1.一种基于特征映射的无源信息隐藏方法，其特征在于，包括：在信息隐藏阶段，构建一组特征可配置的目标类型集合，对于所述目标类型集合中的任一目标类型列举出其可配置的特征属性集合；对所述目标类型集合与所属特征集合分别构造取值，并对取值进行编码得到目标类型的二进制序列和特征属性取值的二进制序列，构造目标类型以及特征取值与二进制序列之间的映射关系；在信息发送阶段，对于需要隐藏的二进制序列，按照各类型目标所能携带的二进制序列长度，对隐藏信息进行第一次切片，获得第一切片序列，按照所述第一切片序列对应目标的各特征所能携带的二进制序列长度对第一切片进行第二次切片，得到第二切片序列，将第二切片序列根据特征映射关系逆映射为目标类型与特征集合的取值；按照获得的所述目标类型和特征集合取值设置目标类型及目标特征，并使用摄像装置采集目标集合的图片，将目标集合图片通过公网发送；在信息提取阶段，获取携带隐藏信息的图片，通过深度学习提取隐藏信息的目标类型及其特征值，按照特征值与二进制序列之间的映射关系获取目标所携带的二进制序列，将所述二进制序列按顺序组合即提取隐藏的信息。
2.如权利要求1所述的基于特征映射的无源信息隐藏方法，其中，所述在信息隐藏阶段，构建一组特征可配置的目标类型集合，对于所述目标类型集合中的任一目标类型列举出其可配置的特征属性集合，具体包括：构建一组特征可配置的目标类型集合T＝{t 1 ,t 2 ,t 3 ,...,t m }；对于目标类型集合T中的任一目标类型t m ，列举出其可配置的特征属性集合F m ＝{t m ,f 1 m ,f 2 m ,f 3 m ,...,f i m }，其中，t m 用于标记特征属性的所属目标类型。
3.如权利要求2所述的基于特征映射的无源信息隐藏方法，其中，所述对所述目标类型集合与所属特征集合分别构造取值，并对取值进行编码得到目标类型的二进制序列和特征属性取值的二进制序列，具体包括：对于所述特征属性f i m ，构造其特征取值空间V m ＝{v i1 m ,v i2 m ,v i3 m ,...,v ij m ，v i0 m }，其中，v i0 m 表示该特征未携带信息，其中，m≥1、i≥1且j≥1，m、i与j均为正整数；构造所述目标类型集合T的二进制序列值B＝{b 1 ,b 2 ,b 3 ,...,b m }，其中，m为二进制序列值B的序列长度；构造所述特征属性集合的特征取值空间V m 的二进制序列值B ij m ＝{b i1 m ,b i2 m ,b i3 m ,...,b ij m }，其中，i·j为二进制序列值B ij mn 的序列长度。
4.如权利要求3所述的基于特征映射的无源信息隐藏方法，其中，所述构造目标类型以及特征取值与二进制序列之间的映射关系，具体包括：对所述目标类型集合T与所述二进制序列值B进行特征映射，映射关系为 对所述特征取值空间V m 与所述二进制序列值B ij mn 进行特征映射，映射关系为 特征映射后目标类型t m 所携带的二进制序列长度总和为
5.如权利要求4所述的基于特征映射的无源信息隐藏方法，其中，所述对于需要隐藏的二进制序列，按照各类型目标所能携带的二进制序列长度，对隐藏信息进行第一次切片，获得第一切片序列，按照所述第一切片序列对应目标的各特征所能携带的二进制序列长度对第一切片进行第二次切片，得到第二切片序列，将第二切片序列根据特征映射关系逆映射为目标类型与特征集合的取值，具体包括：获取隐藏后的二进制序列值t＝{t 1 c ,t 2 c ,...,t r c }；设目标t i c 的特征取值空间为F mc ＝{t mc ,f 1 mc ,f 2 mc ,f 3 mc ,...,f i mc }，已知特征属性f i mc 的序列长度与目标类型t mc 的序列长度，根据特征属性f i mc 