基于卷积神经网络的服务机器人听觉隐私信息分类算法

为获得机器人听觉行为隐私感知方法,解决语音监听设备存在的隐私泄露风险,本文提出了基于卷积神经网络的服务机器人听觉隐私信息分类算法(APICA)。首先,设计了基于卷积神经网络的服务机器人听觉隐私信息分类算法及其卷积神经网络模型;其次,给出了机器人的听觉隐私信息监听系统工作流程;最后,为评估该听觉隐私信息分类算法性能,构建了训练和测试数据集,并在服务机器人平台上部署和实现了该算法。测试结果表明:系统识别隐私信息的平均精确率P、召回率R和F1值分别为96.35%、93.20%和94.53%,具有良好的识别和分类效果。     

基于改进Cycle-GAN的机器人视觉隐私保护方法

首先,通过优化Cycle-GAN的结构与参数,提出改进Cycle-GAN算法以提高算法泛化能力;然后,提出基于归一化交叉相关(NCC)的训练数据集生长算法,使训练数据集能根据环境变化自动拓展;最后,在服务机器人上实现基于改进Cycle-GAN的服务机器人视觉图片隐私保护方法,并给出机器人视觉隐私图片保护系统.构建具有4.8×10~4张图片的对抗训练数据集,并建立6类测试实验的测试数据集对系统性能进行测试.实验结果表明:本文方法在转换成功率、体现图片相似度的哈希差值和体现脸部成像精度的人脸识别率方面均优于Cycle-GAN算法.