买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨理工大学申请的专利基于关键帧和图像压缩的视频流并行混沌加密的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116488792B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310650512.1，技术领域涉及：H04L9/00；该发明授权基于关键帧和图像压缩的视频流并行混沌加密的方法是由刘嘉辉;王佳音设计研发完成，并于2023-06-04向国家知识产权局提交的专利申请。

本基于关键帧和图像压缩的视频流并行混沌加密的方法在说明书摘要公布了：本发明提供一种基于关键帧和图像压缩的视频流并行混沌加密的方法，具体为：1.提取视频流的关键帧，对关键帧图像采用高斯肤色模型提取关键帧的感兴趣区域ROI图像，对非关键帧图像采用DCT压缩变换，将关键帧的ROI图像和压缩后的非关键帧图像存放到完全二叉树中；2.通过四维Chen和2D‑Logistic混沌系统生成混沌序列，两种多维混沌系统的初始值由明文图像的哈希值确定；3.对关键帧的ROI图像和压缩后的非关键帧图像实现混沌并行加密，对图像的置乱和循环移位过程通过完全二叉树中图像所在结点位置确定。本发明解决了视频流图像加密中效率不佳的问题，保证了密文图像的安全性，并可以应用到互联网视频流文件中。

本发明授权基于关键帧和图像压缩的视频流并行混沌加密的方法在权利要求书中公布了：1.一种基于关键帧和图像压缩的视频流并行混沌加密的方法，其特征在于： Part_1、对视频流的图像帧进行预处理；通过帧间差分法提取视频流中的关键帧，对关键帧图像采用高斯肤色模型提取人脸特征，定义关键帧图像的感兴趣区域RegionofInterest，记为ROI，对非关键帧图像采用DCTDiscreteCosineTransform压缩变换，将关键帧中的ROI区域图像和压缩后的非关键帧图像放入构建完成的完全二叉树中； Part_2、通过混沌密码发生器生成的混沌序列对图像执行并行加密过程；混沌密码发生器包括2D-Logistic混沌系统和四维Chen混沌系统，四维Chen混沌系统生成的混沌序列用于图像的置乱和多方向扩散，2D-Logistic混沌系统生成的混沌序列用于图像的循环移位和扩散，多维混沌系统的初始值由SHA-256函数生成的每幅明文图像的哈希值设定； Part_3、加密过程分为两部分，第一部分是对关键帧中感兴趣区域图像进行加密，第二部分是对压缩后的非关键帧图像进行加密，通过四维Chen混沌系统生成的混沌序列实现对感兴趣区域图像的加密，使用2D-Logistic映射实现对压缩后的非关键帧图像加密，图像的置乱和循环移位过程通过完全二叉树中图像所在结点位置确定，算法为对称加密算法，解密算法为加密算法的逆过程； Part_1、视频流图像预处理 Func1.1、关键帧提取 具体步骤描述为： S1_1_1、设视频流中的帧为{f1,f2,f3,…,flen_n1},其中，len_n1为视频流中帧的总数，每一帧大小为M×N，M代表存储的矩阵行数，N代表存储的矩阵列数，选取两个视频帧记为fi和fj，i和j为整数，1=i,j=len_n1，计算平均帧间差分强度D： Dfi,fj=∑|fipos_x,pos_y-fjpos_x,pos_y|M×N 其中，pos_x和pos_y代表点的位置坐标； S1_1_2、假设t为目标阈值，前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1；图像的总平均灰度u计算为：u=w0*u0+w1*u1；前景和背景图像的方差g计算为： g=w0*u0-u*u0-u+w1*u1-u*u1-u 设置方差最大的分割阈值作为图像二值化的阈值； S1_1_3、根据选择的目标阈值t，确定视频流中的关键帧； S1_1_4、当平均帧间差分强度D＞t时，fi为关键帧；当平均帧间差分强度D=t时，fi为非关键帧； S1_1_5、Func1.1过程结束； Func1.2、关键帧的感兴趣区域提取 