基于随机基图像表示的高效隐私保护 Viola-Jones 类型目标检测
计算机视觉与模式识别
2017-03-31 v2
摘要
云服务器花费大量时间、精力和金钱来训练一个高精度的 Viola-Jones 类型目标检测器。客户端可以将他们的照片上传到云服务器以查找目标。然而，客户端不希望其照片内容泄露。同时，云服务器也不愿意泄露已训练目标检测器的任何参数。10 年前，Avidan 和 Butman 提出了 Blind Vision，这是一种安全评估 Viola-Jones 类型目标检测器的方法。Blind Vision 使用标准的密码学工具，计算速度极慢，扫描单张图像需要数小时。本工作的目的是探索一种能够加速该过程的高效方法。我们提出了随机基图像（RBI）表示。原始图像被分割成随机基图像。只有这些基图像被随机提交给云服务器。因此，图像内容不会泄露。同时，利用随机向量和安全百万富翁协议来保护已训练目标检测器的参数。RBI 使得积分图像能够再次启用，从而实现极大的加速。实验结果表明，我们的方法能够保持与明文视觉算法相当的检测精度，并且比传统的盲视觉方法显著更快，理论上信息泄露的概率非常低。
引用
@article{arxiv.1702.08318,
title = {Efficient Privacy Preserving Viola-Jones Type Object Detection via Random Base Image Representation},
author = {Xin Jin and Peng Yuan and Xiaodong Li and Chenggen Song and Shiming Ge and Geng Zhao and Yingya Chen},
journal= {arXiv preprint arXiv:1702.08318},
year = {2017}
}
备注
6 pages, 3 figures, To appear in the proceedings of the IEEE International Conference on Multimedia and Expo (ICME), Jul 10, 2017 - Jul 14, 2017, Hong Kong, Hong Kong