[發明專利]基于深度網絡的目標追蹤攻擊與防御方法有效
| 申請號： | 202010337803.1 | 申請日： | 2020-04-26 |
| 公開（公告）號： | CN111627044B | 公開（公告）日： | 2022-05-03 |
| 發明（設計）人： | 馬超;楊小康 | 申請（專利權）人： | 上海交通大學 |
| 主分類號： | G06T7/246 | 分類號： | G06T7/246;G06V10/25;G06V10/774;G06K9/62 |
| 代理公司： | 上海恒慧知識產權代理事務所(特殊普通合伙) 31317 | 代理人： | 劉翠 |
| 地址： | 200240 *** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 網絡 目標 追蹤 攻擊 防御 方法 | ||
1.一種基于深度網絡的目標追蹤攻擊方法，其特征在于，包括：
S1，獲取被攻擊目標跟蹤器的網絡結構及網絡參數θ，同時，輸入待攻擊的目標跟蹤視頻序列，所述視頻序列包括多個視頻幀I1，I2…In；
S2，根據S1中獲取的目標跟蹤器及當前攻擊的視頻幀Ii，確定待檢測的正負樣本及偽正負樣本；其中，將正負樣本進行對調，生成標記相反的偽正樣本P*hi及偽負樣本P*lo；
S3，根據S2中得到的正負樣本及偽正負樣本，分別計算樣本及偽樣本的對抗攻擊損失函數，并根據對應的損失函數，計算損失函數對視頻幀Ii的梯度值作為擾動反傳至視頻幀Ii；
S4，重復執行S3，進行多次幀內迭代，將每次迭代的圖像梯度值多次累積疊加，得到最終的對抗樣本；
S5，將S4中得到的對抗樣本與對應的視頻幀進行差值計算，得到的結果即為該視頻幀的擾動；
S6,結合視頻序列的時序特性，將當前視頻幀的擾動作為下一視頻幀的初始擾動，重復S2-S5的過程，依次得到完整的對抗攻擊視頻序列。
2.根據權利要求1所述的基于深度網絡的目標追蹤攻擊方法，其特征在于，所述S2，包括：
S21，將當前攻擊的視頻幀Ii輸入至被攻擊目標跟蹤器，根據被攻擊目標跟蹤器網絡結構提取出m個待檢測的候選框P；
S22，計算每一個候選框P與上一視頻幀In-1追蹤結果Gn-1的重疊率
S23，根據重疊率IoU和設定的最高閾值thhi及最低閾值thlo，確定待檢測的正負樣本：當IoUthhi時，為正樣本Phi，當IoUthlo時，為負樣本Plo，將正負樣本進行對調，生成標記相反的偽正樣本P*hi及偽負樣本P*lo。
3.根據權利要求2所述的基于深度網絡的目標追蹤攻擊方法，其特征在于，所述S23中，設定的最高閾值thhi和最低閾值thlo與被攻擊網絡訓練時的對應參數保持一致。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海交通大學，未經上海交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010337803.1/1.html，轉載請聲明來源鉆瓜專利網。