具体步骤描述为： S1_2_1、基于高斯肤色模型实现对人脸特征提取，采用带有人脸特征的彩色图像作为训练图像；将RGB图像转换到YCbCr空间中；其中，Y表示亮度，Cr表示RGB图像中的红色部分，Cb表示RGB图像中的蓝色部分； S1_2_2、将YCbCr空间中全部像素的Y值按照由大到小的顺序排列，通过循环排列前5%的像素数，存放到集合中作为参考白，计算参考白的像素平均值；通过参考白的像素平均值计算光照补偿系数，将光照补偿系数与原图像中对应的R、G、B的像素值相乘，得到光照补偿后的训练图像； S1_2_3、对光照补偿后的训练图像，截取每张训练图像中带有肤色图像的部分，构建二维高斯肤色模型G_D2=m_gd2,C_gd2，其中m_gd2是平均值，C_gd2是协方差矩阵；每个像素点的色度向量为Xi_gd2=Cb,CrT，T代表转置操作，平均值m_gd2和协方差矩阵C_gd2的计算公式为： m_gd2=EXi_gd2=1len_n2∑len_n2i=1Xi_gd2 C_gd2=E[Xi_gd2-m_gd2Xi_gd2-m_gd2T]=1len_n2∑len_n2i=1Xi_gd2-m_gd2Xi_gd2-m_gd2T 其中，len_n2为训练样本中的肤色像素的数量； S1_2_4、二维高斯肤色模型通过判断各像素点的Cb和Cr值距离其平均值的远近得到图像每个像素属于肤色的概率；概率pCb,Cr的计算公式为： pCb,Cr=exp[-0.5Xi_gd2-m_gd2TC_gd2-1Xi_gd2-m_gd2] 其中，exp是以自然常数e为底的指数函数； S1_2_5、输入待检测图像，对图像二值化处理，与输入图像比对排除非人脸区域，通过阈值分割将肤色区域和背景区域分开，选定阈值后，将计算的概率与阈值比较，大于等于阈值选定为肤色像素，反之为非肤色像素； S1_2_6、对二值化图像得到初步肤色区域进行形态学处理，对初步得到的肤色区域进行先腐蚀后膨胀的开运算，通过判断人脸区域面积，设置固定大小的人脸特征的矩形，获得最终的人脸区域；感兴趣区域图像序列记为ImageSeq={IsR1,IsR2,…,IsRlen_n3}，len_n3代表集合元素数量； S1_2_7、Func1.2过程结束； Func1.3、非关键帧的图像压缩 具体步骤描述为： S1_3_1、对非关键帧的视频图像采用DCT离散变换进行压缩，二维信号序列形式化为矩阵MarixVideoM×N，其中，{MvXi_m,i_n|i_m=0,1,…,M-1；i_n=0,1,…,N-1}，DCT变换公式表示为： MvYi_u,i_v=2sqrtM*N*MvCi_u*MvCi_v*Σi_m=0M-1Σi_n=0N-1MvXi_m,i_n*cos2*i_m+1*i_u*pi2Mcos2*i_n+1*i_u*pi2N 其中，i_u=1,2,…,M-1；i_v=1,2,…,N-1；sqrt为计算平方根函数，pi为圆周率，pi=3.14；当MvCi_u=1,i_u≠0时，MvCi_u=1sqrt2；当MvCi_v=1,i_v≠0时，MvCi_v=1sqrt2； S1_3_2、将非关键帧的视频图像的RGB色彩空间转换为YCbCr，将各分量图像像素值减128，定义偏移的像素值分布区间为[-128,127]；分别将各图像分量划分为8×8的子块，并分别对子块执行DCT压缩变换，将图像矩阵从空间域映射到频域，获得由直流系数DC和交流系数AC组成的系数值矩阵； S1_3_3、对经过DCT压缩变换的各子块进行量化，过滤掉DCT变换后得到的高频数据，公式为： Val_Ipointu,pointv=roundVal_Dpointu,pointvVal_Qpointu,pointv 