【官方框架地址】
https://github.com/THU-MIG/yolov10
【算法介绍】
Yolov10是一种先进的对象检测模型,基于深度学习技术,广泛应用于计算机视觉任务。它使用 ONNX(Open Neural Network Exchange)格式,使得模型在不同的深度学习框架之间具有更好的互操作性。然而,直接使用 ONNX 格式的模型存在一定的安全隐患,因此对模型进行加密就显得尤为重要。
对 Yolov10 的 ONNX 模型进行加密,主要是为了保护模型的机密性和完整性,防止未经授权的访问和使用。常见的加密方法包括使用密码加密、哈希函数、数字签名等技术。这些方法可以在模型传输、存储和使用过程中提供一定的安全保障。
具体来说,当模型需要从一个环境传输到另一个环境时,可以使用密码加密的方式对模型进行加密,确保模型在传输过程中的安全。在模型存储时,可以使用哈希函数和数字签名等技术,验证模型的完整性和来源,防止模型被篡改或替换。在使用模型时,可以通过身份验证和访问控制等机制,确保只有经过授权的人员才能访问和使用模型。
需要注意的是,对 Yolov10的 ONNX 模型进行加密可能会对模型的性能产生一定的影响。因此,在选择加密方法时,需要根据实际需求和场景进行权衡,尽可能地平衡安全性和性能的需求。
总之,对 Yolov10 的 ONNX 模型进行加密是一个重要的安全措施,可以有效地保护模型的机密性和完整性,防止未经授权的访问和使用。在选择加密方法时,需要根据实际需求和场景进行权衡,尽可能地平衡安全性和性能的需求。
对于onnx加密我们采用对称加密方式,采用二进制加密除非有密钥否则很难被破解,这样可以使我们的花费大量人力和物力以及成本得到安全保障。
【效果展示】
加密后缀为yolov10.enc您可以改成任何后缀不影响模型
【实现部分代码】
#include "YOlov10Encry.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include "OnnxManager.h"
int main(int argc, char const *argv[])
{
std::string model_path = argv[1];
// string enc_path = "D:\\yolov10n.enc";
// OnnxManager om;
// om.encrypt_onnx(model_path, enc_path);
// return 0;
cv::namedWindow("yolov10", cv::WINDOW_AUTOSIZE);
Yolov10Encry detector(model_path);
cv::VideoCapture cap("car.mp4");//这个地方也可以修改成视频路径或者摄像头索引
if (!cap.isOpened())
{
std::cerr << "ERROR! Unable to open camera\n";
return -1;
}
cv::Mat frame;
std::cout << "Start detect" << std::endl << "Press any key to terminate" << std::endl;
for (;;)
{
cap.read(frame);
if (frame.empty())
{
std::cerr << "ERROR! blank frame grabbed\n";
break;
}
auto timer = cv::getTickCount();
std::vector<Detection> detections = detector.Inference(frame);
double fps = cv::getTickFrequency() / ((double)cv::getTickCount() - timer);
cv::putText(frame, "FPS: " + std::to_string(fps), cv::Point(10, 30), cv::FONT_HERSHEY_SIMPLEX, 1, cv::Scalar(0, 255, 0), 2, 8);
cv::Mat resultImg = detector.DrawImage(frame, detections);
cv::imshow("yolov10", resultImg);
if (cv::waitKey(5) >= 0)
break;
}
return 0;
}
【视频演示】
https://download.csdn.net/download/FL1623863129/89465456
【测试环境】
vs2019,onnxruntime==1.12.0,opencv==4.7.0