图像保护方法及相关设备技术

本申请公开了一种图像保护方法，包括获取源图像和随机图像，源图像包括目标保护对象，随机图像不包括目标保护对象；根据源图像初始化生成初始保护图像；计算初始保护图像和随机图像之间的第一特征距离，初始保护图像和源图像之间的第二特征距离和表观距离；根据第一特征距离、第二特征距离、表观距离计算获得损失函数；基于损失函数，利用反向传播算法对初始保护图像进行迭代更新，获得关于目标保护对象的保护图像。应用本申请所提供的技术方案，可以对图像中的目标对象进行安全保护，避免图像被伪造或盗取用于非法攻击途径，保证信息安全。本申请还公开了一种图像保护装置、设备及计算机可读存储介质，均具有上述有益效果。均具有上述有益效果。均具有上述有益效果。

【技术实现步骤摘要】
图像保护方法及相关设备


[0001]本申请涉及图像处理
，特别涉及一种图像保护方法以及相关设备。

技术介绍

[0002]伴随着深度学习技术的发展，基于深度学习技术的人工智能应用(如：人脸识别、语音识别、自然语言处理和自动驾驶等)已经渗透到社会生活的方方面面，深刻地改变了人类社会的生产和生活方式。与此同时，人工智能技术也蕴含着风险和挑战，威胁人类的生命和财产安全，例如：自动驾驶汽车没有及时检测到路面的行人或者前方的汽车，从而导致交通事故；恶意攻击者利用伪造/盗取的照片或者视频欺骗人脸识别系统；社会团体利用伪造的视频进行虚假宣传。防范人工智能应用引起的各种风险成为社会各界的重要关切。
[0003]在众多的风险中，未经授权而非法获取和使用人脸信息严重威胁了个人的人身和财产安全。鉴于此，人脸图像的所有者(通常是本人)希望保护人脸图像，避免未经授权的使用，例如：人脸图像的所有者不希望人脸图像被商业公司获取，用于商业宣传或者训练人脸识别模型；人脸图像的所有者更加不希望人脸图像被盗取，并被用于攻击个人的银行账户。
[0004]因此，如何对图像中的目标对象进行安全保护，避免图像被伪造或盗取用于非法攻击途径，保证信息安全是本领域技术人员亟待解决的问题。

