司
技术研发日：
技术公布日：2024/1/15