المستخلص
نظرًا للاستخدام الواسع النطاق لكاميرات المراقبة، تعد حماية الخصوصية في لقطات المراقبة أمرًا بالغ الأهمية. أحد أهم التحديات الاجتماعية والسياسية التي يمكن مواجهتها هو حماية خصوصية الفرد، والتي يتم تحديدها من خلال مجموعة متزايدة من التكنولوجيا والخدمات التمكينية والدعم. تزايدت المخاوف المتعلقة بالحفاظ على خصوصية الأشخاص بشكل ملحوظ نتيجة للتطورات الأخيرة في مراقبة الفيديو. تركز الأساليب المقدمة حاليًا بشكل قوي على تحديد موقع المنطقة الحساسة والحفاظ على سلوك الهدف. تعد عملية تطوير نموذج التصنيف العميق للجنس (Deep-GCM) وعملية اكتشاف وتشفير مناطق الوجه (DE-FR) مرحلتين رئيسيتين في هيكل نموذج حماية الوجه المقترح-LCNN-MGIFT. بلغت الدقة التي حصل عليها النظام المقترح 97% لطريقة LCNN، و96% لنموذج التعلم العميق، و96% لخوارزمية CNN-fine Tuning-EfficientNet-B7 خفيفة الوزن واظهرت التجارب على مجموعه البيانات فعالية النموذج المقترح من حيث الدقة الامنية وكفاءة البحث مقارنه بالاعمال حيث حقق PSNR-8.17899 وMSE-10004.37 dB بين الصورة الاصلية والمشفرة.
