(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210427381.6 (22)申请日 2022.04.22 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 刘佶鑫　赵兰心　 (74)专利代理 机构 南京正联知识产权代理有限 公司 32243 专利代理师 张玉红 (51)Int.Cl. G06V 20/59(2022.01) G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 一种适于车内视频监控的隐私保护昆虫仿 生智能处 理方法 (57)摘要 本发明是一种适于车内视频监控的隐私保 护昆虫仿生智能处理方法， 包括步骤1： 获取车内 视频监控行为数据集， 对数据集里的视频行为通 过果蝇视觉仿生处理进行隐私保护处理， 得到具 有视觉屏蔽效果的视频流， 以此 实现前端视觉采 样的隐私保护； 步骤2： 通过C3D网络模型对于步 骤1得到的视频流进行特征提取， 得到视觉屏蔽 下的特征向量； 步骤3： 利用PCA技术对于步骤2中 提取的特征向量进行降维， 然后进行车内视频监 控行为特征的识别。 本发明借鉴果蝇的全流程感 知机制进行车内典型行为识别方法即实现了视 觉屏蔽的效果， 有效地保护了个人隐私， 又因数 据量的大幅减少提高了行为识别的精度和算法 运行效率。 权利要求书2页 说明书5页 附图2页 CN 114913510 A 2022.08.16 CN 114913510 A 1.一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其特征在于： 所述隐私 保护昆虫仿生智能处 理方法包括以下步骤： 步骤1： 获取车内视频监控行为数据集， 对数据集里的视频行为通过果蝇视觉仿生处理 进行隐私保护处 理， 得到具有视 觉屏蔽效果的视频流， 以此实现前端视 觉采样的隐私保护； 步骤2： 通过C3D网络模型对于步骤1得到的视频流进行特征提取， 得到视觉屏蔽下的特 征向量； 步骤3： 利用PCA技术对于步骤2中提取的特征向量进行降维， 然后进行车内视频监控行 为特征的识别。 2.根据权利要求1所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 所述 步骤1具体包括如下步骤： 步骤1‑1： 将获取到的车内视频监控行为数据集的视频处 理成N×N大小的图像帧形式； 步骤1‑2： 利用果蝇复眼的视觉敏锐度， 仿生果蝇复眼对步骤1.1处理后的图像帧进行 采样； 步骤1‑3： 重复步骤1‑1和步骤1 ‑2， 实现对车内视频监控行为数据集仿生果蝇 复眼的处 理； 步骤1‑4： 最后将图像帧转换为视频流。 3.根据权利要求1所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 步骤2中特 征向量获取包括如下步骤： 步骤2‑1： 将输入的经过仿生处理的具有视觉屏蔽效果的数据集， 作为C3D网络模型的 输入； 步骤2‑2： 调整C3D网络模型， 利用调整后的模型对仿生处理的视频进行特征提取， 得到 C3D网络模型的全连接层特 征作为输出 特征向量。 4.根据权利要求3所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 步骤2 ‑2中调整后的C3D网络模型包括8个卷积层、 5个池化和2个全连接层， 选择 全连接层的特征作为输出特征向量， 其视频最终输出大小为4096 ×1， 所述C3D 网络模型中 所有的三维卷积核的尺寸大小均为3 ×3×3， 时空尺度大小均为1， 第一层池化层的卷积核 大小和时空尺度为1 ×2×2， 第二层至第五层池化层卷积核的大小时空尺度均为2 ×2×2。 5.根据权利要求1所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 步骤3具体包括如下步骤： 步骤3‑1： 对输出的特 征向量进行PCA降维处 理； 步骤3‑2： 采用经过FOA算法优化的BP神经网络对PCA降维处理的车内视频监控典型行 为特征进行识别。 6.根据权利要求5所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 所述 步骤3‑2中FOA算法的具体步骤如下： 步骤3‑2‑1： 每个权值和阈值搜索全局最优值的随机方向和距离由随机函数分配， 计算 个体与原点之间的距离Di， 并计算味觉浓度的判断值Si； 权　利　要　求　书 1/2 页 2 CN 114913510 A 2步骤3‑2‑2： 将式2中得到的味觉浓度判断值替换成适应度函数， 计算果蝇个体味觉浓 度： T＝F(Si)             (3) 步骤3‑2‑3： 找到味觉浓度最 好的果蝇， 如4所示， 即找到其 最小值。 Giter＝min(T)            (4) 步骤3‑2‑4： 重复步骤3 ‑2‑1、 步骤3‑2‑2、 步骤3‑2‑3得到最优的G， 将迭代过程中得到的 最优阈值和最优权值 替换到BP网络中。 7.根据权利要求6所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 所述步骤3 ‑2中优化的BP神经网络由输入层、 输出层和隐含层组成且所述输入 层、 输出层和隐含层均为 一层。 8.根据权利要求7所述一种适于车内视频监控的隐私保护昆虫仿生智能处理方法， 其 特征在于： 所述 步骤3‑2中优化的BP神经网络具体包括如下步骤： 步骤a： 初始化， 将FOA中得到的最优权值、 阈值输入； 步骤b： 随机 选取第k个输入样本及对应期望 输出 步骤c： 计算隐藏层各神经 元的输入和输出； 步骤d： 计算全局误差 步骤e： 判断网络误差是否满足要求， 当误差达到预设精度或学习次数大于设定的最大 次数， 则结束算法， 否则， 选取 下一个学习样本及其期望 输出， 返回步骤c进入下一轮学习。权　利　要　求　书 2/2 页 3 CN 114913510 A 3