一种基于中国剩余定理（CRT）和ViBe算法的监控视频背景检测方法
【专利摘要】本发明提出一种基于中国剩余定理(CRT：Chinese Remainder Theorem)和ViBe(Visual Background Extractor)算法的监控视频背景检测方法，它采用秘密共享的方式，在多服务器方式下进行，同时保证监控视频的隐秘性。云端的服务器保存着加密后的视频数据，并且在密文状态下进行背景提取，有效的保护了用户的隐私。本发明首次将中国剩余定理与ViBe相结合并应用于监控视频的背景提取，并介绍了一种基于秘密共享的多服务器处理模式，对监控视频的视频帧进行拆分然后分发至多个服务器，其增加了处理效率并且能有效的保护数据的安全。并且该方法很容易通过软件实现，本发明可广泛应用推广到云计算、隐秘监控、异常检测等中。
【专利说明】
-种基于中国剩余定理(CRT)和Vi Be算法的监控视频背景检 测方法
技术领域
[0001] 本发明属于密码学、计算机视觉领域，特别是背景提取的方法，具体地说是一种基 于中国剩余定理(CRT)和ViBe的监控视频背景检测方法。
【背景技术】
[0002] 背景提取在视频监控系统中有着很重要的应用，是运动物体检测及跟踪的重要步 骤。近年来视频监控已经广泛应用于各种场所，但是庞大的视频数据并不能有效的在本地 进行处理。随着云服务的发展，人们选择将视频上传至云端，利用云端服务器的强大处理能 力，进行处理然后得到相应的结果。但是运些上传的数据并没有任何保护措施，视频内容会 直接暴露在云端，并且一旦数据泄露，会严重侵害用户的隐私。
[0003] 近期，由郭魅等人提出的基于混浊加密的混合高斯前景提取方法，利用混浊加密 将加密图像发送至云端服务器进行处理，此方法的安全性对密钥有很大依赖。而根据中国 剩余定理(CRT:化inese Remainder化eorem)可由i个不同的质数对像素点构造同余式，将 视频帖分割为i个加密帖，利用秘密共享的方式来保障数据的安全，即使非法获得了某个云 端服务器的数据，也无法恢复出原视频的信息。同时由剩余定理的性质，对余数做相同的操 作并不会改变同余式的解，并且像素值在取余之后并不会暴露视频帖中的信息。
[0004] ViBe(Visual Background Exhactor)是一种像素级视频背景建模算法，相较于 基于混合高斯的背景模型，ViBe仅需一帖图像就可W建立背景模型，因此对硬件内存占用 少，有着较高的处理效率。利用背景像素点及周围像素点的像素值在一定时间内变化较小 的特点，对每个像素点建立样本模型，并通过样本模型对背景进行判断。
【发明内容】
[0005] 本发明要解决技术问题为：克服现有技术的不足，提供一种基于中国剩余定理 (CRT)和ViBe算法的监控视频背景检测方法，该方法能够有效提高背景提取的计算效率，而 且可W有效保护视频数据在云端的安全。
[0006] 本发明采用的技术方案为：一种基于中国剩余定理(CRT)和ViBe算法的监控视频 背景检测方法，如图1所示，实现步骤如下：
[0007] (1)客户端将接收的视频帖转为单通道灰度图像；
[000引（2)客户端利用CRT对每个像素点进行运算，并拆分和加密视频帖，之后发送至对 应的云端服务器；
[0009] (3)对应的云端服务器对接收到的第一幅视频帖的每个像素点建立样本模型，并 且每个点的模型都有一定进行概率更新；
[0010] (4)应用样本模型，云端服务器将之后接收到的图像的每个像素与其对应的样本 模型进行比较，得到每个像素点的差值集合，之后各云端服务器分别将差值集合发送至终 端服务器，由终端服务器统一处理；
[0011] (5)终端服务器在接收到每个云端服务器的差值结合后，恢复出解密差值集合，然 后根据规定阔值判断得到背景点，进而得到视频的背景。
[0012] 其中，所述步骤(1)和(2)所述单通道灰度处理和拆分加密采取W下步骤：
[0013] (11)客户端将输入的视频拆分为图像帖，并将每个图像帖转化为单通道灰度图 像；
[0014] (12)选择m个不同的质数Pi,由改进的CRT对每个像素点做如下的运算： 二(￡/*.s'-W7)niod A，其中nG (Ojmax)，rmax<s，d为像素值，江f为运算结果，n为一随机数，S 为一自定义常整数，即根据m个不同质数对每个像素值取余，得到m个余数，图像帖也拆分为 m个加密图像，从而将一个视频帖分为m幅加密帖；
[0015] (13)将m幅加密帖分别发送至m个对应的云端服务器。
[0016] 其中，步骤(3)所述的建立样本模型的方法采取W下步骤：
[0017] (21)对应服务器接收加密帖后，对于每个像素点，选择它的邻居像素值得到它的 样本模型。设一像素点X，在其八连通区域内取n个值，得到该像素点的样本模型V(n) = 1x1， X2, . . . ,Xi, . . . Xn};
