[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114863337A - 一种新型屏幕防拍照识别方法 - Google Patents

一种新型屏幕防拍照识别方法 Download PDF

Info

Publication number
CN114863337A
CN114863337A CN202210493502.7A CN202210493502A CN114863337A CN 114863337 A CN114863337 A CN 114863337A CN 202210493502 A CN202210493502 A CN 202210493502A CN 114863337 A CN114863337 A CN 114863337A
Authority
CN
China
Prior art keywords
image
photographing
video frame
model
target detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210493502.7A
Other languages
English (en)
Inventor
陶冠宏
范振军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Days Austrian Group Co ltd
Original Assignee
Chengdu Days Austrian Group Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Days Austrian Group Co ltd filed Critical Chengdu Days Austrian Group Co ltd
Priority to CN202210493502.7A priority Critical patent/CN114863337A/zh
Publication of CN114863337A publication Critical patent/CN114863337A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种新型屏幕防拍照识别方法，包括以下步骤：获取待识别图像‑语义图生成‑实例目标检测‑拍照行为识别‑后处理。本发明可实现复杂背景下高精度窃照装置违规拍摄实时检测与识别，当检测到有人违规用手机、照相机、摄像机等器材拍摄时，能够触发计算机立即隐藏显示内容，即屏幕锁屏，同时记录下拍照人的图像信息，不仅可以有效防止屏幕信息被拍摄窃取，而且能够对违规拍摄行为记录、溯源与查证，极大提高新形势下的保密防范工作的智能化水平。

