[发明专利]基于目标检测的选择性加密方法

说明书

本发明属于图像处理领域，公开了基于目标检测的选择性加密方法。本发明首先为了增大加密系统的密钥空间，使用两轮logistic映射，利用两次混沌映射产生的序列做差取其绝对值，得到新的混沌序列。利用新的混沌序列对图像进行加密。同时利用残差网络解决网络退化问题，通过连接一个“捷径”，将原有的非线性映射近似转换成恒等映射，避免随着网络层次的增加出现的梯度消失或者是梯度爆炸等问题。

技术领域

本发明属于图像处理领域，涉及基于目标检测的选择性加密方法。

背景技术

在信息大爆炸的今天，科学带给便利的同时，的个人信息也面临着泄露的风险，很多人喜欢随走随拍，将自己的所见所闻发布到网上，这时，可能就会无意暴露他人的信息，有时候可能作者自己也没有意识到这个问题，在这种情况下，对一些信息进行隐藏是很有必要的。

人脸检测是人工智能领域一个较为重要的一个分支，也是对于人脸研究的一个基本步骤，在科学技术发展的今天，人脸检测技术的广泛应用代表着“刷脸”时代的到来，在生活中有许多涉及人脸检测的地方，如门禁系统的身份验证，美颜相机等都有人脸检测的身影。人脸检测技术主要是通过网络对图片进行特征提取，然后进行特征分类来实现人脸的定位。比较常见的检测网络有Faster R-CNN，Mask R-CNN，YOLO，SSD等。

图像加密是信息隐藏的一种方法，主要操作是对图像进行置乱和扩散。置乱是通过改变图像原有的像素位置破坏原有空间的规律性和局部像素之间的相关性，把图像变得杂乱无章，无法识别从而达到掩盖信息的目的。常用的置换方法有猫映射，幻方变换，基于s盒的置乱等等。而扩散是通过改变原有图像的像素值，使图像“焕然一新”，从而掩盖了原来的信息，一般可以利用混沌系统，变换域来对图像进行扩散操作。本发明提出了一个综合考虑目标检测技术和图像加密技术的的选择性加密算法。

很多图像加密算法采用单级的置换和扩散操作，密钥空间较小，抵抗蛮力攻击的能力较差，而一个好的加密算法应该需要有足够大的密钥空间来抵抗有穷举得攻击。同时，在使用检测网络如Faster R-CNN，Mask R-CNN，YOLO，SSD来检测目标时，随着网络深度的增加，会出现网络退化的问题，也就是说网络深度增加时，网络准确度出现饱和，甚至出现下降。

发明内容

本发明针对现代社会信息泄露的问题以及加密算法的密钥空间和加密性能的问题，提出了基于目标检测的选择性加密方法。本发明首先为了增大加密系统的密钥空间，使用两轮logistic映射，利用两次混沌映射产生的序列做差取其绝对值，得到新的混沌序列。利用新的混沌序列对图像进行加密。同时利用残差网络解决网络退化问题，通过连接一个“捷径”，将原有的非线性映射近似转换成恒等映射，避免随着网络层次的增加出现的梯度消失或者是梯度爆炸等问题。残差块的结构如图1所示。

本发明以ResNet152为主干网络对图像的特征进行提取特征，同时将提取后的特征进行一次空洞卷积和上采样操作，最后利用非最大值抑制进行预测框的选择。

在加密过程中，将不同通道的比特位进行互换，将R通道的高四位和B通道的低四位进行组合，G通道的高四位和R通道的低四位进行组合，B通道的高四位和G通道的低四位进行组合，有效增强加密的效果。

本发明的具体技术方案：

(1)读取一个三通道的彩色图像，将图片传入到图2所示的检测网络通过图2所示的检测网络提取特征，对提取的特征矩阵进行卷积操作得到先验框的偏移量；

(2)利用网络预置的先验框和(1)中得到的先验框的偏移量对先验框进行回归和分类得到预测框，然后对预测框进行非最大值抑制来筛选出重复的预测框，删除重复的预测框，最后保留下来的预测框即为包含人脸的预测框(非最大值抑制其实就是去掉多余的人脸检测框，保留最正确的人脸检测框)；