基于混沌序列的視頻隱私保護系統設計與實現

（中國人民公安大學 信息網絡安全學院,北京 102600）

0 引言

視頻監控系統可以分為兩個種類，第一種是公共場所的視頻監控系統[1]。其目的是增強公安等執法部門對于突發事件的預防和管控的能力，保障社會治安和公民的各項權利。這類系統常常和社會機構結合，從而更好的運作。例如在道路上監控交通狀況的交通監控系統。因此，這些監控系統就像是深入人們生活的“第三只眼睛”，在公共場所中人們的一言一行在這實時監控之下一覽無遺，而人們就生活在這種貌似隱私被別人隨時窺視的恐慌之中。還有一種是由個人安裝的系統，目的是對于自身財物和安全的保護，此類系統安裝的地方多為私人住宅或者中小型私營場所。與上一種系統的社會機構的專業管理人員相比，這些人員的專業度較差、自我道德約束力較弱，不乏有偷窺者混跡其中。且由于此類系統脫離了公共的監管范圍，個人的隱私得不到保護，被竊取盜用的情況屢見不鮮，給生活平添隱私泄漏的煩惱。

盡管已經有保障人們隱私的法律出臺和實施，然而國內立法尚且不成熟，各項法律法規亟待完善。此外，法律的確立并非易事，而如果一般的隱私泄露事件如果采取法律手段會消耗大量公共資源。由此可以看出采取可行的技術手段保護隱私是時代的趨勢。

1 MTCNN人臉檢測算法

Multi-task Cascaded Convolutional Neural Networks，簡稱MTCNN，是多任務級聯卷積神經網絡[2]。該算法第一次將人臉檢測和人臉特征點定位結合起來，而得到的人臉特征點又可以實現人臉校正，其誕生具有重大意義。該算法極大地提高了檢測性能，減弱了角度、光照、遮擋等因素對于人臉識別和人臉對齊的影響。該算法由三個網絡結構組成，第一層為P-Net，能夠通過CNN快速產生候選框體；第二層是R-Net，能夠通過更復雜一點的CNN精煉候選窗體，丟棄大量的重疊窗體；第三層是O-Net，使用了更強大的CNN，實現了候選窗體去留，同時回歸5個面部關鍵點。將三層網絡架構和卷積神經網絡算法相結合的關鍵點定位以及人臉檢測的MTCNN是目前人臉檢測與人臉特征點定位領域表現最好的算法之一。

2 混沌序列圖像加解密算法

混沌序列的圖像加密解密算法利用異或運算對數據進行隱藏[3]。該運算有一特點：使用同一數據對圖像數據進行連續的兩次異或運算后圖像數據不會發生改變，利用這一特性就能在對圖像數據進行加密保護的同時不改變原來的圖像數據。

該加密算法對于圖像數據的加密十分有效，在實現圖像數據加密的同時不僅保證了其數據的完整性更使其在網絡傳輸中不被他人輕易地獲取，實現數據的隱藏保護。算法整體如圖1所示。

圖1 混沌序列的圖像加密解密算法整體架構

該算法利用混沌序列來完成對像素矩陣的異或加密運算和初等變換，算法如圖2所示。

3 系統功能模塊設計

系統將視頻隱私保護劃分成多個模塊。這幾個模塊以不同的職能和服務為具體的劃分理由，通過模塊化的拆分和組合，可以方便管理員對系統的維護，并且保證了系統的可延展性，為之后擴大系統的使用規模打下良好的基礎，也方便管理員對我系統的學習以及應用[4]。不同角色的模塊相互配合，也增加了系統的安全性，易于管理。系統的功能模塊如圖3所示。

