[发明专利]一种人脸图像信息的隐藏方法

说明书

本发明公开了一种人脸图像信息的隐藏方法，包括以下步骤：秘密信息的预处理；秘密信息的隐藏。本发明能够有效避免公共网络中直接传输人脸图片可能发生泄漏或者被不法分子非法获取，使得个人敏感信息以及财产安全存在隐患的问题，其建立的技术具有较高的安全性和易用性，不仅可以用于移动计算平台，也可以应用于非移动计算平台；不仅可以应用于本地信息的加密存储，也可以应用于信息的加密传输或拷贝；从而有效地保护了个人图像的信息安全。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种人脸图像信息的隐藏方法。

背景技术

近年来，人脸识别技术日趋普及，被广泛用于智慧安防、政务服务、电子支付等诸多场景，极大提高我们生活的便利性。但是人脸图像触及个体的隐私底线，其蕴含着丰富的个人敏感信息，在公共网络中直接传输可能会发生泄漏，或者被不法分子非法获取，可能会被用以盗取社交平台账号、窃取金融账户内财产，或者被用于精准诈骗、敲诈勒索等违法犯罪活动，由此带来的后果是普通人难以承受的。加上“换脸”等深度伪造技术不断精进，这种人像信息一旦不再为自己所独有的“失控”，无疑加剧了人们的不安。面对这一现状,如何安全有效地保护用户的人脸图像隐私就成了亟待解决的关键问题。

发明内容

本发明针对上述人脸图像由于传输而导致隐私泄漏的问题，提供一种人脸图像信息的隐藏方法。

为实现上述目的，本发明采用以下技术方案：

一种人脸图像信息的隐藏方法，其特征在于，包括秘密信息的预处理和秘密信息的隐藏；所述秘密信息的预处理是采用人脸的检测算法对人脸区域进行定位，并对原始图像进行人脸区域的剪切处理，作为最终的隐藏目标信息；所述秘密信息的隐藏是实现隐藏目标信息在载体图片上的隐藏。

为优化上述技术方案，采取的具体措施还包括：

进一步地，所述人脸的检测算法采用改进的轻量级yolo人脸检测算法，具体实现如下：

使用yolo-tiny设计理念，将yolo网络模型中每层卷积层的滤波器数量降为原来的四分之一；

增加卷积层的深度，在部分卷积层后各添加两层；

其次在前期训练时，在特征层后面利用softmax进行二分类，得到初始化的分类模型；

最后采用训练好的分类模型，初始化改进的yolo网络模型进行人脸检测模型训练。

进一步地，所述秘密信息的隐藏包括载体图片的多目标检测、目标的筛选及区域合并、目标的纹理计算及排序、隐写算法的匹配。

进一步地，所述载体图片的多目标检测中，多目标检测算法采用改进的SSD目标检测算法，具体实现如下：

使用DenseNet网络代替原始SSD主干网络VGG：在卷积层之后设计不同尺寸的特征图，并预测部分卷积层和特征图上的目标置信度和边框偏移量，根据目标置信度和边框偏移量调整边框的位置；

为每一个预测层添加一个密集连接块，用DenseBlock作为预测网络；

其次在前期训练时，将改进的SSD网络模型按分类方式进行训练，在特征层后面利用softmax进行二分类，得到初始化的分类模型；

最后采用训练好的分类模型，初始化改进的SSD网络模型进行大规模的多目标检测，检测载体图片中的各种物体。

进一步地，所述目标的筛选及区域合并具体如下：

基于载体图片的多目标检测所检测到的目标区域，对于目标概率值小于0.35的目标区域直接丢弃；

计算筛选出的目标区域两两之间的重叠面积，采用最大面积原则去除重叠区域，以大目标区域为准，小目标区域通过去除重叠面积作为载体区域。