Description

一种新型屏幕防拍照识别方法
技术领域
本发明涉及一种新型屏幕防拍照识别方法，属于计算机视觉技术领域。
背景技术
近年来，随着智能终端设备如手机、平板电脑的快速普及和大量使用，在国防涉密单位、保密部门、重点行业及企业单位的信息保密工作中，屏幕窃照泄密已经成为失泄密管控的重灾区。虽然目前计算机设备安全防护策略已基本成熟，但防止屏幕被窃照的技术手段依然薄弱。现有防拍照技术手段主要依靠图像采集设备实时采集视频流，对拍照行为进行识别检测。现有的手持窃照装置检测主要基于目标检测技术实现，即在图像中找出人和手持窃照装置，确定它们的位置和大小，但受到复杂环境的影响，各类物体在不同环境下有不同的外观和形态，加上成像时光照、遮挡、相似物体共存等因素的干扰，屏幕窃照检测存在容易误识别、识别精度不高的问题，无法满足实际场景的需求。
因此，为解决以上问题，亟需一种新的屏幕防拍照识别算法。
发明内容
为解决上述技术问题，本发明提供了一种新型屏幕防拍照识别方法，该新型屏幕防拍照识别方法解决了现有防拍照识别方法在复杂背景下存在容易误识别、精度不高的问题，在基于语义图并融合目标检测模型和拍照分类模型的屏幕防拍照识别方法，能够有效解决复杂背景对识别精度的干扰并显著提升拍照识别准确率，进而提高防范失泄密智能化水平。
本发明通过以下技术方案得以实现。
本发明提供的一种新型屏幕防拍照识别方法，包括以下步骤：
①获取待识别图像：从安装在屏幕的USB即插即用摄像头采集视频帧图像；
②语义图生成：获取待识别的视频帧图像，采用端到端的图像分割模型去除该图像中的背景信息，得到仅保留感兴趣对象的前景图像；
③实例目标检测：采用微调单阶段的目标检测模型对语义图中的拍照手机进行检测，确定是否有手机；
④拍照行为识别：采用分类模型对语义图进行拍照行为识别，确定是否有拍照行为；
⑤后处理：对目标检测结果与拍照识别分类结果进行融合分析，若发生拍照行为则进行屏幕锁屏、证据留存操作，反之返回步骤①，继续处理后续视频帧图像。
所述步骤②中，感兴趣对象的前景图像仅包括人和手机。
所述步骤①中，把拍摄到的工位区域监控画面作为后续处理的主要对象。
所说步骤②具体分为以下步骤：
(2.1)提取视频帧图像掩码：采用输入尺寸为320*320*3的图像分割模型U2Net提取视频帧图像的掩码，该掩码为去除了背景信息的灰度图，其前景与背景的像素值分别用255与0表示；
(2.2)灰度掩码图转彩色掩码图：将灰度掩码图与原始图像进行差运算得到彩色掩码图；
(2.3)生成语义图：将彩色掩码图与原始图像分别在RGB三通道进行像素值替换，获取原始视频帧图像的仅保留了感兴趣对象的语义图。
所述步骤(2.3)中，像素值替换为：
把彩色掩码图中的背景像素值替换为255，前景像素值替换为原始图像对应的像素值。
所述步骤③中，采用微调单阶段的YOLO-v5目标检测模型对待识别视频帧图像的语义图进行目标检测，将检测到的感兴趣目标cell-phone的结果作为后续拍照行为识别阶段的先验信息。
所述YOLO-v5目标检测模型是在自建的目标检测数据集phone-detection上进行微调训练后得到的，该模型输入尺寸为640*640*3，训练轮数为200。
所述自建的目标检测数据集为：
从coco2017公共数据集抽取标签为person、cell-phone、cup的图像产生子集sub-coco17与对采集的视频帧图像数据进行类别为person、cell-phone手工标注后统一融合组成。
所述步骤④中，采用构建的拍照识别分类模型photo-rec-model对待识别视频帧图像的语义图进行拍照行为识别，将识别结果与输入的先验信息进行综合判别，输出到后续防拍照后处理阶段。
所述拍照识别模型photo-rec-model是以Resnet-Inceptionv2为基础模型并添加池化层、卷积层、Dropout层、全连接层及输出层组成的二分类模型，并在自建的拍照数据集photo-rec上微调训练后得到的，该模型输入尺寸为229*229*3的RGB图像，训练轮数为150；
所述自建的拍照数据集为：
采用USB即插即用型摄像头采集办公工位场景下的状态为使用手机、未使用手机及手机拍照三种情形的视频帧图像数据，按非拍照non-shooting与拍照shooting两类组成。
本发明的有益效果在于：可实现复杂背景下高精度窃照装置违规拍摄实时检测与识别，当检测到有人违规用手机、照相机、摄像机等器材拍摄时，能够触发计算机立即隐藏显示内容，即屏幕锁屏，同时记录下拍照人的图像信息，不仅可以有效防止屏幕信息被拍摄窃取，而且能够对违规拍摄行为记录、溯源与查证，极大提高新形势下的保密防范工作的智能化水平。
附图说明
图1是本发明的流程图；
图2是语义图的生成流程图；
图3是本发明实施例的实际场景验证结果图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
如图1和图2所示，一种新型屏幕防拍照识别方法，包括以下步骤：
①获取待识别图像：从安装在屏幕的USB即插即用摄像头采集视频帧图像；
②语义图生成：获取待识别的视频帧图像，采用端到端的图像分割模型去除该图像中的背景信息，得到仅保留感兴趣对象的前景图像；
③实例目标检测：采用微调单阶段的目标检测模型对语义图中的拍照手机进行检测，确定是否有手机；
④拍照行为识别：采用分类模型对语义图进行拍照行为识别，确定是否有拍照行为；
⑤后处理：对目标检测结果与拍照识别分类结果进行融合分析，若发生拍照行为则进行屏幕锁屏、证据留存操作，反之返回步骤①，继续处理后续视频帧图像。
所述步骤②中，感兴趣对象的前景图像仅包括人和手机。