其中，round为四舍五入函数，Val_Ipointu,pointv为量化后的系数在点pointu,pointv对应的值，Val_Dpointu,pointv为经过DCT变换的系数在pointu,pointv点对应的值，Val_Qpointu,pointv为量化表中pointu,pointv对应的系数值； S1_3_4、对DC系数采用差分脉冲调制编码处理，采用相邻子块间DC系数的差值进行编码，对AC系数采用行程编码的方式处理，首先需要将交流系数AC通过zigzag扫描得到一组一维数组，对一维数组进行行程编码处理； S1_3_5、对经过编码处理后的DC系数和AC系数进行熵编码，通过对照Huffman编码表进行熵编码，获得压缩后的图像；对非关键帧压缩后的图像序列记为ImageSeqNo={IsT1,IsT2,…,IsTlen_n4}，len_n4代表集合元素数量； S1_3_6、Func1.3过程结束； Func1.4、完全二叉树的构造 S1_4_1、将关键帧中提取到的ROI区域图像序列与压缩后的非关键帧图像序列存放到完全二叉树的各结点中； S1_4_2、将完全二叉树的根结点记为Tree_0，通过判断图像在完全二叉树的左结点和右结点，确定图像的置乱方式； S1_4_3、Func1.4过程结束； Part_1描述完毕； Part_2、构造混沌密码发生器 将256位哈希值转换为32位十进制值，记为HVal=h1h2…h32； Func2.1、四维Chen混沌序列的生成具体步骤描述为： S2_1_1、四维Chen混沌系统公式为： Chen_Xn+1=Chen_a*Chen_Yn-Chen_Xn Chen_Yn+1=Chen_d*Chen_Xn-Chen_Xn*Chen_Zn+Chen_c*Chen_Yn-Chen_Un Chen_Zn+1=Chen_Xn*Chen_Yn-Chen_b*Chen_Zn Chen_Un+1=Chen_Xn+Chen_k 其中，Chen_a、Chen_b、Chen_c、Chen_d、Chen_k是Chen超混沌系统的控制参数，状态变量为Chen_Xn+1、Chen_Yn+1、Chen_Zn+1和Chen_Un+1，n代表迭代时间； S2_1_2、通过关键帧中提取到的每张感兴趣区域图像的哈希值计算四维Chen混沌系统的初始值，其中，四维Chen混沌系统初始值的计算公式为： Chen_X0=X0’+h1⊕h2⊕h3⊕h4⊕h5⊕h6⊕h7⊕h8256 Chen_Y0=Y0’+h9⊕h10⊕h11⊕h12⊕h13⊕h14⊕h15⊕h16256 Chen_Z0=Z0’+h17⊕h18⊕h19⊕h20⊕h21⊕h22⊕h23⊕h24256 Chen_U0=U0’+h25⊕h26⊕h27⊕h28⊕h29⊕h30⊕h31⊕h32256 其中，⊕为异或运算，X0’、Y0’、Z0’、U0’均为给定值； S2_1_3、将计算出的混沌系统的初始值代入到四维Chen混沌系统公式中进行迭代； S2_1_4、主进程将四个初始值分配到四个子进程中，并行迭代得到四组混沌序列CXid_chen,CYid_chen,CZid_chen和CUid_chen，其中，id_chen为索引值； S2_1_5、将CXid_chen分别进行升序和降序排列得到两组索引序列CX1id_chen和CX2id_chen，根据感兴趣区域图像在完全二叉树中的位置选择相应的索引序列；根据相应的索引序列对CYid_chen,CZid_chen和CUid_chen序列置乱，若使用升序索引序列CX1id_chen，得到序列CY1id_chen,CZ1id_chen和CU1id_chen；若使用降序索引序列CX2id_chen，得到序列CY2id_chen,CZ2id_chen和CU2id_chen，最终选择相应序列对图像进行置乱； S2_1_6、从置乱后的图像中选取四个顶点的像素值作为四维Chen混沌系统新的初始值，并将这四个像素值映射到0,1之间，记为CX’、CY’、CZ’和CU’； S2_1_7、将CX’、CY’、CZ’和CU’作为新的初值代入到四维Chen混沌系统中，得到四组新的混沌序列CX3id_chen、CY3id_chen、CZ3id_chen和CU3id_chen； S2_1_8、根据CX3id_chen和CY3id_chen序列相加得到新的序列CAid_chen；将CAid_chen、CZ3id_chen和CU3id_chen三组序列的取值区间映射到0到255之间，用于图像的扩散过程，转换公式为： CA1id_chen=modCAid_chen-floorCAid_chen×1014,256 