本发明属于行车记录仪，具体涉及一种行车记录仪特殊场景脱敏糊化方法。
背景技术：
1、随着科技的飞速发展，视频监控和图像识别技术已广泛应用于各个领域，提升了社会治理和公共服务的效率。但是，随之而来的还有隐私泄露的风险，隐私保护显得尤为重要。目前，针对敏感信息的处理主要依赖于物理遮挡或水印等方式，这种处理方式大多基于固定的模糊规则，无法根据场景和信息的特殊性进行自适应调整。
技术实现思路
1、本发明所要解决的技术问题便是针对上述现有技术的不足，提供一种行车记录仪特殊场景脱敏糊化方法，它能够将识别到的敏感信息进行模糊化处理。
2、本发明所采用的技术方案是：一种行车记录仪特殊场景脱敏糊化方法，包括以下步骤：
3、(1)基于opencv sdk中的特征检测模型构建敏感图像检测识别模型，包括在opencv sdk中的特征检测模型中加载dlib库和车牌检测模型；
4、(2)获取特殊车牌图像数据和普通车牌图像数据构成的车牌样本集，获取公务人员制服图像数据和日常衣服图像数据构成的制服样本集，获取特殊车辆图像数据和普通车辆图像数据构成的车辆样本集；
5、(3)首先将获取的所有样本集中的图像数据调整为统一尺寸，再将图像数据转换为二值图；
6、(4)将特殊车牌图像数据、公务人员制服图像数据和特殊车辆图像数据作为正样本图像，指定正样本图像的文件夹、正样本图像大小、正样本输出描述文件名称参数后生成正样本描述文件；
7、(5)将普通车牌图像数据、日常衣服图像数据、普通车辆图像数据作为负样本图像，指定负样本图像的文件夹、负样本图像大小、负样本输出描述文件名称参数后生成负样本描述文件；
8、(6)通过正样本描述文件和负样本描述文件，设定训练参数和训练输出结果对敏感图像检测识别模型进行训练，训练完成后得到训练后的敏感图像检测识别模型；
9、(7)获取行车记录仪中的视频文件，并使用使用capread函数读取视频文件中的每一帧，并将读取的视频帧转化为二值图，通过训练后的敏感图像检测识别模型对转化的二值图进行识别，若识别判断为敏感图像，则采用模糊算法对敏感图像进行糊化。
10、作为优选，所述车牌检测模型通过opencv库中的cascadeclassifier类来加载。
11、本发明的有益效果在于：本发明基于opencv sdk的视频图像特征检测模型，提高对特殊场景与特殊人群隐私保护，通过智能识别和精准模糊处理的方式，有效解决了特殊场景和特殊信息的隐私泄露问题，具有智能识别、精准模糊、实时反馈、自适应优化和广泛适用等特点和优势。
1.一种行车记录仪特殊场景脱敏糊化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种行车记录仪特殊场景脱敏糊化方法，其特征在于：所述车牌检测模型通过opencv库中的cascadeclassifier类来加载。