圖2 混沌序列加密解密算法具體過程

圖3 視頻隱私保護系統模塊

該系統首先通過構建MTCNN網絡實現對于人臉的識別，然后采用基于混沌序列的圖像加密解密算法對人臉進行加密解密。具體算法流程如圖4所示。

圖4 視頻隱私保護系統算法流程

4 系統功能實現

該系統有兩個功能，一是可以對攝像頭前的人臉信息進行實時加密，并將視頻存儲在系統硬盤內，通過正確的密鑰才可以對加密的視頻進行解密，二是對現有的視頻中的人臉信息進行加密，通過正確的密鑰才可以對加密的視頻進行解密，保證了視頻傳遞期間人臉信息的安全性，有效保護了視頻中人們的個人隱私。

4.1 人臉信息實時加密

視頻監控其設計目的是維護社會穩定，對于違法犯罪行為的發生能夠發現并且采取有效措施。然而這類系統在設計之初卻忽略了對個人隱私的保護問題。

人臉信息實時加密功能通過視頻采集模塊獲取攝像頭捕獲的視頻幀，在程序運行的過程中，加載MTCNN多層網絡結果并將捕獲的視頻幀輸入其中去，可以達到實時捕獲人臉的目的。當檢測出視頻中的人臉時，通過混沌序列的圖像加密解密算法對人臉框進行加密。實驗效果如圖5—7所示。

4.2 視頻人臉信息加密

現今，人臉信息泄露的事件時有發生。這些人臉信息泄露的事件無不再告訴人們隱私保護的重要性，人們也生活在這種隱私隨時可能被泄露的風險中。正因生活中有諸多人臉信息被泄露的風險，人臉信息的加密就顯得尤為重要。

系統通過視頻采集模塊導入視頻幀，然后調用MTCNN進行人臉識別，并通過混沌序列的人臉加密方法對識別出的人臉進行加密，最后導出視頻。

通過視頻隱私保護系統來對視頻中的人臉進行加密，截取其中的效果圖來展示系統的功能。

圖5 人臉信息實時加密

圖6 單人人臉加密圖像

圖7 多人人臉加密圖像

當視頻進行加密后，需要輸入正確的密鑰才可以對加密的人臉圖像進行解密。當輸入錯誤的密鑰時，視頻將無法正確解密，人臉圖像將依舊保持這被加密的狀態。基于混沌序列的圖像加密解密算法是運用異或運算將數據進行隱藏，所以連續使用同一數據對圖像數據兩次異或運算圖像的數據不會發生改變，但是當兩次異或的數據不一樣時，便不會正確解密加密的圖像，通過這種方式對視頻中的人臉信息達到了有效保護的目的，保護了個人隱私。

5 結語

信息化時代已經來臨，大量的個人信息出現在互聯網上，個人信息泄露也時有發生，隱私的泄露已經常態化。而人臉信息更是一種至關重要的個人信息，一旦被別有用心之人竊取用作其他活動，又或者是個人隱私視頻中的人臉信息的泄露，都可能對個人造成不同程度的傷害。而基于混沌序列的視頻隱私保護系統能夠很好地保護視頻中的人臉信息不被泄露，具有較好的應用價值與市場前景。

現今，多數人臉檢測算法已經達到了很高的準確率，人臉檢測已不再是一項難題。本文參考了一定數量的人臉檢測文獻，選取了MTCNN人臉檢測算法，并結合了混沌序列的加密解密算法設計出了該視頻隱私保護系統。首先，選取代表性較好的人臉樣本之后，利用人臉檢測率較高和實時性較強的MTCNN算法，訓練出分類效果較好的分類器，對圖片和視頻中的人臉進行檢測，然后利混沌序列的圖像加密解密算法對其進行加密，通過秘鑰的交換就可以實現人臉圖像的解析。

本文所設計的視頻隱私保護系統，運用了MTCNN多層網絡結構來檢測視頻中人臉，經過多次實驗，即使是在復雜的人臉環境下，對于人臉的檢測也達到了很好的效果。同時本文研究的混沌序列的圖像加密解密技術對人臉檢測框內的每一個像素點進行混沌，并通過異或運算將數據隱藏，使得圖像的安全性得到了有效的保護，同時算法的簡易性使得程序易于實現，可以有效運用于視頻隱私保護。