[发明专利]一种基于三轴加速计的智能监控视觉隐私保护方法

权利要求书

1.一种基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，包括以下步骤：

S1.对智能可穿戴设备收集到的三轴加速计原始数据进行预处理；

S2.分析处理后的原始数据，提取相应特征；

S3.利用加速度强度值的变化来对智能可穿戴设备设置基于阈值的跌倒检测模块；

S4.采用视觉隐私增强CycleGAN对智能监控设置视觉隐私增强模块，隐藏全帧隐私信息；

S5.将经过视觉隐私增强模块处理之后的跌倒视频发送到远程服务器进行后续智能识别任务，没有发生跌倒等异常行为则不发送。

2.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S1具体为：

S11.根据内置于智能可穿戴设备的三轴加速计收集到的原始信号数据，所述原始信号数据包括ACC_X、ACC_Y和ACC_Z，对数据偏移进行校准，首先要确定坐标系，由于ACC_X和ACC_Y的理论值应为0，则ACC_X和ACC_Y读数偏移量采用统计均值的方式校准，ACC_Z在统计偏移量的过程中，每次读数都要加上理论值，再进行统计均值校准；

S12.采用卡尔曼滤波器去除原始数据中的噪声。

3.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S2具体为：

S21.采用滑动窗口提取特征，滑动窗口由两个关键变量构成：滑动窗口大小windowssize和滑动步长step，其中，滑动窗口大小指一次处理的数据量，选择的滑动窗口的大小为2的指数次其中，f为传感器采样频率，保证提取频域特征时，傅里叶变换的顺利进行；

S22.用t来表示一个时间窗口的大小，采用信号幅值面积SMA来表示时域特征，信号幅值面积SMA指x，y，z三轴的加速度读数曲线分别与三个坐标轴围成的面积之和，静止状态和运动状态下特征明显；计算公式为：

其中：x(t)、y(t)和z(t)分别为时间窗口t时x，y，z三个轴的加速度值；

S23.对于单个轴的加速度值的特征，采用单个轴的平均加速度值来表示，采样时间n处的y轴的平均加速度值y_mean[n]的计算公式为：

其中：y[i]为采样时间i时y轴的加速度值，N为采样数。

4.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S3具体为：

S31.根据信号幅值面积SMA值的强度设置阈值T1对人类活动动作进行粗粒度跌倒事件检测，静止类的动作和运动类的动作，当用户进行运动类动作时，SMA值远高于静止类动作的SMA值；

S32.根据y轴的平均加速度值y_mean的强度设置阈值T2来进行细粒度跌倒事件检测，将跌倒动作和与跌倒动作相似的动作进行区分，以提高跌倒检测的准确率。

5.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S4具体为：

S41.边缘摄像头根据基于阈值的跌倒检测模块的跌倒信号，在把采集到的包含跌倒行为的视频帧发送到远程服务器之前需要对帧内容进行隐私保护；采用视觉隐私增强CycleGAN将发生跌倒的视频帧进行非现实处理；训练数据集首先应用双边滤波器来减少颜色数，然后，执行简单的图像分割，以定位可能对象的轮廓和边缘；最后，将分割出的部分分别与其对应区域的原始颜色的平均值进行重新着色，实现全帧的非现实处理，达到视觉隐私保护；

S42.训练时为每个智能摄像头分配密钥，该密钥是一个与原始视频帧具有相同高度和宽度的二维矩阵，所述矩阵中的每个变量都为0-255的随机数；在训练阶段，设备的密钥作为第四通道水印附加到原始3通道的RGB图像的训练数据中；通过视觉隐私增强CycleGAN将被处理的视频帧恢复为原视频帧，仅供授权用户使用。

6.根据权利要求1所述的基于三轴加速计的智能监控视觉隐私保护方法，其特征在于，所述步骤S5具体为：

S51.当跌倒检测系统检测到发生跌倒等异常行为时，智能摄像头将跌倒时间段的受处理的视频帧发送给远程服务器，进行后续的智能检测，以提高跌倒检测的准确率，并及时为用户提供帮助；

S52.当跌倒检测系统没有检测到发生跌倒等异常行为时，智能摄像头将不发送任何视频帧到远程服务器，以保护用户的日常生活不被泄露，提高用户隐私。