視覺群體感知技術（Visual Crowd Sensing,VCS）是一種新型的應用范式,它可以在廣大移動智能手機用戶的協(xié)助下完成大規(guī)模的視覺數據采集和挖掘任務,是一種非常有應用前景的技術。VCS應用的關鍵過程是協(xié)調用戶感知視覺數據,如圖片或視頻,然后上傳至云端。但是,用戶在拍照或者錄制視頻的過程中,可能會無意中將他人的隱私信息拍攝入內,導致無意中侵犯他人隱私。該問題會嚴重阻礙VCS技術的發(fā)展,我們亟需一種視覺隱私保護方法來解決該問題。然而,目前國內外還沒有針對VCS應用的視覺隱私保護方法,本文的工作彌補了這一方面的不足。本文首次提出一種支持視覺隱私保護的VCS應用框架,能夠有效的解決VCS應用中的視覺隱私安全問題。與傳統(tǒng)VCS框架相比,本文引入了視覺隱私保護機制,通過實時檢測圖片或者視頻中的隱私目標然后將其消除,實現VCS應用的視覺隱私保護。為了檢測圖像中的隱私目標,本文設計了一種基于深度學習的目標檢測模型,該模型在使用隱私標注圖像數據訓練后,可以實時檢測出圖像或者視頻中的隱私目標。另外,隨著隱私目標的增多,隱私檢測模型需要不斷進行模型更新。使用傳統(tǒng)的目標檢測模型訓練方法更新模型時,... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：75 頁

【學位級別】：碩士

【部分圖文】：

MCS應用架構圖

分配到合適的感知參與者手中；感知參與者會根據任務需求，利用手中的攝像設備采集圖像或者視頻，攜同其它一些額外必要信息，經過處理后，上傳至服務平臺；服務平臺對所收集的數據進行相應處理，例如數據聚合、過濾和選擇等操作，最后將數據集合反饋至任務發(fā)布者，又或者是選擇將數據集發(fā)布，提供數據請求者查詢使用。通過利用該應用模型，研究者設計并開發(fā)出了許多非常有趣和實用的應用，例如將 VSC 應用于觀察河流和小溪的水質的 CreekWatch[9]，該應用請求智能手機用戶協(xié)助拍攝附近的河流和小溪的水質情況并上傳，可以有效幫助地質學家或者環(huán)保機構完成一些調研工作；或者是將VCS 用于監(jiān)控城市垃圾分布情況的 GarbageWatch[10]，還有PhotoNet[11]，PhotoCity[12]，WreckWatch[13]，FlierMeet[14]以及 Mediascope[15]等等。另外，近年來，人工智能技術得到了飛速的發(fā)展，尤其是在計算機視覺領域，圖像分類、目標檢測、圖像分割甚至是圖像描述（ImageCaptioning）技術均有了突破性的研究進展，利用人工智能技術將可以實現更加自動化、智能化地分析和處理視覺數據，VCS 技術結合人工智能技術，將會是一個非常有意義的研究內容，相信會為 VCS 的研究帶來新的活力。

它天然的也存在 MCS 應用下的隱私安全問題，例如任務發(fā)布者因為發(fā)布某項特定任務可能導致自身的隱私信息泄露、感知參與者在執(zhí)行感知任務過程中可能導致個人隱私信息泄露以及數據請求者在查詢過程中，由于查詢內容的泄露也會導致隱私信息泄露，具體情況如圖 1-3 所示。綜述文章[16，17]也對 MCS 應用下的隱私安全問題進行了非常詳細的探討，針對這些隱私安全問題，研究者們已經提出來非常多有效的解決方案，因此，本文對這部分的隱私安全威脅問題將不再進行過多的探討。相較而言，本文更加關心的是 VCS 應用所特有的視覺隱私安全問題。VCS 技術與 MCS 技術不同的是，VCS 技術更加注重的是視覺數據的感知，感知數據的形式也主要以圖像和視頻為主，這就導致 VCS 應用容易引入一個額外的隱私安全隱患，感知參與者可能在采集圖像或者視頻的過程中，無意間把 “旁人”的隱私信息也拍攝入內，導致侵犯了他人的隱私安全�！芭匀恕钡碾[私安全問題主要是一種視覺隱私安全問題，該問題是 VCS 應用相對MCS 所特有的安全威脅問題，且無法避免。文獻[1,16]中均對視覺隱私問題有相應的提及，該問題也是本文著重希望解決的問題。


本文編號：3554346