一種基于中國剩余定理（CRT）和ViBe算法的監(jiān)控視頻背景檢測方法
【專利摘要】本發(fā)明提出一種基于中國剩余定理(CRT：Chinese Remainder Theorem)和ViBe(Visual Background Extractor)算法的監(jiān)控視頻背景檢測方法，它采用秘密共享的方式，在多服務器方式下進行，同時保證監(jiān)控視頻的隱秘性。云端的服務器保存著加密后的視頻數(shù)據(jù)，并且在密文狀態(tài)下進行背景提取，有效的保護了用戶的隱私。本發(fā)明首次將中國剩余定理與ViBe相結合并應用于監(jiān)控視頻的背景提取，并介紹了一種基于秘密共享的多服務器處理模式，對監(jiān)控視頻的視頻幀進行拆分然后分發(fā)至多個服務器，其增加了處理效率并且能有效的保護數(shù)據(jù)的安全。并且該方法很容易通過軟件實現(xiàn)，本發(fā)明可廣泛應用推廣到云計算、隱秘監(jiān)控、異常檢測等中。
【專利說明】
-種基于中國剩余定理(CRT)和Vi Be算法的監(jiān)控視頻背景檢 測方法
技術領域
[0001] 本發(fā)明屬于密碼學、計算機視覺領域，特別是背景提取的方法，具體地說是一種基 于中國剩余定理(CRT)和ViBe的監(jiān)控視頻背景檢測方法。
【背景技術】
[0002] 背景提取在視頻監(jiān)控系統(tǒng)中有著很重要的應用，是運動物體檢測及跟蹤的重要步 驟。近年來視頻監(jiān)控已經(jīng)廣泛應用于各種場所，但是龐大的視頻數(shù)據(jù)并不能有效的在本地 進行處理。隨著云服務的發(fā)展，人們選擇將視頻上傳至云端，利用云端服務器的強大處理能 力，進行處理然后得到相應的結果。但是運些上傳的數(shù)據(jù)并沒有任何保護措施，視頻內容會 直接暴露在云端，并且一旦數(shù)據(jù)泄露，會嚴重侵害用戶的隱私。
[0003] 近期，由郭魅等人提出的基于混濁加密的混合高斯前景提取方法，利用混濁加密 將加密圖像發(fā)送至云端服務器進行處理，此方法的安全性對密鑰有很大依賴。而根據(jù)中國 剩余定理(CRT:化inese Remainder化eorem)可由i個不同的質數(shù)對像素點構造同余式，將 視頻帖分割為i個加密帖，利用秘密共享的方式來保障數(shù)據(jù)的安全，即使非法獲得了某個云 端服務器的數(shù)據(jù)，也無法恢復出原視頻的信息。同時由剩余定理的性質，對余數(shù)做相同的操 作并不會改變同余式的解，并且像素值在取余之后并不會暴露視頻帖中的信息。
[0004] ViBe(Visual Background Exhactor)是一種像素級視頻背景建模算法，相較于 基于混合高斯的背景模型，ViBe僅需一帖圖像就可W建立背景模型，因此對硬件內存占用 少，有著較高的處理效率。利用背景像素點及周圍像素點的像素值在一定時間內變化較小 的特點，對每個像素點建立樣本模型，并通過樣本模型對背景進行判斷。

【發(fā)明內容】

[0005] 本發(fā)明要解決技術問題為：克服現(xiàn)有技術的不足，提供一種基于中國剩余定理 (CRT)和ViBe算法的監(jiān)控視頻背景檢測方法，該方法能夠有效提高背景提取的計算效率，而 且可W有效保護視頻數(shù)據(jù)在云端的安全。
[0006] 本發(fā)明采用的技術方案為：一種基于中國剩余定理(CRT)和ViBe算法的監(jiān)控視頻 背景檢測方法，如圖1所示，實現(xiàn)步驟如下：
[0007] (1)客戶端將接收的視頻帖轉為單通道灰度圖像；
[000引（2)客戶端利用CRT對每個像素點進行運算，并拆分和加密視頻帖，之后發(fā)送至對 應的云端服務器；
[0009] (3)對應的云端服務器對接收到的第一幅視頻帖的每個像素點建立樣本模型，并 且每個點的模型都有一定進行概率更新；
