您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（理学版）》

山东大学学报（理学版） ›› 2018, Vol. 53 ›› Issue (1): 19-29.doi: 10.6040/j.issn.1671-9352.2.2017.077

• • 上一篇    下一篇

基于视频分析的地理信息隐私保护方法

康海燕,黄渝轩,陈楚翘   

  1. 北京信息科技大学信息管理学院, 北京 100192
  • 收稿日期:2017-08-28 出版日期:2018-01-20 发布日期:2018-01-19
  • 作者简介:康海燕(1971— ),男,博士,教授,研究方向为网络安全与隐私保护. E-mail:kanghaiyan@126.com
  • 基金资助:
    国家自然科学基金资助项目(61370139);北京市社会科学基金项目(15JGB099)

Enhancing privacy for geographic information based on video analysis

KANG Hai-yan, HUANG Yu-xuan, CHEN Chu-qiao   

  1. School of Information Management, Beijing Information Science and Technology University, Beijing 100192, China
  • Received:2017-08-28 Online:2018-01-20 Published:2018-01-19

PDF (PC)

699

摘要： 社交网络中的视频资源常常包含了丰富的地理信息,因而给用户隐私安全带来严重的威胁。针对视频中的位置隐私等问题,利用太阳影子定位技术以及图像局部扭曲技术原理,提出了基于图像处理的视频地理信息隐私保护方法。根据观测直杆影子的视频建立太阳影子变化模型,挖掘该视频的地理信息,对视频进行处理,确定自然投影阴影区域。使用自适应网格技术对视频局部区域扭曲,达到了地理信息隐私保护的目的。实验表明,该方法能够对地理信息中包含的个人信息进行伪装和隐藏,同时保证视频连续完整性和可用性。

关键词: 视频地理信息, 最小二乘法拟合, 隐私保护, 太阳影子模型, 自适应网格

Abstract: Video resources in social networks contain abundant geography information, which always cause severe security challenge to individual privacy. A method of enhancing privacy for geographic information based on video analysis(EP-VGI)is proposed with the analytical principle of sun shadow positioning and local image artifacts. To extract geographic information, we set up a model of sun shadow by observe the changing shadow in the video. We selected the natural projection shadow area by processing the video image sequence. By using the methods of adaptive mesh, we achieved our purpose to protect the geographic information and privacy protection. Experiments show the method can be successful to mislead the hacker by hiding geographic information, and ensure the videos availability at the same time by actual testing.

Key words: adaptive mesh, sun shadow positioning model, geographic information, privacy protection, least squares approximation

中图分类号: 

