[发明专利]一种视频目标检测规避系统及方法

说明书

本发明公开了一种视频目标检测规避系统及方法，系统包含模型适应性灰盒训练模块、补丁距离自适应模块、多项损失函数计算模块以及数字世界补丁贴合模块。适应性训练模块用于检测贴有规避补丁目标、提取人体检测个数及置信度，摆脱对实际检测模型种类及参数的限制；补丁距离自适应模块用于基于用户指定或系统预设的阈值对补丁进行距离适应性更新，保证补丁在不同距离下保护性能；多项损失函数计算模块及数字世界补丁贴合模块用于实现补丁在数字世界下的衣服褶皱模拟、物理世界色彩变换以及图片训练损失约束等保证补丁转移至物理世界的鲁棒性。本发明不针对于特定模型，能够面对不同模型均有效，具有良好的物理世界鲁棒性，符合用户端隐私保护需求。

技术领域

本发明属于计算机视觉中对抗样本保护目标检测隐私泄露技术领域，涉及一 种视频目标检测规避系统及方法，具体涉及一种泛用性人体目标检测隐私防护系 统及方法。

背景技术

行为跟踪、智能监控等诸多领域发展迅猛，目标检测与识别作为其核心技术， 在为人们提供诸多便利的同时，也为个人隐私带来了巨大的安全挑战和风险。用 户常使用戴眼镜、帽子和口罩等伪装手段，避免个人隐私泄露，但这些手段对用 户出行造成不便，且无法在技术上彻底规避视频目标检测。

目标检测识别技术对个人隐私安全带来极大风险的主要原因就是其平台的 搭建成本极低。根据调查发现，YOLOv3人体目标检测识别模型在树莓派4B+ 开发板上可以跑到40FPS。这意味着个人或企业仅需耗费极低的成本(一台摄像 头、一块树莓派开发板以及已开源的模型代码)，便可搭建此类人体目标检测模 型，以此来获取海量的行人数据。如图1-2所示，这是一个人体目标检测和特征 提取系统，该系统获得的数据不仅包含拍摄到的行人画面，而且包含经过人体目 标检测模型分析、处理后得到的涵盖行人行为、行踪、面貌、衣着等细节特征的 个人隐私信息。

近些年，基于对抗样本的目标检测干扰研究成为学术研究领域的热点，但已 有研究仍存在较多问题。基于对抗样本的视频目标检测干扰技术通过生成特定的 对抗性样本对目标检测网络进行扰动，以此防护用户的行迹隐私。然而现有对抗 样本大多基于白盒的单模型生成，而现实目标检测模型构成复杂，对抗样本难以 满足用户实际隐私保护需求，且存在不易携带、易被觉察、远距离攻击失效等弱 点；如何提高样本对多种目标检测模型的干扰能力，保证全距离范围内样本的有 效性，提高样本的自然度和便携度，是当前基于对抗样本视频目标检测干扰技术 亟需解决的挑战。

发明内容

鉴于以上提及的传统隐私防护方案的弊端，以及在现实物理世界中进行保护 人体隐私特征信息的安全及性能需求，本发明基于多模型生成替代模型，提供了 一种在物理世界中具有高泛用性、高距离适应性、语义性好的人体目标检测规避 系统及方法。

本发明的系统所采用的技术方案是：一种视频目标检测规避系统，包括基于 多模型的模型适应性灰盒训练模块、基于阈值的补丁距离自适应模块、基于多项 损失函数计算模块和数字世界补丁贴合模块；

所述基于多模型(YOLO，SSD，Faster RCNN等)的模型适应性灰盒训练 模块，用于检测贴有规避补丁的目标图片、提取人体检测个数及置信度

所述基于阈值的补丁距离自适应模块，用于用户或系统阈值设定、阈值距离 决策、补丁距离适应性更新；

所述基于多项损失函数计算模块，用于训练损失约束，包含平滑度损失、像 素变化损失、非可打印色彩损失等，其中平滑度损失以及像素变化损失用于平滑 图像来保留图片语义信息；

所述数字世界补丁贴合模块，用于衣服褶皱模拟、物理世界色彩变换，模拟 各项物理世界环境变化，对规避补丁进行相关变换，提高规避补丁在物理世界中 的鲁棒性。

本发明的方法所采用的技术方案是：一种视频目标检测规避方法，包括以下 步骤：

步骤1：基于多模型的模型适应性灰盒训练模块，检测贴有贴有规避补丁的 目标图片，提取人体检测个数及置信度；分发给补丁距离自适应模块；