[发明专利]一种基于对抗进攻的视频流人脸隐私保护方法

权利要求书

1.一种基于对抗进攻的视频流人脸隐私保护方法，其特征在于，包括：

输入原始视频，分别提取所述原始视频中的各个视频帧；

分别获取各个视频帧中的人脸区域图像；

将各个视频帧中的人脸区域图像输入到神经网络，神经网络输出各个视频帧中的人脸区域图像的对抗扰动，将当前帧之前的所有视频帧中的人脸区域图像的对抗扰动求和之后叠加在了当前帧中的人脸区域图像上，得到进行了人脸隐私保护的当前帧中的人脸区域图像。

2.根据权利要求1所述的系统，其特征在于，所述的分别获取各个视频帧中的人脸区域图像，包括；

对于给定的视频帧图像x∈R^w×h×c，定义全黑处理算子B，全黑处理区域l，人脸区域的区域面积计算算子S，将所述视频帧图像x输入到下述的公式1和公式2中，通过求解下述的公式1和公式2计算出视频帧图像x中的人脸区域图像l的面积S(l)；

其中，X是视频帧的图像训练集，L是视频帧的图像位置分布集，指输入的视频帧图像x的区域信息，指对于分别服从图像训练集及视频帧的图像位置分布集分布的期望值，B(x，l)指全黑处理操作中对任一图像的某一区域进行全黑处理，得到全黑处理区域面积，指模型的输出值，即处理后视频帧图像x中的人脸区域图像无法被识别的概率。

3.根据权利要求1所述的系统，其特征在于，所述的将各个视频帧中的人脸区域图像输入到神经网络，神经网络输出各个视频帧中的人脸区域图像的对抗扰动，将当前帧之前的所有视频帧中的人脸区域图像的对抗扰动求和之后叠加在了当前帧中的人脸区域图像上，得到进行了人脸隐私保护的当前帧中的人脸区域图像，包括；

将L_f(θ，x，y)定义为神经网络模型的损失函数，当前帧图像x∈R^T×W×H×C,T是当前帧数，W是图像的宽度，H是图像的高度，C是图像的通道数，下面将x_t表示为第t帧图像，h_t表示对第t帧施加的扰动，y为第t帧对应的标签，表示对x_t的梯度下降值，α定义为下降的速率，将x_t输入到神经网络中，神经网络输出对第t帧施加的扰动h_t

将第t帧图像之前的前t-1帧图像的扰动求和之后叠加到第t帧图像上，得到更新后的h_t的计算公式：

其中h_t代表对第t帧施加的扰动，h_i是第对i帧施加的扰动。

将α定义为可调整的系数，得到最终的h_t的计算公式为：

将所述最终的h_t施加到第t帧图像x_t中的人脸区域图像上之后，得到经过对抗进攻防御保护后的第t帧图像为：

x_t＝x_t+h_t

4.根据权利要求1或者2或者3所述的系统，其特征在于，所述的方法还包括；

当对图像添加补丁时，对于给定的视频帧图像x∈R^w×h×c、补丁p、补丁位置l_p、和补丁变换t，定义补丁运算符A(x，p，l_p，t)，它首先变换t应用于补丁p，然后将变换的补丁p应用于图像x的位置l处；

在对补丁图像的训练优化过程中，将补丁、图像、位置和变换作为输入，对补丁进行训练：

上述公式中X是图像的训练集，T是补丁变换的分布，L是图像位置的分布，是应用于变换的补丁，使得右式中的期望达到最大值，A(p，x，l_p，t)是基于补丁位置、补丁变换方式、输入图像的运算符。