随着平安城市、智慧城市等政策不断落实和安防行业蓬勃发展,视频监控大联网的趋势也愈加明显,安防体系日趋完善,视频监控也由于安防与互联网的完美结合而提升了区域安全保障,但是大量的监控视频通过网络进行存储、传输和访问,使广大用户不得不担忧自己的隐私暴露于监控系统并遭到不法利用,让安全需求和隐私保护的原始冲突尽显,如何在视觉隐私保护和安全监控之间达到可接受的平衡状态成为一个极具挑战的任务。目前已有的视觉隐私保护方法大多站在视频使用者的角度来保护视觉隐私,以视频加密为核心,分级授权来提供访问。而本文提出的针对高清监控视频的协同监控视觉隐私保护方法以被监控者为切入点,研究具有固定人员区域如生活社区等场所的视觉隐私保护机制。对于具有安全属性的固定人员,其视觉信息将会从源头上得到绝对保护,具有危险属性的非固定人员将被严格监控。固定人员的安全属性直接决定了其视觉信息将被严格保护,而不是由视频使用人员的身份属性来决定。具体地,本文将选择性地跟踪和监控行人,并采用人脸识别判断需要被保护的行人,同时采用基于动态背景模型的隐私替换方法保护视觉隐私,主要工作包括:第一,针对Vibe算法应用于高清视频运动目标检测的计算量太大和噪声影响严重等问题,提出了改进的高清监控视频中Vibe快速前景检测方法。新方法摒弃了原方法中对每一个像素点都建立样本集合的思路,对背景模型进行了大尺度缩减,在每一帧图像进行适度的均匀采样以用于建立Vibe背景模型(1),对待检测图像进行相同的采样,运用Vibe方法检测前景区域,结合轮廓检测与面积比较剔除部分误检结果,最后根据源图像与采样图像的线性关系将检测结果恢复到原图像。该方法成倍减少了前景检测计算量,同时采样也削弱了光照轻微变化产生的噪声。此外,前景运动目标检测结果被进一步运用于背景替换方法中的背景模型(2)更新,使得背景动态变化,光照、纹理等信息随时间缓慢过渡,前景与背景时刻保持高度匹配,有效保证了隐私保护处理后的视觉完整性。第二,针对具有固定人员区域的用户隐私保护与安全监控冲突问题,提出了协同监控视觉隐私保护方法。该方法根据摄像机固定的特点,建立用于前景检测的动态背景模型(1)来适应一天之中光照强度的变化,采用改进的高清监控视频中快速前景检测方法提取视频前景,在前景区域执行行人检测达到分离轻度粘连的行人目标的目的,大幅降低了行人检测计算量。针对每一个候选目标,采用局部敏感直方图作为目标特征标识,结合数据关联算法和卡尔曼滤波来匹配跟踪目标和候选目标,然后应用人脸识别技术鉴别隐私区域(固定人员对应区域)。最后,采用前景检测结果来更新用于隐私替换的动态背景模型(2),并使用该模型替换视觉隐私信息。实验结果表明,该技术在常规运动场景中可以准确地保护固定人员视觉隐私且保证视觉完整性,同时有效监控非固定人员。