的序列长度与目标类型t mc 的序列长度的总和将二进制序列值t切分为第一切片序列b c ＝{b k1 c ,b k2 c ,b k3 c ,...,b kl c }；根据特征属性f i mc 的序列长度和目标类型t mc 的序列长度其中之一将第一切片序列切分为第二切片序列b＝{b 1 ,b 11 c ,b 12 c ,...,b 1l c ,b 2 ,b 21 c ,b 22 c ,...,b 2l c ,...,b kl c ,b k ,b k1 c ,b k2 c ,...,b kl c }；根据已知的特征映射关系，将第二切片序列转换为目标类型与特征集合的取值b＝{t 1 ,v 11 c ,v 12 c ,...,v 1l c ,t 2 ,v 21 c ,v 22 c ,...,v 2l c ,...,v kl c ,t k ,v k1 c ,v k2 c ,...,v kl c }，其中，k≥1且l≥1，k与l均为正整数。
6.如权利要求5所述的基于特征映射的无源信息隐藏方法，其中，所述通过深度学习提取隐藏信息的目标类型及其特征，具体包括：构建深度学习网络模型；将所述目标类型集合T作为样本集M(t m )，将所述特征取值空间V m 作为样本集M(v ij m )分别输入至深度学习网络模型中，深度学习网络模型分别输出样本集M(t m )对应的二进制序列值的预测结果与样本集M(v ij m )对应的二进制序列值的预测结果；基于样本集M(t m )对应的二进制序列值的预测结果与样本集M(v ij m )对应的二进制序列值的预测结果，以及样本集M(t m )与样本集M(v ij m )的标签真值，分别计算目标损失函数，基于所述目标损失函数分别对深度学习网络模型进行迭代训练，分别得到训练好的深度学习网络模型Net t ＝train(t m ,b m )与Net v ＝train(v ij m ,b ij m )；将隐藏信息输入至深度学习网络模型中，得到提取的隐藏信息的目标类型及其特征。
7.一种基于特征映射的无源信息隐藏系统，其特征在于，包括信息隐藏子系统、信息发送子系统与信息提取子系统：所述信息隐藏子系统用于构建一组特征可配置的目标类型集合，对于所述目标类型集合中的任一目标类型列举出其可配置的特征属性集合；所述信息隐藏子系统还用于对所述目标类型集合与所属特征集合分别构造取值，并对取值进行编码得到目标类型的二进制序列和特征属性取值的二进制序列，构造目标类型以及特征取值与二进制序列之间的映射关系；所述信息隐藏子系统还用于对于需要隐藏的二进制序列，按照各类型目标所能携带的二进制序列长度，对隐藏信息进行第一次切片，获得第一切片序列，按照所述第一切片序列对应目标的各特征所能携带的二进制序列长度对第一切片进行第二次切片，得到第二切片序列，将第二切片序列根据特征映射关系逆映射为目标类型与特征集合的取值；所述信息发送子系统用于按照获得的所述目标类型和特征集合取值设置目标类型及目标特征，并使用摄像装置采集目标集合的图片，将目标集合图片通过公网发送；所述信息提取子系统用于提取隐藏后的二进制序列，对于收到的携带信息的图片，通过深度学习提取隐藏信息的目标类型及其特征值，按照特征值与二进制序列之间的映射关系获取目标所携带的二进制序列，将所述二进制序列按顺序组合即提取隐藏的信息。
8.一种基于特征映射的无源信息隐藏设备，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行权利要求1～6任一项所述方法的步骤。
9.一种存储介质，其特征在于，其存储有可由基于特征映射的无源信息隐藏设备执行的计算机程序，当所述计算机程序在基于特征映射的无源信息隐藏设备上运行时，使得所述基于特征映射的无源信息隐藏设备执行权利要求1～6任一项所述方法的步骤。
