1.一种基于安全区域的大数据图像保护方法，其特征在于，所述方法包括以下步骤：S1：采用目标检测方法选择目标安全区域，同时提取彩色图像特征；

S2：采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；

S3：将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。

2.根据权利要求1所述的基于安全区域的大数据图像保护方法，其特征在于，步骤S1中，采用目标检测方法选择目标安全区域，同时提取彩色图像特征的方法包括以下步骤：使用VGG网络对图像进行分类，获取图像的特征图，通过卷积操作得到特征图大小的公式如下：其中，outputsize表示输出的特征图尺寸，inputsize表示输入的特征图尺寸，kernelsize是卷积核大小，pad为填充的尺寸，stride为步长。

3.根据权利要求1所述的基于安全区域的大数据图像保护方法，其特征在于，步骤S2中，提取出物体区域作为信息保护的安全区域的方法包括以下步骤：S21：对于获取的图像特征图，确定滑动窗口，以像素点为中心，按照M种尺寸和N种比例，得到若干个M*N种尺度的滑动窗口，将其作为候选框；

S22：将得到的若干个候选框依次与真实值边界框做比对，选择其中重叠度最高的候选框、以及重叠度高于设定阈值的候选框，作为信息保护的安全区域。

4.根据权利要求3所述的基于安全区域的大数据图像保护方法，其特征在于，所述设定阈值为0.7。

5.根据权利要求1所述的基于安全区域的大数据图像保护方法，其特征在于，步骤S3中，将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏的方法包括：同时执行下述三个操作：1)通过边框回归以得到更为准确的矩形候选框，2)对像素点进行分类，3)使用隐写算法对像素点不等于255、并且被分类为前景物体的像素做最低有效位修改。

6.根据权利要求1所述的基于安全区域的大数据图像保护方法，其特征在于，所述方法包括：采用LSB隐写算法进行秘密信息隐藏，以及

在隐写之前，将待隐藏的秘密消息转化为N位的二进制比特流。

7.根据权利要求1所述的基于安全区域的大数据图像保护方法，其特征在于，所述方法还包括：采用Softmax分类函数对图像中的物体进行识别，其损失函数如下：Lcls(pi,pi*)＝-log[pi*pi+(1-pi*)(1-pi)]其中，i为候选框的一个索引，pi为候选框i是否为目标的预测概率，pi*表示若候选框是正标签，则pi*为1，若候选框为负标签，则pi*为0。

8.根据权利要求1所述的基于安全区域的大数据图像保护方法，其特征在于，所述方法还包括：所述边框回归操作的损失函数为：

Lreg(ti,ti*)＝smoothL1(ti-ti*)其中，ti为预测的候选框的4个坐标参数，ti*为对应的真实值边界框的4个坐标参数。

9.一种基于安全区域的大数据图像保护系统，其特征在于，所述系统包括依次连接的彩色图像特征提取、区域选择网络、信息隐藏网络；

所述彩色图像特征提取用以采用目标检测方法选择目标安全区域，同时提取彩色图像特征；

所述区域选择网络用以采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；

所述信息隐藏网络用以将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。

10.根据权利要求9所述的基于安全区域的大数据图像保护系统，其特征在于，所述系统还包括一个ROI Align layer，用以连接区域选择网络和信息隐藏网络，用以使输出的特征图与输入图像中的像素一一对应。