所述步骤①中，把拍摄到的工位区域监控画面作为后续处理的主要对象。
所说步骤②具体分为以下步骤：
(2.1)提取视频帧图像掩码：采用输入尺寸为320*320*3的图像分割模型U2Net提取视频帧图像的掩码，该掩码为去除了背景信息的灰度图，其前景与背景的像素值分别用255与0表示；
(2.2)灰度掩码图转彩色掩码图：将灰度掩码图与原始图像进行差运算得到彩色掩码图；
(2.3)生成语义图：将彩色掩码图与原始图像分别在RGB三通道进行像素值替换，获取原始视频帧图像的仅保留了感兴趣对象的语义图。
所述步骤(2.3)中，像素值替换为：
把彩色掩码图中的背景像素值替换为255，前景像素值替换为原始图像对应的像素值。
所述步骤③中，采用微调单阶段的YOLO-v5目标检测模型对待识别视频帧图像的语义图进行目标检测，将检测到的感兴趣目标cell-phone的结果作为后续拍照行为识别阶段的先验信息。
所述YOLO-v5目标检测模型是在自建的目标检测数据集phone-detection上进行微调训练后得到的，该模型输入尺寸为640*640*3，训练轮数为200。
所述自建的目标检测数据集为：
从coco2017公共数据集抽取标签为person、cell-phone、cup的图像产生子集sub-coco17与对采集的视频帧图像数据进行类别为person、cell-phone手工标注后统一融合组成。
所述步骤④中，采用构建的拍照识别分类模型photo-rec-model对待识别视频帧图像的语义图进行拍照行为识别，将识别结果与输入的先验信息进行综合判别，输出到后续防拍照后处理阶段。
所述拍照识别模型photo-rec-model是以Resnet-Inceptionv2为基础模型并添加池化层、卷积层、Dropout层、全连接层及输出层组成的二分类模型，并在自建的拍照数据集photo-rec上微调训练后得到的，该模型输入尺寸为229*229*3的RGB图像，训练轮数为150；
所述自建的拍照数据集为：
采用USB即插即用型摄像头采集办公工位场景下的状态为使用手机、未使用手机及手机拍照三种情形的视频帧图像数据，按非拍照non-shooting与拍照shooting两类组成。
实施例
如图1～3所示，一种新型屏幕防拍照行为识别方法，包括如下步骤：
①获取待识别图像：从安装于屏幕中间顶端的USB即插即用摄像头采集视频帧图像；
②语义图生成：获取待识别的视频帧图像，采用端到端的图像分割模型去除该图像中的背景信息得到仅保留感兴趣对象的前景图像；
③实例目标检测：采用微调单阶段的目标检测模型对语义图中的拍照手机进行检测，其结果作为后续识别阶段的先验信息；
④拍照行为识别：采用分类模型对语义图进行拍照行为识别；
⑤后处理：对目标检测结果与拍照识别分类结果进行融合分析，若发生拍照行为则进行屏幕锁屏、证据留存操作，反之继续处理后续视频帧图像。
该方法的具体实施步骤如下：
1.获取待识别图像：从安装于屏幕中间顶端的USB即插即用摄像头采集视频帧图像，把其拍摄到的工位区域监控画面作为后续处理的主要对象。
2.语义图生成阶段：
1)提取视频帧图像掩码：采用输入尺寸为320*320*3的图像分割模型U2Net提取视频帧图像的掩码，该掩码为去除了背景信息的灰度图，其前景与背景的像素值分别用255与0表示；
2)灰度掩码图转彩色掩码图：将灰度掩码图与原始图像进行差运算得到彩色掩码图；
3)生成语义图：将彩色掩码图与原始图像分别在RGB三通道进行像素值替换，即把彩色掩码图中的背景像素值替换为255，前景像素值替换为原始图像对应的像素值，从而得到原始视频帧图像的仅保留了感兴趣对象的语义图。
3.实例目标检测阶段：
采用微调单阶段的YOLO-v5目标检测模型对待识别视频帧图像的语义图进行目标检测，将检测到的感兴趣目标cell-phone的结果作为后续拍照行为识别阶段的先验信息。
其中，YOLO-v5目标检测模型是在自建的目标检测数据集phone-detection上进行微调训练后得到的，模型输入尺寸为640*640*3，训练轮数200；自建的目标检测数据集为从coco2017公共数据集抽取标签为person、cell-phone、cup的图像产生子集sub-coco17与对采集的视频帧图像数据进行类别为person、cell-phone手工标注后统一融合组成的。
4.拍照行为识别阶段：
采用构建的拍照识别分类模型photo-rec-model对待识别视频帧图像的语义图进行拍照行为识别，将识别结果与输入的先验信息进行综合判别，输出到后续防拍照后处理阶段，反之继续处理下一视频帧图像。
其中，拍照识别模型photo-rec-model是以Resnet-Inceptionv2为基础模型并添加池化层、卷积层、Dropout层、全连接层及输出层组成的二分类模型，并在自建的拍照数据集photo-rec上微调训练后得到的，模型输入尺寸为229*229*3的RGB图像，训练轮数150；自建的拍照数据集为采用USB即插即用型摄像头采集办公工位场景下的状态为使用手机、未使用手机及手机拍照三种情形的视频帧图像数据按非拍照(non-shooting)与拍照(shooting)两类组成的。
5.防拍照后处理阶段：
根据拍照识别结果，如果判别为发生拍照行为则对屏幕进行锁屏，同时将判别结果标注在待识别视频帧图像作为证据留存，然后继续处理下一视频帧图像。
本发明所述方法对本领域的相关技术人员是容易理解和实现的，所述方法可基于软件系统实现部署或可集成于硬件通过程序指令来实现部署。
本发明所涉及的语义图生成方法、目标检测模型或拍照识别分类模型不局限于本文所述，可涵盖相关的任何变型或适应性变化，且遵循本发明的一般性原理或惯用技术手段。