[0018] (22)每个像素的样本模型都有一定概率进行更新。
[0019] 其中，步骤(4)所述应用样本模型的过程采取W下步骤：
[0020] (31)使用第一帖建立样本模型后，接收第二帖图像；
[0021] (32)将新的像素点的值与该像素点模型内的值进行做差(取模的绝对值），得到C (y)，每个云端服务器内均进行上述操作；
[0022] (33)得到每个像素点的差值集合后，将差值集合C(y)发送至终端服务器。
[0023] 其中，步骤(5)所述背景提取的过程采取W下步骤：
[0024] (41)终端服务器接收到各个云端服务器的差值集合，根据选择的质数构建同余方 程组；
[0025] (42)解同余方程组可得到每个像素点的解密差值集合D(y)，将每个像素点的D(y) 中的值与阔值化k较，统计小于阔值R的个数，设为#，当#大于规定值，设为#min时，判定该像 素点为背景点，同时将结果返回至客户端。
[00%]本发明的原理在于：
[0027] 根据目前隐秘监控视频的背景提取方案的缺陷和不足，可W总结出设计基于中国 剩余定理(CRT)和ViBe算法的监控视频背景检测方法的一些规则，如下所述：
[0028] (1)在秘密共享的基础上使用多云端协作；
[0029] (2)视频的背景提取工作必须在一个隐私保护的方式下来完成。即云端和终端都 不会获的除了客户端输入的视频帖中的像素点是否为背景之外的任何信息。实现运一目标 需要寻找一个背景提取算法，该算法需要有一定的背景识别的正确率，并且还可W在密文 下进行背景判断；
[0030] (3)云端上的数据安全性非常重要，要求在多云端不完全泄漏的情况下可W有效 的保障数据的安全；
[0031] 根据上述规则，本发明利用中国剩余定理（CRT)、ViBe背景提取算法和分布式计 算，设计了一种新的背景提取方案。在该方案中，中国剩余定理用来对视频帖进行拆分加 密，是秘密共享的基础，然后分别发送至不同的云端服务器，云端服务器接收到的是经过加 密处理的视频帖，并且每个服务器都只有一部分原视频帖的信息。在云端服务器中使用 ViBe背景检测算法对视频帖进行处理，之后将每个云端服务器的处理结果发送至终点服务 器，由终点服务器进行像素点是否为背景的判断，并将结果返回至客户端。实验分析表明隐 秘视频背景提取，适合实际的背景提取应用。
[0032] 本发明与现有的技术相比，其优势在于：
[0033] (1)在分布式计算基础上采用多云端协作，提高了处理效率，采用ViBe背景提取算 法，一定程度上增强了背景识别的速度。
[0034] (2)在安全性上，脱离了对密钥的依赖性，依靠任意一个或两个云端服务器的数据 都无法恢复出原视频帖的信息。即使当云端服务器发生数据泄露时，除非取得全部=个云 端服务器中的数据，否则无法恢复出原视频帖，提高了安全性。
[0035] (3)背景提取方案结构简单，计算量小，易于实现。
【附图说明】
[0036] 图1是本发明应用场景图；
[0037] 图2是本发明方案流程图。
【具体实施方式】：
[0038] 下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0039] 客户端：
[0040] 由图2所示，视频输入至客户端，客户端将捕捉到的视频帖转换为单通道灰度图 像，然后利用式(l)，d为像素值，rf't为运算结果，q为一随机数，S为一自定义常整数。
[0041 ]
(1)
[0042]对灰度帖进行处理。选择m个不同的质数：山瓜一91。响}。利用（2)式对像素〇进 行拆分加密：
[00创
（2)
[0044] 每个像素都能得到m个结果，即由一帖图像可W得到m幅图像。如图（2)所示，由上 述过程可将将一视频帖分为m幅加密帖，然后将m幅加密帖分别发送至m个对应的云端服务 器。
[0045] 服务器端：
[0046] (1)如图（2)所示，对应云端服务器接收加密帖后，对第一帖图像的像素使用ViBe 进行建模。对于每个像素点，选择它的邻居像素值得到它的样本模型。设一像素点X，在其八 连通区域内取n个值：
[0047] V(n) = {xi,X2, . . . ,Xi, . . .Xn} (3)
[0048] V(n)即为X点的样本模型。为了使背景模型能够适应背景的不断变化，比如光照， 背景物体的变更等等，每个像素点的样本模型都有一定的概率进行更新。
[0049] (2)使用第一帖建立样本模型后，接收第二帖图像。将新的像素点的值y与该像素 点模型内的值V(n)进行做差后（取模的绝对值，Pm为当前云端服务器对应的质数），得到差 值集合ki，C2, . . .，Cl, . . .，Cn}，设为C(y)。每个服务器内均进行上述操作，之后将每个像素 点对应的差值集合C(y)发送至终端服务器。
