从加密图像中提取 HOG 特征用于隐私保护机器学习
计算机视觉与模式识别
2019-04-30 v1 图像与视频处理
摘要
本文提出一种从加密后压缩（EtC）图像中提取 HOG（方向梯度直方图）特征的方法，用于隐私保护机器学习，其中 EtC 图像是由一种为采用 JPEG 压缩的 EtC 系统提出的基于块的加密方法加密的图像，而 HOG 是计算机视觉中用于目标检测与图像分类的特征描述子。近来，云计算与机器学习已在诸多领域普及。然而，由于提供商不可靠及若干事故，云计算对终端用户存在严重的隐私问题。为此，我们提出一种新颖的基于块的 HOG 特征提取方法，该方法在某些条件下使我们能够在无任何影响的情况下执行任意机器学习算法。实验中，将所提方法应用于人脸图像识别问题，使用了两类分类器：线性支持向量机（SVM）、高斯 SVM，以证明有效性。
引用
@article{arxiv.1904.12434,
title = {HOG feature extraction from encrypted images for privacy-preserving machine learning},
author = {Masaki Kitayama and Hitoshi Kiya},
journal= {arXiv preprint arXiv:1904.12434},
year = {2019}
}
备注
To appear in The 4th IEEE International Conference on Consumer Electronics (ICCE) Asia, Bankok, Thailand