Claims (10)

1.一种新型屏幕防拍照识别方法，其特征在于：包括以下步骤：
①获取待识别图像：从安装在屏幕的USB即插即用摄像头采集视频帧图像；
②语义图生成：获取待识别的视频帧图像，采用端到端的图像分割模型去除该图像中的背景信息，得到仅保留感兴趣对象的前景图像；
③实例目标检测：采用微调单阶段的目标检测模型对语义图中的拍照手机进行检测，确定是否有手机；
④拍照行为识别：采用分类模型对语义图进行拍照行为识别，确定是否有拍照行为；
⑤后处理：对目标检测结果与拍照识别分类结果进行融合分析，若发生拍照行为则进行屏幕锁屏、证据留存操作，反之返回步骤①，继续处理后续视频帧图像。
2.如权利要求1所述的新型屏幕防拍照识别方法，其特征在于：所述步骤②中，感兴趣对象的前景图像仅包括人和手机。
3.如权利要求1所述的新型屏幕防拍照识别方法，其特征在于：所述步骤①中，把拍摄到的工位区域监控画面作为后续处理的主要对象。
4.如权利要求1所述的新型屏幕防拍照识别方法，其特征在于：所说步骤②具体分为以下步骤：
(2.1)提取视频帧图像掩码：采用输入尺寸为320*320*3的图像分割模型U2Net提取视频帧图像的掩码，该掩码为去除了背景信息的灰度图，其前景与背景的像素值分别用255与0表示；
(2.2)灰度掩码图转彩色掩码图：将灰度掩码图与原始图像进行差运算得到彩色掩码图；
(2.3)生成语义图：将彩色掩码图与原始图像分别在RGB三通道进行像素值替换，获取原始视频帧图像的仅保留了感兴趣对象的语义图。
5.如权利要求4所述的新型屏幕防拍照识别方法，其特征在于：所述步骤(2.3)中，像素值替换为：
把彩色掩码图中的背景像素值替换为255，前景像素值替换为原始图像对应的像素值。
6.如权利要求1所述的新型屏幕防拍照识别方法，其特征在于：所述步骤③中，采用微调单阶段的YOLO-v5目标检测模型对待识别视频帧图像的语义图进行目标检测，将检测到的感兴趣目标cell-phone的结果作为后续拍照行为识别阶段的先验信息。
7.如权利要求6所述的新型屏幕防拍照识别方法，其特征在于：所述YOLO-v5目标检测模型是在自建的目标检测数据集phone-detection上进行微调训练后得到的，该模型输入尺寸为640*640*3，训练轮数为200。
8.如权利要求7所述的新型屏幕防拍照识别方法，其特征在于：所述自建的目标检测数据集为：
从coco2017公共数据集抽取标签为person、cell-phone、cup的图像产生子集sub-coco17与对采集的视频帧图像数据进行类别为person、cell-phone手工标注后统一融合组成。
9.如权利要求1所述的新型屏幕防拍照识别方法，其特征在于：所述步骤④中，采用构建的拍照识别分类模型photo-rec-model对待识别视频帧图像的语义图进行拍照行为识别，将识别结果与输入的先验信息进行综合判别，输出到后续防拍照后处理阶段。
10.如权利要求9所述的新型屏幕防拍照识别方法，其特征在于：所述拍照识别模型photo-rec-model是以Resnet-Inceptionv2为基础模型并添加池化层、卷积层、Dropout层、全连接层及输出层组成的二分类模型，并在自建的拍照数据集photo-rec上微调训练后得到的，该模型输入尺寸为229*229*3的RGB图像，训练轮数为150；
所述自建的拍照数据集为：
采用USB即插即用型摄像头采集办公工位场景下的状态为使用手机、未使用手机及手机拍照三种情形的视频帧图像数据，按非拍照non-shooting与拍照shooting两类组成。
CN202210493502.7A 2022-05-07 2022-05-07 一种新型屏幕防拍照识别方法 Pending CN114863337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210493502.7A CN114863337A (zh) 2022-05-07 2022-05-07 一种新型屏幕防拍照识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210493502.7A CN114863337A (zh) 2022-05-07 2022-05-07 一种新型屏幕防拍照识别方法

Publications (1)

Publication Number Publication Date
CN114863337A true CN114863337A (zh) 2022-08-05

Family

ID=82634551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210493502.7A Pending CN114863337A (zh) 2022-05-07 2022-05-07 一种新型屏幕防拍照识别方法

Country Status (1)