[0010] (4)應用樣本模型，云端服務器將之后接收到的圖像的每個像素與其對應的樣本 模型進行比較，得到每個像素點的差值集合，之后各云端服務器分別將差值集合發(fā)送至終 端服務器，由終端服務器統(tǒng)一處理；
[0011] (5)終端服務器在接收到每個云端服務器的差值結合后，恢復出解密差值集合，然 后根據(jù)規(guī)定闊值判斷得到背景點，進而得到視頻的背景。
[0012] 其中，所述步驟(1)和(2)所述單通道灰度處理和拆分加密采取W下步驟：
[0013] (11)客戶端將輸入的視頻拆分為圖像帖，并將每個圖像帖轉化為單通道灰度圖 像；
[0014] (12)選擇m個不同的質數(shù)Pi,由改進的CRT對每個像素點做如下的運算： 二(￡/*.s'-W7)niod A，其中nG (Ojmax)，rmax<s，d為像素值，江f為運算結果，n為一隨機數(shù)，S 為一自定義常整數(shù)，即根據(jù)m個不同質數(shù)對每個像素值取余，得到m個余數(shù)，圖像帖也拆分為 m個加密圖像，從而將一個視頻帖分為m幅加密帖；
[0015] (13)將m幅加密帖分別發(fā)送至m個對應的云端服務器。
[0016] 其中，步驟(3)所述的建立樣本模型的方法采取W下步驟：
[0017] (21)對應服務器接收加密帖后，對于每個像素點，選擇它的鄰居像素值得到它的 樣本模型。設一像素點X，在其八連通區(qū)域內取n個值，得到該像素點的樣本模型V(n) = 1x1， X2, . . . ,Xi, . . . Xn};
[0018] (22)每個像素的樣本模型都有一定概率進行更新。
[0019] 其中，步驟(4)所述應用樣本模型的過程采取W下步驟：
[0020] (31)使用第一帖建立樣本模型后，接收第二帖圖像；
[0021] (32)將新的像素點的值與該像素點模型內的值進行做差(取模的絕對值），得到C (y)，每個云端服務器內均進行上述操作；
[0022] (33)得到每個像素點的差值集合后，將差值集合C(y)發(fā)送至終端服務器。
[0023] 其中，步驟(5)所述背景提取的過程采取W下步驟：
[0024] (41)終端服務器接收到各個云端服務器的差值集合，根據(jù)選擇的質數(shù)構建同余方 程組；
[0025] (42)解同余方程組可得到每個像素點的解密差值集合D(y)，將每個像素點的D(y) 中的值與闊值化k較，統(tǒng)計小于闊值R的個數(shù)，設為#，當#大于規(guī)定值，設為#min時，判定該像 素點為背景點，同時將結果返回至客戶端。
[00%]本發(fā)明的原理在于：
[0027] 根據(jù)目前隱秘監(jiān)控視頻的背景提取方案的缺陷和不足，可W總結出設計基于中國 剩余定理(CRT)和ViBe算法的監(jiān)控視頻背景檢測方法的一些規(guī)則，如下所述：
[0028] (1)在秘密共享的基礎上使用多云端協(xié)作；
[0029] (2)視頻的背景提取工作必須在一個隱私保護的方式下來完成。即云端和終端都 不會獲的除了客戶端輸入的視頻帖中的像素點是否為背景之外的任何信息。實現(xiàn)運一目標 需要尋找一個背景提取算法，該算法需要有一定的背景識別的正確率，并且還可W在密文 下進行背景判斷；
[0030] (3)云端上的數(shù)據(jù)安全性非常重要，要求在多云端不完全泄漏的情況下可W有效 的保障數(shù)據(jù)的安全；
[0031] 根據(jù)上述規(guī)則，本發(fā)明利用中國剩余定理（CRT)、ViBe背景提取算法和分布式計 算，設計了一種新的背景提取方案。在該方案中，中國剩余定理用來對視頻帖進行拆分加 密，是秘密共享的基礎，然后分別發(fā)送至不同的云端服務器，云端服務器接收到的是經(jīng)過加 密處理的視頻帖，并且每個服務器都只有一部分原視頻帖的信息。在云端服務器中使用 ViBe背景檢測算法對視頻帖進行處理，之后將每個云端服務器的處理結果發(fā)送至終點服務 器，由終點服務器進行像素點是否為背景的判斷，并將結果返回至客戶端。實驗分析表明隱 秘視頻背景提取，適合實際的背景提取應用。
