(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221049073 3.2 (22)申请日 2022.05.07 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 谢巍　余锦伟　杨启帆　魏金湖　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 杨望仙 (51)Int.Cl. H04L 9/00(2022.01) H04N 21/235(2011.01) H04N 21/4405(2011.01) G06V 40/16(2022.01) G06V 10/80(2022.01) (54)发明名称 基于目标检测技术的人脸图像加解密方法、 系统和设备 (57)摘要 本发明涉及人脸隐私保护领域， 公开了基于 目标检测技术的人脸图像加解密方法、 系统和设 备。 该方法包括： 获取图像中的人脸区域， 基于所 述获得的人脸图像生成明文关联密钥， 使用整数 随机序列对 人脸区域图像进行像素置乱、 像素扩 散和行列置乱， 得到加密人脸图像， 将加密人脸 图像与非人脸区域融合得到密文图像。 本发明通 过结合目标检测技术， 对图像中的人脸区域进行 检测提取， 并结合超混沌Chen系统， 针对图像中 的人脸区域进行局部加密， 在实现人脸隐私保护 功能的同时减少了加密过程的计算量， 提高了加 密算法的效率。 权利要求书3页 说明书7页 附图2页 CN 115102683 A 2022.09.23 CN 115102683 A 1.基于目标检测技 术的人脸图像加解密方法， 其特 征在于， 包括以下步骤： S1、 使用MTCNN模型对输入 的明文图像进行检测， 获取人脸区域图像和人脸位置坐标， 计算人脸图像的平均灰度值； S2、 设定初始密钥， 根据初始密钥和人脸 图像的平均灰度值计算超混沌Chen系 统的第 一组初始值， 迭代超混沌 Chen系统生成第一组混沌序列； S3、 使用人脸 图像的平均灰度值与第一组混沌序列进行计算， 更新获取超混沌Chen系 统的第二组初始值， 迭代超混沌 Chen系统生成第二组混沌序列； S4、 对第一组混沌序列和第二组混沌序列进行预处理， 转化为预设长度的整数随机序 列和整数索引序列， 使用整数随机序列对人脸区域图像进行像素置乱、 像素扩散和行列置 乱， 得到加密人脸图像； S5、 将加密人脸图像与明文图像中的非人脸区域融合为一幅图像， 并对人脸位置坐标 进行异或加密， 将加密的人脸 位置坐标嵌入到融合后的图像中， 得到最终的密文图像。 2.如权利要求1所述的基于目标检测技术的人脸图像加解密方法， 其特征在于： 所述 MTCNN模型为经过GPU训练完成的MTCNN人脸检测模 型， 将明文图像输入MTCNN人脸检测模 型 获取人脸区域位置坐标， 根据获取的人脸区域位置坐标裁剪原明文图像得到大小为M ×N的 人脸图像， 计算人脸图像的平均灰度值； 所述人脸区域 位置坐标包括人脸区域的左上角坐标和人脸区域的右下角坐标。 3.如权利要求1所述的基于目标检测技术的人脸图像加解密方法， 其特征在于： 所述步 骤S2包括： 设定初始密钥， 根据人脸图像的平均灰度值计算四个初始 值的变化量； 将初始密 钥与四个初始值的变化量运算， 产生明文关联的第一组初始值； 将第一组初始值代入超混 沌Chen系统， 对 超混沌Chen系统进行迭代， 获取四个混沌序列。 4.如权利要求3所述的基于目标检测技 术的人脸图像加解密方法， 其特 征在于： 所述第一组初始值的运 算公式为： 其中， x01,y01,z01,h01为第一组初始值， x0,y0,z0,h0为初始密钥， Δα、 Δβ 、 Δθ、 Δγ分别 为初始值x01,y01,z01,h01的变化量； 所述超混沌 Chen系统的迭代方程 为： 其中m、 q、 p、 n、 r是系统的参数， i ＝0,1,2,3. ..