技术实现思路

[0005]本申请的目的是提供一种图像保护方法，该图像保护方法可以对图像中的目标对象进行安全保护，避免图像被伪造或盗取用于非法攻击途径，保证信息安全；本申请的另一目的是提供一种图像保护装置、设备以及计算机可读存储介质，均具有上述有益效果。
[0006]第一方面，本申请提供了一种图像保护方法，所述方法包括：
[0007]获取源图像和随机图像，所述源图像包括目标保护对象，所述随机图像不包括所述目标保护对象；
[0008]根据所述源图像初始化生成初始保护图像；
[0009]计算所述初始保护图像和所述随机图像之间的第一特征距离，所述初始保护图像和所述源图像之间的第二特征距离和表观距离；
[0010]根据所述第一特征距离、所述第二特征距离、所述表观距离计算获得损失函数；
[0011]基于所述损失函数，利用反向传播算法对所述初始保护图像进行迭代更新，获得关于所述目标保护对象的保护图像
[0012]可选地，计算所述初始保护图像和所述随机图像之间的第一特征距离，包括：
[0013]利用人脸识别模型分别对所述初始保护图像和所述随机图像进行处理，获得第一特征向量和第二特征向量；
[0014]计算所述第一特征向量和所述第二特征向量之间的余弦距离，获得所述第一特征距离。
[0015]可选地，计算所述初始保护图像和所述源图像之间的第二特征距离，包括：
[0016]利用所述人脸识别模型对所述源图像进行处理，获得第三特征向量；
[0017]计算所述第一特征向量和所述第三特征向量之间的余弦距离，获得所述第二特征距离。
[0018]可选地，所述人脸识别模型为基于ResNet50的神经网络模型。
[0019]可选地，计算所述初始保护图像和所述源图像之间的表观距离，包括：
[0020]对所述初始保护图像和所述源图像进行F
‑
范数计算，获得所述表观距离。
[0021]可选地，计算所述初始保护图像和所述源图像之间的表观距离，包括：
[0022]将所述初始保护图像和所述源图像输入至图像分类网络进行处理，获得所述表观距离。
[0023]可选地，所述图像分类网络为基于VGG
‑
16的神经网络模型。
[0024]可选地，所述根据所述源图像初始化生成初始保护图像之前，还包括：
[0025]根据所述人脸识别模型的输入规格，分别对所述源图像和所述随机图像进行标准化处理，获得标准化源图像和标准化随机图像；
[0026]其中，所述标准化源图像和所述标准化随机图像的图像格式为所述人脸识别模型指定的图像格式。
[0027]可选地，对所述源图像进行标准化处理，获得所述标准化源图像，包括：
[0028]对所述源图像进行类型识别，确定图像类型；
[0029]利用所述图像类型对应的处理策略对所述源图像进行标准化处理，获得所述标准化源图像。
[0030]可选地，对所述源图像进行标准化处理，获得所述标准化源图像，包括：
[0031]利用所述源图像和图像样本构建仿射变换矩阵；
[0032]利用所述仿射变换矩阵将所述源图像转换为所述标准化源图像。
[0033]可选地，所述利用所述源图像和图像样本构建仿射变换矩阵，包括：
[0034]获取所述源图像中所述目标保护对象的预设特征点的第一坐标信息；
[0035]获取各所述图像样本中样本对象的预设特征点的第二坐标信息；
[0036]利用所述第一坐标信息和各所述第二坐标信息计算获得所述仿射变换矩阵。
[0037]可选地，所述利用所述第一坐标信息和各所述第二坐标信息计算获得所述仿射变换矩阵，包括：
[0038]利用最小平方估计算法对所述第一坐标信息和各所述第二坐标信息进行计算，获得所述仿射变换矩阵。
[0039]第二方面，本申请还公开了一种图像保护装置，所述装置包括：
[0040]获取模块，用于获取源图像和随机图像，所述源图像包括目标保护对象，所述随机图像不包括所述目标保护对象；
[0041]处理模块，用于根据所述源图像初始化生成初始保护图像；
[0042]第一计算模块，用于计算所述初始保护图像和所述随机图像之间的第一特征距离，所述初始保护图像和所述源图像之间的第二特征距离和表观距离；
[0043]第二计算模块，用于根据所述第一特征距离、所述第二特征距离、所述表观距离计算获得损失函数；
[0044]更新模块，用于基于所述损失函数，利用反向传播算法对所述初始保护图像进行
迭代更新，获得关于所述目标保护对象的保护图像。
[0045]第三方面，本申请还公开了一种图像保护设备，包括：
[0046]存储器，用于存储计算机程序；
[0047]处理器，用于执行所述计算机程序时实现如上所述的任一种图像保护方法的步骤。
[0048]第四方面，本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的任一种图像保护方法的步骤。
[0049]本申请所提供的图像保护方法，包括：获取源图像和随机图像，所述源图像包括目标保护对象，所述随机图像不包括所述目标保护对象；根据所述源图像初始化生成初始保护图像；计算所述初始保护图像和所述随机图像之间的第一特征距离，所述初始保护图像和所述源图像之间的第二特征距离和表观距离；根据所述第一特征距离、所述第二特征距离、所述表观距离计算获得损失函数；基于所述损失函数，利用反向传播算法对所述初始保护图像进行迭代更新，获得关于所述目标保护对象的保护图像。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像保护方法，其特征在于，所述方法包括：获取源图像和随机图像，所述源图像包括目标保护对象，所述随机图像不包括所述目标保护对象；根据所述源图像初始化生成初始保护图像；计算所述初始保护图像和所述随机图像之间的第一特征距离，所述初始保护图像和所述源图像之间的第二特征距离和表观距离；根据所述第一特征距离、所述第二特征距离、所述表观距离计算获得损失函数；基于所述损失函数，利用反向传播算法对所述初始保护图像进行迭代更新，获得关于所述目标保护对象的保护图像。2.根据权利要求1所述的方法，其特征在于，计算所述初始保护图像和所述随机图像之间的第一特征距离，包括：利用人脸识别模型分别对所述初始保护图像和所述随机图像进行处理，获得第一特征向量和第二特征向量；计算所述第一特征向量和所述第二特征向量之间的余弦距离，获得所述第一特征距离。3.根据权利要求2所述的方法，其特征在于，计算所述初始保护图像和所述源图像之间的第二特征距离，包括：利用所述人脸识别模型对所述源图像进行处理，获得第三特征向量；计算所述第一特征向量和所述第三特征向量之间的余弦距离，获得所述第二特征距离。4.根据权利要求3所述的方法，其特征在于，所述人脸识别模型为基于ResNet50的神经网络模型。5.根据权利要求1所述的方法，其特征在于，计算所述初始保护图像和所述源图像之间的表观距离，包括：对所述初始保护图像和所述源图像进行F
‑
范数计算，获得所述表观距离。6.根据权利要求1所述的方法，其特征在于，计算所述初始保护图像和所述源图像之间的表观距离，包括：将所述初始保护图像和所述源图像输入至图像分类网络进行处理，获得所述表观距离。7.根据权利要求6所述的方法，其特征在于，所述图像分类网络为基于VGG
‑
16的神经网络模型。8.根据权利要求2至7任一项所述的方法，其特征在于，所述根据所述源图像初始化生成初始保护图像之前，还包括：根据所述人脸识别模型的输入规格，分别对所述源图像和所述随机图像进行标准化处理，获得标准化源图像和标准化随机图像；其中，所述标准化源图像和所述标准化随机图像的图像格式为所述人...

【专利技术属性】
技术研发人员：温东超，梁玲燕，崔星辰，史宏志，赵雅倩，
申请(专利权)人：浪潮北京电子信息产业有限公司，
类型：发明
国别省市：