[0032] 本發(fā)明與現(xiàn)有的技術相比，其優(yōu)勢在于：
[0033] (1)在分布式計算基礎上采用多云端協(xié)作，提高了處理效率，采用ViBe背景提取算 法，一定程度上增強了背景識別的速度。
[0034] (2)在安全性上，脫離了對密鑰的依賴性，依靠任意一個或兩個云端服務器的數(shù)據(jù) 都無法恢復出原視頻帖的信息。即使當云端服務器發(fā)生數(shù)據(jù)泄露時，除非取得全部=個云 端服務器中的數(shù)據(jù)，否則無法恢復出原視頻帖，提高了安全性。
[0035] (3)背景提取方案結構簡單，計算量小，易于實現(xiàn)。
【附圖說明】
[0036] 圖1是本發(fā)明應用場景圖；
[0037] 圖2是本發(fā)明方案流程圖。
【具體實施方式】：
[0038] 下面結合附圖和【具體實施方式】對本發(fā)明作進一步詳細的說明。
[0039] 客戶端：
[0040] 由圖2所示，視頻輸入至客戶端，客戶端將捕捉到的視頻帖轉換為單通道灰度圖 像，然后利用式(l)，d為像素值，rf't為運算結果，q為一隨機數(shù)，S為一自定義常整數(shù)。
[0041 ]
(1)
[0042]對灰度帖進行處理。選擇m個不同的質數(shù)：山瓜一91。響}。利用（2)式對像素〇進 行拆分加密：
[00創(chuàng)
（2)
[0044] 每個像素都能得到m個結果，即由一帖圖像可W得到m幅圖像。如圖（2)所示，由上 述過程可將將一視頻帖分為m幅加密帖，然后將m幅加密帖分別發(fā)送至m個對應的云端服務 器。
[0045] 服務器端：
[0046] (1)如圖（2)所示，對應云端服務器接收加密帖后，對第一帖圖像的像素使用ViBe 進行建模。對于每個像素點，選擇它的鄰居像素值得到它的樣本模型。設一像素點X，在其八 連通區(qū)域內取n個值：
[0047] V(n) = {xi,X2, . . . ,Xi, . . .Xn} (3)
[0048] V(n)即為X點的樣本模型。為了使背景模型能夠適應背景的不斷變化，比如光照， 背景物體的變更等等，每個像素點的樣本模型都有一定的概率進行更新。
[0049] (2)使用第一帖建立樣本模型后，接收第二帖圖像。將新的像素點的值y與該像素 點模型內的值V(n)進行做差后（取模的絕對值，Pm為當前云端服務器對應的質數(shù)），得到差 值集合ki，C2, . . .，Cl, . . .，Cn}，設為C(y)。每個服務器內均進行上述操作，之后將每個像素 點對應的差值集合C(y)發(fā)送至終端服務器。
[0050] Xnl (4)
[0化1 ]
[0化 2] )
[0化3]
[0化4] (7)
[0055]由圖（2)，終端服務器接收到各個云端服務器的差值集合后(式(7))，由差值與質 數(shù)Pi建立同余方程組，如式(8):
[0化6]
(8)
[0057] 根據(jù)CRT得到每個像素的解密差值集合D(y)，將每個像素點的D(y)中的值與闊值R 比較，統(tǒng)計小于闊值R的個數(shù)，設為#，當#大于規(guī)定值，設為#min時，判定該像素點為背景點， 同時將結果返回至客戶端。
[0058] 總之，本發(fā)明中提出的隱秘的背景提取方法能夠在密文狀態(tài)下進行背景提取，與 此同時可W保護客戶端和云端雙方的數(shù)據(jù)安全。本發(fā)明首次將中國剩余定理和ViBe應用到 背景提取中，運不僅提高了背景提取的效率還提高了數(shù)據(jù)在云端的安全性，并且使數(shù)據(jù)安 全脫離了對密鑰的依賴性。通過實驗顯示出本發(fā)明提出的方法能夠有效的進行視頻的背景 提取，是一種計算量小的隱秘背景提取方案。并且該背景提取方法很容易通過軟件實現(xiàn)，本 發(fā)明可廣泛應用推廣到視頻監(jiān)控背景提取和視頻加密傳輸中。