Country Link
CN (1) CN114863337A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116343099A (zh) * 2023-05-26 2023-06-27 东莞市金铠计算机科技有限公司 一种基于机器视觉的计算机屏幕信息防窃照系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10217195B1 (en) * 2017-04-17 2019-02-26 Amazon Technologies, Inc. Generation of semantic depth of field effect
CN109993091A (zh) * 2019-03-25 2019-07-09 浙江大学 一种基于背景消除的监控视频目标检测方法
CN110163100A (zh) * 2019-04-17 2019-08-23 中国电子科技网络信息安全有限公司 一种防拍照显示器
CN110443136A (zh) * 2019-07-04 2019-11-12 北京九天翱翔科技有限公司 一种全智能电脑显示屏防手机偷拍系统
CN110705558A (zh) * 2019-09-29 2020-01-17 郑州阿帕斯科技有限公司 图像实例分割方法和装置
CN111581679A (zh) * 2020-05-06 2020-08-25 台州智必安科技有限责任公司 一种基于深度网络的防范屏幕拍照方法
CN111833372A (zh) * 2020-07-23 2020-10-27 浙江大华技术股份有限公司 一种前景目标提取方法及装置
WO2022017261A1 (zh) * 2020-07-24 2022-01-27 华为技术有限公司 图像合成方法和电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10217195B1 (en) * 2017-04-17 2019-02-26 Amazon Technologies, Inc. Generation of semantic depth of field effect
CN109993091A (zh) * 2019-03-25 2019-07-09 浙江大学 一种基于背景消除的监控视频目标检测方法
CN110163100A (zh) * 2019-04-17 2019-08-23 中国电子科技网络信息安全有限公司 一种防拍照显示器
CN110443136A (zh) * 2019-07-04 2019-11-12 北京九天翱翔科技有限公司 一种全智能电脑显示屏防手机偷拍系统
CN110705558A (zh) * 2019-09-29 2020-01-17 郑州阿帕斯科技有限公司 图像实例分割方法和装置
CN111581679A (zh) * 2020-05-06 2020-08-25 台州智必安科技有限责任公司 一种基于深度网络的防范屏幕拍照方法
CN111833372A (zh) * 2020-07-23 2020-10-27 浙江大华技术股份有限公司 一种前景目标提取方法及装置
WO2022017261A1 (zh) * 2020-07-24 2022-01-27 华为技术有限公司 图像合成方法和电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116343099A (zh) * 2023-05-26 2023-06-27 东莞市金铠计算机科技有限公司 一种基于机器视觉的计算机屏幕信息防窃照系统
CN116343099B (zh) * 2023-05-26 2023-07-25 东莞市金铠计算机科技有限公司 一种基于机器视觉的计算机屏幕信息防窃照系统

Similar Documents

Publication Publication Date Title
Jung Efficient background subtraction and shadow removal for monochromatic video sequences
CN102833478B (zh) 容错背景模型化
Mushtaq et al. Digital image forgeries and passive image authentication techniques: a survey
Kashyap et al. An evaluation of digital image forgery detection approaches
CN111368635B (zh) 一种基于毫米波的多人步态识别方法及装置
CN1849613A (zh) 用于特征识别的设备和方法
Zhang et al. License plate localization in unconstrained scenes using a two-stage CNN-RNN
Su et al. A novel forgery detection algorithm for video foreground removal
KR20170015639A (ko) 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법
CN111242077A (zh) 一种人物追踪方法、系统及服务器
CN113537050A (zh) 一种基于局部图像增强的动态人脸识别算法
CN114332744B (zh) 一种基于机器视觉的变电站自适应安防方法及系统
CN112699810B (zh) 一种提升室内监控系统人物识别精度的方法及装置
CN114093014A (zh) 一种图码关联强度计算方法、装置、设备及存储介质
CN114885119A (zh) 一种基于计算机视觉的智能监控报警系统及方法
CN114863337A (zh) 一种新型屏幕防拍照识别方法
CN111429376A (zh) 高低精度融合的高效数字图像处理方法
Ma et al. Multi-perspective dynamic features for cross-database face presentation attack detection
CN115273208A (zh) 轨迹生成方法、系统、装置及电子设备
KR101547255B1 (ko) 지능형 감시 시스템의 객체기반 검색방법
CN112907206B (zh) 一种基于视频对象识别的业务审核方法、装置及设备
CN111985331B (zh) 预防商业秘密被窃照的检测方法及装置
CN114140674B (zh) 结合图像处理及数据挖掘技术的电子证据可用性鉴别方法
González et al. Towards refining ID cards presentation attack detection systems using face quality index
CN110572618B (zh) 一种非法拍照行为监控方法、装置及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination