[發明專利]一種基于重要特征的視覺目標跟蹤可轉移黑盒攻擊方法

在審

• 申請號: 202210084771.8
• 申請日: 2022-01-25
• 公開（公告）號: CN114511593A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 姚睿;朱享彬;周勇;王鵬;張艷寧;趙佳琦;胡伏原
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06V10/74;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 南京冠譽至恒知識產權代理有限公司 32426
• 代理人: 黃成萍

1.一種基于重要特征的視覺目標跟蹤可轉移黑盒攻擊方法，其特征在于：包括如下步驟：

(1)從需要攻擊的視覺目標跟蹤數據集中獲取需要攻擊的視頻樣本X＝{x₀,x₁,x₂,…,x_n}；將視頻樣本的第一幀x₀作為模板幀z，使用模板幀z對目標進行初始化；將視頻樣本的后續幀{x₁,x₂,…,x_n}作為搜索幀，即需要攻擊的幀，n為搜索幀的數量；

(2)計算重要特征下降損失函數L₁；

(3)計算特征相似下降損失函數L₂；

(4)結合重要特征下降損失函數L₁和特征相似下降損失函數L₂，計算最終需要優化的總損失函數L＝α₁L₁+α₂L₂；其中，α₁和α₂分別為L₁和L₂的權重；

(5)通過動量迭代法最小化總損失函數L生成對抗樣本；

(6)將對抗樣本輸入到其他未知內部信息的、需要攻擊的視覺目標跟蹤器f'，獲取視覺目標跟蹤器f'被攻擊后所得的預測目標位置。

2.根據權利要求1所述的基于重要特征的視覺目標跟蹤可轉移黑盒攻擊方法，其特征在于：所述步驟(2)中，計算重要特征下降損失函數L₁，包括如下步驟：

(21)將模板幀和搜索幀輸入到已知內部信息的視覺目標跟蹤器f中得到模板幀特征圖和搜索幀特征圖；同時，根據視覺目標跟蹤器f上的反向傳播得到搜索幀特征圖對應的梯度；

(22)通過搜索幀特征圖及其對應的梯度，計算搜索幀的加權特征圖；

其中：x_i為第i幀搜索幀，i＝1,2,…,n，feat(x_i)為x_i的搜索幀特征圖，Δ_i為feat(x_i)對應的梯度，⊙表示點乘，||·||₂表示L2范數；對Δ_i進行正則化后與feat(x_i)相乘得到x_i的加權特征圖feat_i；

(23)計算重要特征下降損失函數L₁＝∑feat_i。

3.根據權利要求1所述的基于重要特征的視覺目標跟蹤可轉移黑盒攻擊方法，其特征在于：所述步驟(3)中，計算特征相似下降損失函數L₂，包括如下步驟：

(31)計算特征相似圖：

其中：為x_i的特征相似圖；

(32)計算特征相似下降損失函數

4.根據權利要求1所述的基于重要特征的視覺目標跟蹤可轉移黑盒攻擊方法，其特征在于：所述步驟(5)中，通過動量迭代法最小化總損失函數L生成對抗樣本，包括如下步驟：

(51)將視覺目標跟蹤器f對x_i的跟蹤結果表示為f(z,x_i)，要求：

其中：表示位置和位置b_i之間的交并比分數，表示視覺目標跟蹤器f對的跟蹤結果，為x_i的對抗樣本，||·||_p表示Lp距離，b_i為x_i的目標真實標注位置，ε_max為添加的最大擾動值；則有：

(52)采用動量迭代法求解最終的對抗樣本：

其中：表示第t次迭代后得到的x_i的對抗樣本，||·||₁表示L1距離，為總損失函數L在視覺目標跟蹤器f上的反向傳播得到的搜索幀x_i對應的梯度，g_t為迭代t次所疊加得到的經過正則化的梯度，μ為控制迭代的控制權重，sign(·)為符號函數，ε＝ε_max/T為每次迭代添加的擾動大小，T為總迭代次數，為對添加了對抗擾動ε·sign(g_t+1)的進行修剪，經過T次迭代得到最終的對抗樣本