本文提出了一种面向视觉Transformer（ViT）目标检测模型的隐私保护方法。以往针对视觉信息保护的研究主要集中于图像分类任务，而本文首次将感知加密（perceptual encryption）技术应用于目标检测任务。该方法利用ViT的嵌入结构以及基于密钥的域适应技术，使得在加密测试图像的同时，目标检测模型仍能保持与未保护模型几乎相同的精度。实验采用基于ViT的目标检测模型ViTdet，验证了该方法在精度和视觉保护两方面的有效性。具体而言，感知加密在保留目标检测所需的结构信息的同时，扰乱了视觉上的敏感内容，从而防止未授权方从图像中直接获取隐私信息。本文的研究为在云端或边缘端部署目标检测服务时保护用户图像隐私提供了一种可行方案，适合从事隐私保护机器学习、视觉Transformer应用以及安全计算机视觉研究的人员阅读。