[發(fā)明專利]圖像保護(hù)方法及相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202211057401.1
• 申請(qǐng)日: 2022-08-30
• 公開（公告）號(hào): CN115410257A
• 公開（公告）日: 2022-11-29
• 發(fā)明（設(shè)計(jì)）人: 溫東超;梁玲燕;崔星辰;史宏志;趙雅倩
• 申請(qǐng)（專利權(quán)）人: 浪潮（北京）電子信息產(chǎn)業(yè)有限公司
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V10/764;G06V10/82;G06V10/74;G06V10/24;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 丁曼曼

本申請(qǐng)公開了一種圖像保護(hù)方法，包括獲取源圖像和隨機(jī)圖像，源圖像包括目標(biāo)保護(hù)對(duì)象，隨機(jī)圖像不包括目標(biāo)保護(hù)對(duì)象；根據(jù)源圖像初始化生成初始保護(hù)圖像；計(jì)算初始保護(hù)圖像和隨機(jī)圖像之間的第一特征距離，初始保護(hù)圖像和源圖像之間的第二特征距離和表觀距離；根據(jù)第一特征距離、第二特征距離、表觀距離計(jì)算獲得損失函數(shù)；基于損失函數(shù)，利用反向傳播算法對(duì)初始保護(hù)圖像進(jìn)行迭代更新，獲得關(guān)于目標(biāo)保護(hù)對(duì)象的保護(hù)圖像。應(yīng)用本申請(qǐng)所提供的技術(shù)方案，可以對(duì)圖像中的目標(biāo)對(duì)象進(jìn)行安全保護(hù)，避免圖像被偽造或盜取用于非法攻擊途徑，保證信息安全。本申請(qǐng)還公開了一種圖像保護(hù)裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，均具有上述有益效果。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種圖像保護(hù)方法以及相關(guān)設(shè)備。

背景技術(shù)

伴隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)技術(shù)的人工智能應(yīng)用(如：人臉識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理和自動(dòng)駕駛等)已經(jīng)滲透到社會(huì)生活的方方面面，深刻地改變了人類社會(huì)的生產(chǎn)和生活方式。與此同時(shí)，人工智能技術(shù)也蘊(yùn)含著風(fēng)險(xiǎn)和挑戰(zhàn)，威脅人類的生命和財(cái)產(chǎn)安全，例如：自動(dòng)駕駛汽車沒有及時(shí)檢測(cè)到路面的行人或者前方的汽車，從而導(dǎo)致交通事故；惡意攻擊者利用偽造/盜取的照片或者視頻欺騙人臉識(shí)別系統(tǒng)；社會(huì)團(tuán)體利用偽造的視頻進(jìn)行虛假宣傳。防范人工智能應(yīng)用引起的各種風(fēng)險(xiǎn)成為社會(huì)各界的重要關(guān)切。

在眾多的風(fēng)險(xiǎn)中，未經(jīng)授權(quán)而非法獲取和使用人臉信息嚴(yán)重威脅了個(gè)人的人身和財(cái)產(chǎn)安全。鑒于此，人臉圖像的所有者(通常是本人)希望保護(hù)人臉圖像，避免未經(jīng)授權(quán)的使用，例如：人臉圖像的所有者不希望人臉圖像被商業(yè)公司獲取，用于商業(yè)宣傳或者訓(xùn)練人臉識(shí)別模型；人臉圖像的所有者更加不希望人臉圖像被盜取，并被用于攻擊個(gè)人的銀行賬戶。

因此，如何對(duì)圖像中的目標(biāo)對(duì)象進(jìn)行安全保護(hù)，避免圖像被偽造或盜取用于非法攻擊途徑，保證信息安全是本領(lǐng)域技術(shù)人員亟待解決的問題。

發(fā)明內(nèi)容

本申請(qǐng)的目的是提供一種圖像保護(hù)方法，該圖像保護(hù)方法可以對(duì)圖像中的目標(biāo)對(duì)象進(jìn)行安全保護(hù)，避免圖像被偽造或盜取用于非法攻擊途徑，保證信息安全；本申請(qǐng)的另一目的是提供一種圖像保護(hù)裝置、設(shè)備以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，均具有上述有益效果。

第一方面，本申請(qǐng)?zhí)峁┝艘环N圖像保護(hù)方法，所述方法包括：

獲取源圖像和隨機(jī)圖像，所述源圖像包括目標(biāo)保護(hù)對(duì)象，所述隨機(jī)圖像不包括所述目標(biāo)保護(hù)對(duì)象；

根據(jù)所述源圖像初始化生成初始保護(hù)圖像；

計(jì)算所述初始保護(hù)圖像和所述隨機(jī)圖像之間的第一特征距離，所述初始保護(hù)圖像和所述源圖像之間的第二特征距離和表觀距離；

根據(jù)所述第一特征距離、所述第二特征距離、所述表觀距離計(jì)算獲得損失函數(shù)；

基于所述損失函數(shù)，利用反向傳播算法對(duì)所述初始保護(hù)圖像進(jìn)行迭代更新，獲得關(guān)于所述目標(biāo)保護(hù)對(duì)象的保護(hù)圖像

可選地，計(jì)算所述初始保護(hù)圖像和所述隨機(jī)圖像之間的第一特征距離，包括：

利用人臉識(shí)別模型分別對(duì)所述初始保護(hù)圖像和所述隨機(jī)圖像進(jìn)行處理，獲得第一特征向量和第二特征向量；

計(jì)算所述第一特征向量和所述第二特征向量之間的余弦距離，獲得所述第一特征距離。

可選地，計(jì)算所述初始保護(hù)圖像和所述源圖像之間的第二特征距離，包括：

利用所述人臉識(shí)別模型對(duì)所述源圖像進(jìn)行處理，獲得第三特征向量；

計(jì)算所述第一特征向量和所述第三特征向量之間的余弦距離，獲得所述第二特征距離。

可選地，所述人臉識(shí)別模型為基于ResNet50的神經(jīng)網(wǎng)絡(luò)模型。

可選地，計(jì)算所述初始保護(hù)圖像和所述源圖像之間的表觀距離，包括：