， x、 y、 z、 h是产生混沌序列的状态变量。 5.如权利要求4所述的基于目标检测技术的人脸图像加解密方法， 其特征在于： 所述步 骤S3包括： 使用4个混沌序列的元素与第一组初始 值的变化量进 行计算， 更新 获取第二组初 始值； 将第二组初始 值代入超混沌Chen系统， 对超混沌Chen系统进 行第二次迭代， 获取四个权　利　要　求　书 1/3 页 2 CN 115102683 A 2混沌序列。 6.如权利要求5所述的基于目标检测技术的人脸图像加解密方法， 其特征在于： 所述第 二组初始值的运 算公式为： 其中， x02,y02,z02,h02为第二组初始值， X1(2MN+1)、 Y1(2MN+1)、 Z1(2MN+1)、 H1(2MN+1)为 混沌序列的元 素， Δα 、 Δβ 、 Δθ、 Δγ分别为初始值x01,y01,z01,h01的变化量。 7.如权利要求1所述的基于目标检测技术的人脸图像加解密方法， 其特征在于： 所述步 骤S4包括： 对人脸图像进行像素置乱， 将人脸图像分解为3个通道图像， 然后将3个通道图像重塑 为3个一维向量， 将3个一 维向量中的所有像素按照整 数索引序列中的元素大学进 行重新排 序， 将3个一维向量中重塑为3个大小为M ×N的矩阵， 获得3个置乱通道图像； 对人脸图像进行像素扩散， 使用整数随机序列对人脸图像的三个通道图像分别进行第 一轮扩散， 每个通道图像的像素按从左到右、 自上而下 的顺序与整数随机序中的元素进行 异或加密后， 与前一个位置的像素进行异或运算； 使用混沌序列对人脸图像的三个通道图 像分别进行第二轮扩散， 每个通道图像的像素按自下而上、 从右到左的顺序与混沌随机数 进行异或加密后， 与后一个位置的像素进行异或运 算； 对人脸图像进行行列置乱， 首先使用整数索引序列对人脸图像进行行置乱， 使用整数 索引序列对人脸图像进行列置乱， 对三个置乱后的通道图像进行融合获得彩色加密人脸图 像。 8.如权利要求1所述的基于目标检测技术的人脸图像加解密方法， 其特征在于： 所述步 骤S5包括： 将加密人脸图像与明文图像中的非人脸区域进行融合， 使用加密的人脸区域替 换掉原有的未加密人脸区域， 将加密的人脸区域和非人脸区域合并为融合图像； 使用整数 随机序列对人脸位置进行异或加密， 得到加密的人脸位置坐标， 将加密的人脸位置坐标嵌 入到融合图像R通道中的前四个 像素中， 隐藏人脸 位置信息得到最终的密文图像。 9.基于目标检测技 术的人脸图像加解密系统， 其特 征在于， 所述系统包括： 检测模块， 用于使用MTCNN模型对输入明文图像进行检测， 获取人脸区域图像和人脸位 置坐标， 并计算人脸图像的平均灰度值； 第一生成模块， 用于设定初始密钥， 根据初始密钥和人脸图像的平均灰度值计算超混 沌Chen系统的第一组初始值， 迭代超混沌 Chen系统生成第一组混沌序列； 第二生成模块， 用于使用人脸图像的平均灰度值与第一组混沌序列进行计算， 更新获 取超混沌 Chen系统的第二组初始值， 迭代超混沌 Chen系统生成第二组混沌序列； 加密模块， 用于对第一组混沌序列和第二组混沌序列进行预处理， 转化为预设长度的 整数随机序列和整数索引序列， 使用整数随机序列对人脸区域图像进行像素置乱、 像素扩 散和行列置乱， 得到加密人脸图像； 融合输出模块， 用于将加密人脸图像与明文图像中的非人脸区域融合为一幅图像， 并 对人脸位置坐标进行异或加密， 将加密的人脸位置坐标嵌入到融合后的图像中， 得到最终权　利　要　求　书 2/3 页 3 CN 115102683 A 3