[0050] Xnl (4)
[0化1 ]
[0化 2] )
[0化3]
[0化4] (7)
[0055]由图（2)，终端服务器接收到各个云端服务器的差值集合后(式(7))，由差值与质 数Pi建立同余方程组，如式(8):
[0化6]
(8)
[0057] 根据CRT得到每个像素的解密差值集合D(y)，将每个像素点的D(y)中的值与阔值R 比较，统计小于阔值R的个数，设为#，当#大于规定值，设为#min时，判定该像素点为背景点， 同时将结果返回至客户端。
[0058] 总之，本发明中提出的隐秘的背景提取方法能够在密文状态下进行背景提取，与 此同时可W保护客户端和云端双方的数据安全。本发明首次将中国剩余定理和ViBe应用到 背景提取中，运不仅提高了背景提取的效率还提高了数据在云端的安全性，并且使数据安 全脱离了对密钥的依赖性。通过实验显示出本发明提出的方法能够有效的进行视频的背景 提取，是一种计算量小的隐秘背景提取方案。并且该背景提取方法很容易通过软件实现，本 发明可广泛应用推广到视频监控背景提取和视频加密传输中。
[0059] W上所述仅为本发明的一些基本说明，依据本发明的技术方案所做的任何等效变 换，均应属于本发明的保护范围。
【主权项】
1. 一种基于中国剩余定理(CRT)和ViBe算法的监控视频背景检测方法，其特征在于实 现步骤： (1) 客户端将接收的视频帧转为单通道灰度图像； (2) 客户端利用CRT对每个像素点进行运算，并拆分和加密视频帧，之后发送至对应的 云端服务器； (3) 对应的云端服务器对接收到的第一幅视频帧的每个像素点建立样本模型，并且每 个点的模型都有一定进行概率更新； (4) 应用样本模型，云端服务器将之后接收到的图像的每个像素与其对应的样本模型 进行比较，得到每个像素点的差值集合，之后各云端服务器分别将差值集合发送至终端服 务器，由终端服务器统一处理； (5) 终端服务器在接收到每个云端服务器的差值结合后，恢复出解密差值集合，然后根 据规定阈值判断得到背景点，进而得到视频的背景。2. 根据权利要求1所述的基于中国剩余定理(CRT)和ViBe算法的监控视频背景检测方 法，其特征在于:所述步骤（1)中，将视频帧转为单通道灰度图像，和步骤(2)中拆分和加密 视频采取以下步骤： (11) 客户端将输入的视频拆分为图像帧，并将每个图像帧转化为单通道灰度图像； (12) 选择m个不同的质数pi，由改进的CRT对每个像素点做如下的运算： ,其中qe (〇，rmax)，rmax〈s，d为像素值，Cft为运算结果，η为一随机数，s 为一自定义常整数，即根据m个不同质数对每个像素值取余，得到m个余数，图像帧也拆分为 m个加密图像，从而将一个视频帧分为m幅加密帧； (13) 将m幅加密帧分别发送至m个对应的云端服务器。3. 根据权利要求1所述的基于中国剩余定理(CRT)和ViBe算法的监控视频背景检测方 法，其特征在于:所述步骤(3)中，建立样本模型的方法采取以下步骤： (21) 对应服务器接收加密帧后，对于每个像素点，选择它的邻居像素值得到它的样本 模型，设一像素点X，在其八连通区域内取η个值，得到该像素点的样本模型V(n) = {X1， X2, · · · ,Xi, · · ·Χη}; (22) 每个像素的样本模型都有一定概率进行更新。4. 根据权利要求1所述的基于中国剩余定理(CRT)和ViBe算法的监控视频背景检测方 法，其特征在于:所述步骤(4)中，应用样本模型的过程采取以下步骤： (31) 使用第一帧建立样本模型后，接收第二帧图像； (32) 将新的像素点的值与该像素点模型内的值进行做差，取模的绝对值，得到C(y)，每 个云端服务器内均进行上述操作； (33) 得到每个像素点的差值集合后，将差值集合C(y)发送至终端服务器。5. 根据权利要求1所述的基于中国剩余定理(CRT)和ViBe的算法监控视频背景检测方 法，其特征在于:所述步骤(5)中，得到视频的背景过程采取以下步骤： (41) 终端服务器接收到各个云端服务器的差值集合，根据选择的质数构建同余方程 组； (42) 解同余方程组可得到每个像素点的解密差值集合D(y)，将每个像素点的D(y)中的 值与阈值R比较，统计小于阈值R的个数#，当#大于#min时，判定该像素点为背景点，同时将 结果返回至客户端。
【文档编号】G06T7/20GK106023265SQ201610423125
【公开日】2016年10月12日
【申请日】2016年6月15日
【发明人】金鑫, 吴亚明, 李玉珍, 赵耿, 李晓东, 田玉露, 郭魁
【申请人】北京电子科技学院