[0059] W上所述僅為本發(fā)明的一些基本說明，依據(jù)本發(fā)明的技術方案所做的任何等效變 換，均應屬于本發(fā)明的保護范圍。
【主權項】
1. 一種基于中國剩余定理(CRT)和ViBe算法的監(jiān)控視頻背景檢測方法，其特征在于實 現(xiàn)步驟： (1) 客戶端將接收的視頻幀轉為單通道灰度圖像； (2) 客戶端利用CRT對每個像素點進行運算，并拆分和加密視頻幀，之后發(fā)送至對應的 云端服務器； (3) 對應的云端服務器對接收到的第一幅視頻幀的每個像素點建立樣本模型，并且每 個點的模型都有一定進行概率更新； (4) 應用樣本模型，云端服務器將之后接收到的圖像的每個像素與其對應的樣本模型 進行比較，得到每個像素點的差值集合，之后各云端服務器分別將差值集合發(fā)送至終端服 務器，由終端服務器統(tǒng)一處理； (5) 終端服務器在接收到每個云端服務器的差值結合后，恢復出解密差值集合，然后根 據(jù)規(guī)定閾值判斷得到背景點，進而得到視頻的背景。2. 根據(jù)權利要求1所述的基于中國剩余定理(CRT)和ViBe算法的監(jiān)控視頻背景檢測方 法，其特征在于:所述步驟（1)中，將視頻幀轉為單通道灰度圖像，和步驟(2)中拆分和加密 視頻采取以下步驟： (11) 客戶端將輸入的視頻拆分為圖像幀，并將每個圖像幀轉化為單通道灰度圖像； (12) 選擇m個不同的質數(shù)pi，由改進的CRT對每個像素點做如下的運算： ,其中qe (〇，rmax)，rmax〈s，d為像素值，Cft為運算結果，η為一隨機數(shù)，s 為一自定義常整數(shù)，即根據(jù)m個不同質數(shù)對每個像素值取余，得到m個余數(shù)，圖像幀也拆分為 m個加密圖像，從而將一個視頻幀分為m幅加密幀； (13) 將m幅加密幀分別發(fā)送至m個對應的云端服務器。3. 根據(jù)權利要求1所述的基于中國剩余定理(CRT)和ViBe算法的監(jiān)控視頻背景檢測方 法，其特征在于:所述步驟(3)中，建立樣本模型的方法采取以下步驟： (21) 對應服務器接收加密幀后，對于每個像素點，選擇它的鄰居像素值得到它的樣本 模型，設一像素點X，在其八連通區(qū)域內取η個值，得到該像素點的樣本模型V(n) = {X1， X2, · · · ,Xi, · · ·Χη}; (22) 每個像素的樣本模型都有一定概率進行更新。4. 根據(jù)權利要求1所述的基于中國剩余定理(CRT)和ViBe算法的監(jiān)控視頻背景檢測方 法，其特征在于:所述步驟(4)中，應用樣本模型的過程采取以下步驟： (31) 使用第一幀建立樣本模型后，接收第二幀圖像； (32) 將新的像素點的值與該像素點模型內的值進行做差，取模的絕對值，得到C(y)，每 個云端服務器內均進行上述操作； (33) 得到每個像素點的差值集合后，將差值集合C(y)發(fā)送至終端服務器。5. 根據(jù)權利要求1所述的基于中國剩余定理(CRT)和ViBe的算法監(jiān)控視頻背景檢測方 法，其特征在于:所述步驟(5)中，得到視頻的背景過程采取以下步驟： (41) 終端服務器接收到各個云端服務器的差值集合，根據(jù)選擇的質數(shù)構建同余方程 組； (42) 解同余方程組可得到每個像素點的解密差值集合D(y)，將每個像素點的D(y)中的 值與閾值R比較，統(tǒng)計小于閾值R的個數(shù)#，當#大于#min時，判定該像素點為背景點，同時將 結果返回至客戶端。
【文檔編號】G06T7/20GK106023265SQ201610423125
【公開日】2016年10月12日
【申請日】2016年6月15日
【發(fā)明人】金鑫, 吳亞明, 李玉珍, 趙耿, 李曉東, 田玉露, 郭魁
【申請人】北京電子科技學院