CZ4id_chen=modCZ3id_chen-floorCZ3id_chen×1014,256 CU4id_chen=modCU3id_chen-floorCU3id_chen×1014,256 其中，mod为取余函数，floor为向下取整函数； S2_1_9、Func2.1过程结束； Func2.2、2D-Logistic混沌序列的生成具体步骤描述为： S2_2_1、2D-Logistic混沌映射公式为： L2_xn+1=L2_μ1*L2_xn*1-L2_xn L2_yn+1=L2_μ2*L2_yn*1-L2_yn 其中，L2_x0和L2_y0是2D-Logistic混沌映射的初始参数，L2_x0和L2_y0的范围在0,1之间，控制参数L2_μ1和L2_μ2的范围在[0,4]之间，当L2_μ1和L2_μ2处于3.6,4之间，2D-Logistic映射进入混沌状态； S2_2_2、根据压缩后的非关键帧图像的哈希值，生成2D-Logistic混沌系统的初始值，公式为： L2_x0=L2_x0’+h1⊕h2⊕…⊕hi_id1⊕…⊕h16256，1=i_id1=16 L2_y0=L2_y0’+h17⊕h18⊕…⊕hi_id2⊕…⊕h32256，17=i_id2=32 其中，L2_x0’,L2_y0’均为给定值； S2_2_3、根据图像哈希值计算得到初始值，输入控制参数L2_μ1和L2_μ2，初始值L2_x0和L2_y0，代入到2D-Logistic混沌映射公式中迭代； S2_2_4、将两个初始值L2_x0和L2_y0分配到两个子进程中，迭代过程并行执行，最终得到两组混沌序列： L2_xid_L2={L2_x0,L2_x1,…,L2_xM*N-1} L2_yid_L2={L2_y0,L2_y1,…,L2_yM*N-1} 其中，id_L2为集合索引值； S2_2_5、将L2_xid_L2和L2_yid_L2序列做如下处理： L2_x1id_L2=modL2_xid_L2-floorL2_xid_L2×1014,256 L2_y1id_L2=modL2_yid_L2-floorL2_yid_L2×1014,256 S2_2_6、L2_x1id_L2和L2_y1id_L2两组序列执行一次异或运算得到新的序列L2_zid_L2={L2_z0,L2_z1,…,L2_zM*N-1}； S2_2_7、对L2_zid_L2序列做如下处理： L2_z1id_L2=modL2_zid_L2,8 其中，L2_z1id_L2用于确定加密时循环移位的位数； S2_2_8、Func2.2过程结束； Part_2描述完毕； Part_3、数字图像加密 Func3.1、感兴趣区域图像加密 根据视频流图像预处理过程提取出关键帧中的感兴趣区域图像，图像中感兴趣区域通过四维Chen混沌系统和完全二叉树完成加密；具体步骤如下： S3_1_1、判断感兴趣区域图像在完全二叉树中的位置，若图像位于完全二叉树的左结点，则使用升序索引序列CX1id_chen对CYid_chen,CZid_chen和CUid_chen置乱得到CY1id_chen,CZ1id_chen和CU1id_chen；若图像位于完全二叉树的右结点，则使用降序索引序列CX2id_chen对CYid_chen,CZid_chen和CUid_chen置乱得到CY2id_chen,CZ2id_chen和CU2id_chen；通过三组混沌序列分别对彩色图像的三通道置乱； S3_1_2、对彩色图像置乱后的三通道执行四个方向上的扩散；将CA1id_chen、CZ4id_chen和CU4id_chen三组混沌序列分别用于彩色图像的三个分量的扩散过程； S3_1_3、对感兴趣区域图像IsR1进行上下折叠；上下方向的扩散公式为： Up’pixi,pixj=Uppixi,pixj⊕CA1hpixi,pixj Down’len_n5-pixi+1,pixj=Downlen_n5-pixi+1,pixj⊕Up’pixi,pixj 