  • TP309
[1] HAYS J, EFROS A A. IM2GPS: estimating geographic information from a single image[C] // IEEE Conference on Computer Vision and Pattern Recognition. Anchorage: IEEE, 2008: 1-8.
[2] SUNKAVALLI K, ROMEIRO F, MATUSIK W, et al. What do color changes reveal about an outdoor scene?[C] // IEEE Conference on Computer Vision and Pattern Recognition. Anchorage: IEEE, 2008: 9-16.
[3] 田建东, 王占鹏, 唐延东. 静态阴影检测的研究进展[J]. 信息与控制, 2015, 44(2):215-222. TIAN Jiandong, WANG Zhanpeng, TANG Yandong. Static shadow detection: a survey[J]. Information and Control, 2015, 44(2):215-222.
[4] GUO Ruiqi, DAI Qieyun, HOIEM D. Single-image shadow detection and removal using paired regions[C] // IEEE Conference on Computer Vision and Pattern Recognition. Piscataway: IEEE, 2011: 2033-2040.
[5] CUCCHIARA R, GRANA C, PICCARDI M, et al. Detecting moving objects, ghosts, and shadows in video streams[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(10):1337-1342.
[6] 王珦磊, 唐加山. 一种基于YUV颜色空间自适应阴影消除算法[J]. 微型机与应用, 2016, 35(7):44-47. WANG Xianglei, TANG Jiashan. An adaptive shadow elimination algorithm based on YUV color space[J]. Microcomputer & Its Applications, 2016, 35(7):44-47.
[7] 金勇, 吴庆标, 刘利刚. 基于自适应网格变形的图像编辑算法[J]. 软件学报, 2012, 34(5):1325-1334. JIN Yong, WU Qingbiao, LIU Ligang. Image editing algorithms based on adaptive mesh deformation[J]. Journal of Software, 2012, 23(5):1325-1334.
[8] 武琳. 基于太阳阴影轨迹的经纬度估计技术研究[D]. 天津: 天津大学, 2010. WU Lin. Geo-location estimation from two shadow trajectories[D]. Tianjin: TianjinUniversity, 2010.
[9] SHEN Yuping, CAO Xiaochun, LU Fei, et al. Camera Calibration from Two Shadow Trajectories.[C] // International Conference on Pattern Recognition. Hong Kong: IEEE, 2006, 2: 1-4.
[10] 2015高教社杯全国大学生数学建模竞赛A题[EB/OL]. http://www.mcm.edu.cn/html_cn/node/ac8b96613522ef62c019d1cd45a125e3.html
[11] 黄飞. 基于局部不变特征的图像分类研究[D]. 北京: 北京邮电大学, 2013. HUANG Fei. Research on local invariant feature based image classification[D]. Beijing: Beijing University of Posts and Telecommunications, 2013.
[12] 唐志敏. 图像分类中的局部不变特征研究[D]. 长沙: 湖南大学, 2015. TANG Zhimin. Study on local invariant features in image classification[D]. Chang Sha: Hunan University, 2015.
[1] 晏燕,郝晓弘. 差分隐私密度自适应网格划分发布方法[J]. 山东大学学报（理学版）, 2018, 53(9): 12-22.
[2] 李艳平,齐艳姣,张凯,魏旭光. 支持用户撤销的多授权机构的属性加密方案[J]. 山东大学学报（理学版）, 2018, 53(7): 75-84.
[3] 毕晓迪,梁英,史红周,田辉. 一种基于隐私偏好的二次匿名位置隐私保护方法[J]. 山东大学学报（理学版）, 2017, 52(5): 75-84.
[4] 康海燕,马跃雷. 差分隐私保护在数据挖掘中应用综述[J]. 山东大学学报（理学版）, 2017, 52(3): 16-23.
[5] 柳欣,徐秋亮,张波. 满足可控关联性的合作群签名方案[J]. 山东大学学报（理学版）, 2016, 51(9): 18-35.
[6] 查明明,王伟. FlowMonitor: Android隐私数据流向监控防护系统[J]. 山东大学学报（理学版）, 2016, 51(9): 59-67.
[7] 李宇溪,王恺璇,林慕清,周福才. 基于匿名广播加密的P2P社交网络隐私保护系统[J]. 山东大学学报（理学版）, 2016, 51(9): 84-91.
[8] 蔡红云,马晓雪. 在线社会网络中基于关系强度的访问控制机制[J]. 山东大学学报（理学版）, 2016, 51(7): 90-97.
[9] 蔡红云, 田俊峰. 云计算中的数据隐私保护研究[J]. 山东大学学报（理学版）, 2014, 49(09): 83-89.
[10] 杨松涛, 马春光, 周长利, 张宗利. 一种地理围栏服务中的LBS隐私保护方法[J]. 山东大学学报（理学版）, 2014, 49(09): 69-73.
[11] 康海燕, 杨孔雨, 陈建明. 基于K-匿名的个性化隐私保护方法研究[J]. 山东大学学报（理学版）, 2014, 49(09): 142-149.
[12] 赵泽茂1,李林1,张帆1,2,张品1,周建钦1,王家波1. 基于分散子匿名区域的位置隐私保护方法[J]. J4, 2013, 48(7): 56-61.
[13] 景旭1,2,3, 何东健1*. 无完全可信PKG身份签名的分层CES方案[J]. J4, 2012, 47(9): 7-14.
[14] 高枫1,何泾沙2. 基于信任和信息流模型的隐私保护方法[J]. J4, 2011, 46(5): 39-43.
[15] 叶明全1,2, 胡学钢1,伍长荣3. 垂直划分多决策表下基于条件信息熵的隐私保护属性约简[J]. J4, 2010, 45(9): 14-19.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 2018 《山东大学学报(理学版)》编辑部　
地址: 山东省济南市山大南路27号山东大学中心校区（250100）　电话: +86-0531-88366917　E-mail: xblxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发