其中，pixi和pixj代表位置索引，len_n5代表折叠方向的长度，Uppixi,pixj和Downpixi,pixj为感兴趣区域图像IsR1的上下部分中在pixi,pixj处的像素值，CA1hpixi,pixj为CA1上半部分在pixi,pixj处的像素值，Up’pixi,pixj和Down’pixi,pixj为Uppixi,pixj和Downpixi,pixj对应的加密像素值； S3_1_4、对感兴趣区域图像IsR1沿左对角线方向折叠；左对角线方向的扩散公式为： Upr’pixi,pixj=Uprpixi,pixj⊕CArhpixi,pixj Downl’pixj,pixi=Downlpixj,pixi⊕Upr’pixi,pixj 其中，Uprpixi,pixj和Downlpixi,pixj为感兴趣区域图像IsR1的右上、左下部分中在pixi,pixj处的像素值，CArhpixi,pixj为CA1右上部分在pixi,pixj处的像素值，Upr’pixi,pixj和Downl’pixi,pixj为Uprpixi,pixj和Downlpixi,pixj对应的加密像素值； S3_1_5、对感兴趣区域图像IsR1左右折叠；左右方向的扩散公式为： Right’pixi,pixj=Rightpixi,pixj⊕CArpixi,pixj Left’pixi,len_n5-pixj+1=Leftpixi,pixj⊕Right’pixi,len_n5-pixj+1 其中，Leftpixi,pixj和Rightpixi,pixj为感兴趣区域图像IsR1的左右部分中在pixi,pixj处的像素值，CArpixi,pixj为CA1右半部分在pixi,pixj处的像素值，Right’pixi,pixj和Left’pixi,pixj为Rightpixi,pixj和Leftpixi,pixj对应的加密像素值； S3_1_6、对感兴趣区域图像IsR1沿右对角线方向折叠；右对角线方向的扩散公式为： Rightd’pixi,pixj=Rightdpixi,pixj⊕CArdpixi,pixj Leftu’pixi,pixj=Leftupixi,pixj⊕Rightd’pixi,pixj 其中，Leftupixi,pixj和Rightdpixi,pixj为感兴趣区域图像IsR1的左上、右下部分中在pixi,pixj处的像素值；CArdpixi,pixj为CA1右下部分在pixi,pixj处的像素值，Rightd’pixi,pixj和Leftu’pixi,pixj为Rightdpixi,pixj和Leftupixi,pixj对应的加密像素值； S3_1_7、对感兴趣区域图像的三个分量分别完成四个方向的扩散后，完成对感兴趣区域图像的加密，对于感兴趣区域图像采用多线程并行加密实现，每个线程加密一张图像； S3_1_8、Func3.1过程结束； Func3.2、非关键帧图像加密 对Func1.3中得到的压缩后的非关键帧图像加密，采用2D-Logistic映射和完全二叉树进行整体加密；加密一幅图像具体步骤如下： S3_2_1、将压缩后的非关键帧图像的三个通道的像素值转换为8位二进制数，构造以行优先的二进制数序列，对其进行循环移位； S3_2_2、判断压缩后的非关键帧图像在完全二叉树中的位置，若图像在完全二叉树的左结点，则将二进制数循环左移；若图像在完全二叉树的右结点，则将二进制数循环右移； S3_2_3、根据2D-Logistic映射生成的L2_z1id_L2序列决定每个像素值对应的二进制数的移动位数； S3_2_4、移位完成后，将新的二进制序列转换为十进制数；使用2D-Logistic映射生成的L2_x1id_L2、L2_y1id_L2和L2_zid_L2三组序列分别对图像的三个通道进行扩散，将其分别与移位后的十进制序列进行异或，异或操作并行执行； S3_2_5、将每一幅图像放到一个线程中对压缩后的非关键帧图像加密，加密过程在多线程下并行执行； S3_2_6、Func3.2过程结束； Part_3描述完毕。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52号哈尔滨理工大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。